TWI670474B - 染色製程的驗證方法 - Google Patents

染色製程的驗證方法 Download PDF

Info

Publication number
TWI670474B
TWI670474B TW108114197A TW108114197A TWI670474B TW I670474 B TWI670474 B TW I670474B TW 108114197 A TW108114197 A TW 108114197A TW 108114197 A TW108114197 A TW 108114197A TW I670474 B TWI670474 B TW I670474B
Authority
TW
Taiwan
Prior art keywords
data
curve
spectral
temperature difference
cloth
Prior art date
Application number
TW108114197A
Other languages
English (en)
Other versions
TW201928312A (zh
Inventor
林舜雍
林淑惠
林于棟
黃慶堂
葉明憲
Original Assignee
財團法人紡織產業綜合研究所
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 財團法人紡織產業綜合研究所 filed Critical 財團法人紡織產業綜合研究所
Priority to TW108114197A priority Critical patent/TWI670474B/zh
Publication of TW201928312A publication Critical patent/TW201928312A/zh
Application granted granted Critical
Publication of TWI670474B publication Critical patent/TWI670474B/zh

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Spectrometry And Color Measurement (AREA)

Abstract

一種染色製程的驗證方法，包含以下步驟。在不同染程進行期間，對布料及染液進行數據擷取，從而獲得數據，其中數據包含各色光在不同上色率的溫度差。數據擷取包含以下步驟。使用感光元件與分光測色儀的其中至少一者對布料進行量測，以取得光譜資料；以及使用上色監控設備(optilab)對染液進行量測，以取得初始分光曲線分布圖，其中結合光譜資料及初始分光曲線分布圖，以得到分光曲線分布圖，並自分光曲線分布圖得到數據。透過收集至少6000筆的數據，建立資料庫。

Description

染色製程的驗證方法
本發明是有關於一種染色製程的驗證方法。
隨著生活水準的提高，消費者對織物的功能亦有了新的要求，因此織物的需求也與日俱增。於織物的大量生產過程中，作為織物原料的布材會先經過清洗與烘乾製程，接著才會開始進行與染色相關的程序。
於染色製程中，由於染色製程需要一定的時間才可完成，故會牽涉到染色結果的因素也有一定的複雜程度。也因為這樣，染色製程的各條件設定會需要使用經驗法則加入判斷。然而，由於經驗法則並非屬於客觀的判斷依據，故染色製程在其各條件設定上仍會發生染色結果與預期顏色有所差異的狀況。因此，如何能對染色製程做調控以及驗證已成為相關領域的焦點。
本發明之一實施方式提供一種染色製程的驗證方法，包含以下步驟。在不同染程進行期間，對布料及染液進行 數據擷取，從而獲得數據，其中數據包含各色光在不同上色率的溫度差。數據擷取包含以下步驟。使用感光元件與分光測色儀的其中至少一者對布料進行量測，以取得光譜資料；以及使用上色監控設備(optilab)對染液進行量測，以取得初始分光曲線分布圖，其中結合光譜資料及初始分光曲線分布圖，以得到分光曲線分布圖，並自分光曲線分布圖得到數據。透過收集至少6000筆的數據，建立資料庫。
於部分實施方式中，使用感光元件與分光測色儀的其中至少一者對布料進行量測的步驟包含透過工業相機對染程中述布料擷取影像。
於部分實施方式中，使用感光元件與分光測色儀的其中至少一者對布料進行量測的步驟包含透過分光測色儀(DataColor)對染程中的布料進行分析Lab值。
於部分實施方式中，上色監控設備為連續式上色監控設備。
於部分實施方式中，分光曲線分布圖中的曲線包含藍色分光曲線、綠色分光曲線、紅色分光曲線以及黃色分光曲線。
於部分實施方式中，驗證方法更包含記錄藍色分光曲線、綠色分光曲線、紅色分光曲線以及黃色分光曲線在不同上色率的最大溫度差，並將最大溫度差做為建立資料庫的數據。
於部分實施方式中，不同上色率的最大溫度差包含上色率20%的最大溫度差、上色率50%的最大溫度差以及上 色率90%的最大溫度差。
於部分實施方式中，數據擷取包含以下步驟。透過專家系統製作出製程溫度設定曲線。根據製程溫度設定曲線進行取樣，其中在製程溫度設定曲線的上色率為20%時進行第一次取樣，在製程溫度設定曲線的上色率為50%時進行第二次取樣，在製程溫度設定曲線的上色率為90%時進行第三次取樣。
於部分實施方式中，每一筆數據包含三個最大溫度差數值。
於部分實施方式中，驗證方法更包含建立資料庫後，匯入更新數據至資料庫，以擴大資料庫的樣本數。
C1‧‧‧藍色分光曲線
C2‧‧‧綠色分光曲線
C3‧‧‧紅色分光曲線
C4‧‧‧黃色分光曲線
CN‧‧‧製程溫度設定曲線
P1、P2、P3、P4‧‧‧點
S10、S20、S30、S40、S50、S60、S102、S104、S106、S108、S110、S112‧‧‧步驟
第1圖繪示本揭露內容的部分實施方式的染色製程的驗證方法的流程圖。
第2圖繪示對單次染程進行數據擷取的流程圖。
第3圖繪示在步驟S110得到的分光曲線分布圖。
以下將以圖式揭露本發明之複數個實施方式，為明確說明起見，許多實務上的細節將在以下敘述中一併說明。然而，應瞭解到，這些實務上的細節不應用以限制本發明。也就是說，在本發明部分實施方式中，這些實務上的細節是非必 要的。此外，為簡化圖式起見，一些習知慣用的結構與元件在圖式中將以簡單示意的方式繪示之。
本揭露內容提供一種染色製程的驗證方法，其可在不同染程進行期間，對布料或染液進行數據擷取，並將所擷取的數據建立成為資料庫。在已建立資料庫的情況下，當進行了新的染程之後，可使用資料庫判讀此染程的結果是否合格。再者，若染程未被判讀為合格，則驗證方法也包含對染程提供建議，從而修正下一次的染程參數。
請先看到第1圖，第1圖繪示本揭露內容的部分實施方式的染色製程的驗證方法的流程圖。染色製程的驗證方法包含步驟S10、步驟S20、步驟S30、步驟S40、步驟S50以及步驟S60，其中步驟S10為資料前處理，步驟S20為產生回歸方程式，步驟S30為對布料進行染色，步驟S40為進行驗證，步驟S50為提供建議，步驟S60為匯入至資料庫。
於步驟S10中，資料前處理包含建立資料庫。舉例來說，可透過在多次染程中進行數據擷取，並利用所擷取的數據來建立資料庫。更進一步來說，可在單次染程進行期間，收集此單次染程的相關數據，其中相關數據的來源可以是對布料或染液進行取樣，並將取樣結果整合為一筆數據。也就是說，當進行了一次染程之後，即可自此次染程擷取到一筆數據。而當進行了多次染程之後，即可藉由所擷取到的多筆數據建立資料庫。在此，所述的「多次染程」，可以是「多次相同的染程」、「多次不同的染程」或是「一部分相同而另一部分不相同的染程」。此外，所述的「資料庫」可以是由至少6000 筆數據來建立，且用來收集相關數據的布料的材料可以是聚酯纖維(PET)或尼龍(NYLON)。
上述的「對布料或染液進行取樣」可以是由超過一種的量測元件來達成，且進行取樣的時間點可依據製程溫度設定曲線來定義。舉例來說，進行步驟S10之前，可先由專家系統對預定染程製作出時間與上色率之間的關係曲線圖，其中此關係曲線圖可稱為製程溫度設定曲線。接著，進行取樣的時間點可依據製程溫度設定曲線來定義。以進行單次染程為例，可先將製程溫度設定曲線在上色率分別為20%、50%以及90%所對應的時間點標記為第一時間點、第二時間點以及第三時間點，並且在第一時間點、第二時間點以及第三時間點分別進行第一次取樣、第二次取樣以及第三次取樣。
在每一次的取樣過程中，可由不同的量測元件分別進行取樣，舉例來說，請看到第2圖，第2圖繪示對單次染程進行數據擷取的流程圖。如第2圖所示，第1圖的步驟S10的資料前處理包含步驟S102、步驟S104、步驟S106、步驟S108、步驟S110以及步驟S112，其中步驟S102為擷取影像，步驟S104為分析Lab值，步驟S106為分析染料，步驟S108為傳送至電子計算機，步驟S110為產生分光曲線分布圖，步驟S112為自分光曲線得到數據，各步驟的具體內容將分述如下。
在步驟S102中，擷取影像可透過感光元件(Charge-coupled Device；CCD)達成，像是使用CCD工業相機。CCD工業相機的量測目標可以是染程中的布料，並在對應的取樣時間點擷取目標布料的影像。例如，可透過CCD工業相 機在前所述的第一時間點、第二時間點以及第三時間點分別對目標布料進行第一次影像擷取、第二次影像擷取以及第三次影像擷取。因此，於步驟S102完成後，可得到目標布料在不同時間點的影像。
在步驟S104中，分析Lab值可透過分光測色儀(DataColor)達成。分光測色儀的量測目標可以是染程中的布料，並在對應的取樣時間點分析目標布料的Lab值。例如，可透過分光測色儀在前所述的第一時間點、第二時間點以及第三時間點分別對目標布料進行第一次分析、第二次分析以及第三次分析。因此，於步驟S104完成後，可得到目標布料在不同時間點的Lab值。
在步驟S106中，分析染料可透過連續式上色監控設備(optilab)達成。分光測色儀的量測目標可以是染程中的染液，即量測目標可以是染程進行期間經使用過的染液(或可稱殘液)。具體來說，可在對應的時間點，將染程使用中的染液取出作分析。例如，可在前所述的第一時間點、第二時間點以及第三時間點分別將染程使用中的染液取出作第一次分析、第二次分析以及第三次分析，並結合此三次分析結果取得初始分光曲線分布圖。因此，於步驟S106完成後，可得到染液的初始分光曲線分布圖。
在步驟S108中，可將前述所得到的取樣結果傳送至電子計算機，以將各取樣結果整合。步驟S102所得到的目標布料在不同時間點的影像可傳送至電子計算機，接著再透過電子計算機自這些影像得到影像中的每一個像素的像素值(例 如RGB值)。步驟S104所得到的目標布料在不同時間點的Lab值可傳送至電子計算機，並在與上述像素值結合後獲得布料的光譜資料，其中光譜資料記錄了布料在各波長所對應的光強度。
在步驟S110中，可透過電子計算機結合光譜資料及初始分光曲線分布圖，藉以得到分光曲線分布圖，如第3圖所示，其中第3圖繪示在步驟S110得到的分光曲線分布圖。分光曲線分布圖的橫軸為時間，其單位為小時：分鐘，而分光曲線分布圖的橫軸標示了兩個參數，其一為溫度，單位為℃，另一為上色率，單位為%。
第3圖中，分光曲線分布圖顯示了製程溫度設定曲線CN以及各色光的分光曲線，其中各色光的分光曲線包含藍色分光曲線C1、綠色分光曲線C2、紅色分光曲線C3以及黃色分光曲線C4。根據製程溫度設定曲線CN，可判讀出染程進行時間與其預計溫度以及預計上色率的關係，而根據各色光的分光曲線，可判讀出染程進行時間與其溫度以及上色率的關係。
於得到分光曲線分布圖之後，可進入步驟S112。在步驟S112中，可藉由步驟S110所得到的分光曲線分布圖判讀出各色光在不同上色率的溫度差，並於判讀後，將各色光在不同上色率的最大溫度差記錄下來，從而獲得用來建立資料庫的數據。所記錄的最大溫度差可以是各色光在上色率20%的最大溫度差、各色光在上色率50%的最大溫度差以及各色光在上色率90%的最大溫度差。
以記錄各色光在上色率20%的最大溫度差為例，請看到第3圖，當要比較各色光在上色率20%的溫度的時候，可先看到縱軸的上色率20%處，並自此處對到藍色分光曲線C1、綠色分光曲線C2、紅色分光曲線C3以及黃色分光曲線C4，接著再選取對應到的距離最遠的兩點，像是藍色分光曲線C1上的點P1以及黃色分光曲線C4上的點P2。
於對到點P1以及點P2後，再分別自點P1以及點P2對到製程溫度設定曲線CN，並選取對應到製程溫度設定曲線CN上的兩點，像是點P1會對應到製程溫度設定曲線CN上的的點P3，而點P2會對應到製程溫度設定曲線CN上的的點P4。接著，再分別自點P3以及點P4對到縱軸的溫度，其中點P3以及點P4所對應到的溫度的差值即為各色光在上色率20%的最大溫度差。
在得到各色光在上色率20%的最大溫度差後，可再繼續依相同規則得到各色光在上色率50%的最大溫度差以及各色光在上色率90%的最大溫度差，在此不再贅述。對於單次染程而言，當得到各色光在上色率20%的最大溫度差、各色光在上色率50%的最大溫度差以及各色光在上色率90%的最大溫度差之後，即完成了數據擷取，並從中記錄了一筆數據，其中此一筆數據包含了以上三個數值。
請再回到第1圖。步驟S10的資料前處理包含在不同染程進行期間，進行如上所述的數據擷取。同前所述，當進行了多次染程之後，即可藉由擷取到的多筆數據建立資料庫。
當資料庫建立完成後，可進入步驟S20。步驟S20 中，可利用資料庫內的數據建立第一回歸直線方程式，其中第一回歸直線方程式的形式可以是Y=AX1+BX2+CX3+D，其中變數Y可視作為染色結果，例如像是色差值△E，變數X1、X2以及X3分別可以是各色光在上色率20%、50%及90%的最大溫度差，數值A、B、C為係數，而數值D為常數。此外，建立第一回歸直線方程式的演算法可以是透過線性回歸、神經網路或支持向量機。
當第一回歸直線方程式建立完成後，可進入步驟S30以及步驟S40，並使用第一回歸直線方程式做為驗證工具，從而對後續所進行的染程進行驗證。
在步驟S30中，可開始進行染程，以對測試布料進行染色。於測試布料的染程進行期間，也進行如第2圖所述的數據擷取，藉以獲得測試布料的測試數據。具體來說，在對測試布料進行如第2圖所述的數據擷取後，即可獲得測試布料的分光曲線分布圖。也因此，在對測試布料進行如第2圖所述的數據擷取後，也可獲得測試布料的各色光在上色率20%的最大溫度差、各色光在上色率50%的最大溫度差以及各色光在上色率90%的最大溫度差。
在染程完成後，則進入步驟S40。在步驟S40中，可透過將測試布料的測試數據代入至第一回歸直線方程式來驗證測試布料的染色結果是否合格。具體來說，可將於步驟S30中得到的各色光在上色率20%、50%及90%的最大溫度差分別帶入第一回歸直線方程式的變數X1、X2以及X3，並經運算後得到變數Y的數值，且此變數Y的數值可視作測試布料的 色差值△E。
接著，可根據測試布料的染程屬性與色差值△E判斷染色結果是否合格。染程屬性會依染料總濃度而分成淺染、中染以及重染，其中染料總濃度的定義為染程中所有使用的染料相加後的濃度。例如，當染程使用了第一染料0.3重量%以及第二染料0.5重量%，則染料總濃度就會是0.8重量%。於此定義下，染料的總濃度小於或等於0.5重量%則為淺染，染料的總濃度大於0.5重量%並小於或等於1.5重量%則為中染，而染料的總濃度大1.5重量%則為重染。
在一些實施方式中，當測試布料為淺染時，測試布料的色差值△E小於或等於0.6則判定為合格，當測試布料為中染時，測試布料的色差值△E小於或等於0.8則判定為合格，當測試布料為重染時，測試布料的色差值△E小於或等於1.0則判定為合格。
當測試布料的色差值未被判定為合格時，可進入步驟S50。在步驟S50中，可對未被判定為合格的測試布料依據其分光曲線分布圖提供染程建議，例如調整上色速度(或分光曲線分布圖的上色斜率)、調整染料配方(例如包括染料濃度及助劑種類等)及調整持溫時間等。接著，當提供染程建議之後，可再次進入步驟S30，從而使用所提供的染程建議進行再一次染程，此後所進行的步驟前述相同，在此不再贅述。
另一方面，不論測試布料的染色結果是否被判定為合格，可再進入步驟S60。在步驟S60中，可將測試布料的測試數據匯入至資料庫。例如，原先資料庫的數據為6000筆， 則在將測試布料的測試數據匯入至資料庫後，資料庫的數據會更新為6001筆。接著，可再進入步驟S20，並利用更新後的資料庫來建立第二回歸直線方程式，其中第二回歸直線方程式的形式會與第一回歸直線方程式的形式相同，且其變數的定義也相同。第二回歸直線方程式可取代第一回歸直線方程式，亦即步驟S40所使用的驗證工具更改為第二回歸直線方程式。
於後續步驟中，當再次對布料進行染色的時候，除了可使用第二回歸直線方程式來驗證此布料的染色結果是否為合格以外，可再自所進行的染程擷取數據，並將擷取到的數據匯入至資料庫進行更新，從而擴大資料庫的樣本筆數。同樣地，可利用更新後的資料庫來建立第三回歸直線方程式，並取代第二回歸直線方程式。透過此機制，驗證方法所使用的回歸方程式會逐次更新，從而達到機器學習的效果。此外，上述步驟除了所使用的量測元件以外，各步驟的邏輯處理可由電子計算機進行。
綜合上述，本揭露內容提供一種染色製程的驗證方法，其可在不同染程進行期間，對布料或染液進行數據擷取，從而建立資料庫，並藉由資料庫產生回歸方程式做為驗證工具。當進行新的染程時，利用回歸方程式即可判讀出所進行的染程的染色結果是否合格。在未被判讀為合格的情況下，可進一步對此染程提供建議，從而做為下一次的染程參數的依據。此外，不論染色結果是否被判讀為合格，染色結果會被匯入至資料庫，以回饋並再次修正回歸方程式，從而達到機器學習的效果。藉由此機制，可使對染色製程結果的判斷為數據分 析，從而防止染色結果與預期顏色有所差異的狀況發生。
雖然本發明已以多種實施方式揭露如上，然其並非用以限定本發明，任何熟習此技藝者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。

Claims (10)

  1. 一種染色製程的驗證方法，包含：在不同染程進行期間，對布料及染液進行數據擷取，從而獲得數據，其中所述數據包含各色光在不同上色率的溫度差，所述數據擷取包含：使用感光元件與分光測色儀的其中至少一者對所述布料進行量測，以取得光譜資料；以及使用上色監控設備(optilab)對所述染液進行量測，以取得初始分光曲線分布圖，其中結合所述光譜資料及所述初始分光曲線分布圖，以得到分光曲線分布圖，並自所述分光曲線分布圖得到所述數據；以及透過收集至少6000筆的所述數據，建立資料庫。
  2. 如申請專利範圍第1項所述的驗證方法，其中使用所述感光元件與所述分光測色儀的其中至少一者對所述布料進行量測的步驟包含：透過工業相機對所述染程中的所述布料擷取影像。
  3. 如申請專利範圍第1項所述的驗證方法，其中使用所述感光元件與所述分光測色儀的其中至少一者對所述布料進行量測的步驟包含：透過分光測色儀(DataColor)對所述染程中的所述布料進行分析Lab值。
  4. 如申請專利範圍第1項所述的驗證方法，其中所述上色監控設備為連續式上色監控設備。
  5. 如申請專利範圍第1項所述的驗證方法，其中所述分光曲線分布圖中的曲線包含藍色分光曲線、綠色分光曲線、紅色分光曲線以及黃色分光曲線。
  6. 如申請專利範圍第5項所述的驗證方法，更包含：記錄所述藍色分光曲線、所述綠色分光曲線、所述紅色分光曲線以及所述黃色分光曲線在不同上色率的最大溫度差，並將所述最大溫度差做為建立所述資料庫的所述數據。
  7. 如申請專利範圍第6項所述的驗證方法，其中不同上色率的所述最大溫度差包含上色率20%的最大溫度差、上色率50%的最大溫度差以及上色率90%的最大溫度差。
  8. 如申請專利範圍第1項所述的驗證方法，其中所述數據擷取包含：透過專家系統製作出製程溫度設定曲線；以及根據所述製程溫度設定曲線進行取樣，其中在所述製程溫度設定曲線的上色率為20%時進行第一次取樣，在所述製程溫度設定曲線的上色率為50%時進行第二次取樣，在所述 製程溫度設定曲線的上色率為90%時進行第三次取樣。
  9. 如申請專利範圍第1項所述的驗證方法，其中每一筆所述數據包含三個最大溫度差數值。
  10. 如申請專利範圍第1項所述的驗證方法，更包含：建立所述資料庫後，匯入更新數據至所述資料庫，以擴大所述資料庫的樣本數。
TW108114197A 2017-12-21 2017-12-21 染色製程的驗證方法 TWI670474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW108114197A TWI670474B (zh) 2017-12-21 2017-12-21 染色製程的驗證方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW108114197A TWI670474B (zh) 2017-12-21 2017-12-21 染色製程的驗證方法

Publications (2)

Publication Number Publication Date
TW201928312A TW201928312A (zh) 2019-07-16
TWI670474B true TWI670474B (zh) 2019-09-01

Family

ID=68049068

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108114197A TWI670474B (zh) 2017-12-21 2017-12-21 染色製程的驗證方法

Country Status (1)

Country Link
TW (1) TWI670474B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020104171A1 (en) * 1998-05-27 2002-08-08 Clark James Leonard Automated analysis system for a dyebath
CN101692008A (zh) * 2009-08-20 2010-04-07 浙江工业大学 面向染色工业过程的在线测色仪
JP2011059059A (ja) * 2009-09-14 2011-03-24 Seiren Co Ltd コンピュータカラーマッチング方法およびコンピュータカラーマッチングプログラムを記録したコンピュータ読み取り可能な記録媒体
CN102619048A (zh) * 2011-07-08 2012-08-01 广东德美精细化工股份有限公司 一种智能化染色机处方控制的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020104171A1 (en) * 1998-05-27 2002-08-08 Clark James Leonard Automated analysis system for a dyebath
CN101692008A (zh) * 2009-08-20 2010-04-07 浙江工业大学 面向染色工业过程的在线测色仪
JP2011059059A (ja) * 2009-09-14 2011-03-24 Seiren Co Ltd コンピュータカラーマッチング方法およびコンピュータカラーマッチングプログラムを記録したコンピュータ読み取り可能な記録媒体
CN102619048A (zh) * 2011-07-08 2012-08-01 广东德美精细化工股份有限公司 一种智能化染色机处方控制的方法

Also Published As

Publication number Publication date
TW201928312A (zh) 2019-07-16

Similar Documents

Publication Publication Date Title
US11193830B2 (en) Spectrocolorimeter imaging system
CN105787945B (zh) 一种基于特征色的数码印花颜色再现精度的评价方法
CN111256826B (zh) 显示屏色度测量方法、装置及终端设备
WO2003029811A1 (en) Assessing colour fastiness
US10564036B2 (en) Color separation in images
Soria et al. Multispectral single-sensor RGB-NIR imaging: New challenges and opportunities
CN110644216B (zh) 一种纺织品自动化色牢度评级装置
Schwaebel et al. Photoscopy: spectroscopic information from camera snapshots?
TWI670474B (zh) 染色製程的驗證方法
CN113834585B (zh) 还原炉内硅棒检测方法及系统、装置、介质及电子设备
JP6669796B2 (ja) 染色体異常判定装置
CN109945974B (zh) 染色制程的验证方法
Vafeiadis et al. A comparison of 2DCNN network architectures and boosting techniques for regression-based textile whiteness estimation
TWI660161B (zh) 染色製程的驗證方法
CN108267426B (zh) 基于多光谱成像的绘画颜料识别系统及方法
CN106770005A (zh) 一种用于近红外光谱分析的校正集和验证集的划分方法
US20220408068A1 (en) Image processing device, image processing method, and program
CN106790900B (zh) 一种手机温度检测方法及系统
Qiu et al. Camera response prediction for various capture settings using the spectral sensitivity and crosstalk model
Xu et al. Filter selection based on light source for multispectral imaging
JP2006067423A (ja) 画像品質定量評価方法及びその装置
Llanos et al. Simultaneous demosaicing and chromatic aberration correction through spectral reconstruction
DE102017211599A1 (de) Verfahren und Vorrichtung zum computergestützten Ermitteln eines Haarfärberesultats
Gebejes et al. Color and image characterization of a three CCD seven band spectral camera
US11867615B2 (en) Field calibration for near real-time Fabry Perot spectral measurements