CONCLUSIONAfter comparing different

CONCLUSION
After comparing different mathematical models imposed
on the scattergram, the logistical model was found to
provide a slightly better fit to the experimental data than
the linear in correlating instrumental colour acceptance
determination and visual colour assessment. Even though
the performance of logistical model seems to be preferable
in absolute terms, it is still recommended that a linear
regression line is used when comparing the performance
of different colour-difference equations because it gives a
better overall performance over several batches.
Comparison of the coefficient of determination (R2) and
F ratio using three different colour-difference equations
showed that both the CIE94 and CMC gave a better performance
than CIELAB in terms of individual colour sets.
Although the performance of CIE94 and CMC were quite
similar, it is recommended that the CMC equation is used to
generate microspaces for shade sorting processes since it
gives a better overall performance over a whole set of
batches.
Using the linear mathematical model, the dependent
variable was set as the percentage rejection as assessed by
a panel of 32 observers, the independent variable was
chosen as the colour difference as determined using the
CMC equation. Under these conditions, the 50% rejection
level obtained from the 20 sets of colours used was found
to vary from DE 0.624 to 1.198. These tolerances can be
adopted as the maximum allowable limits for CCC shade
sorting in a microspace generated by the CMC colourdifference
equation.

ผลลัพธ์ (ไทย) 1:

บทสรุปหลังจากเปรียบเทียบแบบจำลองทางคณิตศาสตร์ต่าง ๆ กำหนดบน scattergram รุ่น logistical พบให้พอดีดีกว่าเล็กน้อยกับข้อมูลทดลองมากกว่าเชิงเส้นในกำลังรวบรวมบรรเลงสียอมรับการวัดและการประเมินผลภาพสี ถึงแม้ว่าประสิทธิภาพของ logistical รุ่นน่า จะดีกว่าในเงื่อนไขที่แน่นอน ก็แนะนำที่เป็นเส้นตรงใช้เส้นถดถอยเมื่อเปรียบเทียบประสิทธิภาพการทำงานของสมการความแตกต่างสีที่แตกต่างกันเนื่องจากให้การประสิทธิภาพโดยรวมดีกว่าหลาย ๆ ชุดเปรียบเทียบค่าสัมประสิทธิ์การกำหนด (R2) และอัตราส่วน F ที่ใช้สมการความแตกต่างสีที่แตกต่างกันสามแสดงให้เห็นว่า ทั้ง CIE94 และ CMC ให้ประสิทธิภาพที่ดีขึ้นกว่า CIELAB ในแง่ของสีแต่ละชุดถึงแม้ว่าประสิทธิภาพของ CIE94 และ CMC ได้ค่อนข้างคล้าย แนะนำว่า สมการ CMC ใช้สร้าง microspaces สำหรับสีที่เรียงลำดับกระบวนการตั้งแต่ให้เป็นดีโดยรวมประสิทธิภาพผ่านทั้งชุดชุดงานใช้แบบเชิงเส้นแบบจำลองทางคณิตศาสตร์ ผู้อยู่ในอุปการะตัวแปรถูกตั้งเป็นปฏิเสธเปอร์เซ็นต์เป็นประเมินโดยแผงของผู้สังเกตการณ์ 32 ตัวแปรอิสระได้เลือกเป็นความแตกต่างสีที่ใช้ในสมการของ CMC ภายใต้เงื่อนไขเหล่านี้ การปฏิเสธ 50%พบระดับที่ได้รับจากชุด 20 สีให้เลือกใช้การแตกต่างไปจากเด 0.624-1.198 ยอมรับเหล่านี้ได้นำมาใช้เป็นขีดจำกัดที่อนุญาตสูงสุดสำหรับซีซีซีสีเรียง microspace ที่สร้าง โดย CMC colourdifferenceสมการ

ผลลัพธ์ (ไทย) 2:

สรุปหลังจากเปรียบเทียบแบบจำลองทางคณิตศาสตร์ที่แตกต่างกันที่กำหนดในscattergram ที่รูปแบบจิสติกส์ก็พบว่าให้เล็กน้อยแบบที่ดีขึ้นไปกว่าข้อมูลการทดลองเชิงเส้นในการยอมรับความสัมพันธ์สีเครื่องมือความมุ่งมั่นและการประเมินภาพสี แม้ว่าผลการดำเนินงานของรูปแบบจิสติกส์ที่ดูเหมือนว่าจะดีกว่าในแง่แน่นอนมันก็ยังแนะนำว่าเส้นเส้นถดถอยจะใช้เมื่อเปรียบเทียบผลการดำเนินงานของสมสีแตกต่างที่แตกต่างกันเพราะมันจะช่วยให้ประสิทธิภาพโดยรวมที่ดีกว่าสำหรับกระบวนการหลาย. เปรียบเทียบ ค่าสัมประสิทธิ์การตัดสินใจ (R2) และอัตราส่วนF ใช้สามสมสีแตกต่างที่แตกต่างกันแสดงให้เห็นว่าทั้งสองCIE94 และ CMC ให้ประสิทธิภาพที่ดีขึ้นกว่าCIELAB ในแง่ของชุดสีของแต่ละบุคคล. แม้ว่าประสิทธิภาพของ CIE94 และซีเอ็มซีมีค่อนข้างคล้ายกันก็จะแนะนำว่าสม CMC จะใช้ในการสร้างmicrospaces สำหรับกระบวนการคัดแยกที่ร่มเพราะมันจะช่วยให้ประสิทธิภาพโดยรวมที่ดีกว่าทั้งชุดของbatches. การใช้แบบจำลองทางคณิตศาสตร์เชิงเส้นที่ขึ้นอยู่กับตัวแปรที่ถูกกำหนดให้เป็นปฏิเสธเปอร์เซ็นต์ในขณะที่การประเมินโดยคณะ32 สังเกตการณ์ ตัวแปรอิสระที่ได้รับการเลือกให้เป็นสีที่แตกต่างกันตามที่กำหนดโดยใช้สมการCMC ภายใต้เงื่อนไขเหล่านี้ปฏิเสธ 50% ระดับที่ได้รับจาก 20 ชุดสีที่ใช้ก็พบว่าแตกต่างกันไปจาก0.624-1.198 ความคลาดเคลื่อนเหล่านี้สามารถนำมาใช้เป็นขีด จำกัด สูงสุดที่อนุญาตเพื่อให้ร่มเงา CCC การเรียงลำดับใน Microspace ที่สร้างขึ้นโดย CMC colourdifference สม

ผลลัพธ์ (ไทย) 3:

สรุปหลังจากการเปรียบเทียบแบบจำลองทางคณิตศาสตร์ที่แตกต่างกันบังคับ

ใน scattergram โมเดล logistical พบ

ให้ดีขึ้นเล็กน้อยกับข้อมูลการทดลองมากกว่า

สีเส้นในมือ รวมทั้งยอมรับความมุ่งมั่นและการประเมินสีภาพ แม้ว่าประสิทธิภาพของแบบจำลองโลจิสติกส์

ดูเหมือนจะเป็นที่นิยมในแง่ที่สัมบูรณ์มันเป็นยังแนะนำว่าเป็นเส้นตรง
ใช้เมื่อเปรียบเทียบประสิทธิภาพของสมการความแตกต่างที่แตกต่างกันสี

เพราะมันให้ประสิทธิภาพโดยรวมดีขึ้นกว่าหลายชุด
เปรียบเทียบค่าสัมประสิทธิ์ตัวกำหนด ( R ) และอัตราส่วนการใช้สีที่แตกต่าง
F สามความแตกต่างสมการ
พบว่าทั้ง cie94 และ CMC ให้
ประสิทธิภาพดีขึ้นกว่าแถบในแง่ของชุดละสี แม้ว่าประสิทธิภาพของ cie94

และ CMC ค่อนข้างคล้ายกัน ดังนั้นสมการที่ใช้ CMC

สร้าง microspaces สำหรับสีเรียงลำดับกระบวนการตั้งแต่
ให้ประสิทธิภาพโดยรวมที่ดีกว่าทั้งชุดของ

ชุด โดยใช้แบบจำลองทางคณิตศาสตร์เชิงเส้นตัวแปรขึ้นอยู่กับ
ถูกตั้งค่าเป็นเปอร์เซ็นต์การปฏิเสธเป็น 1
แผง 32 observers แปร
เลือกเป็นสีเพี้ยนตามที่กำหนดโดยใช้
CMC สมการ ภายใต้เงื่อนไขเหล่านี้ , 50% ปฏิเสธ
ระดับที่ได้จาก 20 ชุดของสีที่ใช้ พบว่าแตกต่างจาก เดอ 0.624
เพื่อ 1.131 . เกณฑ์ความคลาดเคลื่อนเหล่านี้สามารถ
บุญธรรมเป็นสูงสุดที่อนุญาตสำหรับ CCC จำกัดร่ม
การเรียงลำดับใน microspace ที่สร้างขึ้นโดย บริษัท colourdifference
สมการ