色紡針織物緊密程度對顏色預測的影響

楊 柳， 李羽佳， 張 鑫， 何文婧， 童勝昊， 馬 磊， 張 毅， 張瑞云,5

(1. 東華大學 紡織面料技術教育部重點實驗室， 上海 201620； 2. 浙江金梭紡織有限公司， 浙江 金華 321000； 3. 中國紡織信息中心， 北京 100020； 4. 浙江省常山紡織有限責任公司， 浙江 衢州 324200； 5. 上海市紡織智能制造與工程一帶一路國際聯合實驗室， 上海 200051)

色紡織物是先將各種本色纖維染成有色纖維，然后選取2種或者2種以上不同顏色的色纖維，按照設定的質量比經充分混合后紡制而成，具有特別的朦朧的混色效果[1]。相比坯布和成品染色，其染色工藝能源消耗更少，污染排放更低。同時色紡織物在各領域的應用很廣泛，需求量也與日劇增，因此色紡產業發展前景廣闊，發展空間巨大。色紡織物的生產具有“批量小、品種多、變化大、翻改頻繁”的特點[2]，在實際生產過程中如何精準地控制色紡織物的顏色是急需解決的重要課題。

影響色紡織物顏色的因素很多，色纖維的種類、不同色纖維的質量比、紗線的線密度、捻度、組織結構和經緯密度等都對色紡織物最后的顏色呈現有不同程度的影響。其中，Saeideh等[3]對幾種不同顏色紗線織成的不同織物組織結構針織物的表面顏色效果風格進行了研究，結果顯示, 是織物的紋理結構，而不是織物的粗糙度更能影響織物的顏色效果，但是織物的紋理結構并不是唯一的影響因素。楊文芳等[4]研究表明，捻系數不僅影響成紗顏色的深淺，還影響著成紗顏色的明度及色相。何文婧等[5]研究表明織物組織和紗線的彎紗深度對色紡針織物的明度有一定程度的影響，但對針織物的飽和度和色相幾乎無影響。這些研究都只是探討了織物結構對織物表觀顏色呈現上的影響趨勢，在指導實際生產時意義甚微。

織物的顏色預測模型主要有Stearns-Noechel模型[6-7]、Friele模型[8]和Kubelka-Munk模型[9]，其中，Stearns-Noechel模型相比Friele模型更簡潔，顏色預測準確度也相對較高。國內外已有部分學者對Stearns-Noechel模型做了一些研究，對于模型中待定參數M的確定提出了不同的優化方法。本文選用Stearns-Noechel模型作為顏色預測模型，確認模型中待定參數M時，引入色紡織物的緊密程度常數，以擬合色差最小時對應的M值為最優參數，探索色紡織物的緊密程度對顏色預測模型參數的影響。

1 實驗部分

1.1 實驗材料及設備

材料：染色棉纖維(浙江省常山紡織責任有限公司提供)，選用紅和藍2種色纖維，纖維長度為29 mm，線密度為1.87 dtex。

儀器：LS600電子秤，杭州友恒稱重設備有限公司；A186F型梳棉機，青島紡織機械廠；A272F型并條機，沈陽紡織機械廠；A454G型粗紗機，天津紡織機械廠；A513F型環錠細紗機，上海第二紡織機械廠；LXC-352SCV-14G型電腦橫機，江蘇金龍科技股份有限公司；850型分光光度計測色儀，美國Datacolor公司產品；Nikon ECLIPES LV 100N POL型顯微鏡，北京創誠致佳科技有限公司。

1.2 織物制備

紅藍色纖維按不同比例從1∶9到9∶1依次混合，然后通過梳棉機梳理2～3次，使得色纖維均勻混合，再依次通過并條、粗紗和細紗機紡制成線密度為19.4 tex的色紡紗，每管紗由電腦橫機織成不同緊密程度的色紡針織物。有研究表明，彎紗深度增加會使織物線圈圈弧和圈柱長度增加，使得針織物孔隙率增加，織物總體緊密程度減小[5,10]，因此，不同緊密程度色紡針織物，可通過在同一彎紗深度時設置織物的不同組織結構或者同一組織時改變織物的彎紗深度來實現。本文中，當彎紗深度一定時，即電腦橫機的度目設置為80度目時，織造平針、1+1羅紋和雙反面色紡針織物；當彎紗深度改變時，電腦橫機度目分別設置為70和90度目，織造平針織物；一共織造45塊色紡針織物。

1.3 織物反射率測量

采用分光光度計測色儀測量織物反射率。實驗時，儀器預熱30 min，選取標準光源D65和10°視場并校正。為了盡可能消除織物測試范圍大小造成的色差，選擇最大測色孔徑30 mm。每個樣品在不同位置多次測量，使得測量偏差小于0.1，取平均值，記錄樣品在可見光波長范圍為380～700 nm時的光譜反射率值，間隔10 nm取值。分別測試色紡針織物單層和折疊4層(不透光)時光譜反射率值。

1.4 織物緊密程度測量

色紡針織物緊密程度用織物表面孔隙率來表示。織物表面孔隙率是織物表面孔隙面積與織物總表面積比值，本文采用圖像法計算織物的表面孔隙率。顯微鏡放大40倍時，用照相機采集織物多個位置的原始圖像，然后用Image J軟件對織物表面圖像進行灰度處理，如圖1所示。原始圖像導入軟件后，轉化為灰度圖像，其中白色像素點表示織物中孔隙占據的區域，黑色像素點則表示紗線區域。表面孔隙率計算公式為

P=A0/A×100%

式中：P為織物表面孔隙率，%；A0為織物表面孔隙像素點個數；A為織物表面總的像素點個數。

圖1 Image J 圖像處理Fig.1 Image processing of Image J. (a) Original image; (b) Grayscale image

2 待定參數M的確定及顏色預測

2.1 M的固定參數法確定

Stearns-Noechel模型公式為

用Stearns-Noechel模型進行顏色預測，首先需確定模型中的待定參數M，參數的確定方法很多，前期對參數的優化方法已有一些研究[11-12]，本文選用固定參數法。

運用MatLab軟件進行迭代計算，M的取值為0.001 0～1.000 0，間隔設為0.000 1，混色擬合樣與目標樣達到最小匹配色差時停止計算，輸出M值，去除因實驗操作誤差等原因產生的異常值，根據參數M的集中趨勢，選取中位數作為最優參數M。即模型中的M變為一個固定的常數值。按此方法，每類不同緊密程度織物隨機留一塊用于驗證，其他織物用于求解預測模型中的M。得到的不同緊密度織物對應的M值及預測色差見表1?？芍琈的取值在0.200 0～0.300 0之間，根據GB/T 8424.3—2001《紡織品 色牢度試驗 色差計算》中色差公式計算得到的對應的預測色差CMC(2∶1)(簡寫為CMC)大于2.00。

表1 預測模型中參數M取值及相應預測色差Tab.1 Value of parameter M in prediction model and corresponding prediction color difference

2.2 引入織物緊密程度常數后Mp的確定

混合樣擬合反射率的公式為

式中：Ri(λ)表示波長λ下第i組分色纖維的反射率；xi表示第i組分色纖維占混色織物總質量比例。

織物緊密程度常數用織物的孔隙率來描述，則上式變為

F(Rλ,m)=ρF(Rλ,0)+(1-ρ)[C1F(Rλ,1)+C2F(Rλ,2)]

式中：F[Rλ,m]為關于反射率的函數；Rλ,m為混合樣在不同波長下的反射率；ρ為織物的緊密程度常數，其數值為織物表面孔隙率，%；Rλ,0為背景白板在不同波長下的反射率；Rλ,1、Rλ,2、C1和C2分別為紅色纖維和藍色纖維在不同波長下的反射率和混合比例。同樣地，運用MatLab軟件進行迭代計算，與前面計算過程相似，得到的最佳參數M命名為Mp。不同緊密程度織物對應的Mp值及預測色差見表1。由表可知，Mp取值基本在0.300 0左右，大于相應的M值，且預測色差明顯的小于未引入常數時的預測色差。

3 結果與分析

3.1 折疊層數對織物顏色測量的影響

為避免測試背景通過織物間隙影響織物顏色的測量結果，一般推薦將織物折疊多層在不透光的情況下測試。本文實驗測試了單層和折疊4層織物的反射率，然后再將反射率通過相應公式換算為CIELAB顏色特征值，再根據GB/T 7921—2008《均勻色空間和色差公式》中色差公式計算CIELAB(簡寫為ELAB)色差，根據GB/T 8424.3—2001《紡織品 色牢度試驗 色差計算》中色差公式計算CMC色差，根據GB/T 7921—2008中色差公式計算CIEDE2000(2∶1∶1)(簡寫為E00)色差。不同層數色紡針織物顏色測量結果的色差統計如表2所示。

表2 單層和4層色紡針織物間平均色差Tab.2 Average color difference between single-layer and four-layer fabrics

從表2可看出，單層和4層織物間的色差為0.100～0.500個色差單位，表明織物折疊對于顏色測量結果存在較小影響。即當織物緊密程度達到一定程度時，如本文中織造的織物，折疊多層對顏色測量的影響可以忽略。李啟正[13]在機織物的交織混色顏色預測研究中也推薦測試交織混色織物不必折疊多層進行反射率測試。為了更好地探究織物緊密程度對色紡針織物顏色預測的影響，選擇單層織物測量的反射率為研究對象。從表2還可看出，不同色差公式得到的色差值不一樣，其中ELAB色差最大，CMC色差次之，E00最小。本文后續色差計算采用國標推薦的紡織品CMC色差公式計算色差。

3.2 織物的緊密程度對顏色預測的影響

本文實驗采集了每塊織物4個不同部位的圖像分別統計，取平均值作為該織物的表面孔隙率，用于描述色紡針織物的緊密程度。不同類別色紡針織物的表面孔隙率結果如圖2所示?？煽闯觯斂椢锝M織不變時，織物的表面孔隙率隨織物度目的增大而變大，織物緊密程度逐漸變小；橫機織造度目不變時，組織結構不同，織物的孔隙率不同，緊密程度不同，其中雙反面織物孔隙率最小，織物最緊密。

圖2 預測模型未知參數與不同緊密程度織物關系圖Fig.2 Histogram of parameters in prediction model and surface porosity of fabrics

為更直觀地分析織物緊密程度對顏色預測模型待定參數M的取值及預測色差的影響，根據表1和圖2的數據得到預測模型中待定參數的取值及織物表面孔隙率和不同緊密程度針織物的關系(如圖2所示)。

由圖2可看出，計算混色樣反射率函數時，未引入織物緊密程度常數時，得到的M值較引入織物緊密度時的Mp小。當織物組織相同時，增大電腦橫機度目，即線圈彎紗深度變大，織物線圈圈弧和圈柱長度變長，織物的表面孔隙率變大，緊密程度逐漸變小；M值有逐漸變小的趨勢，但變化很??；而Mp卻呈逐漸明顯增大的趨勢，從平針70度目的0.292 1到90度目的0.347 1。當織機度目一定時，即線圈彎紗深度一致時，織物的表面孔隙率隨織物組織結構的變化而變化，平針織物的表面孔隙率最大，織物最不緊密，雙反面織物的表面孔隙率最小，織物最緊密；M值隨著織物緊密程度的增加，逐漸增大，從平針的0.226 0到雙反面的0.281 0；但Mp卻呈逐漸變小的趨勢，且趨勢不明顯。

對比表1中引入織物緊密程度常數前后的預測色差，引入織物緊密程度常數后，預測色差明顯小于未引入織物緊密程度常數，預測顏色更接近目標樣?？椢锉砻婵紫堵首畲?，緊密程度最小的平針織物90度目的預測色差差值最大，CMC色差差值達到了0.28。而織物表面孔隙率最小，緊密程度最大的雙反面織物CMC色差差值最小。這說明織物越不緊密越應該考慮織物孔隙對色紡針織物顏色預測的影響。

3.3 預測驗證

圖3示出不同緊密程度織物的目標樣反射率和預測反射率。

圖3 不同緊密程度織物的目標樣反射率和預測反射率Fig.3 Actual and predicted reflectance of fabrics with different surface porosity. (a) Flat stitch with 70 degrees; (b) Flat stitch with 80 degrees; (c) Flat stitch with 90 degrees; (d)1+1 ribbed stitch with 80 degrees; (e) Purl stitch with 80 degrees

引入織物緊密程度常數后，得到的Stearns-Noechel預測模型中的參數Mp較不引入常數得到的M值大，但預測色差更小。為了進一步驗證引入織物緊密程度常數后模型預測更準確，選取某一比例的不同緊密程度的織物進行實驗，對比引入織物緊密程度常數前后預測的反射率R。首先，預測的反射率和實際反射率有一定偏差，這主要與確定預測模中的待定參數M的方法有關，本文采用的固定參數法。如果用更優化的方法確定M值，預測反射率會更接近實際反射率。其次，每個圖中引入織物緊密程度常數后得到的預測模型預測的織物反射率曲線較未引入織物緊密程度常數得到的模型預測的反射率更接近目標樣的反射率，可以認為預測更準確。除此，對比不同緊密程度織物的預測反射率，最緊密的雙反面織物，引入織物緊密程度常數前后二者間的差距最小，而緊密程度最小的平針織物90度目二者間的差距最大，也驗證了織物越不緊密越應該考慮織物孔隙對色紡針織物顏色預測的影響。

4 結 論

1)對于色紡針織物，折疊層數對織物反射率的測量有一定的影響，當織物表面孔隙達到一定程度時，織物較為緊密，光線照射在織物表面時，折疊層數對顏色測量的影響會相應減小，不同折疊層數間的色差更小。為防止織物正反面色彩的不同，建議單層測量織物顏色。

2)織物表面孔隙率越大，織物緊密程度越小，引入織物緊密程度常數后，得到的Stearns-Noechel預測模型中的參數Mp較不引入常數得到的M值大，預測色差更小。通過驗證，引入織物緊密程度常數后預測的反射率更接近實際反射率,但由于確定預測模型中待定參數的方法選用的固定參數法，使得預測的反射率與實際反射率有一定偏差。后續將探索更優化的待定參數M的確定方法，同時引入織物緊密程度常數，針對不同緊密程度的織物顏色預測將更準確，預測結果也能更好地指導配色專家對不同緊密程度的織物的配色。

FZXB