農(nóng)產(chǎn)品和食品顏色是非常重要的產(chǎn)品質(zhì)量指標。而蔬菜的顏色則更加重要，因為鮮艷的蔬菜顏色不僅可以激起消費者的購買欲，可以增加人們的食欲。更為重要的是蔬菜是否新鮮的一個重要指標。 物體的顏色是一個心理物理量，既與物體本身有關，又與人的顏色視覺有關。在食品顏色的評價和比較中只能依賴人（有時是具有某種權威的專業(yè)人員）的主觀觀察，得出結論。但該方法受人的主觀因素影響較大，很難得到客觀的結論。 計算機視覺不受人的生理和心理因素影響，可以對農(nóng)產(chǎn)品的顏色進行精確的量化，從而可以得到較為客觀的評價，評價結果穩(wěn)定、標準、客觀。因此，利用計算機視覺系統(tǒng)測試顏色是一種顏色感官評價客觀化的新途徑。 計算機視覺可以簡單地理解為用攝像機代替人的眼睛，用計算機代替人的大腦，從而完成對周圍環(huán)境和目標的識別和解釋。其硬件組成是計算機圖像處理系統(tǒng)，主要包括計算機、攝像機、圖像卡（模擬圖像信號轉換為數(shù)字信號）、光源等。其基本原理是：利用攝像機獲得對象的二維圖像信息，通過信號轉換將圖象信息轉變成計算機能接受的數(shù)字圖象[6]。 由于RGB顏色空間向XYZ顏色空間的轉換是非線性的,所以需要建立一個非線性的轉換關系。神經(jīng)網(wǎng)絡具有較好的非線性映射能力，特別是BP神經(jīng)網(wǎng)絡具有以下3個特點： 兩個隱層的BP神經(jīng)網(wǎng)絡可以實現(xiàn)任意的映射。 結構簡單，易于實現(xiàn)。 運算速度快。 其中的BP算法原理：由數(shù)據(jù)流的前向計算（正向傳播）和誤差信號的反向傳播兩個過程構成。正向傳播時，傳播方向為輸入層→隱層→輸出層，每層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元。若在輸出層得不到期望的輸出，則轉向誤差信號的反向傳播流程。通過這兩個過程的交替進行，在權向量空間執(zhí)行誤差 WP=82 函數(shù)梯度下降策略，動態(tài)迭代搜索一組權向量，使網(wǎng)絡誤差函數(shù)達到最小值，從而完成信息提取和記憶過程。 本論文建立了一套檢測食品顏色的系統(tǒng)主要針對以下幾個關鍵技術進行研究： 分析了RGB、XYZ、L*a*b、HIS顏色空間。指出了RGB顏色空間和XYZ顏色空間的缺點。為比較和檢測顏色差異L*a*b*顏色空間要好與HIS顏色空間[20]，所以我們采用L*a*b*顏色空間來比較和檢測顏色差異。同時說明RGB顏色空間和XYZ顏色空間之間的轉換關系為非線性，需要用神經(jīng)網(wǎng)絡建立非線性轉換關系。從攝像頭采來的圖象是用RGB顏色空間表示的，由于不能直接將RGB顏色空間轉化為L*a*b*顏色空間，所以先將RGB顏色空間轉化為XYZ顏色空間，再 將XYZ顏色空間轉化為L*a*b*顏色空間。 本文建立了一個由計算機、彩色CCD攝像頭、圖像采集卡和光照系統(tǒng)等組成的計算機視覺系統(tǒng)。圖象顏色采集工作由軟件完成，軟件用VC++6.0編寫而成，可以采集圖象中某一點的RGB顏色，并指出該點坐標；也可以采集圖象中特定矩形區(qū)域的平均RGB顏色，并指出該區(qū)域的長、寬和面積。比較了幾種常用光源由于標準A光源具有較好的顯色性，使物體顏色失真小，方便易得，價格較低。如白熾燈與日光都是連續(xù)光譜分布光源，均有較好顯色性，適用于辨色要求較高的視覺工作。而充氣鹵鎢燈更是典型的標準A光源，因此本次實驗選用鹵鎢燈作為照明光源。分析0/45、45/0、0/d、d/0四種測色的標準照明和觀察條件。由于設計本裝置的目的是研究農(nóng)產(chǎn)品和食品的顏色檢測，由于樣品表面形狀繁雜而不確定，因此很難確定照射光和反射光的方向。為使測試裝置符合目視觀察條件，決定選用0/45觀察條件。我們專門設計了符合條件的光照箱。 經(jīng)過對幾種常用神經(jīng)網(wǎng)絡進行比較,我們采用BP神經(jīng)網(wǎng)絡。我們用Matlab建立具有一個隱層、一個輸入層和一個輸出層的三層神經(jīng)網(wǎng)絡。在神經(jīng)網(wǎng)絡的訓練方面我們選用最速下降法訓練網(wǎng)絡，因為由實驗可知改進動量法的訓練時間要遠大于最速下降法。在訓練過程中發(fā)現(xiàn)并不是每一次訓練神經(jīng)網(wǎng)絡都會收斂，經(jīng)常會出現(xiàn)神經(jīng)網(wǎng)絡遇見局部極小點的情況。出現(xiàn)這種情況時需重新訓練神經(jīng)網(wǎng)絡。神經(jīng)網(wǎng)絡訓練好之后，其權值不需要再改變。訓練樣本是每一個色卡的RGB顏色值和XYZ顏色值。所有色卡總共選取了580個數(shù)據(jù)，共分26組，從每組中隨機抽取一個數(shù)據(jù)，組成26個數(shù)據(jù)的檢驗集；其余554個數(shù)據(jù)為樣本集。樣本集經(jīng)過組織后具有類別均衡、類間交叉和類內(nèi)均衡的特征。由于樣本數(shù)量巨大，訓練時間會很長，訓練誤差也不能取太小。在訓練結束后，要用測試集測試神經(jīng)網(wǎng)絡。測試誤差也小于規(guī)定的誤差時訓練才結束。雖然訓練時 WP=83 間很長，但訓練后計算的時間很短。經(jīng)過訓練我們建立了一個RGB顏色空間到XYZ顏色空間的轉換關系。 利用該顏色測試系統(tǒng)，對高壓加工后以及貯藏一個月后的蔬菜顏色分別進行了測試，計算和分析結果表明：高壓加工后三種蔬菜的顏色都相應加深；貯藏一個月后，芹菜退色較嚴重，但高壓對綠色有保護作用；番茄和胡蘿卜的顏色有所加深，沒有發(fā)現(xiàn)壓力對上述兩種蔬菜顏色變化的影響規(guī)律。 本文建立了一個檢測顏色的計算機視覺系統(tǒng)，可以把所有RGB顏色空間的顏色都轉化成L*a*b*顏色空間，在L*a*b*顏色空間對顏色進行檢測。
本文分析了各個顏色空間，并用神經(jīng)網(wǎng)絡建立了RGB顏色空間和XYZ顏色空間的非線性轉換關系。文中的檢測顏色的計算機視覺系統(tǒng)將放入光照箱內(nèi)
111儀器信息網(wǎng)
