中圖分類號：TS193.1 文獻標志碼：A文章編號：1009-265X（2025）06-0042-09

傳統(tǒng)的有色廢舊紡織品回收通常需要進行剝色處理，而大多數(shù)剝色方法依賴于化學(xué)試劑，不僅浪費水資源，還可能造成二次污染[1]。為響應(yīng)“雙碳目標”，色紡企業(yè)推出了再生纖維、無染色纖維等環(huán)保原料生產(chǎn)的色紡紗[2]。色紡紗生產(chǎn)中需進行顏色測量，常用的方法有分光光度法和數(shù)碼測色法。分光光度法的測量結(jié)果精度高，但其價格昂貴，對測量樣本的尺寸有要求。數(shù)碼測色法為近年來較為熱門的測色方法，它可以在特定環(huán)境下使用拾色工具從高分辨率和高還原性的圖片中獲取選定區(qū)域的平均色彩，其測色結(jié)果更加接近人眼視角，且對樣品要求較低[3]

目前，大多企業(yè)通過將有色纖維紡成紗線或者織造成小樣，測量小樣的顏色，間接獲取有色纖維的顏色值[4]。鑒于此，為提高色紡企業(yè)的研發(fā)效率和配色精度，本文提出了一種基于有色再生纖維混色的數(shù)字化預(yù)測路徑。在色彩采集階段，本文對比后選用數(shù)碼測色法直接測量纖維顏色值，并分析影響測量結(jié)果的因素，以確定纖維樣品參數(shù)。纖維混色階段，結(jié)合三次條樣插值法和長短期記憶網(wǎng)絡(luò)（LSTM）優(yōu)化預(yù)測模型，對兩色和三色混色樣本的色彩值進行擬合預(yù)測，并驗證預(yù)測模型的應(yīng)用能力。

1 再生纖維及其色彩采集

1. 1 材料及儀器

本文選用白（W）、黑（K）、紅（R）、藍（B）和黃（Y）5種顏色的再生纖維素纖維樣品（平均線密度1.53dtex ，平均長度 26mm ）作為研究對象，用天平稱取 0.1g 纖維，將纖維束扯松后用纖維引伸儀和鋼梳梳理至均勻平整、不透光，由于纖維蓬松易變形，因此將纖維框進自制的 2cm 硬紙板內(nèi)進行讀色，測色框示意圖如圖1所示。

1. 2 測量方法的選取

選用分光測色計測色（型號CM-700d）、EPSONV19掃描儀-數(shù)碼測色法測色、 .3nh 色差儀（型號SC-10）測色，對比這3種方法的測量結(jié)果。

1. 2. 1 分光測色計測色

將梳理好的纖維樣本固定后對折，使纖維束達到一定厚度以保證樣本不透光，使用分光測色計設(shè)置SCE測量模式，D65光源，觀察者角度 10^° 。每個樣品隨機選5個點進行測試，記錄 L^*?a^* 與 b^* 值并計算平均值。

1. 2. 2 數(shù)碼測色法

選取掃描儀，該掃描儀擁有高分辨率（ 4800dpi） （2以及最大掃描尺寸 219mm×297mm ，內(nèi)置ReadyScanLED光源，掃描時無需考慮環(huán)境、光源等外界問題的影響，在掃描圖像時可提供穩(wěn)定照明，擁有ICC色域，可以標準化色彩空間，確保顏色數(shù)據(jù)在不同色彩空間的一致性，再現(xiàn)被掃描纖維的原色[5] O

使用色彩平均計算法獲取該選定區(qū)域的平均顏色，假設(shè)ROI表示框選區(qū)域，其中包含 N×M 個像素，對于ROI選框中的每個像素，其RGB值為（R_i，j，G_i，j，B_i，j） ，其中 i 表示行索引 Δ，j 表示列索引，計算公式如式（1）：

式中： N 表示ROI的行數(shù)； M 表示ROI的列數(shù)； R_avg G_avg 和 B_avg 分別表示 ROI的平均紅、綠和藍色通道值。

將每個像素的通道值進行求和并除以像素總數(shù)，可以得到選框內(nèi)的所有像素的平均 RGB 顏色值。通過此方法，可在獲取到纖維圖像之后快速對纖維顏色進行提取。

1. 2.3 色差儀測色法

色差儀是當下較為便捷的色差測試方法，測試結(jié)果較為可信[7]。采用 3nh 色差儀，擁有 20mm 測量口徑，將色差儀對準梳理后的試樣，按下“測量”鍵將自動亮燈，測量D65光源下該測試點的 L^* 、a^*，b^* 值，受孔徑限制，試樣不同測色點顏色有一定差別，因此為了使得測試結(jié)果更準確，實驗選取16點進行測色取平均值。

1.3 測試結(jié)果分析

1.3.1 色差空間轉(zhuǎn)換

由于數(shù)碼攝像法輸出 R，G，B 值， RGB 顏色空間存在不均勻性，其空間坐標上等距的兩點并不能準確反映顏色的差異。而 L^*a^*b^* 顏色空間可以通過計算兩點顏色之間的幾何距離來精確評估顏色的差異度，進而分析兩種顏色之間的色差。因此，需要將R，G，B 值轉(zhuǎn)換到 X，Y，Z ，再轉(zhuǎn)換到CIE L^*a^*b^* 顏色空間。主要分為兩步[8]：

第一步，RGB顏色空間轉(zhuǎn)換到 XYZ 顏色空間，轉(zhuǎn)換關(guān)系如式2所示：

第二步， XYZ 顏色空間轉(zhuǎn)換到 L^*a^*b^* 顏色空間，轉(zhuǎn)換關(guān)系如式3—式8所示：

L^*=116×（YY_n）^1/3-16，（YY_n）gt;0.008856

L^*=903.3×（YY_n），（YY_n）?0.008856

a^*=500×[f（X/X_n）-f（Y/Y_n）]

b^*=200×[f（Y/Y_n）-f（Z/Z_n）]]

f（t）=7.787t+16/116，t?0.008856

式中： X_n，Y_n，Z_n 為計算色差的照明體/觀察者條件下的三刺激值，以 D65/10^° 條件為佳，是常數(shù)值

1.3.2 色差計算方法

根據(jù)國標GB/T7921—2008《均勻色空間和色差公式》可知，使用CIEDE2000色差公式考慮了色彩空間的非均勻性，在大量視覺試驗數(shù)據(jù)基礎(chǔ)上，考慮亮度、色度、色相在人眼感知中的不同權(quán)重，色差計算結(jié)果與目視評價結(jié)果較一致。

參照國標GB/T250—2008《紡織品色牢度試驗評定變色用灰色樣卡》，兩組試樣色差（ ΔE^* ）等級判斷如表1所示。

用以上3種方法讀取5種顏色纖維的平均顏色數(shù)值，之后統(tǒng)一轉(zhuǎn)為 L^*，a^*，b^* 值，使用CIEDE2000色差公式計算色差，得到3種方法色差計算結(jié)果

1.3.3 結(jié)果分析

將3種方式測量結(jié)果轉(zhuǎn)為 L^*?a^*?b^* 數(shù)值后進行對比，各測試樣的測色結(jié)果如表2所示。

表3為分光測色計與數(shù)碼測色法和色差儀測色的色差對比。

將分光測色計測色與其余兩種測色方法進行色差計算，發(fā)現(xiàn)均存在一定的色差，分光測色計測色與數(shù)碼測色法之間平均色差2.75，分光測色計測色與色差儀測色之間平均色差3.37，數(shù)碼測色法較為接近分光測色計測色結(jié)果。

將不同測色方法所得色彩轉(zhuǎn)化成色塊圖與實物進行對比，發(fā)現(xiàn)數(shù)碼測色法更接近于目測效果，分光測色計次之，色差儀最差。雖然分光測色計測色和色差儀的方法獲取顏色更為公認，但測量纖維顏色時，受儀器測量孔徑的限制，測量前需要對試樣進行預(yù)處理。此外，在通過物理定位對被測纖維指定位置的顏色測量時，纖維柔軟易扭曲變形的特點易影響測量結(jié)果的準確性。因此，盡管分光光度法顏色測量儀器是目前紡織行業(yè)最常用的儀器，但測量混色纖維顏色時，存在一定的局限性[9]

數(shù)碼測色法不受外部光源、環(huán)境和纖維狀態(tài)的影響，能夠直接獲取框選區(qū)域的平均色彩值，測色便捷準確，因此更為適合于色紡企業(yè)混色纖維樣品測量，選擇數(shù)碼測色法作為獲取纖維色彩的方式

2 纖維測色影響因素探究

纖維是一種柔軟，表面光澤且內(nèi)部不均勻的半透明材料，樣品的顏色不僅與有色纖維自身結(jié)構(gòu)和染色均勻度有關(guān)，還受排列方式、厚度、混色均勻度等因素的影響，這些因素可能會影響測量數(shù)據(jù)的準確性。因此，需分析不同參數(shù)設(shè)定下纖維樣品的顏色變化趨勢，以確定纖維樣品狀態(tài)[4]，確保讀數(shù)的準確性和穩(wěn)定性。

2. 1 纖維顏色測量的影響因素

2. 1.1 排列方式

將梳理后的 0.1g 纖維按照同向排列、橫縱交叉排列、自然排列3種方式排列，并將每種方式排列的纖維框入長度為 2cm 自制正方形硬紙板內(nèi)，研究纖維排列方式對讀色的影響。纖維排列方式示意圖如圖2所示。

2. 1. 2 框選讀色方式

為了驗證不同讀色方式對數(shù)碼測色法結(jié)果的影響，測量 0.1g 纖維同向排列的顏色值，采用兩種讀色方法：1）將整個掃描區(qū)域分為16個小區(qū)域，讀取各自數(shù)值并計算平均值;2）框選整個區(qū)域直接讀取其數(shù)值。

2.1.3 纖維克重

為避免壓力不同導(dǎo)致的纖維密度變化，本文測色均采用同一方框框取樣本。纖維樣品克重不同，會導(dǎo)致纖維厚度和密度的變化，而纖維內(nèi)空隙不同會影響光的反射方向，從而影響測色結(jié)果。使用天平依次稱取紅（R）、藍（B）、黃（Y）3種纖維0.05、0.10，0.15，0.20，0.25g 和 0.30g ，框人 2cm 的方框內(nèi)，測量不同質(zhì)量纖維的顏色值。

2.1.4多色纖維混合梳理次數(shù)

混色纖維顏色測量中，各組分有色纖維的混合均勻度會影響顏色測量結(jié)果的穩(wěn)定性和準確性。實際混合兩色纖維時，需要考慮到連續(xù)梳理幾次才可以做到充分混合。因此選取紅、藍、黃3種纖維，50/50兩兩混色，每個樣品 0.1g ，每經(jīng)纖維引伸儀梳理兩次后，測量樣品的顏色值。

2.2 分析與討論

2.2.1 纖維不同排列方式對顏色測量的影響

對纖維顏色進行測量，發(fā)現(xiàn)不同排列方式對有色纖維的 L^* 值影響較大，纖維不同排列方式之間的ΔL^* 如表4所示。

光束照在纖維表面時，一部分發(fā)生反射，另一部分進入纖維內(nèi)部，不同排列方式會造成纖維間縫隙差異，同向排列纖維較為緊密，光反射方向一致；交叉排列或任意排列的纖維則導(dǎo)致光的反射方向是隨機。不同方向反射光會對 L^* 值造成不規(guī)律影響，同時纖維間縫隙的多少，也會造成 L^* 值的波動。因此為了確保顏色測量的一致性，試驗時使用引伸儀將纖維牽伸成縱向平行排列狀態(tài)進行測量。

2.2.2 不同讀色方式對顏色測量的影響

兩種框選方法讀取結(jié)果RGB值相差不大， ΔR ）ΔG，ΔB 都在1之內(nèi)，差值很小，如表5所示

由表5可知，采用分區(qū)取色取平均值的方式，與直接讀取整個區(qū)域的顏色值結(jié)果一致。進一步說明，數(shù)碼測色法在讀取框選區(qū)域內(nèi)各像素點的顏色平均時較為準確，不會造成顏色損失?？蜻x整個區(qū)域測色不僅方便，還彌補了分光測色計與色差儀讀色因孔徑有限只能取多點測色并計算平均色的不足，

2.2.3 不同質(zhì)量纖維對顏色測量的影響

在測量框內(nèi)框入不同克數(shù)的纖維，會導(dǎo)致纖維之間的相互作用力與纖維密度發(fā)生改變，影響顏色測量結(jié)果。表6為不同質(zhì)量纖維之間的色差。

纖維密度較低時，纖維間相互作用力小，空隙較多，會造成纖維表面光反射方向不一致。隨著纖維樣品質(zhì)量從 0.05g 遞增到 0.30g ，色差均小于0.2。這是由于 0.05g 纖維可在邊長為 2cm 的正方形方框內(nèi)達到一定密度，形成較為緊密的不透光纖維體，隨著樣品質(zhì)量增加，纖維顏色不變

2.2.4多色纖維混合次數(shù)對顏色測量的影響

探究有色纖維混色的顏色值，需要確定引伸儀梳理次數(shù)對測色結(jié)果的影響，梳理前后混色樣品的色差值變化如圖3所示。

由圖3可以發(fā)現(xiàn)，隨著梳理次數(shù)增加，樣品在梳理前后的色差逐步減小，并在梳理8次后逐漸趨向平穩(wěn)，梳理10次后，色差值均小于0.5，達到4-5級。因此在本文實驗中，不同組分有色纖維按質(zhì)量占比稱重后，在引伸儀上連續(xù)梳理10次，以確保均勻分布，從而保證樣品顏色測量結(jié)果的穩(wěn)定可靠。

由上述測試可知，為避免樣品參數(shù)差異對測色結(jié)果的影響，在后續(xù)混色實驗中，設(shè)置纖維樣品測試的標準狀態(tài)：每種混色樣品取5個測試樣，每個試樣質(zhì)量固定為 ，經(jīng)引伸儀梳理10次，形成混色均勻的同向排列狀態(tài)，并框入同一硬紙板內(nèi)進行讀色，最終測色結(jié)果取平均值

3 混色效果預(yù)測

3.1 混色纖維樣品制備

將白（W）、黑（K）、紅（R）、藍（B）和黃（Y）5種顏色的再生纖維樣品，進行手動扯松，使用纖維引伸儀梳理及混合。兩種顏色纖維組合方式分別為：白黑、白紅、白藍、白黃、黑紅、黑藍、黑黃、紅藍、紅黃、藍黃，共有10組，每組包含9個不同質(zhì)量占比，分別為 10/90.20/80.30/70.40/60.50/50.60/40.70/30 80/20、90/10，共90個樣品，3組分樣品由紅（R）、藍（B）、黃（Y）3種顏色纖維按表7中質(zhì)量比例混合梳理制備，共36個樣品

色紡企業(yè)通常通過2＼～5種有色纖維，按照特定比例混合實現(xiàn)所需色彩，以紅（R）、藍（B）、黃（Y）3種彩色纖維混合為例，3種纖維 B（R_b，G_b，B_b），Y（R_y，G_y，B_y） 以混合比： x=W_r/（W_r+ W_b+W_y ）； ）； z=W_y/（ΔW_r+ΔW_b+ W_y） 。均勻混合 （W_r，W_b，W_y 分別為質(zhì)量）得到纖維集合體 T（R_t，G_t，B_t） ，其顏色 RGB 值為 R_ι=xR_ι+yR_b （20 +zR_y ： B_t=xB_r+yB_b+zB_y [10]。由此可以計算有色纖維混合后的顏色值。

有色纖維的混合不僅是簡單的色彩混合，還存在空間置并[1I-I2]。因此，根據(jù)色彩比例計算的混色纖維顏色與實際測色值會存在誤差，為解決這一問題，將計算的顏色值與實際測量的顏色值轉(zhuǎn)化為 L^* a^*b^* 值，通過神經(jīng)網(wǎng)絡(luò)擬合預(yù)測，輸入層為計算得出的樣品 L^*a^*b^* 值，輸出層為實際樣品的 L^*a^*b^* 值，通過輸入混合纖維的比例，預(yù)測混合后纖維樣的實際 L^*a^*b^* 值。

3.2 神經(jīng)網(wǎng)絡(luò)原理及計算過程

神經(jīng)網(wǎng)絡(luò)是一種由大量神經(jīng)元相互連接組成的網(wǎng)絡(luò)，具備強大的非線性映射能力。輸人層接收原始數(shù)據(jù)，隱藏層對數(shù)據(jù)進行轉(zhuǎn)換和學(xué)習(xí)特征表示，然后由輸出層提供結(jié)果[13]。LSTM是一種特殊的遞歸神經(jīng)網(wǎng)絡(luò)，引入了復(fù)雜的門控機制，以捕捉長期依賴關(guān)系，具有較為突出的數(shù)據(jù)擬合能力，并避免梯度消失問題。本文通過Python構(gòu)建混色纖維計算的理論 L^*a^*b^* 值與實際測量混色樣本 L^*a^*b^* 值的LSTM擬合預(yù)測模型

3.2.1 建立網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)建立主要包含數(shù)據(jù)預(yù)處理、訓(xùn)練集劃分、神經(jīng)元點數(shù)確定及其它參數(shù)設(shè)定。首先對數(shù)據(jù)進行預(yù)處理，使用Min-Max對數(shù)據(jù)進行歸一化將數(shù)據(jù)縮放到0＼～1之間，提高數(shù)據(jù)之間可比性和模型的準確性。其次將數(shù)據(jù)隨機劃分為訓(xùn)練集與測試集，80% 數(shù)據(jù)用于訓(xùn)練， 20% 用于測試。隱藏維度是處理復(fù)雜數(shù)據(jù)的關(guān)鍵，通過逐個仿真試驗不同隱藏維度，觀察其相關(guān)系數(shù)，當輸入特征維度3，隱藏維度12時，兩個全連接層進行數(shù)據(jù)非線性轉(zhuǎn)換分類和回歸，擬合效果最佳。為了優(yōu)化算法，利用自適應(yīng)動量（Adaptivemomentum，Adam）提高擬合效率，避免模型陷入局部最優(yōu)解，學(xué)習(xí)效率為0.001。為了訓(xùn)練并保存最佳模型，使用均方誤差（Mean square error，MSE）算法比較損失程度，衡量模型的預(yù)測性能。最終加載最佳模型對混色后實際結(jié)果進行預(yù)測，并將預(yù)測結(jié)果反歸一化[14-15] 。

3.2.2 三次樣條插值擬合

采用三次樣條擬合插值的方法，構(gòu)造三次多項式擬合相鄰數(shù)據(jù)點，使得每個數(shù)據(jù)點都具有連續(xù)的一階和二階導(dǎo)數(shù)，對每兩個相鄰的數(shù)據(jù)點進行數(shù)據(jù)插值和平滑處理[14] O

即對于數(shù)據(jù)點 （x₀，y₀），（x₁，y₁），（x₂，y₂），…， 。那么每個區(qū)間可以構(gòu)造一個三次多項式：

s_i（x）=a_i+b_i（x-x_i）+c_i（x-x_i）²+d_i（x-x_i）³

式中： i=0，1，…，n-1 ，且 a_i，b_i，c_i，d_i 為多項式系數(shù)。

為了保證曲線光滑性，必須滿足：樣條函數(shù)在所有區(qū)間點上連續(xù)，且所有內(nèi)部節(jié)點上的一階、二階導(dǎo)數(shù)也連續(xù)。

對10組兩兩混合、紅藍黃三色混合，共11個混色系列的 L^*，a^*，b^* 值分別進行三次條樣插值擬合，跨度為10比例范圍內(nèi)，生成步長為1的各纖維比例對應(yīng)的 L^*，a^*，b^* 值。為了避免過多插值影響數(shù)據(jù)的真實性，對于顏色比例跨度小于10時，不進行插值。

三次條樣插值-LSTM預(yù)測路線如圖4所示。

3.3 結(jié)果與分析

3.3.1 不同方法擬合效果比較

神經(jīng)網(wǎng)絡(luò)直接擬合與插值后神經(jīng)網(wǎng)絡(luò)擬合的訓(xùn)練次數(shù)和決定系數(shù) R² 的訓(xùn)練集結(jié)果對比如圖5所示。

直接擬合迭代300次后， R² 大于0.8，迭代1000次擬合后的最佳模型均方誤差3.80，平均絕對誤差2.99， R²=0.9466 。三次樣條插值優(yōu)化后神經(jīng)網(wǎng)絡(luò)預(yù)測迭代300次后最佳模型的均方誤差2.10，平均絕對誤差1.59， R²=0.9850 ?？芍逯岛笥?xùn)練模型的預(yù)測效果更好，因此本文對插值后的數(shù)據(jù)進行擬合。

3.3.2 模型對比

為了評估改進后的LSTM的預(yù)測效果，設(shè)計對比試驗，使用原始數(shù)據(jù)集的BP神經(jīng)網(wǎng)絡(luò)[15]（記BP）與優(yōu)化后的LSTM網(wǎng)絡(luò)（記LSTM）對未參與訓(xùn)練的30個混色樣本進行顏色預(yù)測的驗證，并計算色差值，不同方式預(yù)測的平均色差及色差分布如表8所示。

由表8可知，LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測的色差較小，且色差小于4-5級的樣本占總測試樣本的 63% ，大大提高了預(yù)測精度，能達到工廠允許的色差范圍。

3.3.3 預(yù)測模型驗證

優(yōu)化的LSTM神經(jīng)網(wǎng)絡(luò)測試集的30組數(shù)據(jù)L^*?a^*?b^* 值，預(yù)測結(jié)果對比圖如圖6所示，預(yù)測值與實際值基本一致。

為了進一步驗證LSTM模型的應(yīng)用能力，按照試樣所用的白（W）、黑（K）、紅（R）、藍（B）、黃（Y），以任意比例制成兩色混色樣（依次編號S1-S4）和紅

藍黃3色混色樣（編號T1-T4），計算預(yù)測值與實際測量得到的 L^*a^*b^* 值之間的色差，驗證預(yù)測模型的準確度，對比數(shù)據(jù)見表9、表10。

由表9、表10可知，兩色纖維混合，平均色差為1.37，最大色差為2.58，最小為0.35；三色混合樣平均色差為1.88，最大色差為2.35，最小為1.25。在兩色混色試樣中，預(yù)測效果較好，但最大值與最小值預(yù)測偏差較大；在三色混合試樣中，色差值整體大于4級，預(yù)測效果較差。因此在實際生產(chǎn)中，應(yīng)增加三色混合的訓(xùn)練樣本，進一步優(yōu)化預(yù)測模型

4結(jié)論

本文通過對比研究，選擇適合纖維狀態(tài)的取色方法——數(shù)碼測色法來確定纖維樣品參數(shù)，以確保有色纖維樣品測量的準確性和穩(wěn)定性，并優(yōu)化顏色預(yù)測方法，得出以下結(jié)論：

a）掃描儀-數(shù)碼測色法制樣簡便，讀色后轉(zhuǎn)換為色塊圖，最接近人眼效果，且便于纖維狀態(tài)的樣品測量。

b）掃描儀-數(shù)碼測色法可以直接框選整個區(qū)域進行混色樣品測量，無需多點測色，制樣簡便，適合混色樣品平均顏色的測量

c）使用LSTM預(yù)測模型預(yù)測多色纖維混合后的實際 L^*?a^*?b^* 值，決定系數(shù)達到0.9850，其中 63% 的樣本色差小于1，兩色混色樣品的預(yù)測效果優(yōu)于三色混色樣品，后續(xù)還需增加三色混合的訓(xùn)練樣本，進一步優(yōu)化預(yù)測模型

參考文獻：

[1］張方，黃偉，楊浚源，等．廢舊紡織品剝色技術(shù)研究進展［J].合成纖維，2023，52（4）：46-50.ZHANGF，HUANGW，YANGJY，et al. Research progressofcolor stripping technology of waste textiles[J]．Synthetic Fiber inChina，2023，52（4）：46-50.

［2］羅欣桐．引領(lǐng)“環(huán)保酷時尚”，讓色紡紗融入生活華孚時尚亮相中國（青島）國際時裝周[J]．紡織服裝周刊，2020（34）：6.LUO X T. Leading \" environmental protection and cool fashion\" andintegratingcolor spinninginto life huafu fashion appeared at China（Qingdao） international fashion week[J]. Textile Apparel Weekly，2020（34） ： 6.

［3］辛春莉，王子玉，周建，等．數(shù)碼相機在染色織物色差測量中的應(yīng)用[J]．紡織學(xué)報，2018，39（8）：77-82.XIN C L，WANG Z Y，ZHOU J，et al. Color differencemeasurement of dyed fabricsusing digital camera[J]. Journal ofTextile Research，2018，39（8）：77-82.

［4］張戈，周建，王蕾，等．用分光光度計法測量纖維顏色的影響因素[J].紡織學(xué)報，2020，41（4）：72-77.ZHANG G， ZHOU J，WANG L，et al. Influencing factors for fibercolor measurement by spectrophotometer[J].Journal of TextileResearch，2020，41（4）：72-77.

[5]張向麗，劉錦瑞，孫麗霞，等.紡織品色牢度自動評級系統(tǒng)性能的研究[J].現(xiàn)代紡織技術(shù)，2019，27（6）：86-90.ZHANG XL，LIU JR，SUNL X，et al.Study on properties ofautomatic rating system for textiles color fastness[J]. AdvancedTextile Technology，2019，27（6）：86-90.

[6]章斐燕，金亦佳，李啟正，等.空間并置混色色織物顏色預(yù)測方法的比較[J].絲綢，2014，51（11）：22-27.ZHANGFY，JIN YJ，LIQ Z，et al.Comparation of colorprediction methods of yarn-dyed fabricswith spatial juxtaposition[J].Journal of Silk，2014，51（11） ： 22-27.

［7］李學(xué)深，朱勇．基于機器視覺的織物色差檢測方法研究進展[J]．毛紡科技，2024，52（5）：134-141.LI X S，ZHU Y. Research progress of fabric color differencedetection based on machine vision[J]．Wool Textile Journal，2024，52（5） ：134-141.

[8］洪亮，劉天勵，宋俊康．RGB 到 Lab 色彩轉(zhuǎn)換在 Photoshop 和Matlab中的應(yīng)用對比[J]．廣東印刷，2023，（1）：19-21.HONGL，LIU TM，SONGJK.Comparison of RGB to Lab colorconversion applications in photoshop and matlab[J]. GuangdongPrint，2023，（1）：19-21.

[9]裘柯檳，陳維國，周華，等．成像技術(shù)在紡織品顏色測量中的應(yīng)用進展[J]．紡織學(xué)報，2020，41（9）：155-161.QIU K B， CHEN W G， ZHOU H， et al. Research and developmentof textile color measurement based on imaging technologies[J].Journal of Textile Research，2020，41（9）：155-161.

[10］張震，崔鵬，薛元，等．彩色纖維數(shù)字化混色構(gòu)建的漸變色譜及漸變色紗線的紡制實踐[J]．紡織導(dǎo)報，2019（10）：60-64.ZHANG Z，CUI P，XUE Y，et al. Gradient chromatographyconstructed by digital color mixing of colored fibersand spunpractice of related gradient yarns[J]. China Textile Leader，2019（10）：60-64.

[11]汪燕燕，薛元，陳宥融，等.面向全色域轉(zhuǎn)杯紡紗的Kubelka-Munk 雙常數(shù)理論模型構(gòu)建及顏色預(yù)測[J].現(xiàn)代紡織技術(shù)，2024，32（3） ：1-13.WANG Y Y， XUE Y，CHEN YR，et al. Kubelka-Munk dualconstant theory for the construction of full color gamut rotor spinningand color prediction[J].Advanced Textile Technology，2024，32（3）： 1-13.

[12］張毅，王妮，張瑞云，等．色紡紗成色機理的探討[J]．棉紡織技術(shù)，2019，47（4）：18-24.ZHANG Y，WANG N，ZHANG R Y，et al．Discussion on thecoloring mechanism of colored spun yarn[J]. Cotton TextileTechnology，2019，47（4）：18-24.

［13］董佳樂，吳曉康，楊宛頤，等．基于神經(jīng)網(wǎng)絡(luò)和多元統(tǒng)計分析的動態(tài)預(yù)測建模分析[J]．數(shù)字技術(shù)與應(yīng)用，2024，42（4）：205-207.DONG JL，WU X K， YANG W Y，et al. Dynamic predictionmodeling analysis based on neural network and multivariatestatistical analysis[J]．Digital Technologyamp; Application，2024，42（4）：205-207.

[14］李娟娟，薛元，徐志武，等.基于 BP 神經(jīng)網(wǎng)絡(luò)的全色域彩色紗顏色預(yù)測模型構(gòu)建[J].紡織高?；A(chǔ)科學(xué)學(xué)報，2023，36（4）：37-46.LI JJ，XUE Y，XU Z W，et al. Construction of a color predictionmodel for full color domain color yarn based on BP neural network[J].Basic Sciences Jourmal of Textile Universities，2023，36（4）：37-46.

[15］項多聞，李少聰，王旭，等．原液著色滌綸短纖維、紗線及織物的顏色預(yù)測[J]．絲綢，2024，61（9）：64-71.XIANG D W，LI S C，WANG X，et al.Color prediction ofpolyester staple fibers，yarns，and fabrics colored with raw liquid[J]. Journal of Silk，2024，61（9）： 64-71.

Abstract： In 2O22，the General Officeof the State Council issued \"Implementation Opinions on Accelerating the Circular Utilization of Waste Textiles\"，which set a target of achieving a recovery and reuse rate of 50% for waste textiles by 2025.With the development of regeneration technology and the enhanced awareness of enterprises towards reuse，the spinnability of recycled fibers has been continuously improved.The production of colored-spun yarnfrom recycled colored fibersrepresents a new direction for the development of waste textilesto avoid decolorization treatment.

To realize the color recovery of recycled colored fibers，this paper proposes a digital prediction path for the color mixing process in colored-spun yarn production.First of all，the accurate measurement of fiber color is the basis of color mixing research.Due to the fluffand deformable nature offibers，they are typically converted into yarn or woven into smallsamples for indirect color measurement in actual production.For this reason，this paper adopts 0.lg fiber carding into the same direction arrangement， tightly opaque state，and with homemade edge length of 2 cm square cardboard for color reading. The RGB values of the colored fibers are collected using digital colorimetry and converted into L^* ， a^* and b^* values. Compared with the color measurement resultsof spectrophotometer and colorimeter，digital colorimetrycan directly read theaverage color of the selected area without the limitation of the test aperture size.The results，converted into color patches，are closer to visual inspection and are suitable for reading thecolors of mixed fibers.Secondly，this paper explores the factors affecting thecolor measurement process of fiber samples.Experiments show that fibers need to be combed into a unidirectionally paralel and opaque state during measurement. To avoid the influence of diferent pressures on fiber density，the sample mass is fixed at 0.1g ， and the same self-made color measurement cardboard is used for measurement.At the same time，in order to ensure the uniformity of the fiber color mixing，it is necessary to use thefiberextensometer to mix the fiber1O times to ensure the stabilityof thecolor measurementresults.Finaly，this paper employs aneural network for fiting and prediction bycomparing the theoretical color mixing results calculated using the color averaging method with the actual L^*，a^* and b^* values of the mixed fiber samples. The input layer consists of the theoretical color mixing L^*，a^* and b^* values calculated after mixing fibers according to a specific ratio，while the output layer represents the actual L^*，a^* and b^* values of the samples. The hidden layer performs nonlinear fiting and prediction on theoptimized data.Theresults show a coeffcient of determination reaching 0.9850，with 63% of the samples having a color difference of less than 1.

This method enables digital control of the color of mixed samples，which not only facilitates rapid prototyping and accelerates new product development butalso simplifies digital communication and expresion of color information.In the future，we need to increase the number of training samples to improvethe accuracy of prediction and，on the basis of ensuring accuracy，expand the data set to include diferent types of fibers，so as to provide more effective color matching prediction reference for color textile enterprises.

Keywords：recycled colored fibers；fiber color measurement： fibercolor matching；color mixing prediction； neural networks