背景颜色和样品厚度影响色度计和计算机视觉对海产品颜色的测量

《Journal of Food Measurement and Characterization》:Background colour and sample thickness influence measurement of seafood colour for both colorimeters and computer vision

【字体: 大 中 小 】 时间:2026年06月23日 来源:Journal of Food Measurement and Characterization 3.3

编辑推荐:

  颜色是消费者接受海产品最关键的属性之一,因此颜色测量是一个重要方面。本研究旨在确定测量设备(两种色度计:Nix Pro、Minolta CR400;涉及Canon EOS 7D相机和计算机处理的计算机视觉)、样品厚度(1-5 cm)和背景颜色(黑色、白色)对三

  
颜色是消费者接受海产品最关键的属性之一,因此颜色测量是一个重要方面。本研究旨在确定测量设备(两种色度计:Nix Pro、Minolta CR400;涉及Canon EOS 7D相机和计算机处理的计算机视觉)、样品厚度(1-5 cm)和背景颜色(黑色、白色)对三种海产品测量颜色的影响。研究人员使用这些因素的完全析因组合测量了生和熟鲑鱼、石斑鱼和虾的颜色。白色背景增加了L*、a*、b*值,而黑色背景降低了这些值,并且这两种效应随着厚度增加以及熟样品不透明性增加而减弱。因此,在海产品颜色测量中,需要标准化背景颜色和样品厚度以确保可重复性。与使用计算机视觉相比,使用色度计进行颜色测量时,样品厚度和背景颜色的影响较小。因此,尽管计算机视觉可用于自动化系统,但仍需对样品参数和环境进行进一步研究。颜色是消费者接受海产品最关键的属性之一,因此颜色测量是一个重要方面。本研究旨在确定测量设备(两种色度计:Nix Pro、Minolta CR400;涉及Canon EOS 7D相机和计算机处理的计算机视觉)、样品厚度(1-5 cm)和背景颜色(黑色、白色)对三种海产品测量颜色的影响。研究人员使用这些因素的完全析因组合测量了生和熟鲑鱼、石斑鱼和虾的颜色。白色背景增加了L*、a*、b*值,而黑色背景降低了这些值,并且这两种效应随着厚度增加以及熟样品不透明性增加而减弱。因此,在海产品颜色测量中,需要标准化背景颜色和样品厚度以确保可重复性。与使用计算机视觉相比,使用色度计进行颜色测量时,样品厚度和背景颜色的影响较小。因此,尽管计算机视觉可用于自动化系统,但仍需对样品参数和环境进行进一步研究。
**研究背景**
海产品颜色是消费者接受度的关键属性,直接影响购买意愿和行业定价。例如,颜色鲜亮的生鲑鱼片比暗淡的鱼片售价更高,而熟海产品的颜色可指示烹饪程度。目前,颜色评估常依赖人工分级,但主观性强且耗时;工业界需要更高效可靠的方法。客观仪器测量(如色度计和分光光度计)常用CIE L*a*b*色彩空间量化颜色。近期,计算机视觉(computer vision)被探索用于自动化分级,但测量结果受设备设置、样品特性(如厚度、透明度)和背景颜色等因素影响。已有研究指出,生海产品具有半透明性,部分照明光可穿透样品并被背景反射或吸收,从而影响测量值。然而,不同设备对样品厚度和背景颜色的敏感度尚缺乏系统比较。为此,研究人员开展了本研究,旨在明确测量设备(Nix Pro、Minolta CR400色度计及计算机视觉系统)、样品厚度(1–5 cm)和背景颜色(黑、白)对三种海产品(鲑鱼、石斑鱼、虾)颜色测量的影响,为标准化测量提供依据。

**研究内容与结论**
研究人员选取生和熟的三种海产品(大西洋鲑Salmo salar、香蕉虾Penaeus merguiensis、石斑鱼Genypterus tigerinus),采用完全析因设计,使用三种测量设备、五种(或三种)厚度和两种背景颜色进行颜色测量。通过方差分析(ANOVA)评估各因素及其交互作用。主要结论:白色背景普遍增加L*、a*、b*值,黑色背景降低这些值;增加样品厚度可减弱背景颜色影响,熟样品因不透明性增加也使影响减弱;计算机视觉系统受背景和厚度的影响显著大于色度计,且变异系数更高;Minolta色度计准确性最高,计算机视觉准确性最低。研究建议标准化背景颜色和样品厚度(如生鲑鱼和石斑鱼至少2 cm厚,虾至少3 cm厚)以确保颜色测量可重复性。论文发表在《Journal of Food Measurement and Characterization》。

**主要关键的技术方法**
研究人员使用三种测量设备:Nix Pro色度计(10 mm孔径,D65光源,10°观察角)、Minolta CR400色度计(8 mm孔径,D65光源,2°观察角)以及计算机视觉系统(Canon EOS 7D相机,D65 LED照明,45°几何条件,配合X-rite色卡校准)。样品来源于当地市场(8条鲑鱼片、105只虾、8条石斑鱼片,分7–8个采样日)。通过堆叠1 cm厚切片实现厚度处理(1–5 cm)。背景颜色采用黑色或白色瓷砖。每个处理组合进行15次重复测量,取平均值。

**研究结果**
- **设备、瓷砖颜色、厚度和烹饪的影响**:通过完全析因ANOVA分析(固定因素:设备、厚度、瓷砖颜色;随机因素:采样日),发现白色背景显著提高L*、a*、b*值,黑色背景显著降低这些值(P < 0.05);增加样品厚度可减弱此效应;熟样品因不透明性增加,背景和厚度的影响减弱。计算机视觉系统的L*、a*、b*值通常高于色度计,且对厚度和背景的交互作用更敏感,导致其变异系数(CoV)更高(L*: 2.9–8.9%, a*: 7.7–90.0%)。
- **防止背景颜色影响所需的最小厚度**:基于无背景颜色效应(P > 0.05)的最小厚度定义,通过线性混合模型(REML)分析,计算机视觉系统所需最小厚度平均为4.17 cm,而Nix和Minolta分别仅需1.79 cm和1.83 cm(P < 0.001),表明色度计对背景颜色敏感性更低。
- **设备准确性**:通过测量红色校准瓷砖(标定值Y=15.5, x=0.449, y=0.321),比较各设备与标定值的颜色差异(ΔE2000)。Minolta的ΔE最小(2.67),准确性最高;Nix(8.88)和计算机视觉(16.00)准确性显著偏低。计算机视觉的L*和a*值受背景颜色显著影响(P < 0.05),但ΔE仅为0.39,差异很小。

**讨论与结论**
讨论部分指出,计算机视觉系统受背景和厚度影响更大,可归因于边缘损失(edge loss)现象:色度计的强照明光在样品内横向散射后可能逸出孔径而不被检测,而计算机视觉的相机可捕获这些散射光。此外,计算机视觉还可能受样品周围“环绕”(surrounds)影响。白色背景增加L*、a*、b*值,黑色背景降低这些值,符合Beer-Lambert定律和选择性波长吸收理论;但部分效应在生石斑鱼和虾中与理论预期不一致,可能与样品色度与透明度比值低有关。研究局限性包括采用堆叠样品模拟不同厚度,可能低估实际鱼片的 opacity 效应;计算机视觉准确性低可能由照明、光箱壁面反射及图像处理差异导致。结论翻译如下:Minolta具有最高准确性,相对于Nix和计算机视觉;计算机视觉准确性低得多。计算机视觉受厚度和背景颜色变化的影响比Nix Pro和Minolta CR400更大,且变异系数更高。白色背景通常增加L*、a*、b*值,而黑色背景降低它们,增加样品厚度减少了背景颜色的影响。计算机视觉和色度计测量的L*、a*、b*值之间的差异以及背景和厚度的影响可部分由色度计上的边缘损失效应解释。尽管经过校准,计算机视觉系统的不准确性凸显了需要标准化协议来检查准确性。研究人员推荐以下最小样品厚度以防止Nix和Minolta色度计受背景颜色影响:熟虾和生虾3 cm,生石斑鱼和鲑鱼2 cm,熟石斑鱼和鲑鱼1 cm。此外,背景颜色应在测量之间保持一致,尤其是在无法保持推荐厚度的情况下。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号