La distorsión del color en una imagen presenta un desafío para la clasificación y regresión del aprendizaje automático cuando los datos de entrada consisten en imágenes. Como resultado, se propone un nuevo algoritmo para la estandarización del color de las fotos, que forma la base para un modelo de regresión de redes neuronales profundas. Este enfoque utiliza una plantilla de color auto-diseñada que se desarrolló en base a una serie inicial de estudios e imágenes digitales. Utilizando el histograma igualado de los canales R, G, B de la plantilla digital y su foto, se calculó una estrategia de mapeo de color. Al aplicar este enfoque, los histogramas se ajustaron y los colores de las fotos tomadas con un teléfono inteligente se estandarizaron. El algoritmo propuesto se desarrolló para una serie de imágenes donde toda la superficie mantenía aproximadamente un color uniforme y las diferencias de color entre las fotografías de objetos individuales eran menores. Este enfoque optimizado se validó en el procedimiento de determinación colorimétrica de la vitamina C. El conjunto de datos para la red neuronal profunda en la variante de regresión se formó a partir de fotos de muestras bajo dos condiciones de iluminación separadas. Para el rango de concentración de vitamina C de 0 a 87.72 ug·mL, el RMSE para el conjunto de pruebas varió entre 0.75 y 1.95 ug·mL, en comparación con la variante no estandarizada, donde este indicador estaba en el nivel de 1.48-2.29 ug·mL. La consistencia de los resultados de concentración predichos con los datos reales, expresada como R, varió entre 0.9956 y 0.9999 para cada una de las variantes estandarizadas. Este enfoque permite la eliminación de reflejos de luz en las superficies brillantes de las soluciones, que es un problema común en muestras líquidas. Este algoritmo de coincidencia de color tiene carácter universal y su alcance de aplicación no está limitado.