本發(fā)明涉及應(yīng)用近紅外光譜技術(shù)對(duì)農(nóng)產(chǎn)品進(jìn)行無(wú)損檢測(cè)的應(yīng)用技術(shù)領(lǐng)域，特別提供了一種近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)方法及專(zhuān)用檢測(cè)系統(tǒng)。

背景技術(shù)：

隨著生活水平的不斷提高，消費(fèi)者在購(gòu)買(mǎi)水果時(shí)，不僅關(guān)注大小、顏色和外形等外部品質(zhì)，而且對(duì)口感、糖度和酸度等內(nèi)部品質(zhì)也提出了更高的要求。目前，對(duì)于水果內(nèi)部品質(zhì)的檢測(cè)，大多采用人工感官評(píng)定和常規(guī)化學(xué)分析的方法。人工感官評(píng)定法，具有主觀性強(qiáng)、評(píng)價(jià)標(biāo)準(zhǔn)不一等缺點(diǎn)而對(duì)于常規(guī)化學(xué)分析方法，雖然其具有檢測(cè)準(zhǔn)確度高和準(zhǔn)確性強(qiáng)等優(yōu)點(diǎn)，但其檢測(cè)工作量大，檢測(cè)時(shí)間長(zhǎng)，并且需對(duì)樣品進(jìn)行破壞，這些都不適用于水果內(nèi)部品質(zhì)的快速無(wú)損檢測(cè)。

國(guó)內(nèi)外學(xué)者針對(duì)便攜式蘋(píng)果檢測(cè)裝置的設(shè)計(jì)也進(jìn)行了大量研究?？抵玖恋热嗽?010年利用可見(jiàn)光近紅外漫反射的原理，設(shè)計(jì)出一種基于微處理器的便攜式受損水果檢測(cè)裝置，實(shí)現(xiàn)了對(duì)受損蘋(píng)果與正常蘋(píng)果的識(shí)別和分類(lèi)。該作者以紅富士蘋(píng)果作為樣本，通過(guò)對(duì)測(cè)試電壓的分析，提出以標(biāo)準(zhǔn)差作為閾值的檢測(cè)方法。經(jīng)測(cè)試，該裝置識(shí)別正確率達(dá)到90％以上。樊書(shū)祥等人在2014年設(shè)計(jì)了以ARM9處理器為核心、以微型光譜儀和自制果托作為光譜檢測(cè)裝置、以WinCE為操作系統(tǒng)的便攜式蘋(píng)果糖度光譜檢測(cè)儀。研究表明，該檢測(cè)儀能較好地滿(mǎn)足蘋(píng)果糖度的快速無(wú)損檢測(cè)。該研究為快速、便攜的蘋(píng)果糖度光譜檢測(cè)儀設(shè)計(jì)提供了參考。Guidetti等人在2010年應(yīng)用便攜式可見(jiàn)―近紅外光譜儀實(shí)驗(yàn)系統(tǒng)(波長(zhǎng)范圍450nm-980nm)，結(jié)合偏最小二乘法PLS建模，對(duì)葡萄樣品鮮果和質(zhì)地均勻的果漿的成熟度指標(biāo)(可溶性固形物(TSS)、可滴定酸度和pH值)和苯酚成熟度指標(biāo)(花青素和多酚含量)進(jìn)行了檢測(cè)。研究結(jié)果表明：該便攜式可見(jiàn)―近紅外光譜儀可以作為一種快速無(wú)損檢測(cè)葡萄相關(guān)品質(zhì)的有效手段。美國(guó)Michael S.Wiederoder等人在2011年開(kāi)發(fā)了可隨身攜帶的高光譜成像系統(tǒng)，用于檢測(cè)食品處理設(shè)備上的污染物，該裝置前端需架在三腳架上，電池、筆記本電腦及濾光器在后置背包中，增加了操作的復(fù)雜性。

人們迫切希望獲得一種技術(shù)效果優(yōu)良的近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)方法及專(zhuān)用檢測(cè)系統(tǒng)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種技術(shù)效果優(yōu)良的近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)方法及專(zhuān)用檢測(cè)系統(tǒng)。為了克服目前國(guó)內(nèi)外現(xiàn)有技術(shù)的缺陷，本發(fā)明特提供了一種基于近紅外光譜技術(shù)的寒富蘋(píng)果品質(zhì)無(wú)損檢測(cè)方法與系統(tǒng)，技術(shù)關(guān)鍵是應(yīng)用可見(jiàn)/近紅外光譜技術(shù)，可快速、準(zhǔn)確地采集被測(cè)寒富蘋(píng)果表面的可見(jiàn)及近紅外光譜圖像信息，并對(duì)其進(jìn)行分析，從而實(shí)現(xiàn)對(duì)寒富蘋(píng)果品質(zhì)快速無(wú)損檢測(cè)。

本發(fā)明近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)方法，其特征在于：首先建立基于近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)的預(yù)測(cè)模型；然后針對(duì)待檢測(cè)水果使用近紅外光譜檢測(cè)方法進(jìn)行檢測(cè)獲得檢測(cè)數(shù)據(jù)；將檢測(cè)數(shù)據(jù)與在先準(zhǔn)備的預(yù)測(cè)模型進(jìn)行對(duì)比；得出針對(duì)待檢測(cè)水果的內(nèi)部品質(zhì)評(píng)價(jià)結(jié)果；其中：建立基于近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)的預(yù)測(cè)模型的方法對(duì)應(yīng)的內(nèi)容依次要求如下：

1)首先對(duì)已知糖度含量的各種典型的寒富蘋(píng)果樣品用光譜儀(10)采集寒富蘋(píng)果樣本表面的光譜信息，每個(gè)樣本采集至少3個(gè)不同點(diǎn)的光譜信息，然后進(jìn)行平均處理作為各種典型樣本各自對(duì)應(yīng)的光譜代表信息，寒富蘋(píng)果光譜信息是寒富蘋(píng)果在485.01-900.71nm波長(zhǎng)中1231個(gè)波長(zhǎng)點(diǎn)下的光譜反射率；

2)對(duì)所述步驟1)所得寒富蘋(píng)果樣本光譜數(shù)據(jù)進(jìn)行預(yù)處理；在原始光譜曲線中，在波長(zhǎng)的兩端，光譜數(shù)據(jù)所摻雜的噪聲較多，信噪比較低，為了提高所建立模型的準(zhǔn)確性，選取485.01-900.71nm波長(zhǎng)下的光譜反射率數(shù)據(jù)進(jìn)行預(yù)處理和建模；采集到樣本可見(jiàn)近紅外光譜數(shù)據(jù)導(dǎo)入U(xiǎn)nscrambler9.7(美國(guó)CAMO公司的化學(xué)計(jì)量學(xué)軟件)中，應(yīng)用此軟件對(duì)光譜數(shù)據(jù)分別進(jìn)行消噪預(yù)處理，具體是移動(dòng)平均線(Moving average，MA)和多項(xiàng)式卷積平滑法(Savitzky-Golay，SG)；光程校正預(yù)處理為：多元散射校正(Multiplicative Scatter Correction,MSC)，標(biāo)準(zhǔn)正態(tài)變量變換(Standard Normal Variate Correction，SNV)和矢量歸一化(Vector Normalization，VN))和微分預(yù)處理以便獲得校正集樣本光譜數(shù)據(jù)；

3)將所述步驟2)預(yù)處理后的校正集樣本光譜中的信息數(shù)據(jù)進(jìn)行偏最小二乘法分析；(偏最小二乘法是多元統(tǒng)計(jì)數(shù)據(jù)分析方法，1983年阿巴諾(C.Albano)和伍德(S.Wold)等人第一次提出該算法；近年來(lái)，其在方法和理論方向發(fā)展迅速，應(yīng)用越來(lái)越廣泛；它能夠?qū)⒄J(rèn)識(shí)性的方法和模型式的方法有機(jī)的整合起來(lái)了，在同一算法下，能夠同時(shí)完成數(shù)據(jù)結(jié)構(gòu)簡(jiǎn)化(主成分分析)、回歸建模(多元線性回歸)以及XY變量之間的相關(guān)性分析(典型相關(guān)分析)，即偏最小二乘法≈多元線性回歸+主成分分析+典型相關(guān)分析；偏最小二乘法是一種多因變量對(duì)應(yīng)多自變量的回歸建模方法，它應(yīng)用分別對(duì)變量X和Y都進(jìn)行分解的方法，首先在變量Y和X中分別提取各自的主成分(通常稱(chēng)為因子)，再將提取的因子根據(jù)二者之間的相關(guān)性大小進(jìn)行排列；所以，在建立模型時(shí)，只要對(duì)因子數(shù)進(jìn)行選定，就能夠參與建模了；其公式如下：

X＝TP^T+E

Y＝UQ^T+F

式中，T＝[t₁，t₂，...，t_n]和P＝[p₁，p₂，...，p_n]分別為X的得分矩陣和載荷矩陣；U＝[u₁，u₂，...，u_n]和Q＝[q₁，q₂，...，q_n]分別為Y的得分矩陣和載荷矩陣；E＝[e₁，e₂，...，e_n]^T和F＝[f₁，f₂，...，f_n]^T分別為X和Y的殘差矩陣；T和U之間由系數(shù)矩陣B來(lái)關(guān)聯(lián)，

U＝TB

B＝(T^TT)^-1T^TY

對(duì)于預(yù)測(cè)樣品的矩陣X^*，由載荷矩陣P得到得分矩陣T^*＝X^*P，通過(guò)式2-12和式2-13迭代便可以得出預(yù)測(cè)樣品相關(guān)內(nèi)部品質(zhì)的預(yù)測(cè)值Y^*為：

Y^*＝T^*BQ＝X^*PBQ)；

4)模型的建立：

根據(jù)所述步驟2)、3)將得到預(yù)處理后的數(shù)據(jù)應(yīng)用偏最小二乘法進(jìn)行建模并記錄各模型下的模型衡量指標(biāo)，最適合的光譜數(shù)據(jù)預(yù)處理方法為多元散射校正結(jié)合二階微分；以建模集40個(gè)樣本為研究對(duì)象，建立樣本的糖度的可見(jiàn)近紅外光譜預(yù)測(cè)模型；其糖度模型公式為：

Y＝11.3628+(-9.2609)X₁+0.0031X₂+(-0.0284)X₃+…+

(-0.0003)X₁₂₃₀+(-9.2609)X₁₂₃₁ (2)

式中Y—蘋(píng)果樣品的糖度值，°Brix

X₁…X₁₂₃₁—寒富蘋(píng)果光譜信息1231個(gè)波長(zhǎng)點(diǎn)下的光譜反射率

再利用此模型對(duì)檢驗(yàn)集20個(gè)樣本進(jìn)行預(yù)測(cè)，得到建模集、檢驗(yàn)集樣本品質(zhì)測(cè)量值與預(yù)測(cè)值結(jié)果對(duì)比；

20個(gè)蘋(píng)果樣本的檢測(cè)值與真實(shí)值對(duì)比如圖6所示。

根據(jù)20個(gè)蘋(píng)果樣本的檢測(cè)值與真實(shí)值的統(tǒng)計(jì)結(jié)果建立絕對(duì)偏差分布圖，如圖7所示。

由圖6和圖7可知，絕大多數(shù)樣本的預(yù)測(cè)值和測(cè)量值的絕對(duì)偏差值均在0.15以?xún)?nèi)，絕對(duì)偏差值很小，滿(mǎn)足在果蔬檢測(cè)中的實(shí)際生產(chǎn)要求，所以此模型可應(yīng)用于寒富蘋(píng)果糖度的實(shí)際檢測(cè)；

5)預(yù)測(cè)模型顯示：

對(duì)所述步驟4)所建立模型進(jìn)行分析，所得預(yù)測(cè)模型預(yù)測(cè)精度較高，預(yù)測(cè)可靠，滿(mǎn)足蘋(píng)果品質(zhì)檢測(cè)要求，且可得到寒富蘋(píng)果糖度組合預(yù)測(cè)PLS(PLS即組合預(yù)測(cè)：偏最小二乘法)預(yù)測(cè)模型表達(dá)式，并最終在輸入預(yù)測(cè)集樣品光譜數(shù)據(jù)后，完成預(yù)測(cè)結(jié)果的顯示。

所述近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)方法，其特征在于：針對(duì)已知糖度含量的各種典型的寒富蘋(píng)果樣品，用近紅外光譜儀采集寒富蘋(píng)果樣本表面的光譜信息獲得各種樣本的光譜代表信息之后還需對(duì)光譜代表信息進(jìn)行下述預(yù)處理：將寒富蘋(píng)果光譜數(shù)據(jù)導(dǎo)入軟件Unscrambler9.7中，進(jìn)行樣本糖度數(shù)據(jù)的預(yù)處理，各種預(yù)處理方法如表2所示：

表2樣本糖度數(shù)據(jù)預(yù)處理方法統(tǒng)計(jì)表

數(shù)學(xué)模型的建立后，需要有各項(xiàng)指標(biāo)對(duì)模型的準(zhǔn)確性、可靠性、穩(wěn)定性和預(yù)測(cè)能力等指標(biāo)作出衡量和評(píng)價(jià)，判定系數(shù)R²，校正均方根誤差RMSEC，預(yù)測(cè)均方根誤差RMSEP，偏離率Bias；判定系數(shù)R²越高，RMSEP≤RMSEC時(shí)，說(shuō)明所建模型預(yù)測(cè)效果最佳；由表2分析得知品質(zhì)數(shù)據(jù)最佳預(yù)處理辦法，蘋(píng)果糖度的最佳光譜數(shù)據(jù)預(yù)處理方法為多元散射校正結(jié)合二階微分(MSC+SD)。

按照權(quán)利要求1或2所述近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)方法，其特征在于：所述近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)方法使用專(zhuān)用檢測(cè)系統(tǒng)，專(zhuān)用檢測(cè)系統(tǒng)的構(gòu)成如下：

主要有光譜儀10、飛凌OK6410-A開(kāi)發(fā)板3、鹵素?zé)艄庠?、移動(dòng)電源5，光纖探頭7、降壓模塊9、裝置外箱1；其中：電源5連接著鹵素?zé)艄庠?以便為鹵素?zé)艄庠?供電；電源5供入電壓為24V；鹵素?zé)艄庠?與檢測(cè)探頭7通過(guò)電路進(jìn)行連接，以為檢測(cè)探頭7供電；電源5還通過(guò)降壓模塊9連接著光譜儀10以便為光譜儀10供電；降壓模塊9的具體把24V電壓轉(zhuǎn)換為5V；光譜儀10還與飛凌OK-6410A開(kāi)發(fā)板3連接，以便為飛凌OK6410-A開(kāi)發(fā)板3供電；其他裝置都布置在裝置外箱1上。

所述近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)方法的專(zhuān)用檢測(cè)系統(tǒng)還滿(mǎn)足如下要求：光譜儀10具體為可見(jiàn)/近紅外光譜儀，具體購(gòu)自美國(guó)海洋公司，用來(lái)對(duì)蘋(píng)果的光譜信息進(jìn)行采集，它采用索尼Sony公司的第二代ILX511B CCD(其中，ILX511B CCD為2048像素線性圖像傳感器)，波長(zhǎng)范圍350-1000nm；波長(zhǎng)分辨率在0.3-10nm之間，信噪比250:1，最快采樣速度是1ms；

USB2000+光譜儀由USB數(shù)據(jù)線接口與飛凌OK6410-A開(kāi)發(fā)板3即ARM11處理器連接；

飛凌OK6410-A開(kāi)發(fā)板3具體是基于三星(SUMSUNG)公司的ARM11處理器，同時(shí)核心板ARM11處理器搭載S3C6410芯片，底板設(shè)置有各種外圍電路，S3C6410是SUMSUNG(三星)公司基于ARM 1176的16/32位的高性能低功耗的RISC(Reduced Instruction Set Computer)通用處理器,適用于移動(dòng)、手持等終端設(shè)備；S3C6410的外圍電路主要由USB接口電路、SD接口電路、電壓轉(zhuǎn)換電路、蜂鳴器以及LCD觸摸屏等構(gòu)成；USB接口電路用于飛凌OK6410-A開(kāi)發(fā)板3和光譜儀10之間的通信，LCD觸摸屏用于對(duì)整個(gè)檢測(cè)過(guò)程的控制和信息的輸出、顯示，SD接口電路用來(lái)對(duì)光譜數(shù)據(jù)和糖度、酸度的存儲(chǔ)；

鹵素?zé)艄庠?為SPL-HL系列鹵鎢燈，其型號(hào)為SPL-HL-H，產(chǎn)自杭州譜鐳光電技術(shù)有限公司，其為一款精密型光纖耦合輸出鹵鎢燈，其波長(zhǎng)范圍覆蓋了可見(jiàn)光-近紅外光(VIS-NIR)，波長(zhǎng)為360-2500nm；高效優(yōu)化的光學(xué)設(shè)計(jì)使得鹵鎢燈具備低功耗高亮度輸出優(yōu)點(diǎn)，而優(yōu)化的穩(wěn)壓電路設(shè)計(jì)，確保了鹵鎢燈光源的穩(wěn)光譜輸出，其輸出穩(wěn)定性達(dá)0.2％；

移動(dòng)電源5的輸出電壓為24V，其為整個(gè)裝置的供電時(shí)間約2小時(shí)，可為光源提供穩(wěn)定、長(zhǎng)久的電壓，滿(mǎn)足室外檢測(cè)的需求；

所用檢測(cè)探頭包括探頭罩、光纖接口、光纖接口固定座三部分；

另外，在降壓模塊9上粘貼有散熱片，達(dá)到為降壓模塊9散熱以及整個(gè)裝置系統(tǒng)散熱的目的，且整個(gè)裝置外箱1處于開(kāi)放狀態(tài)，這樣可以大幅度地對(duì)整個(gè)裝置系統(tǒng)進(jìn)行散熱；

本發(fā)明系統(tǒng)用飛凌OK6410-A開(kāi)發(fā)板代替典型檢測(cè)系統(tǒng)中的計(jì)算機(jī)，且本發(fā)明系統(tǒng)用移動(dòng)電源對(duì)整個(gè)裝置進(jìn)行供電，供電時(shí)間較長(zhǎng)，可用于室外檢測(cè)的使用。

本發(fā)明還要求保護(hù)近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)的專(zhuān)用檢測(cè)系統(tǒng)，其特征在于：所述近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)的專(zhuān)用檢測(cè)系統(tǒng)的構(gòu)成如下：

主要有USB2000+可見(jiàn)/光譜儀10、飛凌OK6410-A開(kāi)發(fā)板3、鹵素?zé)艄庠?、移動(dòng)電源5，光纖探頭7、降壓模塊9、裝置外箱1；其中：電源5連接著鹵素?zé)艄庠?以便為鹵素?zé)艄庠?供電；電源5供入電壓為24V；鹵素?zé)艄庠?與檢測(cè)探頭7通過(guò)電路進(jìn)行連接，以為檢測(cè)探頭7供電；電源5還通過(guò)降壓模塊9連接著光譜儀10以便為光譜儀10供電；降壓模塊9的具體把24V電壓轉(zhuǎn)換為5V；光譜儀10還與飛凌OK-6410A開(kāi)發(fā)板3連接，以便為飛凌OK6410-A開(kāi)發(fā)板3供電；其他裝置都布置在裝置外箱1上。

所述近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)的專(zhuān)用檢測(cè)系統(tǒng)還滿(mǎn)足如下要求：光譜儀10具體為可見(jiàn)/近紅外光譜儀，具體購(gòu)自美國(guó)海洋公司，用來(lái)對(duì)蘋(píng)果的光譜信息進(jìn)行采集，它采用索尼Sony公司的第二代ILX511B CCD(其中，ILX511B CCD為2048像素線性圖像傳感器)，波長(zhǎng)范圍350-1000nm；波長(zhǎng)分辨率在0.3-10nm之間，信噪比250:1，最快采樣速度是1ms；

USB2000+光譜儀由USB數(shù)據(jù)線接口與飛凌OK6410-A開(kāi)發(fā)板3即ARM11處理器連接；

飛凌OK6410-A開(kāi)發(fā)板3具體是基于三星(SUMSUNG)公司的ARM11處理器，同時(shí)核心板ARM11處理器搭載S3C6410芯片，底板設(shè)置有各種外圍電路，S3C6410是SUMSUNG(三星)公司基于ARM 1176的16/32位的高性能低功耗的RISC(Reduced Instruction Set Computer)通用處理器,適用于移動(dòng)、手持等終端設(shè)備；S3C6410的外圍電路主要由USB接口電路、SD接口電路、電壓轉(zhuǎn)換電路、蜂鳴器以及LCD觸摸屏等構(gòu)成；USB接口電路用于飛凌OK6410-A開(kāi)發(fā)板3和光譜儀10之間的通信，LCD觸摸屏用于對(duì)整個(gè)檢測(cè)過(guò)程的控制和信息的輸出、顯示，SD接口電路用來(lái)對(duì)光譜數(shù)據(jù)和糖度、酸度的存儲(chǔ)；

鹵素?zé)艄庠?為SPL-HL系列鹵鎢燈，其型號(hào)為SPL-HL-H，產(chǎn)自杭州譜鐳光電技術(shù)有限公司，其為一款精密型光纖耦合輸出鹵鎢燈，其波長(zhǎng)范圍覆蓋了可見(jiàn)光-近紅外光(VIS-NIR)，波長(zhǎng)為360-2500nm；高效優(yōu)化的光學(xué)設(shè)計(jì)使得鹵鎢燈具備低功耗高亮度輸出優(yōu)點(diǎn)，而優(yōu)化的穩(wěn)壓電路設(shè)計(jì)，確保了鹵鎢燈光源的穩(wěn)光譜輸出，其輸出穩(wěn)定性達(dá)0.2％；

移動(dòng)電源5的輸出電壓為24V，其為整個(gè)裝置的供電時(shí)間約2小時(shí)，可為光源提供穩(wěn)定、長(zhǎng)久的電壓，滿(mǎn)足室外檢測(cè)的需求；

所用檢測(cè)探頭包括探頭罩、光纖接口、光纖接口固定座三部分；

另外，在降壓模塊9上粘貼有散熱片，達(dá)到為降壓模塊9散熱以及整個(gè)裝置系統(tǒng)散熱的目的，且整個(gè)裝置外箱1處于開(kāi)放狀態(tài)，這樣可以大幅度地對(duì)整個(gè)裝置系統(tǒng)進(jìn)行散熱；

本發(fā)明系統(tǒng)用飛凌OK6410-A開(kāi)發(fā)板代替典型檢測(cè)系統(tǒng)中的計(jì)算機(jī)，且本發(fā)明系統(tǒng)用移動(dòng)電源對(duì)整個(gè)裝置進(jìn)行供電，供電時(shí)間較長(zhǎng)，可用于室外檢測(cè)的使用。

如圖1、圖3所示，本發(fā)明系統(tǒng)的工作原理為：將寒富蘋(píng)果樣品放在光纖探頭7的檢測(cè)位置，鹵素?zé)艄庠?照射被檢測(cè)的樣品，從樣品中透過(guò)的光經(jīng)光纖探頭7和光纖傳給光譜儀10，光譜儀通過(guò)串口把數(shù)據(jù)傳送給ARM11嵌入式主板處理系統(tǒng)進(jìn)行處理，并將結(jié)果顯示在LED觸摸屏上。

如圖2所示，其檢測(cè)系統(tǒng)工作過(guò)程為：開(kāi)始檢測(cè)前，先對(duì)剛購(gòu)入的寒富蘋(píng)果樣品清洗并編寫(xiě)蘋(píng)果樣品信息及產(chǎn)地，然后打開(kāi)裝置電源，啟動(dòng)系統(tǒng)硬件(開(kāi)發(fā)板、光源)，光源預(yù)熱3分鐘。光源的光譜強(qiáng)度達(dá)到穩(wěn)定后開(kāi)始檢測(cè)，同時(shí)，選擇光譜儀的設(shè)置參數(shù)(平滑度、積分時(shí)間、采樣次數(shù))。然后把檢測(cè)探頭靠近寒富蘋(píng)果樣品表面，再按下操作界面的開(kāi)始檢測(cè)按鈕，光譜儀采集寒富蘋(píng)果樣品光譜數(shù)據(jù)，并把檢測(cè)到的數(shù)據(jù)輸入到內(nèi)嵌的數(shù)學(xué)模型進(jìn)行預(yù)測(cè)分析，返回檢測(cè)參數(shù)及等級(jí)信息，輸出到界面上。

本發(fā)明提出的一種近紅外光譜無(wú)損檢測(cè)寒富蘋(píng)果內(nèi)部品質(zhì)的軟件系統(tǒng)，是在ARM11內(nèi)嵌的WinCE6.0系統(tǒng)上，采用VS2005編程工具，設(shè)計(jì)出人性化的軟件系統(tǒng)，完成光譜儀參數(shù)設(shè)置、采集暗光譜、去除暗光譜、存儲(chǔ)參考光譜、樣品光譜數(shù)據(jù)采集和存儲(chǔ)，并把采集到的光譜數(shù)據(jù)載入到軟件模型方程中，計(jì)算出樣品的糖度值，并在屏幕上顯示出檢測(cè)結(jié)果。軟件在編寫(xiě)、調(diào)試無(wú)誤后，交叉編譯到便攜式裝置ARM11板中，在WinCE6.0系統(tǒng)下運(yùn)行該軟件，其效果如圖5所示。

本發(fā)明選用購(gòu)于沈陽(yáng)農(nóng)業(yè)大學(xué)院內(nèi)水果超市的“寒富蘋(píng)果”，為保證樣本的代表性和豐富性，統(tǒng)一選取無(wú)明顯缺陷、色澤統(tǒng)一、儲(chǔ)藏時(shí)間較為接近，使用游標(biāo)卡尺挑選直徑范圍在70-100mm之間的蘋(píng)果樣本。

應(yīng)用臺(tái)灣LINK便攜式RHB-080型手持折光糖度儀測(cè)量樣本糖度測(cè)定樣品中的糖度含量，以這批樣品作為建立數(shù)學(xué)模型的校正集來(lái)建立數(shù)學(xué)模型，提出了一種利用寒富蘋(píng)果的近紅外光譜中包含樣品的主要成分及測(cè)量的信息測(cè)定其糖度含量的方法，該方法應(yīng)用化學(xué)計(jì)量學(xué)方法對(duì)寒富蘋(píng)果近紅外光譜和糖度含量進(jìn)行關(guān)聯(lián)研究，可以確定這兩者之間的定性或定量關(guān)系，即預(yù)測(cè)模型。

建立預(yù)測(cè)模型后，只要測(cè)量出未知樣品的近紅外光譜，根據(jù)預(yù)測(cè)模型就可以確定寒富蘋(píng)果的糖度含量。該方法具有分析速度快、分析效率高，不使用任何化學(xué)試劑，分析成本低，且對(duì)環(huán)境不造成任何污染的優(yōu)點(diǎn)。

應(yīng)用可見(jiàn)/近紅外光譜技術(shù)檢測(cè)水果品質(zhì)是國(guó)內(nèi)外農(nóng)產(chǎn)品科學(xué)研究的熱點(diǎn)之一，一個(gè)典型的檢測(cè)系統(tǒng)通常由暗箱、光譜儀、計(jì)算機(jī)、光源、檢測(cè)探頭等組成。現(xiàn)有技術(shù)中相關(guān)的檢測(cè)系統(tǒng)通常可以計(jì)算機(jī)作為處理平臺(tái)，存在體積大、不便于在室外操作，移動(dòng)不方便等缺點(diǎn)。

而本發(fā)明基于嵌入式系統(tǒng)和可見(jiàn)/近紅外光譜檢測(cè)技術(shù)，以ARM11(advanced RISC machines)處理器為核心，以鹵素?zé)艄庠?和USB2000+可見(jiàn)/近紅外光譜儀為光譜檢測(cè)裝置的核心部分，在ARM11內(nèi)嵌的WinCE6.0系統(tǒng)上，采用vs2005編程工具，設(shè)計(jì)出人機(jī)交互界面；同時(shí)，利用飛凌OK6410-A開(kāi)發(fā)板代替實(shí)驗(yàn)室計(jì)算機(jī)來(lái)進(jìn)行數(shù)據(jù)處理，利用移動(dòng)電源對(duì)其整個(gè)裝置系統(tǒng)進(jìn)行長(zhǎng)時(shí)間供電，使該檢測(cè)系統(tǒng)體積大幅度減小，可在室外長(zhǎng)時(shí)間操作，達(dá)到嵌入式和便攜式目的。

本發(fā)明基于近紅外光譜技術(shù)，具有分析速度快、非破壞性、樣品無(wú)需預(yù)處理，可以實(shí)現(xiàn)對(duì)多組分同時(shí)測(cè)定，以及低成本和操作簡(jiǎn)單等優(yōu)點(diǎn)。其具有可預(yù)期的較為巨大的經(jīng)濟(jì)價(jià)值和社會(huì)價(jià)值。

附圖說(shuō)明

下面結(jié)合附圖及實(shí)施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明：

圖1為檢測(cè)系統(tǒng)工作原理框圖；

圖2為寒富蘋(píng)果檢測(cè)流程圖；

圖3為檢測(cè)系統(tǒng)硬件構(gòu)成原理示意簡(jiǎn)圖；

圖4裝置軟件系統(tǒng)界面；

圖5為樣本可見(jiàn)/近紅外光漫反射率光譜圖；

圖6為20個(gè)蘋(píng)果樣本的糖度檢測(cè)值與真實(shí)值對(duì)比圖；

圖7為根據(jù)20個(gè)蘋(píng)果樣本的檢測(cè)值與真實(shí)值的統(tǒng)計(jì)結(jié)果建立的絕對(duì)偏差分布圖。

具體實(shí)施方式

附圖標(biāo)記含義如下：1-外箱；2-LED觸摸屏；3-開(kāi)發(fā)板主板；4-鹵素?zé)艄庠矗?-電源；6-散熱片；7-檢測(cè)探頭；8-光纖；9-降壓模塊；10-近紅外光譜儀。

實(shí)施例1

近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)方法：首先建立基于近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)的預(yù)測(cè)模型；然后針對(duì)待檢測(cè)水果使用近紅外光譜檢測(cè)方法進(jìn)行檢測(cè)獲得檢測(cè)數(shù)據(jù)；將檢測(cè)數(shù)據(jù)與在先準(zhǔn)備的預(yù)測(cè)模型進(jìn)行對(duì)比；得出針對(duì)待檢測(cè)水果的內(nèi)部品質(zhì)評(píng)價(jià)結(jié)果；其中：建立基于近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)的預(yù)測(cè)模型的方法對(duì)應(yīng)的內(nèi)容依次要求如下：

1)首先對(duì)已知糖度含量的各種典型的寒富蘋(píng)果樣品用光譜儀(10)采集寒富蘋(píng)果樣本表面的光譜信息，每個(gè)樣本采集至少3個(gè)不同點(diǎn)的光譜信息，然后進(jìn)行平均處理作為各種典型樣本各自對(duì)應(yīng)的光譜代表信息，寒富蘋(píng)果光譜信息是寒富蘋(píng)果在485.01-900.71nm波長(zhǎng)中1231個(gè)波長(zhǎng)點(diǎn)下的光譜反射率；

2)對(duì)所述步驟1)所得寒富蘋(píng)果樣本光譜數(shù)據(jù)進(jìn)行預(yù)處理；在原始光譜曲線中，在波長(zhǎng)的兩端，光譜數(shù)據(jù)所摻雜的噪聲較多，信噪比較低，為了提高所建立模型的準(zhǔn)確性，選取485.01-900.71nm波長(zhǎng)下的光譜反射率數(shù)據(jù)進(jìn)行預(yù)處理和建模；采集到樣本可見(jiàn)近紅外光譜數(shù)據(jù)導(dǎo)入U(xiǎn)nscrambler9.7(美國(guó)CAMO公司的化學(xué)計(jì)量學(xué)軟件)中，應(yīng)用此軟件對(duì)光譜數(shù)據(jù)分別進(jìn)行消噪預(yù)處理，具體是移動(dòng)平均線(Moving average，MA)和多項(xiàng)式卷積平滑法(Savitzky-Golay，SG)；光程校正預(yù)處理為：多元散射校正(Multiplicative Scatter Correction,MSC)，標(biāo)準(zhǔn)正態(tài)變量變換(Standard Normal Variate Correction，SNV)和矢量歸一化(Vector Normalization，VN))和微分預(yù)處理以便獲得校正集樣本光譜數(shù)據(jù)；

3)將所述步驟2)預(yù)處理后的校正集樣本光譜中的信息數(shù)據(jù)進(jìn)行偏最小二乘法分析；(偏最小二乘法是多元統(tǒng)計(jì)數(shù)據(jù)分析方法，1983年阿巴諾(C.Albano)和伍德(S.Wold)等人第一次提出該算法；近年來(lái)，其在方法和理論方向發(fā)展迅速，應(yīng)用越來(lái)越廣泛；它能夠?qū)⒄J(rèn)識(shí)性的方法和模型式的方法有機(jī)的整合起來(lái)了，在同一算法下，能夠同時(shí)完成數(shù)據(jù)結(jié)構(gòu)簡(jiǎn)化(主成分分析)、回歸建模(多元線性回歸)以及XY變量之間的相關(guān)性分析(典型相關(guān)分析)，即偏最小二乘法≈多元線性回歸+主成分分析+典型相關(guān)分析；偏最小二乘法是一種多因變量對(duì)應(yīng)多自變量的回歸建模方法，它應(yīng)用分別對(duì)變量X和Y都進(jìn)行分解的方法，首先在變量Y和X中分別提取各自的主成分(通常稱(chēng)為因子)，再將提取的因子根據(jù)二者之間的相關(guān)性大小進(jìn)行排列；所以，在建立模型時(shí)，只要對(duì)因子數(shù)進(jìn)行選定，就能夠參與建模了；其公式如下：

X＝TP^T+E

Y＝UQ^T+F

式中，T＝[t₁，t₂，...，t_n]和P＝[p₁，p₂，...，p_n]分別為X的得分矩陣和載荷矩陣；U＝[u₁，u₂，...，u_n]和Q＝[q₁，q₂，...，q_n]分別為Y的得分矩陣和載荷矩陣；E＝[e₁，e₂，...，e_n]^T和F＝[f₁，f₂，...，f_n]^T分別為X和Y的殘差矩陣；T和U之間由系數(shù)矩陣B來(lái)關(guān)聯(lián)，

U＝TB

B＝(T^TT)^-1T^TY

對(duì)于預(yù)測(cè)樣品的矩陣X^*，由載荷矩陣P得到得分矩陣T^*＝X^*P，通過(guò)式2-12和式2-13迭代便可以得出預(yù)測(cè)樣品相關(guān)內(nèi)部品質(zhì)的預(yù)測(cè)值Y^*為：

Y^*＝T^*BQ＝X^*PBQ)；

4)模型的建立：

根據(jù)所述步驟2)、3)將得到預(yù)處理后的數(shù)據(jù)應(yīng)用偏最小二乘法進(jìn)行建模并記錄各模型下的模型衡量指標(biāo)，最適合的光譜數(shù)據(jù)預(yù)處理方法為多元散射校正結(jié)合二階微分；以建模集40個(gè)樣本為研究對(duì)象，建立樣本的糖度的可見(jiàn)近紅外光譜預(yù)測(cè)模型；其糖度模型公式為：

Y＝11.3628+(-9.2609)X₁+0.0031X₂+(-0.0284)X₃+…+

(-0.0003)X₁₂₃₀+(-9.2609)X₁₂₃₁ (2)

式中Y—蘋(píng)果樣品的糖度值，°Brix

X₁…X₁₂₃₁—寒富蘋(píng)果光譜信息1231個(gè)波長(zhǎng)點(diǎn)下的光譜反射率

再利用此模型對(duì)檢驗(yàn)集20個(gè)樣本進(jìn)行預(yù)測(cè)，得到建模集、檢驗(yàn)集樣本品質(zhì)測(cè)量值與預(yù)測(cè)值結(jié)果對(duì)比；

20個(gè)蘋(píng)果樣本的檢測(cè)值與真實(shí)值對(duì)比如圖6所示。

根據(jù)20個(gè)蘋(píng)果樣本的檢測(cè)值與真實(shí)值的統(tǒng)計(jì)結(jié)果建立絕對(duì)偏差分布圖，如圖7所示。

由圖6和圖7可知，絕大多數(shù)樣本的預(yù)測(cè)值和測(cè)量值的絕對(duì)偏差值均在0.15以?xún)?nèi)，絕對(duì)偏差值很小，滿(mǎn)足在果蔬檢測(cè)中的實(shí)際生產(chǎn)要求，所以此模型可應(yīng)用于寒富蘋(píng)果糖度的實(shí)際檢測(cè)；

5)預(yù)測(cè)模型顯示：

對(duì)所述步驟4)所建立模型進(jìn)行分析，所得預(yù)測(cè)模型預(yù)測(cè)精度較高，預(yù)測(cè)可靠，滿(mǎn)足蘋(píng)果品質(zhì)檢測(cè)要求，且可得到寒富蘋(píng)果糖度組合預(yù)測(cè)PLS(PLS即組合預(yù)測(cè)：偏最小二乘法)預(yù)測(cè)模型表達(dá)式，并最終在輸入預(yù)測(cè)集樣品光譜數(shù)據(jù)后，完成預(yù)測(cè)結(jié)果的顯示。

針對(duì)已知糖度含量的各種典型的寒富蘋(píng)果樣品，用近紅外光譜儀采集寒富蘋(píng)果樣本表面的光譜信息獲得各種樣本的光譜代表信息之后還需對(duì)光譜代表信息進(jìn)行下述預(yù)處理：將寒富蘋(píng)果光譜數(shù)據(jù)導(dǎo)入軟件Unscrambler9.7中，進(jìn)行樣本糖度數(shù)據(jù)的預(yù)處理，各種預(yù)處理方法如表2所示：

表2樣本糖度數(shù)據(jù)預(yù)處理方法統(tǒng)計(jì)表

數(shù)學(xué)模型的建立后，需要有各項(xiàng)指標(biāo)對(duì)模型的準(zhǔn)確性、可靠性、穩(wěn)定性和預(yù)測(cè)能力等指標(biāo)作出衡量和評(píng)價(jià)，判定系數(shù)R²，校正均方根誤差RMSEC，預(yù)測(cè)均方根誤差RMSEP，偏離率Bias；判定系數(shù)R²越高，RMSEP≤RMSEC時(shí)，說(shuō)明所建模型預(yù)測(cè)效果最佳；由表2分析得知品質(zhì)數(shù)據(jù)最佳預(yù)處理辦法，蘋(píng)果糖度的最佳光譜數(shù)據(jù)預(yù)處理方法為多元散射校正結(jié)合二階微分(MSC+SD)。

所述近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)方法使用專(zhuān)用檢測(cè)系統(tǒng)，專(zhuān)用檢測(cè)系統(tǒng)的構(gòu)成如下：

主要有光譜儀10、飛凌OK6410-A開(kāi)發(fā)板3、鹵素?zé)艄庠?、移動(dòng)電源5，光纖探頭7、降壓模塊9、裝置外箱1；其中：電源5連接著鹵素?zé)艄庠?以便為鹵素?zé)艄庠?供電；電源5供入電壓為24V；鹵素?zé)艄庠?與檢測(cè)探頭7通過(guò)電路進(jìn)行連接，以為檢測(cè)探頭7供電；電源5還通過(guò)降壓模塊9連接著光譜儀10以便為光譜儀10供電；降壓模塊9的具體把24V電壓轉(zhuǎn)換為5V；光譜儀10還與飛凌OK-6410A開(kāi)發(fā)板3連接，以便為飛凌OK6410-A開(kāi)發(fā)板3供電；其他裝置都布置在裝置外箱1上。

所述近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)方法的專(zhuān)用檢測(cè)系統(tǒng)還滿(mǎn)足如下要求：光譜儀10具體為可見(jiàn)/近紅外光譜儀，具體購(gòu)自美國(guó)海洋公司，用來(lái)對(duì)蘋(píng)果的光譜信息進(jìn)行采集，它采用索尼Sony公司的第二代ILX511B CCD(其中，ILX511B CCD為2048像素線性圖像傳感器)，波長(zhǎng)范圍350-1000nm；波長(zhǎng)分辨率在0.3-10nm之間，信噪比250:1，最快采樣速度是1ms；

USB2000+光譜儀由USB數(shù)據(jù)線接口與飛凌OK6410-A開(kāi)發(fā)板3即ARM11處理器連接；

飛凌OK6410-A開(kāi)發(fā)板3具體是基于三星(SUMSUNG)公司的ARM11處理器，同時(shí)核心板ARM11處理器搭載S3C6410芯片，底板設(shè)置有各種外圍電路，S3C6410是SUMSUNG(三星)公司基于ARM 1176的16/32位的高性能低功耗的RISC(Reduced Instruction Set Computer)通用處理器,適用于移動(dòng)、手持等終端設(shè)備；S3C6410的外圍電路主要由USB接口電路、SD接口電路、電壓轉(zhuǎn)換電路、蜂鳴器以及LCD觸摸屏等構(gòu)成；USB接口電路用于飛凌OK6410-A開(kāi)發(fā)板3和光譜儀10之間的通信，LCD觸摸屏用于對(duì)整個(gè)檢測(cè)過(guò)程的控制和信息的輸出、顯示，SD接口電路用來(lái)對(duì)光譜數(shù)據(jù)和糖度、酸度的存儲(chǔ)；

鹵素?zé)艄庠?為SPL-HL系列鹵鎢燈，其型號(hào)為SPL-HL-H，產(chǎn)自杭州譜鐳光電技術(shù)有限公司，其為一款精密型光纖耦合輸出鹵鎢燈，其波長(zhǎng)范圍覆蓋了可見(jiàn)光-近紅外光(VIS-NIR)，波長(zhǎng)為360-2500nm；高效優(yōu)化的光學(xué)設(shè)計(jì)使得鹵鎢燈具備低功耗高亮度輸出優(yōu)點(diǎn)，而優(yōu)化的穩(wěn)壓電路設(shè)計(jì)，確保了鹵鎢燈光源的穩(wěn)光譜輸出，其輸出穩(wěn)定性達(dá)0.2％；

移動(dòng)電源5的輸出電壓為24V，其為整個(gè)裝置的供電時(shí)間約2小時(shí)，可為光源提供穩(wěn)定、長(zhǎng)久的電壓，滿(mǎn)足室外檢測(cè)的需求；

所用檢測(cè)探頭包括探頭罩、光纖接口、光纖接口固定座三部分；

另外，在降壓模塊9上粘貼有散熱片，達(dá)到為降壓模塊9散熱以及整個(gè)裝置系統(tǒng)散熱的目的，且整個(gè)裝置外箱1處于開(kāi)放狀態(tài)，這樣可以大幅度地對(duì)整個(gè)裝置系統(tǒng)進(jìn)行散熱；

本實(shí)施例系統(tǒng)用飛凌OK6410-A開(kāi)發(fā)板代替典型檢測(cè)系統(tǒng)中的計(jì)算機(jī)，且本實(shí)施例系統(tǒng)用移動(dòng)電源對(duì)整個(gè)裝置進(jìn)行供電，供電時(shí)間較長(zhǎng)，可用于室外檢測(cè)的使用。

如圖1、圖3所示，本實(shí)施例系統(tǒng)的工作原理為：將寒富蘋(píng)果樣品放在光纖探頭7的檢測(cè)位置，鹵素?zé)艄庠?照射被檢測(cè)的樣品，從樣品中透過(guò)的光經(jīng)光纖探頭7和光纖傳給光譜儀10，光譜儀通過(guò)串口把數(shù)據(jù)傳送給ARM 11嵌入式主板處理系統(tǒng)進(jìn)行處理，并將結(jié)果顯示在LED觸摸屏上。

如圖2所示，其檢測(cè)系統(tǒng)工作過(guò)程為：開(kāi)始檢測(cè)前，先對(duì)剛購(gòu)入的寒富蘋(píng)果樣品清洗并編寫(xiě)蘋(píng)果樣品信息及產(chǎn)地，然后打開(kāi)裝置電源，啟動(dòng)系統(tǒng)硬件(開(kāi)發(fā)板、光源)，光源預(yù)熱3分鐘。光源的光譜強(qiáng)度達(dá)到穩(wěn)定后開(kāi)始檢測(cè)，同時(shí)，選擇光譜儀的設(shè)置參數(shù)(平滑度、積分時(shí)間、采樣次數(shù))。然后把檢測(cè)探頭靠近寒富蘋(píng)果樣品表面，再按下操作界面的開(kāi)始檢測(cè)按鈕，光譜儀采集寒富蘋(píng)果樣品光譜數(shù)據(jù)，并把檢測(cè)到的數(shù)據(jù)輸入到內(nèi)嵌的數(shù)學(xué)模型進(jìn)行預(yù)測(cè)分析，返回檢測(cè)參數(shù)及等級(jí)信息，輸出到界面上。

本實(shí)施例提出的一種近紅外光譜無(wú)損檢測(cè)寒富蘋(píng)果內(nèi)部品質(zhì)的軟件系統(tǒng)，是在ARM11內(nèi)嵌的WinCE6.0系統(tǒng)上，采用VS2005編程工具，設(shè)計(jì)出人性化的軟件系統(tǒng)，完成光譜儀參數(shù)設(shè)置、采集暗光譜、去除暗光譜、存儲(chǔ)參考光譜、樣品光譜數(shù)據(jù)采集和存儲(chǔ)，并把采集到的光譜數(shù)據(jù)載入到軟件模型方程中，計(jì)算出樣品的糖度值，并在屏幕上顯示出檢測(cè)結(jié)果。軟件在編寫(xiě)、調(diào)試無(wú)誤后，交叉編譯到便攜式裝置ARM11板中，在WinCE6.0系統(tǒng)下運(yùn)行該軟件，其效果如圖5所示。

本實(shí)施例選用購(gòu)于沈陽(yáng)農(nóng)業(yè)大學(xué)院內(nèi)水果超市的“寒富蘋(píng)果”，為保證樣本的代表性和豐富性，統(tǒng)一選取無(wú)明顯缺陷、色澤統(tǒng)一、儲(chǔ)藏時(shí)間較為接近，使用游標(biāo)卡尺挑選直徑范圍在70-100mm之間的蘋(píng)果樣本。

應(yīng)用臺(tái)灣LINK便攜式RHB-080型手持折光糖度儀測(cè)量樣本糖度測(cè)定樣品中的糖度含量，以這批樣品作為建立數(shù)學(xué)模型的校正集來(lái)建立數(shù)學(xué)模型，提出了一種利用寒富蘋(píng)果的近紅外光譜中包含樣品的主要成分及測(cè)量的信息測(cè)定其糖度含量的方法，該方法應(yīng)用化學(xué)計(jì)量學(xué)方法對(duì)寒富蘋(píng)果近紅外光譜和糖度含量進(jìn)行關(guān)聯(lián)研究，可以確定這兩者之間的定性或定量關(guān)系，即預(yù)測(cè)模型。

建立預(yù)測(cè)模型后，只要測(cè)量出未知樣品的近紅外光譜，根據(jù)預(yù)測(cè)模型就可以確定寒富蘋(píng)果的糖度含量。該方法具有分析速度快、分析效率高，不使用任何化學(xué)試劑，分析成本低，且對(duì)環(huán)境不造成任何污染的優(yōu)點(diǎn)。

應(yīng)用可見(jiàn)/近紅外光譜技術(shù)檢測(cè)水果品質(zhì)是國(guó)內(nèi)外農(nóng)產(chǎn)品科學(xué)研究的熱點(diǎn)之一，一個(gè)典型的檢測(cè)系統(tǒng)通常由暗箱、光譜儀、計(jì)算機(jī)、光源、檢測(cè)探頭等組成。現(xiàn)有技術(shù)中相關(guān)的檢測(cè)系統(tǒng)通?？梢杂?jì)算機(jī)作為處理平臺(tái)，存在體積大、不便于在室外操作，移動(dòng)不方便等缺點(diǎn)。

而本實(shí)施例基于嵌入式系統(tǒng)和可見(jiàn)/近紅外光譜檢測(cè)技術(shù)，以ARM11(advanced RISC machines)處理器為核心，以鹵素?zé)艄庠?和USB2000+可見(jiàn)/近紅外光譜儀為光譜檢測(cè)裝置的核心部分，在ARM11內(nèi)嵌的WinCE6.0系統(tǒng)上，采用vs2005編程工具，設(shè)計(jì)出人機(jī)交互界面；同時(shí)，利用飛凌OK6410-A開(kāi)發(fā)板代替實(shí)驗(yàn)室計(jì)算機(jī)來(lái)進(jìn)行數(shù)據(jù)處理，利用移動(dòng)電源對(duì)其整個(gè)裝置系統(tǒng)進(jìn)行長(zhǎng)時(shí)間供電，使該檢測(cè)系統(tǒng)體積大幅度減小，可在室外長(zhǎng)時(shí)間操作，達(dá)到嵌入式和便攜式目的。

本實(shí)施例基于近紅外光譜技術(shù)，具有分析速度快、非破壞性、樣品無(wú)需預(yù)處理，可以實(shí)現(xiàn)對(duì)多組分同時(shí)測(cè)定，以及低成本和操作簡(jiǎn)單等優(yōu)點(diǎn)。其具有可預(yù)期的較為巨大的經(jīng)濟(jì)價(jià)值和社會(huì)價(jià)值。

實(shí)施例2

1.試驗(yàn)材料：試驗(yàn)樣品為“寒富蘋(píng)果”，產(chǎn)自遼寧省沈陽(yáng)市，采自沈陽(yáng)農(nóng)業(yè)大學(xué)科研實(shí)驗(yàn)基地。樣本數(shù)量為60個(gè)，為保證樣本的代表性和豐富性，統(tǒng)一選取無(wú)明顯缺陷、色澤統(tǒng)一的蘋(píng)果樣本。使用游標(biāo)卡尺挑選直徑范圍在70-100mm之間的樣本，將60個(gè)樣本分為建模集40個(gè)和檢驗(yàn)集20個(gè)。采摘當(dāng)天帶回實(shí)驗(yàn)室，將其清洗擦干，編號(hào)、標(biāo)記后用0.2mm聚乙烯塑料保鮮膜包裝，放在(0±0.5)℃冷藏室中貯藏備用。試驗(yàn)前從冷藏室中取出，放置5h，使樣本整體溫度與試驗(yàn)環(huán)境(溫度為21℃、相對(duì)濕度為19％)保持一致。

2.光譜數(shù)據(jù)采集：打開(kāi)檢測(cè)系統(tǒng)電源，預(yù)熱3分鐘，設(shè)置系統(tǒng)檢測(cè)參數(shù)，積分時(shí)間是100ms，平均次數(shù)為2，平滑度為6。將標(biāo)準(zhǔn)校正黑參考板放置在檢測(cè)探頭上，采集暗光譜，然后放置標(biāo)準(zhǔn)校正白板，采集參考光譜。再把檢測(cè)探頭放置在蘋(píng)果表面，對(duì)寒富蘋(píng)果樣本進(jìn)行采集，為了得到更具代表性的信息，應(yīng)對(duì)蘋(píng)果陰陽(yáng)面都進(jìn)行照射并按比例進(jìn)行采集。每個(gè)樣本采集3個(gè)不同點(diǎn)的光譜信息然后進(jìn)行平均處理作為該光譜的代表信息，樣本可見(jiàn)/近紅外光漫反射率光譜圖如圖5所示。光譜反射率計(jì)算公式為：

式中：R_λ—波長(zhǎng)λ下該蘋(píng)果樣品光譜反射率；

S_λ—波長(zhǎng)λ下該蘋(píng)果樣品所反射的光譜強(qiáng)度；

D_λ—暗光譜的光譜強(qiáng)度；

R_Wλ—參考光譜的光譜強(qiáng)度。

3.蘋(píng)果品質(zhì)物理化學(xué)方法標(biāo)定：蘋(píng)果品質(zhì)包括果形大小、顏色、氣味、營(yíng)養(yǎng)物質(zhì)含量、褐變程度、可食率等幾個(gè)指標(biāo)。試驗(yàn)中主要選取糖度作為寒富蘋(píng)果化學(xué)品質(zhì)評(píng)價(jià)指標(biāo)。按照國(guó)家標(biāo)準(zhǔn)GB/T10651-2008(鮮蘋(píng)果)，應(yīng)用臺(tái)灣LINK便攜式RHB-080型手持折光糖度儀測(cè)量樣本糖度。試驗(yàn)中取樣部位均為樣本光譜采集區(qū)域。測(cè)定結(jié)果如表1所示。

表1寒富蘋(píng)果糖酸脆度化學(xué)值的統(tǒng)計(jì)表

4.光譜數(shù)據(jù)預(yù)處理

在原始光譜曲線中，在波長(zhǎng)的兩端，光譜數(shù)據(jù)所摻雜的噪聲較多，信噪比較低，為了提高要建立模型的準(zhǔn)確性，選取485.01-900.71nm波長(zhǎng)下的光譜反射率數(shù)據(jù)進(jìn)行預(yù)處理和建模。采集到樣本可見(jiàn)近紅外光譜數(shù)據(jù)導(dǎo)入U(xiǎn)nscrambler9.7(美國(guó)CAMO公司)中，定量分析光譜信息，確定適合蘋(píng)果品質(zhì)信息的預(yù)處理方法，建立糖度數(shù)學(xué)模型。

對(duì)于樣本糖度，不同的光譜數(shù)據(jù)預(yù)處理方法，得到的偏最小二乘法(PLS)數(shù)學(xué)建模結(jié)果不同。綜合各模型評(píng)價(jià)指標(biāo)結(jié)果，發(fā)現(xiàn)多元散射校正結(jié)合二階微分的光譜數(shù)據(jù)預(yù)處理方法決定系數(shù)(0.9908)更高，校正均方根誤差(0.1242)和預(yù)測(cè)均方根誤差(0.1189)相對(duì)較小，且RMSEP(0.1189)<RMSEC(0.1242)。說(shuō)明對(duì)于糖度品質(zhì)，最適合的光譜數(shù)據(jù)預(yù)處理方法為多元散射校正結(jié)合二階微分。

表2樣本糖度數(shù)據(jù)預(yù)處理方法統(tǒng)計(jì)表

樣本糖度品質(zhì)預(yù)測(cè)模型，決定系數(shù)R²＝0.9852，預(yù)測(cè)均方根誤差RMSEP(0.0958)<校正均方根誤差RMSEC(0.1172)，偏差值Bias＝-0.0133?？芍?，該預(yù)測(cè)模型預(yù)測(cè)結(jié)果合理，預(yù)測(cè)精度相對(duì)理想。試驗(yàn)以建模集40個(gè)樣本為研究對(duì)象，建立樣本的糖度可見(jiàn)/近紅外光譜預(yù)測(cè)模型，再利用此模型對(duì)檢驗(yàn)集20個(gè)樣本預(yù)測(cè)。

表3檢驗(yàn)集樣本糖度真實(shí)值與預(yù)測(cè)值統(tǒng)計(jì)表

絕大多數(shù)樣本的預(yù)測(cè)值和測(cè)量值的絕對(duì)偏差值均在0.15以?xún)?nèi)，絕對(duì)偏差值很小，滿(mǎn)足在果蔬檢測(cè)中的實(shí)際生產(chǎn)要求，所以此模型可應(yīng)用于寒富蘋(píng)果糖度的實(shí)際檢測(cè)。