王春红 张弘强 王雪飞 张全禹 崔金玉

（绥化学院 黑龙江绥化 152061）

一、引言

颜色识别在图像处理、遥感技术、工业过程控制、产品质检、机器人视觉系统等领域已得到广泛应用。利用已有的彩色图像处理设备，如摄像头、彩色数码相机等可以进行尿样的颜色识别[1]。但是，由于系统信号传输的非线性等各种外在因素的影响，不同设备间颜色信息的传递是非常复杂的。同一彩色图像经不同彩色图像处理设备拍摄或扫描后再输入到计算机中所得到的RGB数据文件在数量大小和比例关系上也会呈现明显的失调[2]。

神经网络通过寻找输入—输出数据间的关系来实现模式识别任务。经过几十年的发展，神经网络已经在模式识别中奠定了不可或缺的位置[3]。

本文针对颜色色空间转换非线性的复杂关系，在获取标准阈值颜色色度值后，建立学习矢量量化（LVQ）神经网络和概率神经网络（PNN），用于尿样的颜色识别，并与颜色色差评价方法进行了比对。

一、样本体系结构

（一）标准阈值

尿液生化分析每一个具体项目中，分为非正常情况（+，++，+++）、临界正常（－+）和正常（－）。将不同测试项目的尿试纸与标准阈值实验液作用，并在规定时间内测试尿试纸的颜色值，每个检测项目均有5个标准阈值，进行5组实验，即每个检测项目共提取25个颜色RGB值。

（二）标准阈值间色差计算

直接用色度仪器测试与标准阈值实验液反应后的尿试纸的颜色三刺激值XYZ。为能够反映两个颜色之间色差的大小，通常将物体的颜色三刺激值XYZ转化成CIELab匀色空间的色度值[4]，依据（1）式进行计算。……