用于確定涂料配方的系統和方法
【技術領域】
[0001 ] 在各個實施例中，本發明一般涉及一種用于評估涂料混合物的比色和物理性質屬 性的系統和方法，以便向用戶提供調色劑列表和匹配的涂料配方。
【背景技術】
[0002] 為了使用配方或搜索引擎（或可視處理）向涂有目標涂料的目標樣本提供適當的 配色，希望確定所述目標涂料的正確著色。如果利用與在目標涂料中的顏料或適當的補償 相同的顏料或適當的補償，那么對目標涂料的配方來說配方或搜索處理可以達到明顯的最 優解決方案。另一方面，有意地或無意地從可用性中排除那些顏料將導致不那么優的配色。
[0003] 幾種現有的配方引擎和方法試圖經由各種算法來完成顏料選擇和配方。各種顏 料標識包和配方引擎采取"強制（brute) "力、推測和檢查類型的途徑來向它們的用戶提供 配方和顏料信息。組合的途徑或強制力法是頻繁使用的方法，其中給定在最終匹配中想要 的顏料的最終數目，以所有可用的組合來組合幾乎所有可用的顏料。組合的途徑可以利用 Kubelka-Munk方程式或其導數來產生各個配方。盡管已經存在一些方法，其中給定某些條 件的情況下這些方法會限制一些顏料的使用以便優化引擎速度，不過最終結果是相對于樣 本驗證配方（formula)組合并且向用戶提供最接近匹配目標涂料的一個或多個配方的選 擇。存在各種形式的AE或其它比色評定算法，用于與樣本相比較確定匹配的準確性。
[0004] 其它解決方案要求用戶向配方引擎提交調色劑的樣本集，并且其它方法選擇預定 義的要使用的調色劑子集。這些方法都沒有利用逐步方法而經常導致非最優解決方案。這 些方法對于用戶來說一般是繁重的并且缺乏適當的"直觀性"以向所述用戶提供良好解決 方案的合理化方法。另外，按照這種方法論的本質，可能排除匹配目標涂料所必須的適當顏 料。
[0005] 神經網絡已經用于從預先產生的可能的匹配的現有數據庫中選擇顏色匹配或者 充當配方引擎本身。神經網絡的強項在于其解決線性和非線性關系的能力，但是此強項的 代價是笨重、無適應性并且要求顯著的開銷來細致地管理有時龐大的學習數據庫和結構。 神經網絡的無適應性或刻板操作一般必須在反饋設計中使用以優化通向網絡的隱蔽層以 及在網絡的隱蔽層內的節點權重。神經網絡要求從想要的輸出獲取的此類反向傳播誤差以 便"學習"。神經網絡的實際學習或訓練基于給定想要的輸出、通過根據在先的迭代誤差反 復再引入權重的輸入和調整來減小計算誤差。
[0006] 如在圖1中所見，如果需要校正誤差或者需要考慮新的信息塊，那么典型的神經 網絡要求接近理論上定義的輸入并且要求顯著的努力來更新和/或改變各個層（節點）。 盡管與一些在先的模型相比較，較少的步驟對用戶來說是明顯的，不過神經網絡趨向于相 對緩慢并且是單向的，這是由于其試圖在一個大的步驟中完成對配方或顏色搜索的解決方 案的本質。如上面論述的方法論一樣，排除必須的顏料也是一種可能性。神經網絡還要求 精確地并且多少有些乏味的對權重、數據庫、計算、復雜且刻板的處理映射和基本"訓練"的 維護是有效的。
[0007] 從而，需要一種系統和方法，其具有把處理步驟劃分為較小的多方向塊的靈活性 并且為了速度和準確性利用前饋類型設計。還需要一種系統和方法，其使用戶交互最小化 并且結合配方引擎創建了顏料識別和容差的靈活的逐步方法論。
【發明內容】
[0008] 依照第一方面，本發明的實施例提供了一種計算機實現的方法。所述方法包括使 用處理器識別目標涂料中的體顏料（bulk pigment)，其中識別包括應用貝葉斯處理，并且 使用處理器識別所述目標涂料中的至少一種精制顏料（refined pigment)，其中識別包括 應用貝葉斯（Bayesian)處理。所述方法還包括使用處理器配制目標涂料的配方并且輸出 所述配方，其中配制包括應用貝葉斯處理。
[0009] 依照另一方面，本發明的實施例針對一種系統。所述系統包括數據庫和與所述數 據庫通信的處理器。所述處理器被編程為：識別目標涂料中的體顏料，其中識別包括應用貝 葉斯處理；以及識別所述目標涂料中的至少一個精制顏料，其中識別包括應用貝葉斯處理。 所述處理器還被編程為配制目標涂料的配方并且輸出所述配方，其中配制包括應用貝葉斯 處理。
[0010] 依照另一方面，本發明的實施例提供一種設備。所述設備包括用于識別目標涂料 中的體顏料的裝置，其中識別包括應用貝葉斯處理，和用于識別所述目標涂料中的至少一 個精制顏料的裝置，其中識別包括應用貝葉斯處理。所述設備還包括用于配制目標涂料的 配方的裝置和用于輸出所述配方的裝置，其中配制包括應用貝葉斯處理。
[0011] 依照進一步方面，本發明實施例提供了一種非瞬時性計算機可讀介質，包括用于 使處理器進行以下操作的軟件： 識別目標涂料中的體顏料，其中識別包括應用貝葉斯處理； 識別目標涂料中的至少一個精制顏料，其中識別包括應用貝葉斯處理； 配制目標涂料的配方，其中配制包括應用貝葉斯處理；并且 輸出所述配方。
【附圖說明】
[0012] 圖1例示了典型的神經網絡。
[0013] 圖2和3例示了依照本發明各個實施例的系統的四個層級或模塊的高級表示。
[0014] 圖4例示了典型的貝葉斯系統的示例。
[0015] 圖5例示了依照本發明各個實施例的體顏料識別貝葉斯模塊的高級表示。
[0016] 圖6例示了依照本發明各個實施例的精制顏料識別貝葉斯模塊的高級表示。
[0017] 圖7例示了依照本發明各個實施例的配方引擎或模塊的高級表示。
[0018] 圖8例示了可以用來識別目標樣本的涂料混合物的物理性質屬性的系統的實施 例。
[0019] 圖9例示了依照本發明各個實施例的四個層級貝葉斯系統的高級表示。
[0020] 圖10例示了用于識別目標樣本的涂料混合物的物理性質屬性的處理的實施例。
【具體實施方式】
[0021] 在各個實施例中，本發明一般涉及包括貝葉斯可信度系統的系統和方法，所述貝 葉斯可信度系統可以包括例如四個層級或模塊，其可以是獨立的或從屬的貝葉斯系統和方 法。如圖2中所例示，層級可以包括體顏料識別模塊10、精制顏料識別模塊12、容差模塊14 和配方模塊16。所述模塊可以組合使用以便識別顏料類型、特定顏料并且配制涂有未知目 標涂料的樣本的處方。依照另一方面，模塊10、12、14和16可以單獨地用來識別顏料類型 或特定顏料以便幫助可視化或計算機化搜索處理，以便從數據庫中發現匹配配方。
[0022] 如圖2中所例不，t旲塊10、12、14和16可以是單獨的并且在尚等級處不完全連接。 圖3例示了其中模塊10、12、14和16可以作為貝葉斯系統通信的方式。
[0023] 雖然這里的描述一般指的是油漆，但是應當理解，所述設備、系統和方法適用于其 它類型的涂料，包括著色劑和工業涂料。描述的本發明實施例不應當被認為是限制。可以 在各種領域實施與本發明一致的方法，諸如服裝和時裝產品的匹配和/或搭配。
[0024] 本發明的實施例可以被用于或結合到計算機系統中，其可以是單獨的單元或包括 經由網絡（諸如，例如，因特網或內聯網）與中