基于多输出线性回归(MOLR)模型的纱线与织物光谱双向预测研究

为解决同色纱线因织造参数差异导致织物光谱特性难以量化的问题，研究人员开发了基于多输出线性回归(MOLR)的双向光谱预测模型。通过调整纬密、筘号等参数制备6色织物样本，结合X-Rite分光光度计测量，建立纱线-织物光谱关联模型。验证显示正向预测(yarn→fabric)平均RMSE达0.0055、R2为0.9986，逆向预测(fabric→yarn)RMSE为0.0065、R2达0.9947，性能优于随机森林(RF)和多层感知机(MLP)，为纺织品光谱分析提供新方法。

　　

纺织科学领域迎来创新突破！当相同颜色的纱线通过调整纬密(weft density)、筘号(reed count)等参数织造成不同结构的织物时，其光谱反射特性会产生微妙变化。传统物理模型难以精确量化这种差异，而最新研究通过多输出线性回归(Multi-Output Linear Regression, MOLR)构建了双向预测桥梁。

实验团队在SGA598全自动剑杆织机上，用6种颜色纱线制备了不同纹理的织物样本，采用X-Rite Color i7分光光度计精准测量光谱反射率。相关性分析揭示纬密与织物光谱数据存在显著线性关系，由此建立的MOLR模型展现出惊人精度：正向预测(纱线→织物)平均均方根误差(RMSE)仅0.0055，决定系数(R²)高达0.9986；逆向预测(织物→纱线)RMSE为0.0065，R²仍达0.9947。在k折交叉验证中，该模型性能显著超越随机森林(Random Forest, RF)和多层感知机(Multi-Layer Perceptron, MLP)，预测光谱与实测结果高度吻合。

这项研究为纺织工业带来革新性解决方案，客户只需提供织物样本，即可通过该模型逆向推演纱线光谱特性，或将纱线参数正向预测成品织物光谱表现，大幅提升纺织品设计与质量控制的科学性和效率。