Arduino 颜色传感器原型机：识别并显示物体颜色名称

元器件与物料清单

应用与在线服务

• MLP Topology Workbench - 用于训练神经网络权重，配合 Arduino Neurona 库使用

项目简介

这是完整文章的简化版，便于复现。完整实现细节请访问我的博客。建议先观看项目视频了解效果。

项目概览

模拟人眼色觉原理，基于光学的 RGB 模型包含 1600 万+ 颜色，在三维空间中由 R/G/B 整数坐标 (0-255) 定位。本项目结合光学电子元件与机器学习实现颜色检测识别：RGB LED 与 CdS 光敏电阻隔绝环境光，分别发射和感知物体反射的红/绿/蓝光强度。

多层感知机 (MLP)

MLP 是前馈人工神经网络架构，含输入层(非神经)、隐藏层、输出层，通过反向传播算法进行监督学习。

本项目网络结构：3 输入 (RGB) → 1 隐藏层 6 神经元 → 输出层 10 神经元 (对应 10 种颜色类别，输出二值化)。网络已预训练可直接识别颜色。训练细节和数据集见博客完整版。

颜色识别原理

训练过程中，网络在 RGB 空间划分出由超平面隔离的区域，每个区域对应一种颜色。新输入的 RGB 模式 (3D 点) 落入某区域即被分类为该颜色。

为获得良好泛化能力，训练集必须覆盖目标域。数据集 75 个样本，RGB 值归一化至 [0,1] (原 0-255 除以 255)。输出层仅目标神经元输出 1，其余 0。推理时取最大输出神经元为 1，其余 0：

关键提示： 训练集定义的 min/max 域外输入会导致识别失效。

电子电路

检测过程在电路中完成，Atmega328 运行计算程序。请按原理图接线：

注意： 代码基于共阳极 RGB LED，若用共阴极请反转代码逻辑。原理图中 RGB LED 共用一个电阻接在公共阳极 (偷懒做法)，正确做法是各阴极分别串联对应电阻以保证色彩还原度。但该简化不影响模式识别，只是采集值与标准 RGB 空间有偏移。

RGB LED 与 CdS 紧邻布置，必须用不透光管隔绝环境光 (废胶卷罐最佳)，否则校准和识别都会失效。视频中展示了隔光结构。

色彩理论基础

仅适用于不透明哑光表面，避免镜面反射干扰 CdS。漫反射是关键：入射光在粗糙面向各方向反射，无高光干扰。

加色系统中，白=全色混合、黑=无光。红光照黄色物体，反射强(黄含红绿)；蓝光照黄色物体，反射弱(黄少蓝)。

测量各色光在物体上的最大/最小反射值，即可完成电路校准。黄金法则： 校准后尽量不动电路元件(尤其是面包板上)和隔光筒，保证检测稳定。

色彩理论参考 PDF: US_plugins_acrobat_en_motion_education_colorTheory.pdf

编程实现

校准和识别各执行三次迭代 (R/G/B 依次发光)：

1. 红光照物体，等待 CdS 稳定读取模拟值存储
2. 绿光、蓝光同理

校准流程： 对黑色和白色物体各执行一次上述迭代，获得 RGB 三通道的最大/最小反射范围，将原始读数 (约 0-1023) 重映射到 [0,255] (显示用) 和 [0,1] (神经网络输入)。

稳定延时： 光敏电阻响应时间因器件而异，建议初用较大延时(如 500ms)再逐步减小至临界稳定值。

识别时，归一化 RGB 值喂入 MLP。Arduino 端使用 Neurona 库 (自行开发，Arduino 库管理器可安装) 运行神经网络。网络已预训练，权重嵌入代码，Neurona 初始化即可使用。训练过程在配套 Playground 完成。

测试结果

从数据集抽取部分颜色测试：

图中数字为样本编号，内部数字为误分类时被误判为的颜色编号。测试样本为喷墨打印在铜版纸上的色块，符合哑光不透明要求。

代码

Arduino 代码位于 GitHub 仓库 colorSensor 文件夹。使用前请确保：

1. 电路按原理图搭建
2. 已通过库管理器安装 Neurona 库

https://github.com/moretticb/ColorSensor/

原理图

按 LCD 提示操作轻触开关