農(nóng)產(chǎn)品和食品顏色是非常重要的產(chǎn)品質(zhì)量指標(biāo)。而蔬菜的顏色則更加重要，因?yàn)轷r艷的蔬菜顏色不僅可以激起消費(fèi)者的購(gòu)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(gè)重要指標(biāo)。 物體的顏色是一個(gè)心理物理量，既與物體本身有關(guān)，又與人的顏色視覺(jué)有關(guān)。在食品顏色的評(píng)價(jià)和比較中只能依賴人（有時(shí)是具有某種權(quán)威的專業(yè)人員）的主觀觀察，得出結(jié)論。但該方法受人的主觀因素影響較大，很難得到客觀的結(jié)論。 計(jì)算機(jī)視覺(jué)不受人的生理和心理因素影響，可以對(duì)農(nóng)產(chǎn)品的顏色進(jìn)行精確的量化，從而可以得到較為客觀的評(píng)價(jià)，評(píng)價(jià)結(jié)果穩(wěn)定、標(biāo)準(zhǔn)、客觀。因此，利用計(jì)算機(jī)視覺(jué)系統(tǒng)測(cè)試顏色是一種顏色感官評(píng)價(jià)客觀化的新途徑。 計(jì)算機(jī)視覺(jué)可以簡(jiǎn)單地理解為用攝像機(jī)代替人的眼睛，用計(jì)算機(jī)代替人的大腦，從而完成對(duì)周圍環(huán)境和目標(biāo)的識(shí)別和解釋。其硬件組成是計(jì)算機(jī)圖像處理系統(tǒng)，主要包括計(jì)算機(jī)、攝像機(jī)、圖像卡（模擬圖像信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)）、光源等。其基本原理是：利用攝像機(jī)獲得對(duì)象的二維圖像信息，通過(guò)信號(hào)轉(zhuǎn)換將圖象信息轉(zhuǎn)變成計(jì)算機(jī)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(zhuǎn)換是非線性的,所以需要建立一個(gè)非線性的轉(zhuǎn)換關(guān)系。神經(jīng)網(wǎng)絡(luò)具有較好的非線性映射能力，特別是BP神經(jīng)網(wǎng)絡(luò)具有以下3個(gè)特點(diǎn)： 兩個(gè)隱層的BP神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)任意的映射。 結(jié)構(gòu)簡(jiǎn)單，易于實(shí)現(xiàn)。 運(yùn)算速度快。 其中的BP算法原理：由數(shù)據(jù)流的前向計(jì)算（正向傳播）和誤差信號(hào)的反向傳播兩個(gè)過(guò)程構(gòu)成。正向傳播時(shí)，傳播方向?yàn)檩斎雽印[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(zhuǎn)向誤差信號(hào)的反向傳播流程。通過(guò)這兩個(gè)過(guò)程的交替進(jìn)行，在權(quán)向量空間執(zhí)行誤差 WP=82 函數(shù)梯度下降策略，動(dòng)態(tài)迭代搜索一組權(quán)向量，使網(wǎng)絡(luò)誤差函數(shù)達(dá)到最小值，從而完成信息提取和記憶過(guò)程。 本論文建立了一套檢測(cè)食品顏色的系統(tǒng)主要針對(duì)以下幾個(gè)關(guān)鍵技術(shù)進(jìn)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(diǎn)。為比較和檢測(cè)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(lái)比較和檢測(cè)顏色差異。同時(shí)說(shuō)明RGB顏色空間和XYZ顏色空間之間的轉(zhuǎn)換關(guān)系為非線性，需要用神經(jīng)網(wǎng)絡(luò)建立非線性轉(zhuǎn)換關(guān)系。從攝像頭采來(lái)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(zhuǎn)化為L(zhǎng)*a*b*顏色空間，所以先將RGB顏色空間轉(zhuǎn)化為XYZ顏色空間，再  將XYZ顏色空間轉(zhuǎn)化為L(zhǎng)*a*b*顏色空間。 本文建立了一個(gè)由計(jì)算機(jī)、彩色CCD攝像頭、圖像采集卡和光照系統(tǒng)等組成的計(jì)算機(jī)視覺(jué)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(diǎn)的RGB顏色，并指出該點(diǎn)坐標(biāo)；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(zhǎng)、寬和面積。比較了幾種常用光源由于標(biāo)準(zhǔn)A光源具有較好的顯色性，使物體顏色失真小，方便易得，價(jià)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(jué)工作。而充氣鹵鎢燈更是典型的標(biāo)準(zhǔn)A光源，因此本次實(shí)驗(yàn)選用鹵鎢燈作為照明光源。分析0/45、45/0、0/d、d/0四種測(cè)色的標(biāo)準(zhǔn)照明和觀察條件。由于設(shè)計(jì)本裝置的目的是研究農(nóng)產(chǎn)品和食品的顏色檢測(cè)，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(cè)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(shè)計(jì)了符合條件的光照箱。 經(jīng)過(guò)對(duì)幾種常用神經(jīng)網(wǎng)絡(luò)進(jìn)行比較,我們采用BP神經(jīng)網(wǎng)絡(luò)。我們用Matlab建立具有一個(gè)隱層、一個(gè)輸入層和一個(gè)輸出層的三層神經(jīng)網(wǎng)絡(luò)。在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方面我們選用最速下降法訓(xùn)練網(wǎng)絡(luò)，因?yàn)橛蓪?shí)驗(yàn)可知改進(jìn)動(dòng)量法的訓(xùn)練時(shí)間要遠(yuǎn)大于最速下降法。在訓(xùn)練過(guò)程中發(fā)現(xiàn)并不是每一次訓(xùn)練神經(jīng)網(wǎng)絡(luò)都會(huì)收斂，經(jīng)常會(huì)出現(xiàn)神經(jīng)網(wǎng)絡(luò)遇見(jiàn)局部極小點(diǎn)的情況。出現(xiàn)這種情況時(shí)需重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)訓(xùn)練好之后，其權(quán)值不需要再改變。訓(xùn)練樣本是每一個(gè)色卡的RGB顏色值和XYZ顏色值。所有色卡總共選取了580個(gè)數(shù)據(jù)，共分26組，從每組中隨機(jī)抽取一個(gè)數(shù)據(jù)，組成26個(gè)數(shù)據(jù)的檢驗(yàn)集；其余554個(gè)數(shù)據(jù)為樣本集。樣本集經(jīng)過(guò)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(xùn)練時(shí)間會(huì)很長(zhǎng)，訓(xùn)練誤差也不能取太小。在訓(xùn)練結(jié)束后，要用測(cè)試集測(cè)試神經(jīng)網(wǎng)絡(luò)。測(cè)試誤差也小于規(guī)定的誤差時(shí)訓(xùn)練才結(jié)束。雖然訓(xùn)練時(shí) WP=83 間很長(zhǎng)，但訓(xùn)練后計(jì)算的時(shí)間很短。經(jīng)過(guò)訓(xùn)練我們建立了一個(gè)RGB顏色空間到XYZ顏色空間的轉(zhuǎn)換關(guān)系。 利用該顏色測(cè)試系統(tǒng)，對(duì)高壓加工后以及貯藏一個(gè)月后的蔬菜顏色分別進(jìn)行了測(cè)試，計(jì)算和分析結(jié)果表明：高壓加工后三種蔬菜的顏色都相應(yīng)加深；貯藏一個(gè)月后，芹菜退色較嚴(yán)重，但高壓對(duì)綠色有保護(hù)作用；番茄和胡蘿卜的顏色有所加深，沒(méi)有發(fā)現(xiàn)壓力對(duì)上述兩種蔬菜顏色變化的影響規(guī)律。 本文建立了一個(gè)檢測(cè)顏色的計(jì)算機(jī)視覺(jué)系統(tǒng)，可以把所有RGB顏色空間的顏色都轉(zhuǎn)化成L*a*b*顏色空間，在L*a*b*顏色空間對(duì)顏色進(jìn)行檢測(cè)。
  本文分析了各個(gè)顏色空間，并用神經(jīng)網(wǎng)絡(luò)建立了RGB顏色空間和XYZ顏色空間的非線性轉(zhuǎn)換關(guān)系。文中的檢測(cè)顏色的計(jì)算機(jī)視覺(jué)系統(tǒng)將放入光照箱內(nèi)