一種汽車油漆顏色調配方法
【技術領域】
[0001]本發明涉及汽車補漆領域，尤其是涉及一種汽車油漆顏色調配方法。
【背景技術】
[0002]近些年，汽車工業飛速發展，汽車普及速度較快，特別是家用轎車。但隨著汽車產量的急劇增多，汽車表面油漆的使用也不斷增加。一方面，汽車生產商生產完汽車后，需要使用特定顏色的油漆對其表面進行處理，另一方面，隨著汽車不斷增加，交通事故也隨之驟升，汽車表面的碰損在所難免，大量汽車修理廠需要使用特定顏色的油漆對其進行處理。但現行方案是，各生產廠商或其4S店只能夠根據顏色配方比例調節來獲得需要的顏色，要調配顏色預先已經確定好各成分比例，而各修理廠則大量采用有一定經驗技術的油漆工來人工配制所需顏色。
[0003]以上做法存在著嚴重不足。4S店按照配方比例調制出來的顏色往往與實際車表顏色存在偏差，因為汽車在使用過程，表面顏色經受風吹日曬，與出廠顏色存在一定偏差，而修理廠采用人工配制的方法，完全憑借經驗手工調試。一方面常年累月的手工調制油漆會對人體造成傷害，另一方面，油漆供應廠商眾多，各廠商油漆特性不一致，種類繁多。因此，油漆工很難憑經驗準確把握調配比例，存在技術上的問題，并且配制過程較慢，效率較低。
【發明內容】
[0004]本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種汽車油漆顏色調配方法。
[0005]本發明的目的可以通過以下技術方案來實現:
[0006]一種汽車油漆顏色調配方法，包括步驟:
[0007]S1:采集待補漆車輛的表面圖像，并根據采集的表面圖像識別得到表面顏色信息;
[0008]S2:根據表面顏色信息生成對應的粗調色配方，且基于該粗調色配方獲取指定比例的油漆色母，混合攪拌并通過反饋補償得到所需油漆。
[0009]所述步驟S2具體包括步驟:
[0010]S21:粗調:基于粗調色配方，獲取指定比例的油漆色母，混合并攪拌；
[0011]S22:反饋:從攪拌得到的油漆中取樣得到油漆樣品，并判斷樣品顏色與表面顏色之間的色差是否小于閾值，若為是，則調配結束，若為否，則執行步驟S23 ;
[0012]S23:微調:根據樣品顏色與表面顏色之間的色差生成補償配方，且基于該補償配方獲取指定比例的油漆色母，混合并攪拌。
[0013]所述步驟S22具體包括步驟:
[0014]S221:將攪拌好的油漆涂抹于與汽車外殼同材質的采樣板上獲得油漆樣品；
[0015]S222:由顏色傳感器捕捉油漆樣品在基光源照射下發出的光線，根據捕捉的光線獲悉樣品顏色；
[0016]S223:判斷樣品顏色與表面顏色之間的色差是否小于閾值，若為是，則調配結束，若為否，則執行步驟S23。
[0017]所述步驟S2中得到所需油漆后，將調制日志上傳上位機并進行保存。
[0018]所述步驟S I中采用SVM分類器根據采集的表面圖像識別得到表面顏色信息，所述SVM分類器核函數為RBF核函數。
[0019]所述SVM分類器的支持向量機參數的優化過程采用基于遺傳與模擬退火的混合粒子群算法進行，具體包括步驟:
[0020]SI 1:設定GA的種群規模、交叉率和變異率，最大進化代數和GA最小適應度閾值；
[0021]S12:生成GA的初始種群，其中，每一個GA染色體代表一組PSO加速系數；
[0022]S13:計算GA的個體適應值；
[0023]S14:由得到的個體適應值計算每個個體的選擇概率，實施選擇、交叉和變異，生成新一代GA種群；
[0024]S15:判斷以下條件是否至少有一個成立:
[0025]a.進化代數達到最大進化代數，
[0026]b.個體適應值達到GA最小適應度閾值，
[0027]若為否，則返回步驟S13，若為是，則執行步驟S16 ;
[0028]S16:輸出最優值，為該混合粒子群算法的最優解。
[0029]所述步驟S13具體包括步驟:
[0030]S131:設定PSO種群規模、最大迭代次數，PSO最小適應度閾值，其中每一個PSO粒子代表一組SVM分類器的優化參數；
[0031]S132:初始化加速系數、慣性權重系數，計算粒子初始速度和位置，并初始化模擬退火算法初值；
[0032]S133:更新粒子速度和位置，并計算更新前后適應值差Δ E ;
[0033]S134:判斷適應值差是否大于0，若為是，則執行步驟S136，若否，則執行步驟S135 ；
[0034]S135:判斷exp(AE/T) > rand (O, I)是否成立，若為是，則執行步驟S136，若為否，則執行步驟S137;
[0035]S136:接受更新結果，并執行步驟S138 ;
[0036]S137:拒絕更新結果，回滾粒子速度和位置，并執行步驟S138 ；
[0037]S138:計算自適應權重系數，并根據適應值更新個體極值和全局極值；
[0038]S139:判斷以下條件是否至少有一個成立:
[0039]c.迭代次數達到最大迭代次數，
[0040]d.達到PSO最小適應度閾值，
[0041]若為否，則返回步驟S133 ;若為是，則求出最優值，由PSO所找到的最優值即為GA的個體適應度。
[0042]與現有技術相比，本發明具有以下優點:
[0043]I)實現了待補漆車輛表面油漆顏色的自動調制，克服了人工調制憑借經驗調制的效率低下及經驗不足的弊端，且大大減少油漆揮發對人體造成的傷害。
[0044]2)該裝置能夠根據車表顏色的實際情況進行調制，不單純依靠已有配色方案，調制出來的顏色更加精確、可靠，減少因油漆調色不準而出現返工的現象，節約大量人力，物力。
[0045]3)在油漆調色這一特殊情況下，采用圖像處理與傳感器反饋補償環節互補的方式，既能夠保證調制方法的準確度，又可以減少硬件系統資源的開支，提高調制效率。
【附圖說明】
[0046]圖1為本發明的主要步驟流程示意圖；
[0047]圖2為本發明的流程示意圖；
[0048]圖3為本發明的方法控制流向圖；
[0049]其中1、調配機構，2、微處理器。
【具體實施方式】
[0050]下面結合附圖和具體實施例對本發明進行詳細說明。本實施例以本發明技術方案為前提進行實施，給出了詳細的實施方式和具體的操作過程，但本發明的保護范圍不限于下述的實施例。
[0051 ] 一種汽車油漆顏色調配方法，如圖1和圖2所示，包括步驟:
[0052]S1:采集待補漆車輛的表面圖像，并根據采集的表面圖像識別得到表面顏色信息，具體包括步驟:
[0053]步驟SI中采用SVM分類器根據采集的表面圖像識別得到表面顏色信息，SVM分類器核函數為RBF核函數。
[0054]SVM分類器的支持向量機參數的優化過程采用基于遺傳與模擬退火的混合粒子群算法進行，具體包括步驟:
[0055]Sll:設定GA(遺傳算法)的種群規模、交叉率和變異率，最大進化代數和GA最小適應度閾值；
[0056]S12:生成GA的初始種群，其中，每一個GA染色體代表一組PSO(粒子群算法)加速系數；
[0057]S13:計算GA的個體適應值，具體包括步驟:
[0058]S131:設定PSO種群規模、最大迭代次數，PSO最小適應度閾值，其中每一個PSO粒子代表一組SVM分類器的優化參數，優化參數具體指RBF核函數參數和懲罰因子；
[0059]S132:初始化加速系數、慣性權重系數，計算粒子初始速度和位置，并初始化模擬退火算法初值；
[0060]S133:更新粒子速度和位置，并計算更新前后適應值差Δ E ;
[0061]S134:判斷適應值差是否大于0，若為是，則執行步驟S136，若否，則執行步驟S135 ；
[0062]S135:判斷exp(AE/T) > rand (O, I)是否成立，若為是，則執行步驟