1. 引言
近年来，众多研究者意识到消费者的情感偏好决定产品销量 [1]。将消费者情感偏好有效转化为供设计师决策的产品特征可提高产品开发的成功率 [2]。在产品设计开发中，产品的设计决策通常由每一级的设计师完成，由于认知差异易造成具有主观偏好的设计决策，形成的方案常常不符合用户情感需求 [3]。
产品研发方式分为新设计、适应性设计和变型设计，而75%的设计是基于已有产品进行改进与演化 [4]，即使是新设计，也有部分内容可基于现有产品进行。因此，通过重用已有产品，客观测量反映用户情感吸引力的产品特征，构成设计师与消费者的沟通桥梁。其中一个典型的研究方法是感性工学(Kansei Engineering, KE) [5]，研究情感语义与产品特征的匹配关系 [6]，为设计决策提供科学依据。
2. 研究现状
2.1. 感性工学
感性工学(Kansei Engineering, KE)被确立为一种强大的面向消费者的方法，将消费者的感性需求转化为产品设计特征。Chang等 [7] 从相关专业出版物、杂志、研究论文中选取了适合于描述产品意象的形容词，并整理为情感知觉词汇表，再结合方向盘样本的设计特点提取了方向盘的感性意象；曾栋等 [8] 结合市场医用产品的现状，通过项目组讨论，确定了符合离心机造型语义的4个意象词；苏畅等 [9] 针对车身色彩设计，通过语义差分法实现感性意象词汇的量化，运用主成分分析将多个感性词汇变量转化为优选的综合变量，筛选出了21组词汇，最后通过认可度问卷调查筛选出了6组目标感性意象。
2.2. 产品色彩意象
意象是人主观的情感、想法和外在事物相碰撞产生的心理综合感觉。产品色彩意象产生于用户对产品色彩认知过程，是通过自身视觉感官通道对色彩感性需求获取、联想与再创造的结果。这些心理反应影响观看者对色彩产生的感受，色彩意象产生见图1所示。
Figure 1. Color image generation process
图1. 色彩意象产生过程
2.3. 植保无人机色彩意象认知研究
《人民政府关于印发贵州省十大千亿级工业产业振兴行动方案的通知(黔府发[2018] 33号)》明确指出，要加快发展航空产业。因此本研究的产品以贵州十大千亿产业之一的无人机作为本研究的对象。植保无人机，是用于农林植物保护作业的无人驾驶飞机，与传统植保作业相比，无人机植保作业具有精准、高效等特点。中国作为农业大国，20亿亩基本农田，每年需要大量的农业植保作业，农村劳动力短缺，年轻人不愿意从事繁重的农业生产，老年人体力下降，对于农业生产心有余而力不足。此外，每年农药中毒、农药残留和污染事件频发，给家庭带来巨大的悲痛，植保无人机可安全高效喷洒作业因此受到市场广泛欢迎。相对于发达国家，我国农业植保环节的机械化水平较低，植保机械渗透率提升空间很大。
近年来，随着规模化种植引发的市场新需求，植保无人机市场渐入佳境，行业已经基本度过市场教育阶段。市场需求带动产业升级换代，无人机市场也从最初的专人操作逐渐向“傻瓜机”方向发展。植保无人机行业发展受人力限制，不可能培训出成千上万个遥控型的飞手去喷洒农药。所以植保无人机发展要智能化，更要接地气，适于新农人操作。
3. 研究内容
基于上述研究背景，选取植保无人机作为此次研究对象。研究流程见图2所示，总体分为6个步骤：
创建无人机色彩样本域及色彩意象域、基于SD法的无人机色彩意象评价、基于回归分析的无人机色彩要素模型建立、参数化结果分析、模型验证、计算机辅助无人机设计应用。
3.1. 创建无人机色彩样本域及色彩意象域
3.1.1. 基于控制变量法的无人机色彩重构
从互联网大量收集样本100个，最终确定20个作为初始样本研究。分析其影响色彩的因素，进行进一步样本选定。影响色彩意象的主要要素包括色相、饱和度、明度、色彩面积、色彩搭配，为了剔除形状、角度等无关变量对色彩意象的影响，采用市面上较多的某一六轴植保无人机为对象，对其进行色彩的重构以表现市面上不同色相、饱和度、明度、色彩面积、色彩搭配(对比色、邻近色)等，如表1所示。
Table 1. Reconstruction of UAV color elements
表1. 无人机色彩要素重构
3.1.2. 无人机色彩意象域建立
首先，从互联网、期刊等方式，收集有关无人机感性意象或描绘顾客感受的词语200个，经初筛，排除意义、性质过于相近的感性词汇，最终确定126个意象作为第一步的感性意象语义。接着，邀请31位具有一定设计基础的本科生和研究生以及5名具有一定设计经验的设计师作为实验者，观察无人机样本图片后，结合自己的经验进行意象选取，然后进行统计，选取勾选次数达1/3 (12次)的形容词，最终选取37个形容词，见表2。
Table 2. Initial image domain of UAV
表2. 无人机初始意象域
接着，将上述37个意象编号，并邀请25名不同背景的被试，应用人工分类法，让被试将具有相近意义的形容词填在相同栏目里，共10个栏目群。获取意象分群相同的次数，得到37*37相似性矩阵，将其输入到SPSS软件中进行二维至六维的多元尺度法分析。整理分析SPSS得到的计算结果，统计各维数Stress压力系数与RSQ值，如表3所示。
Table 3. Stress stress coefficient and RSQ value of each dimension
表3. 各维数Stress压力系数与RSQ值
表3中Stress与RSQ值是分析模型拟合情况的检验指标。一般Stress越小、RSQ越大，表明计算结果与观察数据拟合越好。根据表3所示，随着维数的增加，Stress值变小，RSQ值增大，且在5维的情况下同时满足了Stress值最小且RSQ值最大，因此选择在5维下进行多维尺度分析。在SPSS中采用K-means聚类分析，获得意象间的谱系图见图3。
根据图3中的5维数据，建立无人机色彩意象域，并对每个域中的意象进行编码，如表4所示。
Table 4. Color image domain coding of UAV
表4. 无人机色彩意象域编码
最终选取表4中的前卫、亲和、轻巧、鲜明、灵动作为代表性色彩意象，用于实验评价。
3.1.3. 建立无人机色彩样本域
样本的选取从以上对于色彩意象影响因素分析所得的项目数量(5个)结果来看，根据研究表明，样本数量n > 2p这一条件来看，本阶段实验至少要选取2 * 5 = 10个样本，才能客观地进行最后的意象语意评价实验，故从20个样本中选取12个来制作样本，并进行编号，如表5所示。
3.2. 基于SD法的无人机色彩意象评价
语义差异法(Semantic Differential, SD)提取意象方式易于实施，受到广大学者的使用。通过将无人机色彩样本域及意象域构建感性意象空间，并采用SD法实施无人机色彩意象评价问卷，将选定的18个典型样本与5个感性意象语义结合，实验者凭自身主观感受在1~5范围内评分，分值越高，代表越符合该词汇。
3.2.1. 无人机色彩要素参数化处理
将影响用户意象的色彩要素：色相、饱和度、明度、色彩面积、色彩搭配，进行进一步细分类目，并进行类目定义，共计5个项目，15个类目，如表6所示。
Table 6. Categories of color elements
表6. 色彩要素类目表
计算所有实验者对无人机的每一个类目语意差异平均值，大于平均值的认定为对感性具有较大影响作用的色彩要素类目，并参数化处理为1；若小于均值的类目，则参数化处理为0，结果见表7。
Table 7. Parameterized processing results
表7. 参数化处理结果
3.2.2. 无人机色彩语义评估值
对20名实验被试进行问卷调查，并汇总。将所有被试对每个样本的每个意象打分计算平均值，得到色彩意象语义评估值，见表8所示。
Table 8. Color semantic evaluation value of UAV
表8. 无人机色彩语义评估值
3.3. 基于回归分析的无人机色彩要素模型建立
以“前卫的”(Y1)为例，将其意象均值作为因变量，与色彩要素编码输入SPSS，并建立线性关系，得到每个样本“前卫的”意象与类目要素的得分值。同理，将12个样本都经过数量化I类分析，得到材料质感组成要素与感性意象语意的类目得分，制作成色彩意象组成要素与感性意象语意关联表，如表9所示。
Table 9. Association table of color image elements and perceptual image
表9. 色彩意象要素与感性意象关联表
表8中类目得分的高低说明该项目解释感性意象语意的高低程度，类目得分既有正值又有负值，正值代表正向的意象，而负值代表对应的负向意象。范围是每个要素中最大类目得分与最小类目得分差值，用于衡量每个项目在整体预测中的贡献程度。复相关系数则是说明该感性意象语意的数量化I类分析的可靠程度。一般而言，决定系数、复相关系数的平方(RSQ值)是结果可信度的重要参数，RSQ大于0.7时，数量化I类分析结果的可信度可以被采纳，本研究中均大于0.7，表示各组成要素的类目得分可信。
由上述表格及分析可得，5个感性意象与色彩组成要素之间联立的回归方程式如下：
3.4. 参数化结果分析
对“前卫的”(Y1)意象贡献率最高的色彩要素为面积，饱和度的贡献率最低，说明在对色彩进行“前卫的”意象判断时，色彩的面积起到了最主要的作用，而饱和度的作用最小。冷色色相最容易增强“前卫的”意象倾向。“前卫的”意象得分最高的要素组合为小面积色彩 + 对比色色彩搭配 + 高明度 + 中饱和度 + 冷色色相。
归纳以上分析，可以看出，在对色彩意象的影响因素中，饱和度的影响最小，色彩面积、色彩搭配影响较大，色相的作用先于饱和度的影响。
3.5. 模型验证
为了进一步了解数量化I类所计算出来的感性意象语意得分值，与人的心理感受是否真实相符，必须先由被试者对样本进行主观感性评价实验，再将数量化类的计算值与实际值进行对比检验，从而可以验证分析结果可信度。本文通过典型验证样本来验证分析结果的可信度。首先，将典型性样本色彩组成要素特性代入多元回归方程；接着，计算出其意象得分；然后，与通过意象实验所得到的实际评测数据进行成对对比检验；最后，判断色彩意象法则的可信度。
依据色彩样本感性意象域实验的结果，选择不包括前面色彩意象影响因素实验中的8个样本进行验证。将验证样本编码如图4所示，并作为最后联立方程式的验证样本，其主要目的是了解数量化I类所推估出来的联立方程式，是否能够符合用户的感性语意。
首先，分析个样本的色彩组成要素，写出其色彩要素编码表，用于计算其在数量化I类中的得分值。对于样本1，将其色彩要素编码代入方程式，由此可以计算出各个感性意象语意的得分，“前卫的”意象得分预测为：
同理，计算出8个样本的5个感性意象语意的分值预测，整理成表，如表10所示：
Table 10. Validation sample prediction score
表10. 验证样本预测分值
同样邀请20名被试实施语意差异法问卷，对8个色彩意象样本就5个感性意象语意进行打分，统计所有被试的资料后，将各感性意象语意的得分平均值整理成表11。
将表10及表11的各样本意象评分的预测值和实验值输入SPSS，开展成对样本T检验，得到配对样本相关性表12。
Table 12. Correlation between predicted and experimental values
表12. 预测值和实验值相关性
结果显示所有样本的计算值和实验值的相关系数均较大，均大于0.735，有很大的相关性。所有样本的显著性均小于0.05，可以认为所有样本感性意象语意的计算值和实验值都具有显著相关性，即证实了模型的有效性。
3.6. 计算机辅助无人机设计应用
选取植保无人机兴趣用户进行意象调研，收集其想要的无人机意象为“前卫的、亲和的、灵动的”，由此设计了一款植保无人机，用于喷洒农药。在前期设计的基础上，采用同一无人机的造型，以控制造型因素的影响，而色彩要素有所变化，最后得到的色彩方案如图5所示。
根据方案，可以得出设计方案的色彩组成要素表13，以进行数量化I类得分计算。
Table 13. Color elements of the design scheme
表13. 设计方案色彩组成要素
在造型因素的影响被控制的前提下，结合色彩影响因素实验所得的结论可以计算出各设计方案的色彩意象得分，见表14。
Table 14. Color image score of the design scheme
表14. 设计方案色彩意象分值
根据意象计算得分，可以推算各感性意象语义中各方案的相对得分高低，如“前卫的”分值高低排序为方案4、方案3、方案1、方案2；方案1的分值高低排序为灵动的、前卫的、亲和的。
邀请32名被试对这4个设计方案就3个意象进行问卷调查，统计并将各意象平均值整理成应用方案意象得分，见表15。
Table 15. Actual color score of the design scheme
表15. 设计方案色彩实际分值
对比表14与表15可知，各感性意象语义中各方案的相对得分高低，灵动意象得分高低，方案3和方案4与预测值相反，其余均相同。方案3意象得分高低，灵动的和亲和的与预测值相反，其余均相同。由此可见，运用感性工学技术及统计分析方法能够有效开展理性的设计。
4. 结语
本研究运用感性工学技术将植保无人机色彩的感性认知因素量化，以明确的方式探讨意象认知与色彩之间的关系，进而给设计师在设计产品时提供了一定的参考价值。预测结果与实际具有一定偏差，原因可能是模型建立时与应用的无人机造型不同，而造型本身就会对色彩产生一定干扰，从而导致应用时的预测结果与计算结果有所差异。
本研究只针对于植保无人机意象中的色彩意象进行研究，在后续的研究中可以将产品意象中的不同要素综合起来考虑，如加入形状、材质等因素的影响，且研究运用的基于心理测评的主观评价方式会使结果产生偏差，在今后的研究中可以利用生理评价指标提取用户的内隐认知，得到更为精准客观的评价。