买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连工业大学申请的专利一种基于RBF的纺织品颜色测量方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115711672B 。

龙图腾网通过国家知识产权局官网在2026-02-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211433173.3，技术领域涉及：G01J3/46；该发明授权一种基于RBF的纺织品颜色测量方法是由谢蓄芬;刘璐设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本一种基于RBF的纺织品颜色测量方法在说明书摘要公布了：本发明公开了一种基于RBF的纺织品颜色测量方法，涉及机械故障诊断技术领域。选择纺织品样品、光源等仪器以及彩色成像系统，并采集纺织品样品成像系统的相关数据构建数据集，构建RBF神经网络，采用GA算法，通过训练集对RBF神经网络进行训练得到色度特征化模型，将测试集输入该模型对其进行评估。本发明采用GA算法训练神经网络无需先验知识而且对初始参数不敏感，不会陷入局部极小点，克服了局部极值对RBF神经网络影响，且RBF神经网络隐层节点中心的确定具有随机性，利用GA算法全局搜索能力，优化隐含节点中心值，弥补RBF神经网络可调参数单一的缺陷，具有良好的预测精度，为纺织品颜色测量提供了有效的方法。

本发明授权一种基于RBF的纺织品颜色测量方法在权利要求书中公布了：1.一种基于RBF的纺织品颜色测量的方法，其特征在于，包括以下步骤： S1、选择纺织品实验样本、光源、测量环境、色度测量仪器和需要进行色度特征化的彩色成像系统； S2、采集所述纺织品实验样本的彩色成像系统设备相关空间RGB值和设备无关空间CIE1931XYZ三刺激值，构建数据集； S3、构建RBF神经网络，包括输入层、隐层和输出层，设置所述输入层、隐层、输出层的神经元个数以及径向基函数，建立RBF神经网络模型，具体包括： S31、所述输入层、隐层、输出层神经元个数分别为3、15、3； S32、所述神经元设置范围为10～60，以最小色差为标准，确定最优隐层神经元数； S33、所述隐层为径向基层，使用高斯函数作为径向基函数，所述输出层设置为线性层，包括： 所述径向基函数如公式1所示， 式中，输入向量为P，隐含层基函数的中心为C，基函数围绕中心点的宽度为σ； 逼近模型如公式2所示， a2＝Wa1+b2 式中，隐藏层和输出层之间的权值表示为W；输出层节点的阈值表示为b； S4、基于训练集对所述RBF神经网络模型进行训练，用GA算法优化所述RBF神经网络的隐层节点中心并选取最优的中心点，完成参数优化，构建基于RBF神经网络的纺织品成像系统色度特征化模型，具体包括： S41、通过GA算法对隐含层节点中心值长度进行编码构成染色体，初始化参数； 其中，中心向量C初始化为[10,-10]区间上的实数，输入向量[R,G,B]维度的个数为3，隐含层节点数为h，种群大小为P，则一个中心向量染色体的长度为3×h，中心向量即为一个P×3×h大小的矩阵； S42、通过训练集训练调整确定合适的初始化参数，选择预测三刺激值和测量三刺激值的误差绝对值的和作为适应度函数f，如公式3所示； 式中n表示输出变量的维度，m表示输入变量的个数，rij表示预测三刺激值，表示实际测量三刺激值； S43、进行选择、交叉、变异的遗传操作，并计算个体适应度值； S44、确定迭代终止精度ε＝0.001；若个体适应度值小于等于ε，则训练结束，输出最优个体，否则返回步骤S43； S45、将所述最优个体赋给RBF神经网络，其中最优个体即为最优隐层节点中心值； S46、确定各隐层节点中心之后根据各中心之间的距离，取最小值作为对应径向基函数的宽度，如公式4所示： σj＝λmin||cj-ci||j＝1,2,…,n4 式中，λ为重叠系数，n为隐含层节点数； S47、采用伪逆法确定线性层权值，并通过适应度值评估网络的性能，其中个体适应度值越小，个体就越优； S5、将测试集输入所述色度特征化模型，得到模型预测的XYZ刺激值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连工业大学，其通讯地址为：116034 辽宁省大连市甘井子区轻工苑1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。