• 主题:建筑涂料
建筑商店金属瓦屋顶样品

作者:David A. Cocuzzi,国家卷材涂层协会,Kristine Rosek Bertucci,Precoat Metals,Sequa Corporation 的一个部门

几十年来,北美卷材涂料行业一直依靠使用亨特色彩空间来测量和控制色彩。全国卷材涂料协会 (NCCA) 现已成立 57 周年,它认识到许多其他公司正在使用 CIE* 色彩空间进行日常色彩控制,并且 DE 2000被认为是描述色差的优越方法,而不是DE猎人。在使用 Hunter 色彩空间近 60 年并依靠对手色彩理论坐标 DL、Da 和 Db 进行色彩控制和 DE Hunter来定义外部耐候性能后,可以假设当前的方法是合适的,否则颜色问题会比比皆是。但是如果使用 CIE 色彩空间和 DE 2000是更好的方法吗?本文讨论了 NCCA 为评估 CIE 色彩空间和 DE 2000的潜在优势而进行的实验。

* Commission internationale de l’éclairage,或国际照明委员会。

背景

北美卷材涂料行业约有 75% 与金属建筑产品的生产有关,主要是用于屋顶和墙壁的预涂金属板。在这个行业中,涂料制造商生产涂料,由卷材涂布机加工,然后将涂漆的卷材交付给金属建筑制造商或服务中心。然后将这些线圈加工(制造)成用于屋顶和墙壁的建筑面板,并交付给市场。

大多数金属建筑制造商都有自己的标准调色板提供给消费者。然而,许多客户心中都有一种特定的颜色,每年都有数以千计的颜色被匹配并进入市场。这确实是一个色彩密集型行业,几乎所有这些建筑产品材料都带有传递给消费者的性能保证——包括标准颜色和特殊颜色。

以下参数在 ASTM E805,“材料颜色或色差测量仪器识别方法的标准实践”和 ASTM D2244,“材料颜色或色差测量仪器方法识别标准实践”中描述,工业上常用来测量和控制颜色:

  • 猎人色彩空间
  • D65 光源(虽然“C”仍然被一些人使用)
  • 10°观察者(虽然有些人仍然使用2°)
  • ±0.5 ΔL Hunter , Δa Hunter , Δb Hunter在线色差
  • ΔE Hunter  (用于保修)

对于每年生产的数千种颜色,都一丝不苟、一丝不苟地遵循在线色彩控制流程。出于这个原因,业内对颜色的抱怨很少。

在美国预涂金属建筑市场,预期并定期向消费者提供性能保证。这些产品的保修通常包括:

  • 薄膜完整性(例如,无开裂、剥落等)
  • ASTM D660,“评估外墙涂料检查程度的测试方法”
  • ASTM D661,“评估外墙涂料开裂程度的测试方法”
  • ASTM D2197,“通过刮擦法测定有机涂层附着力的测试方法”
  • 最大粉化度——ASTM D4214,“评估外漆膜粉化度的测试方法”
  • 最大颜色变化量—ASTM D2244

关于颜色变化,北美卷材涂料行业的典型方法是使用通过 0°/45° 分光光度计测量的ΔE Hunter。0°/45° 仪器测量眼睛看到的颜色,光泽和纹理会影响表观颜色。一个具有 d/8° 几何形状的球体,包括反射光的镜面分量,测量所有角度的反射率并将这些值整合在一起。这种方法测量所有光泽度和纹理级别的颜色都相同。然而,金属建筑的客户只能通过眼睛来确定涂层是否已经褪色,而这可以用 0°/45° 仪器更真实地表示。*

* 术语 0°/45°、45°/0° 和 d/8° 描述了颜色仪器的几何形状。对于 0°/45° 和 45°/0° 仪器,第一个值描述入射光的角度,第二个值描述检测器测量的反射光的角度。这两种配置通常被视为在大多数情况下产生等效结果,除了极端纹理。对于 ad/8° 仪器,使用积分球。“d”表示漫反射率,检测器测量的是与法线成 8° 的反射率。球体允许包含或排除反射光的镜面反射(“光泽”)分量。后一种设置将产生类似于 0°/45° 和 45°/0° 仪器的结果。

30-40 年(有时甚至 50 年或更长)的性能保证并不罕见,因此,整个价值链——尤其是涂料供应商——承担了非常大的责任。出于这个原因,该行业在过去 60 年中已经学会了如何完善涂料的化学性质、以非常快的线速度(400-700 英尺/分钟)应用这些涂料,以及交付给客户的颜色控制最终产品在整个保修期内都非常稳定和耐用,甚至更远。

考虑到行业的复杂性、涂料的需求以及行业中几乎没有颜色控制问题的事实,为什么要考虑采用不同的方法来管理颜色?Hunter 色彩空间已经工作多年,在考虑保修时,一个简单的 ΔE Hunter值就足够了。然而,许多人指出,CIE 色彩空间是许多其他高性能细分市场的首选,例如汽车和航空航天,它们也有精确的色彩控制要求,并且认为 ΔE 2000是色差的一种度量,它更接近于观看者如何看待色差并对其做出反应。NCCA 进行了这项研究,以确定是否确实有更好的方法来进行颜色管理,无论是卷材涂装线的颜色控制,还是针对保修问题的色差测量。

实验:保修注意事项和颜色控制

如前所述,卷材涂料行业的色彩管理有两个方面:

  • 颜色变化(“褪色”)随着预涂金属板天气的变化而变化,这是向客户提供的建筑产品保修中提到的特性。
  • 颜色控制,无论是涂料是由涂料供应商生产的,还是涂在卷材涂装线上的。虽然我们在这个实验中只对建筑产品感兴趣,但卷材涂料行业服务的其他行业(例如,家电、暖通空调、卡车拖车面板、金属车库门等)同样关注颜色均匀性。

在考虑改变控制颜色和测量曝光过程中颜色变化的方法时,这两个问题都是需要解决的关键问题,并且由于它们本质上彼此独立,因此将单独讨论每个问题。

保修注意事项

尽管薄膜完整性和抗粉化性是保修中提到的重要参数,但我们将仅在本文中讨论颜色变化。通常的测量是使用 0°/45° 颜色仪器的 Hunter Delta E 值 (DE Hunter )。这个DE Hunter值是对三维空间中两点间距离的简单计算。对于颜色,这三个维度是 DL Hunter(颜色的明暗)、Da Hunter(颜色的红色或绿色)和 Db Hunter(颜色的黄色或蓝色),以及总颜色变化(DE Hunter ) 值是一个计算:

DE Hunter = [(DL Hunter ) 2 + (Da Hunter ) 2 + (Db Hunter ) 2 ] ½

几十年来,这种测量颜色变化的方法已被证明是有效的,但饱和颜色除外,例如鲜红色和浓橙色。对于此类颜色,人类观察者察觉到样品与标准品之间的色差很小或没有色差的情况并不少见,但 ΔE Hunter系统会产生看起来令人无法接受的巨大色差。这些例外是众所周知的,通常会根据具体情况进行处理。然而,许多人提出了一个强有力的论点,即 ΔE 2000是一种色差系统,它克服了 ΔE Hunter的异常。

关于 ΔE 2000,这里有几点值得一提:

  • 它需要使用 CIE 色彩空间。
  • 与 ΔE Hunter相比,ΔE 2000的计算相当复杂。(讨论这个 ΔE 2000计算的细节超出了本文的范围,但详细信息可以在前面引用的 ASTM D2244 中找到。)
  • ΔE 2000基于人类对色差的观察。通过这些观察,ΔE 2000的计算采用颜色的标准反射率数据,并以这种方式处理该信息,以提供有意义的色差值 – ΔE 2000 – 更好地与眼睛看到的相关联。相比之下,ΔE Hunter不考虑任何人类观察数据。

由于 ΔE Hunter是保修中规定的色差值,因此了解该值如何对应于 ΔE 2000非常重要。为了研究这一点,使用 ΔE Hunter和 ΔE 2000测量了 126 个风化板样品。这些面板代表了以下选择:

  • 各种颜色
  • 各种树脂化学
  • 各种曝光时间
  • 不同程度的风化
  • 各种涂料生产商
  • 各种卷材涂布机
  • 各种暴露地点(虽然都在南佛罗里达)

使用ΔE Hunter和ΔE 2000测量每个曝光面板,数据如图1所示其中ΔE Hunter绘制在Y 轴上,ΔE 2000绘制在X 轴上。显示了一条简单的线性最佳拟合线,以及该线性拟合的方程。

线性拟合到数据是可接受的,但很显然,有一些偏离更显著数据点上面比下面(即,ΔE线亨特比ΔE大的2000)。图 2显示了这些相同的数据,其中突出显示了许多这些数据点,以识别颜色为饱和橙色和红色的面板。

彩色无花果。 1-2

对于那些以色彩为生并强烈主张使用 CIE 色彩空间和 ΔE 2000 的人来说,与 ΔE 2000相比,饱和色显示出更大的 ΔE Hunter并不奇怪。ΔE Hunter只是测量空间中两点之间的距离;ΔE 2000基于人类观察,因此该值能够更好地表达与普通观众实际看到的颜色差异一致的颜色。作者对所有研究的面板进行了视觉评估,并没有感觉到橙色和红色面板像 ΔE Hunter数据所显示的那样风化。

5-10 ΔE Hunter 20-40 年的褪色值是通常的保证值,在这个褪色值范围内,对于美国卷材涂料行业使用的典型颜色范围,可以说ΔE Hunter  ≈ ΔE 2000。尽管 NCCA 颜色实验正在进行中,但在这一点上,除了将下标从“Hunter”更改为“2000”之外,似乎不需要更改保修 ΔE 值。

沿预涂金属价值链的颜色控制

在保修期内保持性能至关重要,但价值链成员更直接关注的是在线颜色控制。金属建筑面板总是重叠或对接在一起,行业已经习惯于将这些建筑面板从各种油漆和线圈放在一起,并期望颜色足够接近,从而不会收到任何投诉。前面提到,在行业中没有显着的颜色问题,因此任何变化都必须非常仔细地考虑。

在讨论 ΔE 2000的发展时,通常会听到1.0 或更小的 ΔE 2000值将代表一大群观察者可接受的色差(即,不会观察到明显的差异)。在 NCCA 成员的帮助下,一项早期实验表明,ΔE 2000值为 1.0 在该行业中显得过于宽松。

如果1.0的 ΔE 2000值太大,那么应该使用什么值?在与色彩科学领域的许多人讨论过这个问题后,很明显 NCCA 需要进行自己的视觉评估实验。

要进行这样的实验:

  1. 灯箱是必要的,这样每个人都可以在相同的照明条件下观察面板。本实验使用 D65 日光光源设置,它最能代表通常观察金属建筑产品的照明条件。
  2. 需要大量不同颜色的面板对。对于我们的实验,一对面板只是放在一起的两个面板,在每个面板的较长边上相互接触。每个面板大约为 5 英寸 x 8 英寸。这两个面板(从背面)用胶带粘在一起,以方便面板进出灯箱,并确保每个面板对中每个面板的相对位置对于每个观察者都是相同的。
  3. 这些面板对必须表现出小的色差、适度的色差和相对显着的色差,所有这些都是为了评估观察者区分色差程度的能力。
  4. 大量观察者必须查看这些样本。
  5. 观察者必须使用标准尺度对每个颜色对的接近程度进行评分。

从涂料供应商和卷材涂料商那里收集了数百块面板。一些面板代表线圈生产线的常规生产,而其他面板是在实验室中创建的,以产生一定的色差。在读取并存储所有面板上的反射率数据后,选择了 54 对颜色向观察者显示,包括建筑产品行业中经常遇到的颜色范围。

注意:这些面板都是“纯色”(即,没有金属色、没有珠光色和没有多色色),主要由该行业组成。

在贸易展 (Metalcon 2017) 中,这些面板对展示给了 28 位观察者。两人被放置在灯箱中,要求观察者不要触摸面板,而只是进行观察。每次观察大约需要 15-30 秒,因此每个观察者需要大约 30 分钟来评估 54 组面板。在为期两天半的贸易展中,在 13 小时内收集了 1,512 个数据点。使用 Ishihara 颜色测试的在线版本对每个观察者进行色盲测试。三人是色盲;两个人早就知道了,另一个人怀疑。这三个人还评估了小组,他们的数据包含在小组的数据中,以了解他们的观察是否与具有正常色觉的参与者明显不同。

观察者无法在他们正在查看的面板上看到任何标识。为他们简单地将面板放在灯箱中,记录他们的观察结果,取出一对面板,然后将另一对放置在灯箱中进行观察。

在本实验中,使用了表 1列出的评分量表:

表 1——实验评定量表

评级值色差
5无色差
4极轻微的色差
3轻微色差
2明显的色差
1非常明显的色差

观察者不知道这 54 对中包括:

  • 15 个“重复”对——一组他们在实验早些时候已经看到的面板,并且在不知情的情况下第二次观察和评级。
  • 八对相同的对(即八种不同颜色的大面板被切成两半并用胶带粘在一起;这八对中的每一对都不存在色差)。

数据分析

做了以下四项分析:

  1. 每个观察者的每个小组对的分数与同一小组对整个组的平均分数的比较。
  2. 评估每个观察者的可重复性水平(即,他们第二次看到一对面板时进行相同观察的能力或缺乏能力)。注意:观察者没有意识到他们看到了“重复”。
  3. 评估给予相同对面板的分数。
  4. 确定每个小组的小组平均评级,以及这些平均值对 ΔE 2000和 ΔE Hunter 的表示

每个观察者的得分与小组平均得分的比较

对于第一次分析,将每个观察者对每个个体样本(即,一对小组)的个体观察与同一样本的组平均值进行比较。例如,如果观察者 #1 将第一对面板的评分为“4”(“非常轻微的色差”),而组平均值为 3.56,则观察者 #1 的评分差为 +0.44(该观察者看到的色差为所述面板对大约半评级值greater-
,仔细颜色匹配比组)。如果观察者 #1 将第二个面板对评为“2”,但组平均值为 3.11,则偏差为 –1.11(观察者认为色差大于组)。这是针对观察者#1 评级的所有 54 对面板进行的。然后对观察者#2-#28 进行了相同的分析。

通过将 54 个面板对中每个观察者的所有这些偏差相加,然后将此累积值除以 54(观察次数),每个观察者与 Y 轴上显示的组平均值的平均偏差在图 3. Y 轴值“0”线上方的值表明观察者认为颜色对通常比组中的其余部分更接近匹配。低于这条线的值表明观察者看到的颜色差异比该组的其他人更大。

注意:观察者 #8、#10 和 #21 是色盲。

颜色_图  3

可以对上述数据进行一些观察。观察者 1、4、12 和 27 看到的色差比其他组少。此外,观察者 7 和观察者 9 比该组的其他人看到更多的色差。但是,上下 Y 轴值在基线的正负方向上只有 0.5-0.6 个评级单位。这意味着,例如,平均目视评估值大约介于“轻微色差”和“极轻微色差”之间,或大约介于“轻微色差”和“显着色差”之间。这些不是显着的观察差异。

这个数据并不奇怪。我们都以不同的方式看待颜色,这是促使色彩科学家创造一种管理色彩的工具方法的动机之一。然而,图 3展示了他们面临的挑战。

评估每个观察者的可重复性水平

在 54 对面板中,其中 15 对是重复的。观察者不知道他们之前看到过相同的面板对,因此这是一项测试,以确定他们的观察结果的可重复性。由于缺乏标准的、公认的协议来在此类实验中进行此类比较,最好简单地显示一个数据表,图 4,其中两个或多个评级点与第一次观察的偏差以蓝色突出显示。正值意味着观察者在第二次看到面板时给出了更高的评价(他们看到了更接近的颜色匹配),负值描述了第二次更差的观察结果(他们看到了更大的色差)。对于图 4 中的 –1、0 和 +1 的差值 单元格没有突出显示,因为两个读数之间的差异足够接近,可以被视为相同的评估值。

420 个观测值中有 12% 显示出显着的变异性。从图 4 中可以看出八个观察者(#1、#8、#12、#14、#16、#24、#26、#27)没有表现出变异性(这里的变异性定义为大于± 1 个评级单位),六个观察者(#3、#6、#10、#11、#13、#15)表现出显着的变异性(即三个或更多的显着变异性)。剩下的 14 名观察者仅展示了一两次他们对面板对进行第二次完全不同的评价。

认识到人类色彩评估的挑战,该数据表明——尽管并不完美——28 位观察者中有 22 位是合理可重复的。

颜色_图  4

评估相同的小组对的分数

视觉色彩实验通过向观察者展示相同的面板而受益,但当然,不会将它们识别为相同的面板。对于这些样品,来自卷材涂装线的八种不同颜色的涂漆金属样品被切成两半,然后彼此相邻放置。在观察者看来,它们只是另一组要观察的面板。重复其中的两组,因此总共有 10 组样品没有色差。

等级如图5所示,等级为“3”或以下(“轻微色差”、“显着色差”和“非常显着色差”)的值被突出显示。为了突出较大的色差,允许将“4”(“极轻微的色差”)评级视为与“5”(“无色差”)相同,因此不突出显示。

颜色_图  5

首先,考虑 10 组面板的平均评分。它们的范围从 4.1 到 4.8,大多数值介于“4”和“5”之间,即介于“极轻微色差”和“无色差”之间。作为一个群体,平均而言,观察者并没有被他们看到的面板没有色差这一事实所迷惑。

由于该实验允许“4”评级(“极轻微的色差”)等同于“5”(“无色差”)的评级,因此一半的观察者(28 人中有 14 人)认为没有10 个面板对中的每一个之间的色差。

在 280 个评分中,只有 9% 的评分为“3”或更高(即“轻微色差”、“明显色差”和“非常明显色差”)。在讨论这些结果与ASTM委员会E12外观颜色的成员,他们被怎样惊讶9% 的值是。在他们自己的一些实验中,这个数字可能高达 30% 的人看到不存在的颜色差异。当然,所有视觉颜色实验都使用不同的样本和不同的观察者组。在这个实验中,所有的观察者都在卷材涂层建筑产品价值链中发挥了一定的作用,但他们中的大多数人并不认为自己是色彩专家(当然,消费者也不是)。尽管如此,9% 的值代表确认偏差的结论似乎是安全的——当你期望看到颜色差异时,你会看到,即使不存在。

确定每个小组的小组平均评级,以及这些平均值与 ΔE 2000和 ΔE Hunter 的关系图

使用仪器色差值和观察者的评分,可以用观察者的评分(组平均值)绘制在 Y 轴上,将 Delta E 值(DE Hunter或 DE 2000)绘制在 X轴上。-轴(图6)。下图中的 54 个数据点中的每一个都代表每个小组对的组平均评分。

显然,存在大量分散。当然,这并不出人意料,并且可以看到总体趋势表明随着视觉评估等级的降低(即面板之间更大的视觉色差),色差增加(即,ΔE Hunter值增加)。为了对上述数据创建更有用的图片,请考虑对图 7中的数据进行这种处理。

图 7 中,为 Y 轴值“3”绘制了一条水平线,表示“轻微色差”等级。让我们假设这种色差水平对于彩涂金属建筑产品行业来说是可以接受的。

彩色无花果。 6-7

还画了一条垂直线。它恰好在 ~0.6 的值处与 X 轴相交,但有意放置它是为了防止任何数据点落在左下象限,原因稍后解释。四个象限已以这种方式标记:

  • 左上象限——“面板对看起来不错,阅读也很好。” 在这里,面板不仅在观察者看来彼此紧密匹配,而且 ΔE Hunter数据也支持这些读数。
  • 右下象限——“面板对看起来很差,阅读也很差。” 在该区域,面板与观察者的匹配度较差,仪器数据也显示出较大的色差值。
  • 右上象限——“面板对看起来不错,但读起来很差。” 这些面板被宣布在观察者的眼中相当接近,但从仪器上看,它们的阅读能力很差。观察者对颜色匹配感到满意,但仪器读数却讲述了一个不同的故事。然而,卷材涂料行业通常依赖于仪器颜色读数数据。这一事实不会使仪器读数正确而观察者错误。事实上,只有消费者必须满意,在图 7的右上象限中消费者会对颜色匹配感到满意,无论仪器说什么。
  • 左下象限——“面板对看起来很差,但读起来很好。” 任何落入该象限的数据点都会出现站不住脚的情况:面板对看起来很糟糕,但颜色仪器读数很好。由于较差的视觉匹配可能会给客户带来问题——无论仪器读数如何——红线已被定位以保持该象限为空。

图 7 中,有七个异常值(右上象限),观察者对颜色感到满意,但使用 ΔE Hunter的色差表明匹配不佳。

图 8采用相同的观察数据,但在 X 轴上使用 ΔE 2000而不是 ΔE Hunter绘制色差值。

在这里,请注意右上象限中的两个明显异常值,尽管非常靠近垂直条的一个数据点可能太近而无法调用。另外两个点更有趣(它们也都出现在 ΔE Hunter图中)。一种是近乎完美的视觉搭配的黑色。ASTM 委员会 E12 的颜色专家认为,像这对面板一样乌黑的黑色面板总是会混淆颜色仪器和人眼。在任何波长下都没有太多反射率,因此,反射率的微小差异会转化为较大的 ΔE 差异(无论是 ΔE Hunter还是 ΔE 2000)。另一方面,人眼看不到差异。

另一个外围数据点也是深色——深紫色面板。在这种情况下,在正常的阳光照射下,存在较大的视觉色差是毫无疑问的。一种可能的解释是,便携式灯箱没有提供足够的照明流明,无法轻易看到这种深紫色对的色差。

即使有所有分散的数据,通过比较图 7图 8,很明显,使用 ΔE 2000比 Hunter 颜色空间更符合视觉观察。

颜色_图  8

它是更好不够,但是,以证明其从它的历史,长达数十年的使用亨特色空间的整个行业的变化,与通常的公差值(±0.5ΔL在线控制颜色^ h,ΔA ^ h,的Δb ^ h),并使用ΔE Hunter何时提供褪色保修?建议采用保守的方法,所以答案是“还没有!” 需要做更多的工作,即使建议进行更改,涂料公司和卷线操作员的职业生涯也一直在谈论颜色更浅/更深、更红/更绿和更黄/更蓝。许多人——尤其是卷线操作员——已经学会了各种“交易技巧”来修改 ΔL Hunter和/或 Δa Hunter和/或 Δb Hunter值在不影响其他性能的情况下略微降低。例如,稍微提高烘烤温度可以使浅色稍微变暗,甚至可能稍微变黄。在这个时候,从那些长期依赖它的人中删除这种方向性知识是不明智的。也就是说,所有迹象都表明 ΔE 2000将带来好处。

下一步

随着 NCCA 进入项目的第二阶段,卷材涂布机被要求像往常一样测量颜色(Hunter 颜色空间),捕获通常的数据(DL H,Da H,Db H),但另外,收集 DE 2000数据。计划是创建一个非常大的数据集,并确定出于上述原因继续使用 DL H、Da H、Db H值是否有意义。

结论

NCCA 迄今为止所做的工作是良好的第一步。与成员公司还有很多工作要做。改变颜色管理方法的概念需要在整个价值链中进行彻底沟通,首先是供应该行业的涂料供应商、按照严格标准处理涂料的卷材涂布机以及接收涂漆卷材的制造商,将这些线圈制成产品,并将这些产品推向市场。经过 50 多年的发展,行业对颜色属性有了可接受的控制,并创造了“变通办法”来适应当前色彩空间和色差计算的弱点。必须小心地更改“未损坏”的东西,

致谢

如果没有卷材涂料行业的许多人的努力,这项工作是不可能完成的。特别感谢 Datacolor 的 Sam Cauchi;Jim Macdonald 和 Jim Roberts,毕克化学添加剂和仪器;以及 ChemQuest 小组的 George Pilcher,他们每个人都花了大量时间帮助设计实验、收集数据并协助处理信息。

发表评论

后才能评论