色纺生产中本色纤维与有色纤维经混合梳理后纺制成纱线,其织成的面料色彩丰富,风格多样,有立体感,满足人们对时尚和个性的追求。色纺生产过程节能、减排、绿色、环保,符合国家未来的发展趋势。棉纤维是一种柔软有弹性内部不均匀的半透明材料,颜色测量时不易处于稳定的状态,造成测量结果不准确。由于有色纤维混合的多样性和复杂性以及纤维自身结构的特殊性,造成颜色预测模型预测结果的不理想。目前,由于纤维样品颜色测量结果不准确,现有纤维混色颜色预测模型Friele模型、Stearns-Noechel（简称S-N）模型、Kubelka-Munk（简称K-M）理论颜色预测结果不理想,导致色纺企业仍普遍采用人工打样配色技术,该方法主观性强、稳定性差、耗时费力、重现性差。针对上述有色纤维混合计算机测配色技术在应用中存在的问题,本文提出一种标准化的纤维样品颜色测量方法,并优化纤维混色颜色预测模型,同时提出新的优化算法,以提升计算机测配色技术对色纤维混合组分比例预测结果的精度。本文的主要研究内容及结论如下:（1）为解决纤维样品颜色测量结果不准确的问题,通过优化纤维样品的参数,制定一套标准的纤维状样品颜色测量方法。优化的纤维样品参数包括纤维层厚度、纤维密度、纤维排列方式、色纤维混合均匀度。通过分析不同参数设定下的纤维样品颜色变化趋势,确定最优的样品参数设定值。最终通过制样和纤维样品参数设定,将梳理混合后的纤维样品控制在定量、厚度适中、密度恒定、均匀分布的状态。标准的纤维样品颜色测量方法,可以保证纤维样品颜色测量结果的准确性、稳定性和可重复性,为研究色纺棉纤维混合颜色的变化规律提供数据基础,并应用于计算机测配色中。（2）针对有色纤维混合颜色预测模型预测结果不理想的情况,分析及比较现有色纤维混合颜色预测模型的适用性和准确性。从原理上说明Friele模型、S-N模型和K-M理论构建的有色纤维颜色参数、质量比例与混色纤维颜色参数之间的映射关系。相较于Friele模型和S-N模型,K-M双常数理论中研究3个颜色参数（K、S、R）之间的关系,可以更充分地解释有色纤维颜色与混色纤维颜色之间的内在联系,且不存在误差累积效应,适用性更优。利用制备的多组分混色纤维样品,比较三种模型预测的混色纤维样品颜色之间的差异,并对预测结果进行颜色评价。结果表明:K-M模型预测结果的准确性优于S-N模型和Friele模型,该方法预测结果中,CIEDE2000色差小于2的混色纤维样品占比为87.5%,适合研究色纤维混合颜色变化规律。（3）针对K-M双常数理论中有色纤维吸收系数K和散射系数S无法精准测算,求解过程复杂的问题,优化模型并改进模型中待定参数K和S的求解方法。本文基于有色纤维的反射率R可通过颜色测量获取,将有色纤维的待定参数K和S与已知参数R建立联系,然后用有色纤维的待定参数S和已知参数R共同表征待定参数K,实现模型中待定参数数量减半,并进一步降低模型中待定参数的求解复杂程度。建立有色纤维待定参数S、已知参数R、组分比例C与混色纤维已知参数R之间的方程,求解单色纤维待定参数S。实验结果表明:基于K-M双常数理论的优化模型预测结果中,CIEDE2000色差小于2的多组分混色纤维样品占比为97.5%,预测准确性提高。（4）针对目标样品组分比例预测结果精度不够的现象,基于K-M双常数理论优化模型,提出最小二乘法与网格搜索相结合的综合法,预测目标样品的组分比例。由于最小二乘法计算的目标样品组分比例结果是一个近似解,满足局部最优,无法满足整体最优及约束条件设置各组分质量比例之和为1。而最小二乘法又缺乏整体搜索能力,综合法利用网格搜索在近似解基础之上,搜索计算目标样品组分比例的整体最优值,提高预测结果的精度,同时满足约束条件设置。实验结果表明:与最小二乘法比较,综合法提高了目标样品组分比例预测结果的准确性;与网格搜索法比较,综合法提高了配色效率。综合法预测结果中,CIEDE2000色差小于0.5的目标样品占比为100%。综合上述研究工作,本文设计并搭建一个集颜色测量、颜色预测和数据管理于一体的纤维混色计算机测配色系统。该系统具备标准的色纤维颜色测量方法,可以实现色纤维混合快速准确的颜色预测及目标样品组分比例预测,为色纺企业产品信息的数字化存储和管理提供解决方案,呈现出良好的应用前景。