Farbortvorhersage mittels neuronaler Netze

Die Farbortvorhersage möchte den Einfluss eines Prozesses auf den resultierenden Farbort vorhersagen. Beispielhaft dafür ist die Farbverschiebung durch die optische Veredlung eines Druckproduktes in Postpress-Prozessen. Die klassische Farbortvorhersage nutzt dazu physikalische Modelle, die je nach Szenario eine Vielzahl von Parametern berücksichtigen müssen. Die mathematische Beschreibung der Parameter, z.B. Licht-Grenzschicht-Interaktionen, erfordert ein fundiertes Verständnis aller relevanten Prozesse und kann mit zunehmender Komplexität eines Szenarios an ihre Grenzen stoßen.

In diesem Forschungsschwerpunkt wird die Farbortvorhersage mittels neuronaler Netze untersucht. Der Einsatz neuronaler Netze beruht im Wesentlichen auf der Verfügbarkeit von repräsentativen Trainingsdaten für das maschinelle Lernen und ist nicht durch die Abhängigkeit von physikalischen Modellen limitiert.

Ein Beispiel für einen erfolgreichen Einsatz dieses Ansatzes ist die spektrale Vorhersage der Remission nach erfolgter Folienkaschierung. Als Trainingsdaten diente hier ein Testchart mit 749 Farbpatches, das vor und nach der Kaschierung spektral vermessen wurde. Basierend auf diesem vergleichsweise kleinen Trainingsdatensatz konnte die spektrale Remission nach erfolgter Folienkaschierung mit großer Präzision vorhergesagt werden.          

Die Adaptierung neuronaler Netze auf Aufgabenstellungen der Farbortvorhersage bietet aufgrund ihrer Geradlinigkeit ein großes Potenzial zur Lösung existierender Fragestellungen und ist Gegenstand dieses Forschungsschwerpunktes.   

Für nähere Informationen zum beschriebenen Fallbeispiel sei auf folgende Publikation verwiesen:

Stiene, T., Urban, P. and Rodriguez-Giles, J.M., 2019. Prediction of lamination-induced colour shifts for UV offset printings by using a heuristic approach as well as machine learning techniques. Journal of Print and Media Technology Research 8(4), pp. 199–207.  Link

Mehr Informationen: Tim Stiene, M.Sc.