浅析颜色与物质浓度辨识

林琼

【摘 要】本文首先建立了浓度与颜色读数的多元线性回归模型， 用SPSS軟件对模型进行优化，最终建立了浓度与“绿饱共线”的一元线性回归方程，这样就可以直接用颜色读数来估算物质浓度了。但是本文样本容量太小，模型有一定的误差，还有待于改进。

【关键词】浓度；颜色读数；多元线性回归模型；一元线性回归模型；SPSS软件

中图分类号： O212 文献标识码： A 文章编号： 2095-2457（2018）20-0117-002

DOI：10.19694/j.cnki.issn2095-2457.2018.20.050

比色法是目前常用的一种检测物质浓度的方法，即把待测物质制备成溶液后滴在特定的白色试纸表面，等其充分反应以后获得一张有颜色的试纸，再把该颜色试纸与一个标准比色卡进行对比，就可以确定待测物质的浓度档位了。由于每个人对颜色的敏感差异和观测误差，使得这一方法在精度上受到很大影响。随着照相技术和颜色分辨率的提高，希望建立颜色读数和物质浓度的数量关系，即只要输入照片中的颜色读数就能够获得待测物质的浓度。试根据下面表格提供的有关二氧化硫的颜色读数和物质浓度数，试建立物质浓度和颜色读数的数学模型。

1 模型的假设及符号说明

（1）上表中，同一浓度的颜色读数是同一相机拍出照片的颜色读数。

（2）上表中，物质浓度是同一仪器识别的照片中的待测物质浓度。

（3）y因变量：二氧化硫的浓度。

（4）x1，x2，x3，x4，x5自变量：分别为RGBSH的颜色读数。

（5）α1，α2，α3，α4，α5，β：分别为自变量的系数和常数。

2 模型的建立及求解

首先，五个自变量RGBSH是否存在共线性要通过SPSS软件进行公线性诊断，诊断结果如下：

从上表中可以看中，绿色读数与饱和度的VIF值都超过了40，说明绿色与饱和度共线，这时要SPSS用软件对自变量进行降维，降维后的自变量命名为“绿饱共线”，然后再建立浓度与红色读数，蓝色读数，色调和“绿饱共线”的多元线性回归模型，现用软件计算结果如下：

按照的检验水准，红色读数，蓝色读数和色调读数显著性分别0.438，0.038和0.084，显著性都大于0.01；“绿饱共线”显著性为0.003，显著性小于0.01.这也就说明了浓度与红色读数，蓝色读数和色调读数关系不显著，浓度与 “绿饱共线”关系非常显著，从而可以建立浓度与 “绿饱共线”之间的一元线性回归模型，现用SPSS软件计算如下：

3 模型的评价和推广

本文根据数字比色法的基本思想，首先建立多元线性回归模型，灵活运用SPSS软件对数据进行处理和计算，最终建立了二氧化硫浓度和颜色读数的一元线性回归模型。由于样本容量为20，样本容量有点小，所以建立的模型有一定的误差，还有待于改进。

本文主要运用了统计回归模型，如一元线性回归模型，多元线性回归模型，它们的特点是有效性高，适用的范围比较广，可以推广到农药残留检验、水质检验、生物分子检验等领域.

【参考文献】

[1]姜启源，谢金星，叶俊.数学建模（第四版）[M].高等教育出版社.2011.

[2]景学安，李新林.医学统计学[M].人民卫生出版社.2015.

[3]魏宗舒，等.概率论与数量统计教程[M].高等教育出版社.1983.