8月28日消息，据《Chemistry World》报道，英国斯特拉斯克莱德大学（University of Strathclyde）Marc Reid团队的一项新研究表明，某些染料分子产生的明亮、高饱和度颜色可能落在数码相机使用的8-bit sRGB色彩空间之外，从而导致自动化分析中的误判，这对日益依赖摄像头做反应监测的「数字化化学」和自驱动实验室（self-driving labs）构成实质风险。

Reid团队正在开发将日常视觉观察转化为定量动力学数据的视频分析软件。研究团队此前就发现许多相机采用的sRGB色域不足以支撑反应监测——一次基于视频的测量曾出现无法解释的「拐点」，而化学本身遵循简单的一级动力学，问题出在相机端。

相机以红、绿、蓝三个0-255的数值存储颜色，共可编码16,777,216种颜色。Reid指出：「非常鲜艳、非常饱和的颜色落在相机所能编码的集合之外。当这种情况发生时，相机不会发出警告，它只是简单地替换为它能够存储的最接近的颜色。」

在以结晶紫（crystal violet）水解反应为对象的测试中，团队用一台商用摄像机发现：在1000秒实验的前80秒内反应混合物的颜色始终处于sRGB色域之外，因此被错误记录——即使初始浓度低至0.05mM（20.4mg/l）亦然。若将包含被裁切数据的整个数据集拟合指数衰减曲线，会系统性低估反应速率常数。

瓦赫宁根大学的Vittorio Saggiomo评论称，在摄像头被大量用于检查反应的自驱动实验室时代，「这一发现极其重要，误差幅度巨大——对相机数据拟合指数衰减模型可使反应速率被低估近一个数量级」。

团队为此开发了诊断和缓解色域裁切的流程图。Reid给出的实用判据是：「看你的样品，再看相机屏幕上的它。如果烧瓶中比显示屏上更鲜艳，你可能正在发生裁切。」应对方法包括以RAW格式采集，或改用支持DCI-P3、Adobe RGB等更宽色域的相机。拉夫堡大学的Steve Christie认为该流程图「提供了一个合乎逻辑且务实的路径，同时对裁切问题保持审慎」。对工业在线颜色监测与高通量自动化合成平台而言，这一结论同样具有直接的操作意义。 （来源：Chemistry World）