AI染色配方推荐定制：小样配色与回修补偿

纺织印染的打样环节长期依赖老师傅的经验配方：同一色号在不同批次坯布、不同染料批次下都要重新微调，一次配色常需 2~3 轮才能通过客户标准光源对色。

我们把这条链路拆成两步：先用历史配方与测色数据（CIELAB 的 Lab*、反射率曲线）训练配方推荐模型，输入目标色与坯布基材，输出初版染料配比；再用小样试染后的实测色差做在线修正，形成“推荐—试染—回修”的闭环。

· 阶段性进展：在某针织染厂的 6 周影子测试中，配方首轮命中率由人工的 42% 提升到 68%，平均配色轮次从 2.6 轮降至 1.5 轮；回修补偿模型对同色深偏差的修正幅度控制在 ±0.8% 染料用量以内。
· 下一步计划：接入染料批次的力份检测数据，把“批间差”作为输入特征，并验证该方案在筒子纱与匹染两种工艺上的迁移效果。