感性工学在产品配色设计中的应用研究

维普资讯 http://www.cqvip.com 孙菁等感性工学在产品配色设计中的应用研究　感性工学在产品配色设计中的应用研究　孙菁，潘长学　（武汉理工大学，武汉４３００７０）　摘要：在感性工学的研究领域中，类神经网络被认为是颇具潜力的分析工具。为了降低产品配　色的意象偏差，基于配色理论设计问卷，配合类神经遗传模拟消费者的意象评价，提供符合产品形态　的配色建议，并在此基础上提出了计算机辅助配色设计系统的框架和实现方法。　关键词：色彩意象；配色；倒传递神经网络；遗传算法　中图分类号：ＴＢ４７２文献标识码：Ａ文章编号：１００１—３５６３（２００７）０５—００９１—０３　Ａｐｐｌｉｃａｔｉｏｎ　Ｒｅｓｅａｒｃｈ　ｏｆ　Ｋａｎｓｅｉ　Ｅｎｇｉｎｅｅｒｉｎｇ　ｏｎ　Ｐｒｏｄｕｃｔ　Ｃｏｌｏｉ＂Ｃｏｍｂｉｎａｔｉｏｎ　Ｄｅｓｉｇｎ　ＳＵＮ　Ｊｉｎｇ，ＰＡＮ　Ｃｈａｎｇ—　（Ｗｕｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ　４３００７０，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ａｒｔｉｆｉｅｉｌａ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ（ＡＮＮ）ｈａｓ　ｂｅｅｎ　ｃｏｎｓｉｄｅｒｅｄ　ａｓ　ａ　ｂｅｔｔｅｒ　ａｎａｌｙｔｉｃ　ｔｏｏｌ　ｉｎ　ｔｈｅ　ｆｉｅｌｄ　ｏｆ　Ｋａｎｓｅｉ　Ｅｎｇｉｎｅｅｒｉｎｇ　ｒｅｓｅａｒｃｈ．Ｉｎ　ｏｒｄｅｒ　ｔｏ　ｍｉｎｉｍｉｚｅ　ｔｈｅ　ｉｍａｇｅ　ｄｅｖｉａｔｉｏｎ　ｄｕｅ　ｔｏ　ｔｈｅ　ｃｏｌｏｒ　ｃｏｍｂｉｎａｔｉｏｎ。ａｄ・　ｖｉｃｅ　ｓｕｉｔａｂｌｅ　ｆｏｒ　ｉｎｄｉｖｉｄｕａｌ　ｐｒｏｄｕｃｔ　ｔｙｐｅ　ｗａｓ　ｐｕｔ　ｆｏｒｗａｒｄ　ｂａｓｅｄ　ｏｎ　ｐｏｌｌ　ｓｕｒｖｅｙ　ｏｆ　ｃｏｎｓｕｍｅｒ￣ｉｍａｇｅ　ｅｖａｌｕａｔｉｏｎ　ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｔｈｅｏｒｙ　ｏｆ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ａｎｄ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ．Ａ　ｓｔｒｕｃｔｕｒｅ　ｏｆ　ｃｏｍｐｕｔｅｒ　ａｉｄｅｄ　ｃｏｌｏｒ　ｄｅｓｉｇｎ　ｓｙｓｔｅｍ　ｗａｓ　ｃｏｎｓｔｒｕｃｔｅｄ　ｏｎ　ｔｈｅ　ｂａｓｉｓ　ｏｆ　ｔｈｅ　ｄｅｖｅｌｏｐｅｄ　ｍｅｔｈｏｄｓ　ａｎｄ　ａｓｓｏｃｉａｔｅｄ　ａｌｇｏｒｉｔｈｍｓ．　Ｋｅｙ　ｗｏｒｄｓ：ｃｏｌｏｒ　ｉｍａｇｅｓ；ｃｏｌｏｒ　ｃｏｍｂｉｎａｔｉｏｎ；ｂａｃｋ—ｐｒｏｐａｇａｔｉｏｎ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ；ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ　感性工学（Ｋａｎｓｅｉ　ｅｎｇｉｎｅｅｒｉｎｇ）是将消费者的感觉与意象　转化成新产品设计要素的技术　。其中，计算机辅助感性工　产生二色、三色、四色的配色组合，并搭配产品构成的组件位　置，经排列组合而产生。而感性意象是由“活泼的　、“抢眼　的　、“流行的　、“典雅的　、　柔和的　５个感性形容词的李克尺　度评价平均值所构成　。由此可知，在理想的情况下，不同的　感性意象可对应至其所属的产品色彩；换句话说，每一种产品　均可由各种配色样式的组合表现出各种感性意象。　学系统（Ｋａｎｓｅｉ　ｅｎｇｉｎｅｅｒｉｎｇ　ｓｙｓｔｅｍ）应用了专家系统、类神经网　络等将消费者的感觉意象转换为设计细部要素的计算机化系　统。感性工学系统可应用于两方面：消费者决策辅助系统与设　计师决策辅助系统。消费者决策辅助系统可接受消费者偏好　的感性形容词，系统通过推理了解消费者的需求，并且输出符　合消费者需求的产品；而设计师决策辅助系统可让设计师在计　算机上绘制粗略的草图，让计算机来辨识，并输出感性计算的　结果，因此，设计师可通过此系统改进原先不尽理想的设计。　在感性工学的研究领域中，常使用数量化一类、复回归分　文中应用倒传递（Ｂａｃｋ　ｐｒｏｐａｇａｔｉｏｎ）类神经网进行多次试　行，并选定均方根误差（ＲＭＳ　Ｅｒｒｏｒ：Ｒｏｏｔ　Ｍｅａｎ　Ｓｑｕａｒｅ　Ｅｒｒｏｒ）最　小的分析结果，再结合遗传算法（Ｇｅｎｅｔｉｃ　Ａｌｇｏｒｉｈｍ）调适与更　ｔ新的特性，搜寻最符合市场认知的意象配色，实现以消费者为　导向的设计。　析法或类神经网络进行分析。其中，相较于一般线性的统计方　法而言，类神经网络属于非线性的分析预测模式，与充满不确　定性的人类感性较为相符，且相关的研究均指出应用类神经网　络确实比其它统计方法更能获得较佳的结果　。　其目的在于探讨：类神经网络在产品色彩与感性意象的对　应关系之间的分析与预测能力以及遗传算法对意象与产品配　１．１色彩感性意象　１　色彩意象与配色法则　色彩意象是对色彩的观念、判断、喜好和态度，所强调的是　心境、感想上认识的内容；也就是色彩让人产生的心理感觉和　色的最优化寻解。其中，产品色彩样本是采用日本色研Ｐ．Ｃ．　Ｃ．Ｓ．的色调分类，并选择色彩三原色黄（Ｖ８）、蓝（Ｖ１６）、红　（Ｖ２４）三色为参考主色，再根据色相环角度配色的原则，分别　收稿日期：２００７４）３４）７　感情。在日常生活中，人们常使用各种形容词（语意）来表现　事物的意象，而形容词经常可以用来正确地传达事物所蕴含特　质或给人的心理感受，例如：时髦的衣服、高雅的餐厅、罗曼蒂　基金项目：湖北省建设厅推广项目（２００３１ｇ００８３）　作者简介：孙菁（１９７３一），女，安徽合肥人，在读博士生，武汉理工大学讲师，主要研究方向为工业产品设计。　维普资讯 http://www.cqvip.com 包装工程ＰＡＣＫＡＧＩＮＧ　ＥＮＧＩＮＥＥＲＩＮＧ　Ｖｏ１．２８　Ｎｏ．５　２ｏ０７．０５　克的烛光晚餐等，而要将事物的意象传达出来，色彩的表现力　远比形态来得强烈有效。色彩意象是一种心理属性大于物理　来学习与模拟受测者意象评价。　１）配色属性编码。参考构成色彩的三原色（ＲＧＢ），假设　产品组件为５个色块，则编排产品配色遗传基因码有５×３×　８，共１２０个位。　属性的色彩感情，同时会因为受到种族、文化背景、习俗等因素　的影响，尤其是文化背景的影响最大。　１．２配色法则　２）网络构建。以ＢＰ神经网络来模拟受测者如何评价不　同配色排列的产品意象，此网络包含三层：输入层、隐藏层与输　出层，见图１。　输出层　配色，简单地说就是给任意色彩以应有的适当位置，给予　最优异的适应或最好的安排。以色相为主的配色，是考虑选择　怎样的色相来配色的问题。在实际配色时，应该先考虑到：所　要营造的效果为何，依此效果决定使用冷色或暖色、华丽或朴　素、柔和或强烈等色彩。　决定主要色调：一般在配色时，先要决定占画面分量最多　的主要色调与要强调的色彩再选定能连接两者的色彩。　了解色彩联想、色彩象征及色彩嗜好的个别差异：依据画　面需要或商品的机能，选择最适当的色彩。一般以色相为主的　配色，大都以色相环为配色依据，按照色彩在色相环上的位置　所成的角度，可分为同一色相的配色、类似色相的配色、对比色　相的配色及互补色相的配色。因此，两色所成的角度愈小时，　色彩的共同性愈大，对比性愈小；反之两色间的距离愈大，差异　性愈大，对比性也愈强。而以位于直径两端的互补相的配色为　最强烈，过了１８０度对比性又渐趋缓和。在色相环上有４个暧　昧区域，也即是两色的配色关系不很明确的区域，以色相言是　不容易讨好的配色关系，必需在明度或彩度等其它色彩关系上　加以变化，才可以得到良好的配色。　２利用ＢＰ神经网络模拟受测者的色彩意象　２．１　ＢＰ神经网络的概述　ＢＰ神经网络是目前神经网络学习模式中最具代表性，应　用范围最普遍的模式，是一种具有学习能力的多层网络。其网　络构架包含了输入层、隐藏层以及输出层，而且隐藏层可以不　止一层。　ＢＰ神经网络的运行过程，分为学习和回想２个部分。其　学习过程是一种监督式学习：从问题领域中取得训Ｉ练范例及目　标输出值，并将训Ｉ练范例输入到网络中，反复地调节网络中的　连接加权值及偏权值。在学习过程中，我们希望网络的推论输　出值与目标值越接近越好，修正方法是将目标输出值与网络的　推论值之间的差距，一边向后传递一边加以修正　Ｊ。　２．２建立目标产品配色意象问卷　设计问卷的目的，在于通过问卷获得产品配色与受测者意　象评价间的关系，首先为了方便制作配色的样本，需先对产品　作形态的解构，再进行配色与感性语义的设定输入，产生产品　配色的意象问卷，最后通过让受测者填写产品的配色意象问　卷，获得受测者对于产品配色与意象的关系评价。　２．３类神经网络学习与预测　类神经网络学习与预测为这个阶段的核心，通过前阶段问　卷所得配色属性编码，与意象评价值的关系，训练类神经网络　９２　（意象评价值）　隐藏层　（产品配色属性编码）输人层　　图１　产品配色意象评价的倒传递网络结构图　Ｅｇ．１　Ｉ１ｌｅ　ｔ叩ｏｌｏｇｙ　０ｆ　ｔｈｅ　ＢＰＮ　ｍｏｄｅｌ　ｆｏｒ　ｃｏｌｏｒ　ｉｍａｇｅ　ｅｖａ１ｕａｔｉｏｎ　３）输入层分析。根据产品配色属性资料的特性，使类神　经网络能发挥其记忆与学习的功能，因此输入层为产品配色属　性编码，输出层则为意象评价值。而此输入层除了接受样本问　卷的数据，以进行类神经的学习外，亦接受遗传演算阶段产生　的子代资料，进行子代的适应性评估。　４）输出层分析。类神经模式的输出层（输出变量），即为　受测者评估产品配色与意象语意间的关联度（评点），由于输　出层一共包含５个语意的评点，故其输出函数将依序排列每个　语意的评点，由于其评点皆为可量化的资料。而选择倒传递网　１　络中的转换函数为双弯曲函数　）＝＿　＝Ｔ所以输出函数值　ｌ十ｅ　域会落在［０，１］之间。　５）程序执行结果。将前阶段产品配色意象问卷所得的评　价资料，在ＢＰ网络中执行学习与训ｌ练。执行ｎ次的网络学习　与测试回想，即产生ｎ组类神经网络的推论结果输出文件，直　至网络误差均方根（ＲＭＳ　Ｅｒｒｏｒ）低于０．１即主观判定其收敛。　３产品配色遗传演算模式的建立　遗传算法是一种模拟自然界生物进化过程的计算模型，它　不仅体现了适者生存、优胜劣汰的进化规则，同时具有较强的　自适应性，为解决复杂优化问题提供了新途径　Ｊ。　在这个阶段中的主要目的，是建立一个产品配色的遗传演　算模式，通过感性语意的评价值设定，并配合类神经的模拟，作　为评估遗传子代适应性的标准，通过搜寻、演化最优化产品配　色与语意的组合。　此一阶段，利用遗传算法搜寻与受测者意象评价最接近的　产品配色组合，称之为最优化产品。一个产品的配色多由数个　色彩所组成，考虑色彩的变化，便有色相、明度、彩度等不同量度　构成，加上当这些色彩排列于不同组件间产生的各种可能组合，　维普资讯 http://www.cqvip.com 孙菁等感性工学在产品配色设计中的应用研究　所有产品配色的组合评价效益将难以衡量。据此，利用遗传算　法来搜寻最佳化的产品组合。主要流程架构，见图２。　配色意象　标值没定　随封Ｌ｛｝ｆ｛取Ｎ组初始染色体　遗传演算运作因予　复制、交配、突变　采用本系统进行配色设计咨询时，首先需要导入产品的三　维几何模型，该几何模型可以是在计算机辅助工业设计系统中　的形态设计子系统中构建的，也可以是由其它三维几何建模软　件来构建的。开始进行配色设定时，用户打开问卷设计模块，　可以自己确定主色，辅助色及配色方式，考虑各色之间的对比　调和关系，进而可以确定色彩值，设定样本语义进行问卷填写；　接着进入类神经网络学习，点选测试后，系统会将目前类神经　！　堕￡鱼丝盒　Ｉ　学习的成果列于页面下方，显示产品配色基因码，以及类神经　模拟的评价值与实际评价值的相互对照；最后进入遗传演算的　页面后，使用者可在此获得理想的意象语义及程度与配色样本　妥适存　数　Ｐ墼！　估ｒ一　ｒ＿＿Ｎｏ　！竺！　最优化产品配色ｌ　的对应，以作色彩设计参考。　　壶　ｌｌ　图２遗传算法流程　Ｆｉｇ．２　Ｆｌｏｗ　ｃｈａｒｔ　ｏｆ　ｔｈｅ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍｓ　５结语　４系统实现框架　系统采用Ｖｉｓｕａｌ　Ｃ＋＋为开发平台、ＯｐｅｎＧＬ为图形平台，　在Ｗｉｎｄｏｗｓ　ＸＰ上进行编程实现。　在对系统进行面向对象分析的基础上，采用ｃ＋＋语言开　发了面向产品配色设计咨询的应用类体系。系统基于Ｏｐｅｎ　ＧＬ实现了产品色彩的实时设计，用户可以对产品渲染图进行　实时操作，对配色的每一步编辑操作，都可以在产品渲染图上　色彩的意象会随着一些环境的因素而改变，符合色彩学的　意象配色，不一定能适应各种形状不一的产品配色，加上产品　本身机能亦会影响意象的评价方向，为了更贴切产品的造型做　色彩搭配，进行顺应产品变化的配色调查，将能更精确的呈现　出消费者对于产品配色的意象。但是要做较为详尽的调查，由　于色彩组成的方式繁多，问卷的数量将会变得极其庞大，本文　运用类神经网络学习的特性，模拟受测者评价色彩意象的模　式，能有效缩减实际问卷的数量，再结合遗传算法的调适与更　新的特性，搜寻最符合市场认知的意象配色，这种结合计算机　辅助的产品配色系统，能有效帮助设计师节省时效及准确掌握　得到实时的反馈，以便于用户对设计效果进行评价和决策。系　统的结构，见图３。　消费者的需求，本文并在此基础上提出了计算机辅助配色设计　系统的框架和实现方法。　参考文献：　［１］李砚祖．设计新理念感性［Ｊ］．新美术，２００３，（４）．　［２］袁曾任．人工神经元网络及其应用［Ｍ］．北京：清华大学出版社，　１９９９．　［３］李月恩．语意描述研究在产品形态设计中的应用［Ｊ］．包装工程，　２００６，２７（４）．　图３系统结构　Ｆｉｇ、３　Ｓｙｓｔｅｍ　ｓｔｒｕｃｔｕｒｅ　［４］　ＭＩＴＳＵＯ　Ｇｅｎ，ＣＨＥＮＧ　Ｒｕｎ—ｗｅｉ．Ｇｅｎｅｔｉｃ　Ａｌｇｏｒｉｔｈｍｓ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｄｅｓｉｇｎ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｓｃｉｅｎｃｅ　Ｐｒｅｓｓ，２０００．　（上接第８１页）　品那么强大，但却完全能满足国内印刷工艺的要求，使印刷企　业能逐渐摆脱对进口产品的依赖，因此在我国推广使用国产的　彩色反射密度仪将具有广阔的前景。　参考文献：　［１］刘世昌．印刷品质量检测与控制［Ｍ］．北京：印刷工业出版社，　２０００．　标准化，２００４，（１Ｏ）：８—１０。　［３］　宁红娜，倪旭翔．彩色密度计的发展现状及趋势［Ｊ］．光学仪器　２００３，２５（４）：９０—９５．　［４］　刘武辉，胡更生，王琪．印刷色彩学［Ｍ］．北京：化学工业出版社　２００４．　［５］　田学军．印刷品质量及检测技术［Ｍ］．ｊｂ京：中国纺织出版社　２００６．　［２］　王守鸿．密度仪在印刷品检测和控制中的应用［Ｊ］．印刷质量与　９３