基于深度学习的肤感UV油墨生成方法与肤感UV油墨

本发明涉及深度学习、油墨生产等技术领域，提供一种基于深度学习的肤感UV油墨生成方法与肤感UV油墨，通过获取原料组成数据和性能参数数据后分别输入深度学习模型对应的输入层，通过反向传播算法对深度学习模型进行迭代训练，使训练后的模型能够输出最优原料投料配比，将最优原料投料配比应用于生产中，包括投料混合、分散机搅拌以及滴加助剂，并在完成搅拌后进行UV固化测试，根据测试反馈再次更新深度学习模型，最终生成具有预期固化速度、附着力和手感表现的肤感UV油墨，从而提升分析肤感UV油墨的多参数耦合关系的效率和准确度，避免油墨批次不一致和性能波动。