摘要
准确、客观的颜色分级对于塑料工业的质量控制至关重要。然而，传统目视检查具有主观性，而商用颜色测量仪器可能受限于测量几何结构、样品尺寸或对细微颜色变化的灵敏度不足。本研究提出了一种低成本的基于透射的颜色测量装置，结合无监督聚类，用于检测大尺寸、半透明通用聚苯乙烯样品中的细微颜色差异。该系统通过样品测量透射光，并将传感器输出转换为CIE L*a*b*颜色坐标及衍生颜色特性。随后，使用韦尔奇方差分析（Welch's ANOVA）和Games–Howell事后检验，对包含128个GP样品（按目视检查分为三个质量等级）的数据集进行分析。为建立更客观的分级标准，采用K-Means、谱聚类、平衡迭代缩减与层次聚类（BIRCH）以及高斯混合模型（允许指定聚类数量）来确定不同等级的定量色差阈值。同时使用Jenks自然断点法（一种简单的一维分类方法）进行比较。实验结果表明，所提出的装置具有良好测量重现性，且在区分细微颜色变化方面优于商用反射色度计。对于同一组GP样品，使用所提出装置测得的色差值范围为0.57 ± 0.08至3.06 ± 0.31，而使用商用色度计测得范围为0.25 ± 0.04至0.70 ± 0.08。BIRCH取得了最高的调整兰德指数（0.50）和归一化互信息（0.35），而K-Means产生了最高的轮廓系数（0.57）。总体而言，由BIRCH聚类导出的色差截止阈值与制造商的实用质量控制要求最为接近。这些结果表明，将基于透射的颜色测量与无监督机器学习相结合，为半透明塑料制品的客观、定量颜色分级提供了一种有效方法。所提出的系统为塑料行业的人工智能辅助质量保证和智能制造提供了实用基础。
