農產(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(mǎi)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。 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)。在食品顏色的評價(jià)和比較中只能依賴(lài)人（有時(shí)是具有某種權威的專(zhuān)業(yè)人員）的主觀(guān)觀(guān)察，得出結論。但該方法受人的主觀(guān)因素影響較大，很難得到客觀(guān)的結論。 計算機視覺(jué)不受人的生理和心理因素影響，可以對農產(chǎn)品的顏色進(jìn)行精確的量化，從而可以得到較為客觀(guān)的評價(jià)，評價(jià)結果穩定、標準、客觀(guān)。因此，利用計算機視覺(jué)系統測試顏色是一種顏色感官評價(jià)客觀(guān)化的新途徑。 計算機視覺(jué)可以簡(jiǎn)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?chē)h(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，主要包括計算機、攝像機、圖像卡（模擬圖像信號轉換為數字信號）、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(guò)信號轉換將圖象信息轉變成計算機能接受的數字圖象[6]。 由于RGB顏色空間向XYZ顏色空間的轉換是非線(xiàn)性的,所以需要建立一個(gè)非線(xiàn)性的轉換關(guān)系。神經(jīng)網(wǎng)絡(luò )具有較好的非線(xiàn)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)現任意的映射。 結構簡(jiǎn)單，易于實(shí)現。 運算速度快。 其中的BP算法原理：由數據流的前向計算（正向傳播）和誤差信號的反向傳播兩個(gè)過(guò)程構成。正向傳播時(shí)，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(guò)這兩個(gè)過(guò)程的交替進(jìn)行，在權向量空間執行誤差 WP=82 函數梯度下降策略，動(dòng)態(tài)迭代搜索一組權向量，使網(wǎng)絡(luò )誤差函數達到最小值，從而完成信息提取和記憶過(guò)程。 本論文建立了一套檢測食品顏色的系統主要針對以下幾個(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顏色空間之間的轉換關(guān)系為非線(xiàn)性，需要用神經(jīng)網(wǎng)絡(luò )建立非線(xiàn)性轉換關(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顏色空間轉化為L(cháng)*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(cháng)*a*b*顏色空間。 本文建立了一個(gè)由計算機、彩色CCD攝像頭、圖像采集卡和光照系統等組成的計算機視覺(jué)系統。圖象顏色采集工作由軟件完成，軟件用VC++6.0編寫(xiě)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；也可以采集圖象中特定矩形區域的平均RGB顏色，并指出該區域的長(cháng)、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(jià)格較低。如白熾燈與日光都是連續光譜分布光源，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準A光源，因此本次實(shí)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(guān)察條件。由于設計本裝置的目的是研究農產(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(guān)察條件，決定選用0/45觀(guān)察條件。我們專(zhuān)門(mén)設計了符合條件的光照箱。 經(jīng)過(guò)對幾種常用神經(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 )的訓練方面我們選用最速下降法訓練網(wǎng)絡(luò )，因為由實(shí)驗可知改進(jìn)動(dòng)量法的訓練時(shí)間要遠大于最速下降法。在訓練過(guò)程中發(fā)現并不是每一次訓練神經(jīng)網(wǎng)絡(luò )都會(huì )收斂，經(jīng)常會(huì )出現神經(jīng)網(wǎng)絡(luò )遇見(jiàn)局部極小點(diǎn)的情況。出現這種情況時(shí)需重新訓練神經(jīng)網(wǎng)絡(luò )。神經(jīng)網(wǎng)絡(luò )訓練好之后，其權值不需要再改變。訓練樣本是每一個(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)數據，共分26組，從每組中隨機抽取一個(gè)數據，組成26個(gè)數據的檢驗集；其余554個(gè)數據為樣本集。樣本集經(jīng)過(guò)組織后具有類(lèi)別均衡、類(lèi)間交叉和類(lèi)內均衡的特征。由于樣本數量巨大，訓練時(shí)間會(huì )很長(cháng)，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(luò )。測試誤差也小于規定的誤差時(shí)訓練才結束。雖然訓練時(shí) WP=83 間很長(cháng)，但訓練后計算的時(shí)間很短。經(jīng)過(guò)訓練我們建立了一個(gè)RGB顏色空間到XYZ顏色空間的轉換關(guān)系。 利用該顏色測試系統，對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(gè)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(méi)有發(fā)現壓力對上述兩種蔬菜顏色變化的影響規律。 本文建立了一個(gè)檢測顏色的計算機視覺(jué)系統，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(jìn)行檢測。
  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(xiàn)性轉換關(guān)系。文中的檢測顏色的計算機視覺(jué)系統將放入光照箱內