将已染色的单色纤维按一定质量比混合来获得所需要的颜色，是纺织企业尤其是毛纺企业经常采用的一种生产方式。但是有色纤维混色时会出现非均一的颜色效果，使得仪器评价与目测评价存在差异，目前尚未有理想的预测混色织物颜色的光学模型，更没有相关的计算机辅助配色软件。因此，工厂主要依靠经验和反复试纺来配色，生产周期长、生产效率低，难以适应“小批量、多品种、快交货”的市场需求。针对以上问题，本论文开展了毛条混色织物的均一色宽容度研究，基于实验数据的颜色预测模型及其配色算法研究和计算机配色软件的开发。 首先，提出了毛条混色织物配色效果预控制方法。通过人眼对混色织物的混色效果判别实验来确定毛条混色织物的均一色宽容度阈值，得出判断素色效果的标准为：色差△ECMC(2:1)≤8.0。依此标准指导配色人员选择能实现与目标效果一致的单色来配色，能有效确保配色效果与目标效果的一致性。 然后，研究了Stearns-Noechel模型和Friele模型在有色毛条及其混纺混色织物颜色预测上的适用性。通过运用数理统计分析，发现了Stearns-Noechel模型存在的缺陷及参数b与波长的关系，提出了修正预测公式，并与原公式进行了对比，修正后的公式在线性关系和匹配精度方面都有了不同程度的提高，能更好地运用于毛条混色织物的颜色预测：通过基于实验数据的最小匹配色差求得了适用于毛条混色的Friele模型的参数，得到了适用于毛条混色织物颜色预测的修正Friele模型；采用统计描述和光谱比较方法，对比分析了修正的Stearns-Noechel模型和修正的Friele模型分别在毛条及其混纺混色织物上的适用性，结果表明修正后的Stearns-Noechel模型更适用于毛条及其混纺混色织物的颜色预测。 最后，在修正模型的基础上，将最小二乘法分别运用于三刺激值的配色和全光谱配色，实现了基于修正模型的毛条混色织物的配色算法，采用VisualC++6.0语言及矩阵模板类matrix成功开发了毛条混色织物配色软件。通过对42个毛条混色样品和42个天丝与毛条混纺混色样品的计算机配色，结果显示毛条混色平均预测色差为0.721；天丝与毛条混纺混色样品平均预测色差为0.769，配色效果与目标效果的一致率达到了95.12％，从而验证了该软件的应用可行性，达到了预期的配色要求。 因此，本学位论文的研究工作对混色纺织品配色理论的发展有促进作用，对实际生产也有一定的指导意义.