装饰纸印刷颜料配色方法及系统与流程

本技术涉及印刷，尤其涉及装饰纸印刷颜料配色方法及系统。

背景技术：

1、装饰纸作为人造板表面贴面的核心材料，其印刷色彩的精确还原与长期稳定性直接关系到家具及装修材料的视觉品质与市场竞争力。在装饰纸凹版印刷的实际生产环节中，印刷设备在持续运行过程中不可避免地受到刮刀磨损、版辊累积印刷量增长以及压印力波动等机械状态渐变的影响，同时不同批次颜料在色粉粒径分布与光谱吸收特性上存在固有差异，这些因素共同作用导致印刷品颜色逐渐偏离标准样张，形成系统性色偏。当前行业普遍采用的修复手段主要依赖人工干预：操作人员需频繁停机抽取印刷样张，通过离线测色设备获取色差数据后，依据个人经验手动调整各色组墨量或重新进行配色打样；部分系统虽引入了在线rgb成像监测，但由于rgb色彩空间维度不足，无法有效区分设备机械性因素与颜料批次性因素对色偏的独立贡献，常导致修复措施缺乏针对性，例如以墨量补偿掩盖颜料批次缺陷的误判现象。更为突出的是，现有配色方法仅关注单一标准光源条件下的颜色匹配，而装饰纸产品在实际使用中需适应商场照明、家居暖光等多种光照环境，同色异谱效应使得在标准光源下校正合格的印刷品在其他光照条件下仍可能出现显著视觉色差，迫使企业反复停机调整，制约生产连续性与产品交付质量。

2、上述内容仅用于辅助理解本技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本技术的主要目的在于提供一种装饰纸印刷颜料配色方法及系统，旨在提升印刷效率和产品质量。

2、为实现上述目的，本技术提出一种装饰纸印刷颜料配色方法，所述的方法包括：

3、获取印刷机在线印刷品的当前多光谱数据，以及预先注册的标准多光谱数据；

4、根据所述当前多光谱数据与所述标准多光谱数据确定总光谱残差，并依据预设的偏移分离规则，将所述总光谱残差分解为设备机械性偏移分量和颜料批次性偏移分量；

5、分析所述设备机械性偏移分量和所述颜料批次性偏移分量的统计特征，判定导致颜色偏移的主导因素；所述主导因素包括设备机械性偏移和颜料批次性偏移；

6、当判定颜料批次性偏移为主导因素时，将所述标准多光谱数据作为目标光谱，输入预训练的配方生成模型，由所述预训练的配方生成模型生成新的颜料体积浓度配方；其中，所述预训练的配方生成模型在训练时受到多场景同色异谱指数的约束，使得生成的配方在多个应用场景光源下均满足预设的色彩一致性要求；

7、将所述新的颜料体积浓度配方输出至印刷机，替换当前使用的颜料配方。

8、在一实施例中，根据所述当前多光谱数据与所述标准多光谱数据确定总光谱残差，并依据预设的偏移分离规则，将所述总光谱残差分解为设备机械性偏移分量和颜料批次性偏移分量的步骤包括：

9、获取预先建立的设备敏感方向特征和材料敏感方向特征；其中，所述设备敏感方向特征表征印刷品光谱随设备机械状态变化且与颜料批次无关的迁移模式，所述材料敏感方向特征表征印刷品光谱随颜料批次变化且与设备机械状态无关的吸收变化模式；

10、将所述总光谱残差向所述设备敏感方向特征进行投影，获得所述设备机械性偏移分量；

11、将所述总光谱残差向所述材料敏感方向特征进行投影，获得所述颜料批次性偏移分量。

12、在一实施例中，所述设备敏感方向特征和材料敏感方向特征的建立包括：

13、在多个不同设备状态参数下使用同一批次颜料印刷标准样张，采集多光谱数据，并从采集的多光谱数据中提取光谱传递特征；

14、对多个不同设备状态参数下获得的光谱传递特征进行主成分分析，提取贡献量最大的第一主成分作为仅随设备状态参数变化且对颜料批次不敏感的第一特征分量，将该第一特征分量确定为所述设备敏感方向特征；

15、在多个不同批次颜料且保持设备状态参数不变的条件下印刷标准样张，采集多光谱数据，并从采集的多光谱数据中提取光谱传递特征；

16、对多个不同批次颜料下获得的光谱传递特征进行主成分分析，提取贡献量最大的第二主成分作为仅随颜料批次变化且对设备状态参数不敏感的第二特征分量，将该第二特征分量确定为所述材料敏感方向特征；

17、存储所述设备敏感方向特征和所述材料敏感方向特征，以供后续分解调用。

18、在一实施例中，分析所述设备机械性偏移分量和所述颜料批次性偏移分量的统计特征，判定导致颜色偏移的主导因素的步骤包括：

19、计算所述设备机械性偏移分量在所述总光谱残差中的能量占比，作为设备偏移指数；

20、计算所述颜料批次性偏移分量在所述总光谱残差中的能量占比，作为材料偏移指数；

21、当所述设备偏移指数大于预设的设备偏移阈值，且所述设备偏移指数大于所述材料偏移指数时，判定设备机械性偏移为主导因素；否则，判定颜料批次性偏移为主导因素。

22、在一实施例中，当判定设备机械性偏移为主导因素时，所述方法还包括：

23、根据所述设备机械性偏移分量计算光谱补偿量，该光谱补偿量使得补偿后的预测光谱在设备敏感方向上与所述标准多光谱数据一致；

24、将所述光谱补偿量依据预设的转换关系映射为各色组的墨键开度调节值；

25、将所述墨键开度调节值作为补偿信号，通过pid控制方式输出至印刷机墨键执行器。

26、在一实施例中，所述方法还包括：

27、构建包含配方生成通路和场景鲁棒性评估通路的神经网络；

28、获取包含目标光谱样本、基色光谱字典以及多个应用场景光源的光谱功率分布的训练样本集；

29、由所述配方生成通路根据输入的目标光谱样本输出预测颜料体积浓度配方，并计算所述预测颜料体积浓度配方所对应的重建光谱与所述目标光谱样本之间的光谱重建误差；

30、由所述场景鲁棒性评估通路基于所述预测颜料体积浓度配方和所述基色光谱字典得到重建光谱，并计算在多个所述应用场景光源下所述重建光谱与所述目标光谱样本之间的色差，综合各场景的色差得到多场景同色异谱指数；

31、以同时降低所述光谱重建误差和所述多场景同色异谱指数作为联合优化目标，对所述配方生成通路和所述场景鲁棒性评估通路的参数进行交替对抗调整，直至满足收敛条件，以将训练完成后的配方生成通路作为所述配方生成模型。

32、在一实施例中，所述交替对抗调整包括：

33、固定所述场景鲁棒性评估通路的参数，以降低所述光谱重建误差为目标更新所述配方生成通路的参数，使所述配方生成通路学习将目标光谱映射为颜料体积浓度配方；

34、固定所述配方生成通路的参数，基于当前配方生成通路输出的预测颜料体积浓度配方计算所述多场景同色异谱指数，并以所述多场景同色异谱指数作为反馈信号更新所述场景鲁棒性评估通路的参数，使所述场景鲁棒性评估通路学习识别配方的多场景色差风险；

35、在下一轮迭代中，将所述场景鲁棒性评估通路计算的多场景同色异谱指数作为惩罚项叠加至所述配方生成通路的损失函数中，迫使所述配方生成通路在更新参数时优先选择多场景同色异谱指数较低的配色方案；

36、重复执行上述步骤，直至所述光谱重建误差和所述多场景同色异谱指数均降低至预设的收敛区间。

37、在一实施例中，当判定颜料批次性偏移为主导因素时，所述方法还包括：

38、在将所述标准多光谱数据输入所述预训练的配方生成模型之前，从所述颜料批次性偏移分量中提取当前颜料的材料吸收核特征，该材料吸收核特征反映当前批次颜料相对于标准批次的吸收光谱差异；

39、将所述材料吸收核特征作为辅助输入，与所述标准多光谱数据一并输入所述预训练的配方生成模型；

40、由所述预训练的配方生成模型结合所述材料吸收核特征，生成针对当前批次颜料特性进行修正的所述新的颜料体积浓度配方。

41、在一实施例中，所述方法还包括：

42、将本次闭环修理过程中产生的所述总光谱残差、所述设备机械性偏移分量与颜料批次性偏移分量的分解结果、被替换的旧配方、所述新的颜料体积浓度配方，以及修理后在多个应用场景下测得的色差数据，整合为修复案例，并将所述修复案例存入案例库；

43、在后续获取新的总光谱残差并完成分解后，计算当前获得的总光谱残差的分解结果与所述案例库中已有案例的分解结果之间的相似度；

44、当所述相似度超过预设匹配阈值时，从匹配的已有案例中提取对应的新配方作为初始修正配方，直接将所述初始修正配方应用于印刷机。

45、此外，为实现上述目的，本技术还提出一种装饰纸印刷颜料配色系统，所述装饰纸印刷颜料配色系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的装饰纸印刷颜料配色程序，所述装饰纸印刷颜料配色程序配置为实现所述的装饰纸印刷颜料配色方法的步骤。

46、本技术提出的装饰纸印刷颜料配色方法及系统，通过获取多光谱数据并分解总光谱残差以识别设备机械性偏移和颜料批次性偏移的主导因素，结合预训练的配方生成模型在多场景约束下生成鲁棒配方，有效区分颜色偏移根源并确保多光照环境下的色彩一致性，能够智能识别颜色偏移的主导因素并生成多场景色彩一致的颜料配方，从而减少人工干预、避免误判修复措施、提升印刷效率和产品质量。