颜色的多样性随着两种或更多颜色的组合而增加。光与微小纳米结构相互作用，产生多种颜色的内在模式。光谱还与孔洞相互作用，形成一种称为纳米孔阵列的系统。这也可以区分光现象并获得结构性颜色。其主要目的是将结构性颜色植入人造材料中。这种颜色的主要优点是随着时间的推移不会退化。研究人员仍然面临创建导致指定颜色的纳米级阵列的问题。这属于计算机视觉的广泛范畴。
重庆大学的研究团队设计了一个新系统，可以将这些纳米孔阵列增强为结构性颜色。他们还使用了各种机器学习模型来设计这个系统。为了预测这些阵列的结构性颜色，研究人员开发了两个深度学习模型CSC和CSS。这些模型允许形成纳米孔阵列，从而产生所需的颜色。准确率、F1得分、召回率、精确度和百分比准确率等参数非常显著。研究团队表示，这些结果是基于对这些阵列的模拟得出的。这些结果已经转化为实验现实，并在很大程度上得到了增强。
这些结果被用于进一步评估，并获得了准确率和F1得分等测试数据集的参数。预测模型被创建用于预测通过先前使用的深度学习模型增强的数据。该模型还旨在弥补各种应用和理论概念之间的理论差距。纳米孔阵列还用于包含多样数据的高密度存储。
这项研究展示了一种用于实现纳米阵列的结构颜色和光谱的深度学习模型。该方法的可扩展性很有前景，因为它可以处理更大的数据集。它还可以实现适应不同材料的复杂结构。这项研究将简单地操纵纳米阵列及其等离子应用。