بررسی پدیده خاموش شوندگی مواد رنگزای فلورسنت در مخلوط الیاف و پیش بینی رنگ حاصله

در این رساله پدیده خاموش شوندگی فلورسنس در مخلوط الیفا از قبل رنگرزی با مواد رنگزای فلورسنت و سفید کننده نوری و همچنین رنگ همانندی آنها با استفاده از شبکه عصبی مورد مطالعه قرار گرفته است.در هنگام استفاده از رنگهای فلورسنت و همچنین سفید کننده های نوری مقدار نور بازتاب شده ناشی از وجود پدیده فلورسنت تا مرحله ای با افزایش غلظت ماده فلورسنت افزایش و پس از آن کاهش می یابد. در تحقیق فعلی وقوع این پدیده در مخلوط الیاف از قبل رنگشده با این مواد بررسی و با فراهم نمودن نمونه های مشابهی که با مقدار یکسانی از این مواد در هنگام رنگرزی مخلوط گردیده بودند، اختلاف بین نمونه های مشابه بررسی گردید.نتایج غالبا متفاوتی از حیث مقدار خاموش شوندگی در دو دسته ذکر شده مشاهد گردید.در برخی نمونه های مخلوط الیاف از قبل رنگشده ارتفاع پیک صدور فلورسنت بالاتر بود در حالیکه در اکثر نمونه ها این ارتفاع برای مخلوط مواد رنگزا بیشتر بود ضمن آنکه در بعضی نمونه ها نظیر در دو دسته تشابه بسیار زیادی در منحنی های مربوط به فاکتور تشعشعات کلی مشاهده گردید.در دنباله کار پژوهشی انجام شده رنگ همانندی مخلوط الیاف از قبل رنگشده با مواد رنگزای فلورسنت و سفید کننده نوری صورت گرفت . رنگ همانندی مواد رنگزای فلورسنت بدلیل عدم تبعیت رنگها از نظریه رایج کیولکا مانک به سادگی میسر نیست و این مشکل در صورت اختلاط الیاف از قبل رنگشده مضاعف می گردد. در این پروژه از شبکه های عصبی برای پیشگویی رنگ اینگونه مخلوط ها استفاده گردید. دو سری شبکه عصبی با معماری متفاوت مورد بررسی قرار گرفتند به نحویکه در یکی از آنها ورودیهای شبکه مقادیر فاکتور انعکاس کلی نمونه ها و خروجی آن مقادیر در صد اجزا مخلوط ها بودند. در شبکه دیگر ورودی ها مقادیر محرکه های سه گانه در فضا رنگ ‏‎ciel*a*b*‎‏ بوده و خروجی ها مشابه شبکه قبل درصد حضور اجزا موجود در مخلوط ها بودند. شبکه های مزبور با نمونه های تهیه شده آموزش داده شدند و از انها در پیشگویی درصد حضور هر لیف رنگین در مخلوط های متفاوت استفاده گردید.نتایج نشان داد : استفاده از مقادیر انعکاسی کلی نمونه ها بعنوان ورودی های شبکه مناسبتر از روش آموزش با استفاده از مقادیر محرکه های سه گانه بوده است. انتخاب وفقی الگوها با توجه به موقعیت قرارگیری آنها در فضا رنگ ‏‎l*a*b*‎‏ علاوه ر کاهش مقدار خطا برای برخی از نمونه ها از تعداد تکرارها نیز به نحو محسوسی کاسته شده است. عبور مقادیر خروجی از توابع خطی (نرمالیز کردن غلظتها) نتایج مناسبتری را نسبت به حالتی که از غلظتهای اولیه استفاده می گردد ، بدست می دهد.