딥러닝 기반 폴리에스터 섬유의 염색색상 결과예측 모형 개발

Development of a model for predicting dyeing color results of polyester fibers based on deep learning

섬유 소재의 염색은 기업별로 고유의 레시피와 공정으로 인하여 결과물 간의 차이가 존재할 뿐만 아니라 예측하기도 어려운 실정이다. 본 연구는 염색 공정에서의 색상구현 최적화를 위해 딥러닝 기반의 예측 모형을 개발하고자 시도되었다. 이를 위하여 딥러닝 기반 모형인 다층퍼셉트론, CNN 그리고 LSTM 모형을 선정하였다. 총 376건의 데이터 세트를 수집하여 3개의 예측 모형을 학습시켰다. 교차검증 방법을 이용하여 3개의 예측 모형에 대해 비교 및 분석하였다. LSTM 모형의 예측 결과에 대한 CMC(2:1) 색차의 평균이 가장 우수한 것으로 나타났다.

Due to the unique recipes and processes of each company, not only differences among the results of dyeing textile materials exist but they are also difficult to predict. This study attempted to develop a color prediction model based on deep learning to optimize color realization in the dyeing process. For this purpose, deep learning-based models such as multilayer perceptron, CNN and LSTM models were selected. Three forecasting models were trained by collecting a total of 376 data sets. The three predictive models were compared and analyzed using the cross-validation method. The mean of the CMC (2:1) color difference for the prediction results of the LSTM model was found to be the best.