楊瑞華 王卓 潘博

摘要：為了解決現(xiàn)有配色系統(tǒng)無法適用于纖維素類數(shù)碼轉(zhuǎn)杯紡產(chǎn)品配色的問題，文章選用紅、黃、藍(lán)三色黏膠短纖，將三色短纖以10%為比例梯度紡制成混色紗線，再將其制作成針織物，利用Datacolor 650分光光度計進行測色并收集實驗數(shù)據(jù)，采用StearnsNoechel模型對其混色效果進行研究分析，建立適用于該種成紗方法的色彩預(yù)測模型。研究結(jié)果表明：經(jīng)驗參數(shù)M值為0.136時，模型配色效果最好;試驗樣品測試值與預(yù)測值的平均比例誤差為7.89%，平均色差為0.320，且每個樣品色差均小于1;同時發(fā)現(xiàn)理想M值與波長之間線性相關(guān)性較弱，僅在波長大于600 nm時具有較好的線性相關(guān)性，而二次函數(shù)能夠更好解釋兩者之間的關(guān)系。

關(guān)鍵詞：纖維素類纖維;StearnsNoechel模型;數(shù)碼轉(zhuǎn)杯紡技術(shù);混色紗;針織物

中圖分類號： TS182.6

文獻(xiàn)標(biāo)志碼： A

文章編號： 1001-7003（2021）09-0032-08

引用頁碼： 091106

DOI： 10.3969/j.issn.1001-7003.2021.09.006（篇序）

Research of cellulose digital rotorspinning melange yarn based on StearnsNoechel model

YANG Ruihua， WANG Zhuo， PAN Bo

（a.College of Textile Science and Engineering; b.Key Laboratory of EcoTextiles， Ministry of Education， Jiangnan University， Wuxi 214122， China）

Abstract：

The existing color matching system is not applicable to color matching of cellulose digital rotor spinning product. To solve this problem， red， yellow， and blue threecolor viscose short fibers were selected and spun to melange yarns with a gradient of 10%. After being made into knitted fabric， Datacolor 650 spectrophotometer was adopted for color measurement. The experimental datas were recorded and then analyzed based on StearnsNoechel model. In this paper， a color prediction model suitable for this spinning method is established. The research results reveal that when the value of empirical parameter M is 0.136， the model can achieve the optimal color matching effect; the average ratio error between the tested value and the predicted value of the test samples is 7.89%， the value of average color difference is 0.320， and the values of the color difference for each sample are all less than 1. In the meantime， it is found that there exists weak linear correlation between the ideal M value and the wavelength， which is only good when the wavelength is greater than 600 nm. Further， the quadratic function can better explain the relationship between these prementioned two parameters.

Key words：cellulose fiber; StearnsNoechel model; digital rotor spinning; melange yarn; knitted fabric

基金項目： 江蘇省自然科學(xué)基金面上項目（BK20181350）

作者簡介： 楊瑞華（1981），女，副教授，主要從事紡紗新方法的研究。

色彩對于紡織產(chǎn)品具有重要的意義，目前市場上有色紡織品可分為印染、色織、色紡三大類[1]。其中，色紡產(chǎn)品不僅色彩豐富、色澤柔和、立體感強，具有獨特的朦朧效果和質(zhì)感，而且色牢度高、污染較低、可小批量、多品種生產(chǎn)，兼具環(huán)保性、時尚性，可滿足現(xiàn)代年輕人對個性化的需求。目前，除意大利等少數(shù)歐洲國家擁有少量產(chǎn)能外，全球90%色紡紗產(chǎn)能都集中在中國，國內(nèi)產(chǎn)能最大的色紡集團為百隆東方與華孚時尚[2-3]。隨著中國居民人均消費支出及同比增長均逐年遞增，國內(nèi)消費不斷升級，人們對中高端服飾需求上升，由于色紡紗獨特的質(zhì)感，是制作中高端面料的首選紗線，其需求也會隨之進一步增長?？傮w來看，其應(yīng)用領(lǐng)域?qū)尼樋椕媪祥_發(fā)向機織和裝飾面料開發(fā)方向拓展，以滿足不同領(lǐng)域的消費需求，從而進一步擴大色紡產(chǎn)業(yè)[4]。數(shù)碼轉(zhuǎn)杯紡技術(shù)是一種新型色紡紗生產(chǎn)技術(shù)，結(jié)合了數(shù)碼紡與轉(zhuǎn)杯紡成紗特點，利用三基色疊加成像原理，可實現(xiàn)三基色纖維混合成紗。數(shù)碼轉(zhuǎn)杯紡技術(shù)在保證成紗速度的情況下可實現(xiàn)紗線混紡比或線密度在線控制和成紗結(jié)構(gòu)多元化[5]。由于色紡紗需求不斷上升，數(shù)碼轉(zhuǎn)杯紡技術(shù)具有廣泛的應(yīng)用前景。

對于色紡產(chǎn)品來說，其配色問題能否妥善解決決定了其是否能得到廣泛應(yīng)用。纖維種類、混色方法及成紗技術(shù)都影響到混色紗的顏色特征。有研究者以在開清棉、并條工序進行混色的色紡環(huán)錠紗產(chǎn)品為對象，開發(fā)出部分色紡產(chǎn)品相應(yīng)的測配色系統(tǒng)[6-7]。也有研究者對在細(xì)紗階段進行混合的棉纖維和毛纖維的數(shù)碼轉(zhuǎn)杯紡紗進行研究，建立了相關(guān)模型[8]。但受到混色與紡紗方法及纖維種類的影響，現(xiàn)有的測配色系統(tǒng)無法適用于再生纖維素類數(shù)碼轉(zhuǎn)杯紡產(chǎn)品的配色[8-9]。Duntley[10]經(jīng)研究得知，在纖維的物理混合中，混色紗反射率與單色纖維反射率之間必然存在加和關(guān)系，但簡單的直接加和無法解釋實際現(xiàn)象，那么其中必然存在中間函數(shù)可以使這一規(guī)律成立。目前用于配色理論研究的中間函數(shù)模型主要有KubelkaMunk雙常數(shù)理論模型、StearnsNoechel（SN）模型和Friele模型，其中SN模型配色效果較好，配色精度更高[1，7]。基于此，本文以SN配色模型為理論基礎(chǔ)，針對纖維素類數(shù)碼轉(zhuǎn)杯紡產(chǎn)品進行配色模型研究，旨在幫助纖維素類數(shù)碼轉(zhuǎn)杯紡產(chǎn)品的生產(chǎn)盡快走向智能化。

1實驗

1.1材料及設(shè)備

材料：原液著色型黏膠短纖維（博拉經(jīng)緯纖維有限公司），包括洋紅色、明黃色、湛藍(lán)色3種，纖維長度38 mm，線密度1.33 dtex。

儀器：FA106型混棉機（江陰市恒遠(yuǎn)機械制造有限公司），A186G型梳棉機（經(jīng)緯紡織機械股份有限公司），320A型并條機（陜西寶成新型紡織機械有限公司），THC2015型粗紗機（同和紡織機械制造有限公司），TR1型數(shù)碼轉(zhuǎn)杯紡細(xì)紗機（江南大學(xué)），HC21K型小型針織圓緯機（無錫市天翔針織機械有限公司），Datacolor 650分光光度計（Datacolor公司）。

1.2混色紗樣品制備

1.2.1梳棉、并條、粗紗工序

梳棉工序選擇適用于22～76 mm化纖加工的FA016型混棉機和A186G型梳棉機，將紅、黃、藍(lán)3種顏色的黏膠短纖包分別進行開松、分梳和除雜，形成良好的單纖維狀態(tài)，集成一定規(guī)則的生條儲存于棉條筒內(nèi)。最終制成的紅、黃、藍(lán)三基色生條定量，如表1所示。

并條工序選用320A型并條機，將6根生條進行并合，以實現(xiàn)提高長片段不勻率，提高棉條質(zhì)量的目的。由于本文采用黏膠纖維，其長度整齊度較好，在經(jīng)過一次并條后，測得熟條條干均勻度CV值為3.20%，質(zhì)量不勻率為034%，符合國家標(biāo)準(zhǔn)GB/T 398—2008《棉本色紗線》優(yōu)等品要求，因此可判斷條子均勻度較好，已具備進行下一工序的條件。故本文未進行二次并條，具體并條工藝參數(shù)如表2所示。

粗紗工序選擇THC2015型粗紗機，考慮到黏膠纖維長度較長，長度整齊度好，因此采用“大隔距、重加壓”，總牽伸倍數(shù)適當(dāng)減小，粗紗捻系數(shù)適當(dāng)減小，確定工藝參數(shù)，如表3所示。最終制成紅、黃、藍(lán)三基色粗紗定量，如表4所示。

1.2.2細(xì)紗工序

本文選用TR1型數(shù)碼轉(zhuǎn)杯紡細(xì)紗機（實驗室小樣機），將紅、黃、藍(lán)3種顏色黏膠纖維以10%為質(zhì)量比例梯度紡制成捻度為720 捻/m、線密度為44.85 tex的混色紗線。利用混色原理，通過控制三基色粗紗喂入速度[5]，得到3種單色紗線、27種雙組分混色紗、36種三組分混色紗線，共66種。細(xì)紗機基本工藝參數(shù)如表5所示，紗線樣品編號及纖維質(zhì)量比例如表6所示。

1.3混色針織物制備

將制備好的混色紗利用HC21K型小型針織圓緯機制成針織物樣品，其中樣品共66個，針織物線圈密度為112 個/cm2。

1.4織物顏色測試

本文利用Datacolor 650分光光度計測量針織樣品在可見光譜360～700 nm下的反射率及各色Lab值，取值間隔為10 nm，可得到共35種波長下的光反射率值[11]。

儀器進行預(yù)熱和校正后，在D65標(biāo)準(zhǔn)光源、10°視場下對樣品進行測色，為了全面反映測色材料的顏色特征，使測色結(jié)果相對準(zhǔn)確，測量時選擇大孔徑30 mm。為減小實驗誤差，測量時需保證樣品表面平整均勻且樣品不透光，同時可以通過測量同一樣品不同部位來增大樣本量，多次測量取平均值作為最終測量值，本文同一樣品測量次數(shù)為10次。此外，應(yīng)確保每次測量得到的色度參數(shù)之間的偏差小于0.1，若偏差較大，剔除該數(shù)據(jù)。

最終測得3種單色紗織物（標(biāo)準(zhǔn)樣品）不同波長下對應(yīng)的反射率R值，27種雙組分混色紗織物（實驗樣品）的Lab值，36種三組分混色紗織物（實驗樣品）在不同波長下對應(yīng)的光譜反射率R值和Lab值。

2構(gòu)建數(shù)碼轉(zhuǎn)杯紡S-N模型

2.1S-N模型原理

SN模型是Stearns等[12]于1944年通過大量實驗數(shù)據(jù)提出的經(jīng)驗公式，該模型認(rèn)為混合體的顏色取決于單體顏色及其混合比例，具體關(guān)系如式（1）所示;并總結(jié)出中間函數(shù)模型以解釋混色織物顯色規(guī)律，其假設(shè)關(guān)于反射率的中間函數(shù)為f[R（λ）]，則使得混色后的纖維與組成它的單色纖維關(guān)系可用式（2）表示。

（1）

（2）

式中：b代表混色紗，i代表混色紗中單色纖維，R（λ）為特定波長下的反射率，xi為對應(yīng)單色纖維混合質(zhì)量比;∑ixi=1、f[Rb（λ）]為混色紗關(guān)于反射率的中間函數(shù)，f[Ri（λ）]為組成混色紗的單色纖維關(guān)于反射率的中間函數(shù);M為可變常量，它的取值與單色纖維的顏色、種類、混合方式、織物組織結(jié)構(gòu)等有關(guān)。

確定合理經(jīng)驗值M，再通過式（1）、式（2）對混色織物顏色進行預(yù)測，進而利用混色模型實現(xiàn)準(zhǔn)確生產(chǎn)。

2.1.1最優(yōu)M值

本文將制得的3種單色紗織物作為標(biāo)準(zhǔn)樣品，將制得的27種雙組分混色紗織物作為實驗樣品，由式（1）可以得出雙組分混色織物顏色預(yù)判公式，如下所示。

f[Rb（λ）]=x1f[R1（λ）]+x2f[R2（λ）]（3）

式中：f[Rb（λ）]為預(yù)測的雙組分混色織物反射率值代入SN模型形成的中間函數(shù);f[R1（λ）]、f[R2（λ）]分別為兩種單色紗織物的反射率值代入SN模型形成的中間函數(shù);x1、x2分別為對應(yīng)兩種單色纖維在織物中的質(zhì)量比，且x1+x2=1。

根據(jù)式（2）可以得知Rb（λ）與中間函數(shù)f[Rb（λ）]的關(guān)系，經(jīng)推導(dǎo)可得預(yù)測的雙組分混色織物反射率，如式（4）所示。

（4）

式中：Rb（λ）為預(yù)測的雙組分混色織物的反射率，R1（λ）、R2（λ）分別為兩種單色紗織物的反射率。

根據(jù)測得3種單色標(biāo)準(zhǔn)樣品的反射率，再假設(shè)M值已知的情況下，利用式（3）和式（2）計算出與實驗樣品相同混合質(zhì)量比時的理論反射率的中間函數(shù)值，從而根據(jù)式（4）計算出雙組分混色織物的理論反射率值。因此M值直接影響理論反射率計算結(jié)果，并且一定存在一個M值，使得混色織物的預(yù)測反射率與實際測出值之間的差值最小，通常把這一M值稱為最優(yōu)M值[9]。

2.1.2理想M值

理想M值是指在SN模型的基礎(chǔ)上，利用單色纖維反射率預(yù)測的混色樣品顏色與實驗樣品顏色完全匹配時的M值，即使得下式成立時的M值。

式中：Rb（λ）為實際測得的混色實驗樣品反射率值，Ri（λ）為實際測得的單色標(biāo)準(zhǔn)樣品反射率值。

由于Rb（λ）、Ri（λ）為已知量，M為唯一未知量，則可求出混色實驗樣品在每個波長下的理想M值[8]。

2.2預(yù)測效果評價指標(biāo)

在生產(chǎn)實驗中，混色樣品的預(yù)測反射率與實際反射率之間必然存在差異，這種差異通常用兩者之間的色差來表示，它是評價模型測配色效果優(yōu)劣的一個重要指標(biāo)。色差是指兩種顏色的差別，通常用色差值表示顏色的差別大小，一般用ΔE表示。色差一般用于評價顏色差別，廣泛應(yīng)用于塑膠、印刷、油漆油墨、紡織服裝等。色差越小，說明預(yù)測反射率與實際反射率越接近，預(yù)測效果越好，預(yù)測精度越高。目前紡織行業(yè)應(yīng)用比較廣泛的色差式為CMC（l︰c）色差公式，一般取l︰c=2︰1。色差計算原理如式（6）～（15）所示[13]。

式中：L、c為常數(shù)，L=2，c=1;ΔL、Δa、Δb、ΔC、ΔH分別為測量色和標(biāo)準(zhǔn)色的色度參數(shù)差值;Lstd、Cstd、hstd分別為標(biāo)準(zhǔn)色的色度參數(shù)，Lsp、Csp分別為測量色的色度參數(shù);L*為明暗度，a*為從洋紅色至綠色的范圍，b*為從黃色至藍(lán)色的范圍，C為色彩飽度，H為色調(diào)角。

由式（6）～（15）可知，代入實驗樣品測得的Lab值和通過模型轉(zhuǎn)換處理后得到的預(yù)測樣本Lab值，即可計算出色差ΔECMC。

2.3數(shù)碼轉(zhuǎn)杯紡SN模型的經(jīng)驗值M

本文中計算所需紅、黃、藍(lán)三基色單色針織樣品，在不同波長下的反射率值和各色Lab值如圖1和表7所示。

2.3.1確定最優(yōu)M值

綜合大量實驗結(jié)果得知，SN模型的最優(yōu)M值一般在0～1，本文利用賦值法求解M，在[0，1]內(nèi)對M進行賦值，賦值間隔0.000 1，共計100 01個數(shù)值。在M已知情況下可以根據(jù)式（3）（4）求得理論反射率值，經(jīng)模型轉(zhuǎn)換處理后得到實驗混色樣品的理論Lab值，再利用CMC（2︰1）色差公式，將實驗樣品實際測得Lab值與理論Lab值進行比對計算，得到色差ΔE，其中ΔE最小時的M值，即為最優(yōu)M值[14]。經(jīng)計算，本文中27個實驗樣品的最優(yōu)M值及對應(yīng)的最小色差如表8所示。

從表8可以看出，最優(yōu)M值主要集中在0.043 3～0.196 4，樣本最小色差在0.2～2.8，并且不同樣本的最優(yōu)M值較為分散。為了更精確地確定最優(yōu)M值，采用求取不同M賦值下27個實驗樣本的平均色差，取平均色差最小時的M值作為最優(yōu)M值。實驗樣品平均色差與最優(yōu)值M的關(guān)系如圖2所示。

由圖2可知，隨著M值不斷增大，纖維素類數(shù)碼轉(zhuǎn)杯紡混色紗實驗樣品得平均色差先急劇減小，再緩慢增大;當(dāng)M取值為0.136時，樣品平均色差最小，為2.508 9。因此，可以確定纖維素類數(shù)碼轉(zhuǎn)杯紡針織混色織物的SN模型最優(yōu)M經(jīng)驗值為0.136，將這一最優(yōu)M值標(biāo)記為M1。

2.3.2理想M值與波長的關(guān)系

Philips B[6]等在研究棉纖維SN混色模型時，發(fā)現(xiàn)波長與其對應(yīng)的理想M值之間存在線性函數(shù)關(guān)系，這一關(guān)系的確定與探究可以使得模型研究結(jié)果更加全面，提高模型參數(shù)的精確度，使最終所得模型參數(shù)更具有說服力[7]。本文為探究纖維素類纖維的SN混色模型中波長是否與其對應(yīng)的理想M值存在類似線性函數(shù)關(guān)系，根據(jù)式（5）通過實驗測量得到的相關(guān)數(shù)據(jù)解方程求出混色實驗樣品在每個波長下的理想M值，分析其與波長λ關(guān)系。分別計算27個實驗樣本數(shù)據(jù)在每個波長下的理想M值，得到理想M值在各個波長下取值分布散點圖，如圖3所示。

由圖3可知，在360～700 nm的波長下，理想M值主要集中分布在-0.1～0.3，其中波長在600 nm以下時，理想M值分布較為分散;波長在600 nm以上時，理想M值分布較為集中，主要分布在-0.1～0和0.05～0.2，在0～0.05出現(xiàn)斷層現(xiàn)象。

為了分析理想M值與波長λ之間的線性關(guān)系，本文采用兩種方法對理想M值進行取值處理，即引入評價指標(biāo)線性相關(guān)系數(shù)R分析，比較線性回歸方程的擬合效果，R2越接近1，則表示線性相關(guān)性越高，擬合效果越好。

1） 方法一：

在每個波長下求得的27個理想M值中取其中位數(shù)，再將所得理想M值利用Excel軟件進行線性回歸擬合。擬合出理想M值與波長之間關(guān)系如式（16）所示，R2=0.156 8，擬合效果較差。

M=0.001（0.2λ-30.2）（16）

根據(jù)圖3中理想M值的分布情況，將波長分為三段，分別進行線性擬合，得到理想M值與波長之間關(guān)系，如式（17）所示。第一段R2=0.338 1，第二段R2=0.181 9，第三段R2=0765 2，可以看出整體擬合效果比式（16）好，其中第三段擬合效果最好，說明在波長大于600 nm時，理想M值與波長存在較為明顯的線性相關(guān)性。

M=0.001（1.1λ-422.7），360 nm≤λ≤480 nm0.001（-0.3λ+258.7），490 nm≤λ≤590 nm0.001（0.3λ-116.9），600 nm≤λ≤700 nm（17）

2） 方法二：

分析其他種類纖維SN混色模型研究結(jié)果可知[1，9，11，15]，M值一般取值范圍為[0，1]，因此本次取在每個波長下處于0～1內(nèi)的理想M值，再求其中位數(shù)，利用Excel軟件進行線性回歸擬合。擬合出理想M值與波長之間關(guān)系如式（18）所示，R2=0.020 4，擬合效果比式（16）差。

M=0.001（-0.04λ+139）（18）

類比方法一，將波長分為相同的三段分別進行線性擬合，得到理想M值與波長之間關(guān)系，如式（19）所示。第一段R2=0.252 6，第二段R2=0.101 3，第三段R2=0.535 6，可以看出整體擬合效果雖然比式（18）好，但是三段擬合效果都比式（17）差，因此可以分析得知采用方法一較為合適。

M=0.001（0.5λ-95.9），360 nm≤λ≤480 nm0.001（-0.2λ+233.6），490 nm≤λ≤590 nm0.001（0.09λ+41.9），600 nm≤λ≤700 nm（19）

根據(jù)以上分析，方法一比方法二更加適用，且分段進行線性擬合效果更好，將擬合效果最好的模型參數(shù)標(biāo)記為M2，取值方法如式（17）所示。

深入分析方法一中得到的理想M值，發(fā)現(xiàn)其分布情況更接近拋物線，故將其進行二次函數(shù)趨勢擬合，得到二次函數(shù)如式（20）所示，其R2=0.408 9，擬合效果優(yōu)于分段擬合的平均值，并都高于方法一和方法二中的第一段和第二段的擬合效果。將這一模型參數(shù)標(biāo)記為M3，取值方法如式（20）所示。

M=0.001[（-0.003）λ2+3.4λ-845.3]（20）

2.4數(shù)碼轉(zhuǎn)杯紡SN模型配色結(jié)果

本文利用SN配色模型對纖維素類纖維數(shù)碼轉(zhuǎn)杯紡混色織物進行了研究分析，得到三類模型參數(shù)M，第一類是通用性較強的最優(yōu)M值，第二類是通過線性擬合計算得出的在各個波長下的理想M值，第三類是通過二次多項式擬合計算得出的在各個波長下的理想M值。為了比較三種模型參數(shù)的精準(zhǔn)程度，分別求出在M1、M2、M3下各個實驗樣本的色差值，將M1條件下的色差記為ΔE1，將M2條件下的色差記為ΔE2，將M3條件下的色差記為ΔE3。各模型參數(shù)下纖維素類纖維數(shù)碼轉(zhuǎn)杯紡混色織物實驗樣品色差如表9所示，模型參數(shù)M配色精準(zhǔn)程度分析如表10所示。

由表10模型參數(shù)M配色精準(zhǔn)程度分析結(jié)果可知，模型參數(shù)M1、M2、M3下各實驗樣品平均色差分別為2.509、3.546、2758。結(jié)合表10中的色差分布情況可以得知，通過分析理想M值與波長的關(guān)系這一方法得出的模型參數(shù)M2、M3并不能提高數(shù)碼轉(zhuǎn)杯紡黏膠混色紗的模型配色精確度，而模型參數(shù)M1精準(zhǔn)程度最高，同時算法最為簡單，基本滿足配色要求。最終確定纖維素類纖維數(shù)碼轉(zhuǎn)杯紡混色針織物SN配色模型經(jīng)驗參數(shù)M值為0.136，如式（21）所示。

f[R（λ）]=1-R（λ）0.136[R（λ）-0.01]+0.01（21）

3數(shù)碼轉(zhuǎn)杯紡SN模型驗證

3.1SN模型驗證方法

當(dāng)實驗樣品測試的反射率與采用SN模型預(yù)測的反射率值無限接近，即實驗樣品測試色彩與預(yù)測的色差趨近于零時，根據(jù)式（1）（21）可求出各單色纖維的質(zhì)量占比，即混色樣本的預(yù)測比例配方。進而可通過比例誤差來評價預(yù)測配方的優(yōu)劣，一般來說比例誤差越小，預(yù)測配方越精確。比例誤差的計算方法如式（22）所示。

式中：Δr為比例誤差;xi為實際試驗樣品中第i個有色纖維實際占比;x′i為預(yù)測實驗樣品中第i個有色纖維預(yù)測占比。

3.2SN模型驗證

制備36種三組分實驗樣品以驗證SN配色模型對纖維素類纖維數(shù)碼轉(zhuǎn)杯紡混色針織物的配色能力，制備方法與測色方法如上文所述。將實驗樣品根據(jù)全光譜配色算法[8]進行配方預(yù)算，并預(yù)測其質(zhì)量比例誤差及預(yù)測配方與實驗樣品的色差，結(jié)果如表11所示。

36個三組分針織混色實驗樣品的平均比例預(yù)測誤差為7.89%，平均色差為0.320;36個實驗樣本的色差均小于1，這證明了本文研究得出的SN配色模型經(jīng)驗參數(shù)M=0.136合理，可用于生產(chǎn)實踐。

實驗樣品的實際顏色與預(yù)測顏色做成色卡進行比較（圖4），發(fā)現(xiàn)實測顏色與預(yù)測顏色色差在肉眼可接受范圍內(nèi)。圖4中，有標(biāo)記的為實測顏色，未標(biāo)記為相應(yīng)的預(yù)測顏色。

4結(jié)論

本文基于SN配色模型，對纖維素類纖維數(shù)碼轉(zhuǎn)杯紡混色針織物進行研究，先利用賦值法求得經(jīng)驗參數(shù)M的最優(yōu)值，再利用擬合法探究經(jīng)驗參數(shù)理想M值與波長之間的關(guān)系，進而通過對比兩類經(jīng)驗參數(shù)M的精準(zhǔn)度，完成配色模型的構(gòu)建，最終利用實驗樣品測試所得經(jīng)驗參數(shù)M的合理性。

1） 基于SN配色模型的經(jīng)驗參數(shù)M值為0.136，利用此M值進行混色配方預(yù)測，配色效果較好，色差均小于1。

2） 在探究經(jīng)驗參數(shù)M的理想值與波長的關(guān)系時，發(fā)現(xiàn)線性擬合效果較差，只在600～700 nm的波長內(nèi)存在兩者較強線性關(guān)系，而二次函數(shù)能夠更好解釋兩者之間的關(guān)系。

3） 利用賦值法求最優(yōu)M值的預(yù)測效果要優(yōu)于與波長相關(guān)的M值，前者得到經(jīng)驗參數(shù)M既精準(zhǔn)適用，又能夠簡化配方預(yù)測算法。

4） 本文基于數(shù)碼轉(zhuǎn)杯紡技術(shù)，對纖維素類纖維的數(shù)碼轉(zhuǎn)杯紡產(chǎn)品進行了配色研究，利用計算機配色技術(shù)得到所需的經(jīng)驗值，有利于擴大數(shù)碼轉(zhuǎn)杯紡技術(shù)適用范圍，同時加快數(shù)碼轉(zhuǎn)杯紡產(chǎn)品生產(chǎn)走向智能化進程。

PDF下載

參考文獻(xiàn)：

[1]王玉娟， 馬崇啟， 劉建勇， 等. 應(yīng)用改進StearnsNoechel模型的色紡紗配色技術(shù)[J]. 紡織學(xué)報， 2017， 38（10）： 25-31.

WANG Yujuan， MA Chongqi， LIU Jianyong， et al. Matching color technology of color blended yarn based on modified StearnsNoechel model[J]. Journal of Textile Research， 2017， 38（10）： 25-31.

[2]繆定蜀. 低碳環(huán)保智能的色紡技術(shù)探析[J]. 棉紡織技術(shù)， 2018， 46（5）： 66-71.

MIAO Dingshu. Analyses of low carbon environmental intelligent colored spinning technology[J]. Cotton Textile Technology， 2018， 46（5）： 66-71.

[3]華孚時尚股份有限公司. 華孚25億越南投資紗線項目[J]. 紡織機械， 2019（1）： 41.

Huafu Fashion Co.， Ltd. Huafu yarn 2.5 billion investment project in Vietnam[J]. Textile Machinery， 2019（1）： 41.

[4]金亞琪， 鄒專勇， 許夢露， 等. 色紡紗產(chǎn)品開發(fā)現(xiàn)狀及技術(shù)發(fā)展需求[J]. 棉紡織技術(shù)， 2012， 40（12）： 65-68.

JIN Yaqi， ZOU Zhuanyong， XU Menglu， et al. Development status and technology development demands of colored spun yarn[J]. Cotton Textile Technology， 2012， 40（12）： 65-68.

[5]楊瑞華， 薛元， 郭明瑞， 等. 數(shù)碼轉(zhuǎn)杯紡成紗原理及其紗線特點[J]. 紡織學(xué)報， 2017， 38（11）： 32-35.

YANG Ruihua， XUE Yuan， GUO Mingrui， et al. Mechanism and characteristics of digital rotor spun yarn[J]. Journal of Textile Research， 2017， 38（11）： 32-35.

[6]PHILIPSINVERNIZZI B， DUPONT D， JOLLYDESODT AM， et al. Color formulation by fiber blending using the StearnsNoechel model[J]. Color Research and Application， 2002， 27（2）： 100-107.

[7]沈加加， 張志強， 陳燕兵， 等. 基于StearnsNoechel模型的混色毛條顏色預(yù)測[J]. 紡織學(xué)報， 2008， 29（11）： 61-66.

SHEN Jiajia， ZHANG Zhiqiang， CHEN Yanbing， et al. Match prediction for blendedcolor wool tops based on StearnsNoechel model[J]. Journal of Textile Research， 2008， 29（11）： 61-66.

[8]徐亞亞， 楊瑞華， 鄧茜茜. 多通道轉(zhuǎn)杯紡羊毛織物的StearnsNoechel配色模型[J]. 東華大學(xué)學(xué)報（自然科學(xué)版）， 2020， 46（3）： 357-361.

XU Yaya， YANG Ruihua， DENG Qianqian. StearnsNoechel color matching model for multichannel rotor spun wool fabric[J]. Journal of Donghua University（Natural Science）， 2020， 46（3）： 357-361.

[9]YANG Ruihua， PAN Bo， DENG Qianqian， et al. Colour matching for smart and sustainable spinning of coloured textiles[J]. Coloration Technology， 2020， 136（3）： 205-213.

[10]DUNTLEY S Q. The prediction and control of colored fiber blends by optical means[J]. American Dyestuff Reporter， 1941， 30： 689-700.

[11]馬崇啟， 朱寶基， 劉鳳坤， 等. 基于StearnsNoechel模型的色紡紗配色算法改進[J]. 天津工業(yè)大學(xué)學(xué)報， 2019， 38（3）： 41-46.

MA Chongqi， ZHU Baoji， LIU Fengkun， et al. Improvement of color spinning matching algorithm based on StearnsNoechel model[J]. Journal of Tiangong University， 2019， 38（3）： 41-46.

[12]STEARNS E I， NOECHEL F. Spectrophotometric prediction of color of wool blends[J]. American Dyestuff? Reporter， 1944， 33（9）： 177-180.

[13]吳軍， 李戎， 許仲哲， 等. 基于漢風(fēng)色典的CMC、CIE DE2000色差公式研究分析[J]. 染整技術(shù)， 2018， 40（10）： 16-20.

WU Jun， LI Rong， XU Zhongzhe， et al. Research and analysis of CMC and CIE DE2000 color difference formula based on Han dynasty color code[J]. Textile Dyeing and Finishing Journal， 2018， 40（10）： 16-20.

[14]陳維國， 周華， 溫泉， 等. 羊毛混色紡紗計算機智能測色配料系統(tǒng)[J]. 毛紡科技， 2010， 38（4）： 48-52.

CHEN Weiguo， ZHOU Hua， WEN Quan， et al. Intelligent color matching system of wool blending yarn[J]. Wool Textile Journal， 2010， 38（4）： 48-52.

[15]韓瑞葉， 楊瑞華， 薛元， 等. 數(shù)碼轉(zhuǎn)杯紡的StearnsNoechel配色模型[J]. 紡織學(xué)報， 2017， 38（12）： 27-32.

HAN Ruiye， YANG Ruihua， XUE Yuan， et al. StearnsNoechel color matching model of digital rotor spinning[J]. Journal of Textile Research， 2017， 38（12）： 27-32.