1.一种毛针织纱智能选色拼毛方法，其特征在于，包括以下步骤；

步骤一、测定毛针织纱来样反射率；采用光谱光度仪测定毛针织纱来样反射率，测试条件要求包含镜面反射，包含波长为400～700nm的反射率完整数据，反射率波长测定间隔0～

10nm；

步骤二、支持向量机识别组成色；先对支持向量机模型进行训练，将已知颜色组成配方的毛针织纱样品定义为标准样并进行反射率测定，将采集得到的标准样反射率数据进行数据预处理得到特征向量第一数据集，将特征向量第一数据集分为支持向量机模型训练用的训练集和验证集；将采集的毛针织纱来样反射率数据进行数据预处理，预处理形成特征向量第二数据集；对特征向量第二数据集用训练好的支持向量机模型进行识别，获得毛针织纱来样的组成色的颜色构成；

步骤三、运用三刺激值匹配算法或全光谱配色算法计算毛针织纱各组成色的最佳组合比例，即根据步骤二获得的毛针织纱来样组成色得到各组成色的单色反射率，运用单色反射率对步骤一测得的毛针织纱来样反射率进行计算，得到拼毛配方。

2.如权利要求1所述的一种毛针织纱智能选色拼毛方法，其特征在于，所述支持向量机模型类型为C-SVC，采用RBF核函数，惩罚系数C为3，核函数参数γ为0.0323，RBF核函数公式(1)如下；

K(xi，x)＝exp(-γ||xi-x||2)，γ>0………公式(1)。

3.如权利要求1所述的一种毛针织纱智能选色拼毛方法，其特征在于，所述支持向量机模型采用将多分类识别转化为二分类识别的方法，其步骤如下；

1)识别y1时，含y1为一类，其余y2…ym为一类，判定是否有y1；

2)识别y2时，含y2为一类，y1，y3…ym视为一类，判定是否有y2；

……

m)识别ym时，含ym为一类，y1…ym-1视为一类，判定是否有ym；

这样可将多分类识别公式(2)的多个输出方程转化为二分类识别公式(3)的单个输出；

f(xi)＝{y1,y2,…ym}，xi＝{x1,x2,…,xl}，y＝±1，i＝1，…，n…公式(2)；

f(xi)＝yj，xi＝{x1,x2,…,xl}，yj＝±1，j＝1，…，m，…………公式(3)；

式中n为样品总个数，m为构成颜色总数，l为输入数据的维数，公式(2)表明，输入xi为l维数据，输出为{y1,y2,…ym}，+1表示含有，-1表示不含，公式(3)表示每一次输出结果对应某一单个颜色存在与否的判断，如果支持向量机模型单色数据库中有m种颜色，则计算m次后，得到该输入色纺纱xi的颜色组成。

4.如权利要求1所述的一种毛针织纱智能选色拼毛方法，其特征在于，所述数据预处理采用先将反射率扩大100倍，然后在此基础上联合L*a*b*值使用，形成x＝[100*R(λ1),100*TR(λ2)，…,100*R(λn),L*,a*,b*] ，其中R(λn)代表λn时的反射率值，n值由反射率波长测定间隔决定，间隔为10时，n值为31；L*，a*，b*为CIE1976LAB值，由R(λ)根据CIELAB公式计算得到。

5.如权利要求1所述的一种毛针织纱智能选色拼毛方法，其特征在于，所述步骤三还包括混色反射率模型，混色反射率模型满足以下两关系式；

其中；Rs(λ)表示波长为λ时的毛针织纱来样的反射率，Ri(λ)表示波长为λ时i组分单色的反射率，αi表示i组分单色所占的质量比例，M为模型参数，根据毛纱的类型、纱支数调整。