(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910714250.4
(22)申请日 2019.08.03
(71)申请人 南京戎智信息创新研究院有限公司
地址 210032 江苏省南京市江北新区星火
路19号星智汇商务花园9号楼2层204
(72)发明人 高丽 李笑忠
(51)Int.Cl.
G06T 7/90(2017.01)
(54)发明名称一种利用人工智能实现颜对结构设计的方法(57)摘要本发明公开了一种利用人工智能实现颜对结构设计的方法，直接由所需要的颜给出能够实现该颜的微观结构，具体包括以下步骤：S1、输入所需要的颜或颜组合；S2、对各像素点的颜进行分析得到颜参数；S3、各点的颜参数依次输入到训练好的串联神经网络中，串联神经网络通过已知的结构颜联系给出能够获得该颜的微纳结构的各参数。直接由所需要的颜给出能够实现该颜的微观结构，从而实现结构的直接设计；生成足够数量能够支撑实际应用的结构；实现简便、快捷、同时准确地得出微观结构所对应的颜，克服实验、仿真 方法耗费大量资源的缺点。权利要求书1页 说明书4页 附图3页CN 110443860 A 2019.11.12
C N 110443860
A
1.一种利用人工智能实现颜对结构设计的方法，其特征在于：直接由所需要的颜给出能够实现该颜的微观结构，具体包括以下步骤：
S1、输入所需要的颜或颜组合；
S2、对各像素点的颜进行分析得到颜参数；
S3、各点的颜参数依次输入到训练好的串联神经网络中，串联神经网络通过已知的结构颜联系给出能够获得该颜的微纳结构的各参数。
2.根据权利要求1所述的一种利用人工智能实现颜对结构设计的方法，其特征在于：微纳结构采用硅纳米圆盘周期结构，改变结构的周期P，硅圆盘之间的间距G以及单个硅圆盘的直径D和高度H可得到不同结构。
3.根据权利要求1所述的一种利用人工智能实现颜对结构设计的方法，其特征在于：颜信息采用CIE 1931 颜空间描述，包括x ,y ,Y三个参数。
4.根据权利要求1所述的一种利用人工智能实现颜对结构设计的方法，其特征在于：在步骤S2中，颜参数的获得，利用图片读取程序可得到各像素点的RGB值，将RGB值带入彩空间转换程序中，即可将相应的RGB值转换到CIE彩空间，得到颜参数x，y，Y，其
中主要转换关系可表示如下：
。
5.根据权利要求1所述的一种利用人工智能实现颜对结构设计的方法，其特征在于：在步骤S3中，将步骤S2得到的各点的颜参数x , y , Y组成一个三行一列的矩阵作为神经网络的输入层数据，网络采用全连接结构，包含输入层、中间层以及输出层，各层各结点之间由权值联系，利用训练过程中所确定的权值计算下一层输出，
O = Relu （W ·I + B ）
式中，O表示输出，I表示输入，Relu为所用的激活函数，W为权重，B为偏置，每一层的输出为下一层的输入，最终可计算出输出层矩阵的值，即为所需要的微纳结构参数。
6.根据权利要求1所述的一种利用人工智能实现颜对结构设计的方法，其特征在于：步骤S3中神经网络训练，采用深度学习的方法，将已有的结构数据集输入到神经网络进行训练，利用网络来模拟微观结构的成过程，通过深度学习得出结构与颜之间的精确联系，并且通过串联网络实现直接由颜对结构的设计。
7.根据权利要求6所述的一种利用人工智能实现颜对结构设计的方法，其特征在于：训练过程通过均
方误差评估网络性能，网络加载数据集，输入颜参数并计算网络所得的结构参数和实际对应的结构的差距，然后通过反向传播的方法修正每一层的权值以使得网络计算所得结构尽可能接近实际结构，通过不断迭代这一过程最终得到最适宜的权值并保存为后面预测所用。
权 利 要 求 书1/1页CN 110443860 A
一种利用人工智能实现颜对结构设计的方法
技术领域
[0001]本发明属于人工智能图像识别领域，具体涉及一种利用人工智能实现颜对结构设计的方法。
背景技术
[0002]结构，来源于周期性的有序纳米结构，广泛存在于自然界中，是许多生物重要的功能组成部分。结构是可见光与微观结构相互作用（衍射、反射或散射等）产生的颜。相比于染料彩，人工微结构材料具有可回收利用，易于制造和耐久性好等特点。同时，其次级衍射局域效应可以突破衍射极限，大大提高成像分辨率。通过改变材料表面的微结构可实现对光与材料相互作用的调控，从而产生所需要的结构，实现超高分辨率图像的制作，并且可应用于制作用于安全性，信息隐写技术，纳米级光学滤波器和高密度光谱编码光学数据存储等的微图像。
[0003]目前微观结构所对应的具体颜没有实用的数值方法可解，只能通过实验或者仿真方法得出。现有技术不仅无法直接由颜直接设计结构，只能由结构测试得出颜，并且该过程需要耗费数小时乃至数天。而有限次的实验或仿真只能得出有限的颜，并且实验以及仿真的过程需要耗费大量的时间以及其他资源，因此目前已实现的结构仅有数百种，难以支持实际使用。
发明内容
[0004]为解决上述技术问题，本发明提供一种利用人工智能实现颜对结构设计的方法。
[0005]本发明提供如下技术方案：
一种利用人工智能实现颜对结构设计的方法，直接由所需要的颜给出能够实现该颜的微观结构，具体包括以下步骤：
S1、输入所需要的颜或颜组合；
S2、对各像素点的颜进行分析得到颜参数；
S3、各点的颜参数依次输入到训练好的串联神经网络中，串联神经网络通过已知的结构颜联系给出能够获得该颜的微纳结构的各参数。
[0006]进一步的，微纳结构采用硅纳米圆盘周期结构，改变结构的周期P，硅圆盘之间的间距G以及单个硅圆盘的直径D和高度H可得到不同结构。
[0007]进一步的，颜信息采用CIE 1931 颜空间描述，包括x,y,Y三个参数。[0008]进一步的，在步骤S2中，颜参数的获得，利用图片读取程序可得到各像素点的RGB值，将RGB值带入彩空间转换程序中，即可将相应的RGB值转换到CIE彩空间，得到颜参数x，y，Y，其中主要转换关系可表示如下：
。
[0009]进一步的，在步骤S3中，将步骤S2得到的各点的颜参数x, y, Y组成一个三行一列的矩阵作为神经网络的输入层数据，网络采用全连接结构，包含输入层、中间层以及输出层，各层各结点之间由权值联系，利用训练过程中所确定的权值计算下一层输出，O = Relu（W·I + B）
式中，O表示输出，I表示输入，Relu为所用的激活函数，W为权重，B为偏置，每一层的输出为下一层的输入，最终可计算出输出层矩阵的值，即为所需要的微纳结构参数。[0010]进一步的，步骤S3中神经网络训练，采用深度学习的方法，将已有的结构数据集输入到神经网络进行训练，利用网络来模拟微观结构的成过程，通过深度学习得出结构与颜之间的精确联系，并且通过串联网络实现直接由颜对结构的设计。
[0011]进一步的，训练过程通过均方误差评估网络性能，网络加载数据集，输入颜参数并计算网络所得的结构参数和实际对应的结构的差距，然后通过反向传播的方法修正每一层的权值以使得网络计算所得结构尽可能接近实际结构，通过不断迭代这一过程最终得到最适宜的权值并保存为后面预测所用。
[0012]与现有技术相比，本发明的有益效果是：
1、实现了大量的结构的产生，数量能够支持实际使用。理论上通过深度学习的方法能够实现无数种结构的设计，即将任意结构的参数输入到网络中都可得出对应结构。但实际由于精确度以及结构本身的限制，网络能够实现的结构数量在百万级别。[0013]
2、通过神经网络实现对结构的设计，每种颜的设计时间在毫秒级别。本发明大大简便了结构的设计过程，提高了设计效率，减少了资源占用。
附图说明
[0014]图1为本发明的流程示意图。
[0015]图2为硅纳米圆盘周期结构示意图。
[0016]图3为图2中A处放大示意图。
[0017]图4为本发明输入数据类型的逻辑图。
具体实施方式
[0018]下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0019]图1所示，本发明的一种利用人工智能实现颜对结构设计的方法，直接由所需
要的颜给出能够实现该颜的微观结构，具体包括以下步骤：
S1、输入所需要的颜或颜组合，这里所说的颜组合可以是图片或者实物；
S2、对各像素点的颜进行分析得到颜参数；
S3、各点的颜参数依次输入到训练好的串联神经网络中，神经网络通过已知的结构颜联系给出能够获得该颜的微纳结构的各参数。
[0020]在上述技术方案中，产生结构的微纳结构采用目前研究得到的能实现颜种类最多、颜效果最好的硅纳米圆盘周期结构，结构图如图2和图3。
[0021]其中通过改变结构的周期P，硅圆盘之间的间距G以及单个硅圆盘的直径D和高度H 可得到不同结构。此处颜信息采用CIE 1931 颜空间描述，包括x,y,Y三个参数。[0022]在步骤S2中，颜参数的获得，利用图片读取程序可得到各像素点的RGB值，将RGB 值带入彩空间转换程序中，即可将相应的RGB值转换到CIE彩空间，得到颜参数x，y，Y，其中主要转换关系可表示如下：
。
[0023]在步骤S3中，将步骤S2得到的各点的颜参数x, y, Y组成一个三行一列的矩阵作为神经网络的输入层数据，网络采用全连接结构，包含输入层、中间层以及输出层，各层各结点之间由权值联系，利用训练过程中所确定的权值计算下一层输出，
O = Relu（W·I + B）
式中O表示输出，I表示输入，Relu为所用的激活函数，W为权重，B为偏置，每一层的输出为下一层的输入，最终可计算出输出层矩阵的值，即为所需要的微纳结构参数。
[0024]在步骤S1中，图4所示，输入所需要的颜或颜组合，也就是说根据所输入的数据类型进行判定：（1）若已有所需的结构颜参数，则直接输入到神经网络中得出对应的微纳结构；（2）若已有相关图片，需要将该图片以结构制作出，则首先通过内部相关程序分析出图片中每个像素点处的颜信息，将各点的颜参数依次按照（1）步骤实施；（3）若提供的信息为实物，根据实物彩设计对应结构，则首先通过计算机扫描实物，得出包含实物颜信息的图片，按照（2）步骤继续进行。
[0025]在步骤S3中，采用深度学习的方法，将已有的结构数据集（微纳结构以及其对应的结构）输入到神经网络进行训练，利用网络来模拟微观结构的成过程，通过深度学习得出结构与颜之间的精确联系，并且通过串联网络实现直接由颜对结构的设计。[0026]训练过程通过均方误差（MSE）评估网络性能。网络加载数据集，输入颜参数并计算网络所得的结构参数（输出）和实际对应的结构的差距，然后通过反向传播的方法修正每一层的权值以使得网络计算所得结构尽可能接近实际结构，通过不断迭代这一过程最终得到最适宜的权值并保存为后面预测所用。
[0027]本发明只需要将所需颜参数输入至网络，网络自动加载已训练好的权值，即可
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议