趙 娟 全朋坤 張猛勝 田世杰 張海輝,3 任小林

(1.西北農(nóng)林科技大學(xué)機械與電子工程學(xué)院， 陜西楊凌 712100； 2.農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)物聯(lián)網(wǎng)重點實驗室， 陜西楊凌 712100;3.陜西省農(nóng)業(yè)信息感知與智能服務(wù)重點實驗室， 陜西楊凌 712100； 4.西北農(nóng)林科技大學(xué)園藝學(xué)院， 陜西楊凌 712100)

0 引言

隨著人們生活水平的不斷提高，消費者對水果的需求已經(jīng)從“數(shù)量型”轉(zhuǎn)向“質(zhì)量型”，因而對于如何篩選出內(nèi)部品質(zhì)更佳的優(yōu)質(zhì)果提出了更高的檢測要求。

近年來，商品化便攜式檢測設(shè)備在果實品質(zhì)評價中得到了廣泛應(yīng)用[1-3]。王加華等[4]利用日本Kubota公司生產(chǎn)的K-BA100R型便攜式近紅外光譜儀檢測了洋梨硬度。MARA等[5]使用基于手持式微電子機械系統(tǒng)紅外光譜儀檢測柑橘大小、顏色等外部品質(zhì)參數(shù)及收獲前硬度、可溶性固形物含量、pH值等內(nèi)部品質(zhì)參數(shù)。楊帆等[6]利用聚光科技有限公司的便攜式SupNIR-1000型光譜分析儀建立了蘋果酸度和抗壞血酸的定量分析模型。MARCO等[7]采用一種基于聲光可調(diào)諧濾波器原理的微型手持式近紅外分析儀建立了橄欖果實硬度、葉綠素含量、花青素含量等參數(shù)的偏最小二乘模型，用來確定用于初榨橄欖油和食用橄欖的最佳采收時間。ROBERT等[8]采用Thermo fisher公司生產(chǎn)的手持式近紅外光譜儀，檢測了“Fuerte”、“Hass”和“Carmen1-Hass”3個鱷梨品種的成熟度，預(yù)測結(jié)果與商業(yè)方法的判定結(jié)果接近。上述結(jié)果表明，使用便攜式近紅外光譜設(shè)備不僅可以采前實時檢測樹上水果成熟期間的內(nèi)部品質(zhì)參數(shù)變化，也可以用于采后檢測。

目前，市場上也已經(jīng)有一些成熟的水果品質(zhì)便攜式檢測儀器[9-11]。如美國的ACCUNIR2100和ACCUNIR2200型檢測儀，日本的K-SS300和TD-2000C 型檢測儀，意大利的 Quality Station和QS-300型檢測儀等。但市場上的設(shè)備價格昂貴，主要用于實驗室科研分析，對于田間生產(chǎn)及電商銷售的個體農(nóng)戶并不適用，相關(guān)研究成果無法實際推廣生產(chǎn)。因此，本文在可見/近紅外光譜檢測技術(shù)基礎(chǔ)上，提出一種基于窄帶LED光源與光電二極管結(jié)合的蘋果內(nèi)部多品質(zhì)檢測方法，并設(shè)計一種便攜式、低成本的蘋果多品質(zhì)檢測設(shè)備，為高品質(zhì)水果的生產(chǎn)及銷售提供技術(shù)支撐。

1 材料與方法

1.1 試驗材料

從甘肅省靜寧縣果園里采摘無缺陷、無損傷和無污染的蘋果樣本240個進行試驗。樣本采摘后運回實驗室，在室溫下存放24 h后，進行光譜采集和理化值測定。

1.2 品質(zhì)因子理化含量測定

蘋果樣本的可溶性固形物含量測量使用糖度計(PAL-BX/ACID5型, ATAGO, 日本),方法參照文獻[12]?？傻味ㄋ岷坎捎锰O果酸度計(GMK-835F型,G-WON, 韓國)測定；果實硬度采用物性測定儀(TA.XT Express型, Stable Micro Systems, 英國)在標記區(qū)域從果皮向果肉穿刺,探頭直徑5 mm,預(yù)壓速度1.5 mm/s，穿刺速度為1.0 mm/s，壓后上行速度為1.0 mm/s，測試距離為10 mm，觸發(fā)力是2.0 g。理化測定的取樣部位分別為光譜采集所測量的樣本3個面，每個指標測定3次取平均值作為最終樣品測定結(jié)果，其中，可溶性固形物含量和可滴定酸含量每測完一次需用純凈水清洗儀器。

1.3 光譜特性試驗

1.3.1光譜信息獲取

基于實驗室搭建的可見/近紅外光譜的漫反射檢測平臺采集的蘋果樣本漫反射光譜曲線如圖1所示，光譜儀(OFS-1100型,Ocean Optics, 美國)的有效響應(yīng)范圍為200～1 100 nm，分辨率為0.43 nm，鹵鎢燈光源(HL-2000型,Ocean Optics, 美國)波長范圍為360～2 400 nm，功率為28.8 W。光譜儀與光源通過二分叉光纖連接實現(xiàn)樣本檢測。設(shè)置積分時間為50 ms，光譜平均次數(shù)為5，平滑次數(shù)為5，對其進行雜散光校正，去除暗噪聲處理。每個樣本放置方式為果柄軸向方向與光源照射方向垂直，以果柄為軸線，每120°進行一次光譜采集，對獲得的3次光譜信息取平均作為該樣本的漫反射光譜。為消除系統(tǒng)的噪聲影響，選取波長范圍為315～1 045 nm的光譜信息作為有效信息。

圖1 蘋果樣本的漫反射光譜曲線Fig.1 Diffuse reflectance spectrum of apple samples

1.3.2特征光譜波長提取

光譜儀獲得的全波段光譜一般包含過多的波長數(shù)據(jù)變量，通過篩選與待測對象品質(zhì)相關(guān)的特征波長，對于提高檢測精度、減小信息采集量，進而構(gòu)建多光譜系統(tǒng)發(fā)揮著重要作用[13]。

圖2 隨機蛙跳算法提取的各指標特征波長Fig.2 Extracted characteristic wavelengths of each quality index for apple by random frog algorithm

目前波長選擇的算法較多，不同算法思路存在差異，選擇強度也存在區(qū)別[14-17]。本研究對采集的所有樣本原始光譜變量經(jīng)多元散射校正(Multiple scattering correction, MSC)預(yù)處理后利用連續(xù)投影算法(Successive projections algorithm, SPA)、競爭自適應(yīng)重加權(quán)算法(Competitive adaptive reweighted sampling, CARS)、隨機蛙跳算法(Random frog, RF)等多種特征波長選擇算法，分析蘋果可溶性固形物含量、可滴定酸含量、硬度的特征波長分布范圍，其中利用隨機蛙跳算法[18-19]進行特征波長提取具體過程如下：

首先，進行初始化操作，最大進化次數(shù)N設(shè)為500，聚類數(shù)目A設(shè)為6，采用中心化預(yù)處理方法進行數(shù)據(jù)預(yù)處理；其次，通過適應(yīng)度公式計算其適應(yīng)度值，并進行排序，實現(xiàn)對蛙群分類；然后，對已分類的各個子蛙群進行深度搜索，隨機從族群中選擇q個個體，分入子族群并將子族群進行排序，找出子族群中最優(yōu)解PB和最差解PW,依據(jù)公式

S=Ω(PB-PW)

(1)

(2)

式中S——跳動步長Ω——隨機數(shù)

進行每個子種群的局部深度搜索，并對最差解乘以0～1之間的隨機數(shù)Ω進行改進；最后，在所有子族群完成深度搜索后，再次進行重新混合與排序，進而進行局部深度搜索，直到輸出結(jié)果達到精度要求。

2 檢測設(shè)備基礎(chǔ)平臺設(shè)計

2.1 特征LED光源選取

基于蘋果內(nèi)部品質(zhì)的光譜特性分析，設(shè)計了檢測設(shè)備的基礎(chǔ)平臺，實現(xiàn)果實漫反射特征光譜強度的快速檢測。通過隨機蛙跳算法提取與蘋果果實硬度、可溶性固形物含量和可滴定酸含量的特征波長如圖2所示。

通過對多種特征波長提取算法結(jié)果的分析，依據(jù)波長被選擇的概率，優(yōu)選出3個品質(zhì)參數(shù)各自最優(yōu)的特征波長，兼顧3個指標的特征波長，最終確定了10個共享波長，分別為420、480、550、580、640、680、705、940、980、1 044 nm。這10個獨立波長的窄帶LED光源將作為檢測光源，采用光電二極管作為感應(yīng)元件，通過特征波長光源與光電二極管相結(jié)合的方式測量蘋果不同波長漫反射光強度對應(yīng)的特征電壓強度。

2.2 整體結(jié)構(gòu)設(shè)計

2.2.1外型設(shè)計

基于已知蘋果內(nèi)部品質(zhì)特征波長和光譜檢測方式，設(shè)計了檢測設(shè)備的外型結(jié)構(gòu)，主要包括設(shè)備上下外殼與檢測探頭結(jié)構(gòu)。檢測主設(shè)備由光源模塊、光源穩(wěn)壓模塊、光源驅(qū)動模塊、光電檢測模塊、處理器模塊、處理器供電模塊、電源模塊、用戶交互模塊構(gòu)成。光源模塊包括：光源支架、LED燈架、外圈擋光圈、凸臺擋光圈。檢測設(shè)備如圖3所示。

圖3 檢測裝置結(jié)構(gòu)Fig.3 Diagrams of detection device structure 1.檢測探頭 2.顯示屏 3.檢測開關(guān) 4.設(shè)備外殼 5.電源開關(guān)

檢測外殼中間偏左的位置嵌裝有顯示屏，顯示屏下部為檢測電源開關(guān)，顯示屏右側(cè)為檢測按鈕，檢測外殼上部嵌裝燈頭，燈頭最上部為圓形擋光圈，圓形擋光圈下部嵌裝著與燈頭軸線呈45°環(huán)形陣列分布的窄帶LED。依次為第1光源至第10光源，位于燈頭中央的為凸臺擋光圈，凸臺擋光圈下部為擴散板，擴散板正下方1 cm處為光電二極管，二維碼打印機通過轉(zhuǎn)接線和設(shè)備連接。

2.2.2檢測探頭設(shè)計

檢測探頭結(jié)構(gòu)包括有光源支架、LED支架、擋光圈和凸臺擋光圈。檢測探頭設(shè)計10個窄帶LED光源環(huán)形分布在檢測器周圍，第1至第10個特征光源的中心波長分別為420、480、550、590、660、690、700、940、980、1 045 nm。一個燈帽下分布著兩個波段的窄帶LED，共5組。光束與軸線呈一定角度照射向檢測樣品，并且光束軸心會聚在一點上，以保證光源照射的一致性；光源支架設(shè)置有檢測凸臺，其上裝有彈性擋光圈，同時在支架周圍布置擋光圈結(jié)構(gòu)，在放置水果時依靠力的作用與擋光圈緊密配合形成一種特殊的結(jié)構(gòu)，避免LED發(fā)出的光直接進入檢測通道到達傳感器表面以及外界光進入檢測區(qū)域影響檢測結(jié)果。檢測探頭結(jié)構(gòu)如圖4所示。

圖4 檢測探頭結(jié)構(gòu)Fig.4 Diagram of detection probe structure 1.擋光圈 2.螺釘1 3.LED光源 4.螺釘2 5.凸臺擋光圈 6.光源支架

2.3 光路設(shè)計

LED光源輻射的光能量須反射后進入光電二極管，光進入蘋果內(nèi)會發(fā)生吸收、反射、散射等變化，從而使得反射強度極其微弱，若加大光源功率則會造成蘋果燒傷，因此要對檢測光路進行設(shè)計與優(yōu)化，最大程度地利用LED組光源的發(fā)光強度，圖5為漫反射檢測光路示意圖。

圖5 檢測裝置漫反射檢測光路示意圖Fig.5 Schematic of diffuse reflection detection optical path of device 1.蘋果 2.LED燈珠 3.擋光圈 4.擴散板 5.光電傳感器

10個與燈頭呈45°方向布置的窄帶LED光源、擴散板、45°設(shè)計的圓錐形通光孔、光電二極管組成了整個檢測探頭光路系統(tǒng)。10個波長的窄帶LED光源呈環(huán)形陣列排布，光源軸心和燈頭軸心呈45°，光電二極管位于水平位置燈頭軸心下1 cm處，光源發(fā)出的光在45°方向進入蘋果內(nèi)部，經(jīng)過漫反射從蘋果下部傳出，經(jīng)過擴散板，將垂直于擴散板的光通過45°圓錐形通光孔均勻照射在光電二極管上，有效地避免了光源直接照射光電二極管。

2.4 硬件電路設(shè)計

以樹莓派三代作為中央處理器協(xié)調(diào)各模塊工作，首先PWM控制光源實現(xiàn)亮度調(diào)節(jié)，光電檢測模塊實現(xiàn)漫反射光譜檢測，采樣模塊將光電檢測的模擬量轉(zhuǎn)換成數(shù)字量返回到處理器，經(jīng)中央處理器處理后在顯示模塊進行相關(guān)結(jié)果的顯示與其他信息的反饋。圖6為蘋果內(nèi)部品質(zhì)一體化檢測設(shè)備硬件電路結(jié)構(gòu)框圖。

圖6 檢測設(shè)備硬件電路結(jié)構(gòu)框圖Fig.6 Hardware structure diagram of detection device

光源與驅(qū)動模塊中，每個LED燈珠(F42型, 深圳市超自然科技公司)中心波長為所選特征波長，半波寬度為20 nm。驅(qū)動芯片采用輸出電流可調(diào)節(jié)的BP1360 芯片，單片機通過輸出不同占空比的 PWM 信號調(diào)節(jié)BP1360 的輸出電流， PWM 信號額定占空比為0.5，使單個燈珠輸出電流為0.4 A，從而實現(xiàn) LED 光源發(fā)光強度的穩(wěn)定定量調(diào)節(jié)。光譜檢測模塊中，采樣模塊采用硅光電二極管(FDS10*10型, THORLABS, 美國)，感應(yīng)波長范圍為340～1 100 nm。在光電轉(zhuǎn)換電路電壓輸入端采用電阻和電容組成的RC低通濾波器，消除電源帶來的高頻噪聲；采用運放芯片OP07將采樣電阻端的電壓進行放大，而在輸出電壓端接濾波電容，最終獲取實際有效電壓，其電壓輸出范圍為0～5 V。

3 判別模型建立

3.1 數(shù)據(jù)采集

從市場購買144個大小均勻，表面無損傷、無污染的靜寧富士蘋果進行試驗，將表皮清洗干凈，依次進行編號，隨機選取104個樣本作為校正集，40個樣本作為集。

由于光電檢測器響應(yīng)較敏感，在安裝擋光圈，提供暗環(huán)境的條件下，為進一步消除外界光的干擾，在開啟光源前，蓋上探頭蓋，獲取當前暗環(huán)境下的光電轉(zhuǎn)換電壓后，以不同波長光源下采集的電壓與暗環(huán)境下的電壓差值作為樣本在該波長下的反射光強值。

數(shù)據(jù)采集時，將檢測探頭對準試驗樣本沿赤道方向的一個面，依次循環(huán)采集10個特征LED光源下的反射強度值，每個樣本沿赤道方向旋轉(zhuǎn)120°共采集3個面的反射信息，每個波段3次測量值取平均，作為其特定波長下的反射強度信息。采集完樣本的光譜信息，再依次理化測定樣本的果肉硬度、可溶性固形物含量和可滴定酸含量。

3.2 模型建立

利用儀器獲取校正集104個蘋果漫反射光譜強度，采用多元線性回歸建立蘋果內(nèi)部多品質(zhì)預(yù)測模型。此模型自變量數(shù)目少，不存在共線性問題，建模速度快，穩(wěn)定性好、易于維護修正和擴展，移植性好。

將樣品所獲得的10個特征波長下的電壓強度與對應(yīng)的蘋果可溶性固形物含量、可滴定酸含量及硬度，利用多元線性回歸算法建立預(yù)測模型，其預(yù)測集相關(guān)系數(shù)分別為0.812 9、0.807 3和0.773 6，均方根誤差為0.603 6°Brix、0.063 6%和1.732 5 N，預(yù)測結(jié)果散點圖如圖7所示。

圖7 基于檢測設(shè)備的蘋果多品質(zhì)建模預(yù)測結(jié)果Fig.7 Prediction results of apple multi-quality modeling based on detection device

4 檢測設(shè)備軟件設(shè)計

基于QT 和Python3開發(fā)工具，采用Python語言開發(fā)了蘋果多品質(zhì)實時檢測與分析軟件?；谡瓗Ч庠匆獙崿F(xiàn)特征波長的漫反射光譜強度檢測獲取，需設(shè)置較短的光譜檢測時間，該時間要大于光源達到穩(wěn)定的時間，使得漫反射強度達到穩(wěn)定狀態(tài)。軟件系統(tǒng)包括設(shè)置模塊、采集模塊、處理模塊和顯示模塊，軟件流程如圖8所示。

圖8 蘋果內(nèi)部多品質(zhì)檢測設(shè)備軟件流程圖Fig.8 Software flow chart of device for detecting multi-quality of apple

儀器開機后初始化LED光源、驅(qū)動電路、檢測按鍵、測量裝置與光電二極管等I/O接口器件。首先進行白板校正和測量指標的選擇。校正時，控制PWM信號占空比達到設(shè)定的光強度，使其每次開機檢測的光強度相同。當按下檢測按鍵后，首先控制光譜強度檢測模塊獲取暗光譜值，然后輸出校正后的PWM信號占空比設(shè)定輸出電流，調(diào)整第1個窄帶LED燈輸出強度，待光源輸出穩(wěn)定后(150 ms)，控制光譜強度檢測模塊在此獲取漫反射強度，最后處理器將獲得的光譜漫反射光譜強度解析成電壓，采集3次，求取平均值。接著以此種方法點亮第2個窄帶LED燈，以此循環(huán)，最后處理器獲得10個不同波長的光譜強度，并實時調(diào)用移植在設(shè)備中的蘋果各品質(zhì)參數(shù)預(yù)測模型，在界面實時顯示出檢測樣本果肉硬度、可溶性固形物含量和可滴定酸含量的預(yù)測值。

5 試驗驗證

從市場購買46個靜寧富士蘋果對檢測設(shè)備的預(yù)測性能進行驗證。試驗開始，先從軟件界面選取要預(yù)測的蘋果品質(zhì)參數(shù)，再將檢測探頭對準驗證樣本，按下檢測按鈕，實時獲取蘋果品質(zhì)參數(shù)的預(yù)測值。每個蘋果重復(fù)測定5次可溶性固形物含量、可滴定酸含量和果肉硬度，同時與實測值進行相關(guān)性分析，預(yù)測散點圖如圖9所示，果肉硬度預(yù)測相關(guān)系數(shù)為0.758 9，均方根誤差為1.832 3 N，可溶性固形物含量預(yù)測相關(guān)系數(shù)為0.809 6，均方根誤差為0.697 3°Brix，可滴定酸含量預(yù)測相關(guān)系數(shù)為0.796 2，均方根誤差為0.070 3%。

同時，對檢測裝置的穩(wěn)定性進行了測試，每個樣品檢測3個不同位置，每個位置重復(fù)檢測8次，用重復(fù)檢測最大變異系數(shù)衡量儀器的穩(wěn)定性[20]。結(jié)果顯示，可溶性固形物含量、可滴定酸含量和果肉硬度檢測的最大變異系數(shù)分別為0.010 6、0.011 6和0.006 2，各個參數(shù)檢測結(jié)果重復(fù)性好。該裝置單個蘋果單參數(shù)檢測時間約為1 s，3個品質(zhì)參數(shù)同時檢測時間約為3.1 s。通過試驗測試，設(shè)備在檢測狀態(tài)下可持續(xù)工作8 h，穩(wěn)定性較好。

該檢測裝置具有低成本、便攜式、快速等優(yōu)點，可為農(nóng)戶及農(nóng)業(yè)合作社銷售優(yōu)質(zhì)果提供技術(shù)支撐，提高農(nóng)戶線上銷售信譽，進一步穩(wěn)固地區(qū)品牌價值效益。但與基于近紅外光譜儀研發(fā)的檢測設(shè)備相比，檢測精度需要進一步優(yōu)化，后續(xù)可在檢測波段選取、數(shù)據(jù)建模分析方面進行優(yōu)化，同時擴大樣本量，在滿足實際生產(chǎn)需要的基礎(chǔ)上進一步提高儀器的預(yù)測性能。

圖9 設(shè)備預(yù)測性能驗證結(jié)果Fig.9 Verification results of prediction performance for device

6 結(jié)論

(1)基于可見/近紅外漫反射光譜技術(shù)，采用隨機蛙跳算法，提取了蘋果可溶性固形物含量、可滴定酸含量及果肉硬度的特征波長，最終優(yōu)選3個內(nèi)部品質(zhì)參數(shù)的10個共享特征波長，為420、480、550、580、640、680、705、940、980、1 044 nm。

(2)基于蘋果內(nèi)部品質(zhì)特征波長，采用特征窄帶LED光源與光電二極管相結(jié)合的檢測方式，設(shè)計了蘋果多品質(zhì)參數(shù)檢測裝置，其硬件系統(tǒng)包括了光源模塊、采集模塊、光源驅(qū)動模塊、信號處理模塊、電源模塊、散熱模塊和打印模塊。

(3)基于蘋果內(nèi)部多品質(zhì)檢測裝置，建立了蘋果多品質(zhì)預(yù)測模型。采集了蘋果10個特征波長下的漫反射光譜電壓強度，分別對蘋果可溶性固形物含量、可滴定酸含量和果肉硬度建立了多元線性回歸模型，其預(yù)測集相關(guān)系數(shù)分別為0.812 9、0.807 3和0.773 6，均方根誤差為0.603 6°Brix、0.063 6%和1.732 5 N。

(4)基于QT和Python3 開發(fā)工具，采用Python語言開發(fā)了檢測裝置實時分析控制軟件。實現(xiàn)了特征光源的循環(huán)點及漫反射電壓強度獲取，并將建立的蘋果可溶性固形物含量、可滴定酸含量和果肉硬度預(yù)測模型植入到軟件中，實現(xiàn)了蘋果品質(zhì)單參數(shù)及多參數(shù)的實時無損檢測與分析。

(5)驗證了蘋果多品質(zhì)參數(shù)無損檢測裝置的性能。蘋果樣本可溶性固形物含量、可滴定酸含量和果肉硬度裝置預(yù)測值與理化值的相關(guān)系數(shù)分別為0.809 6、0.796 2和0.758 9，均方根誤差0.697 3°Brix、0.070 3%和1.832 3 N，裝置重復(fù)采樣最大變異系數(shù)為0.010 6、0.011 6和0.006 2。結(jié)果顯示，該低成本、便攜裝置可以實現(xiàn)蘋果內(nèi)部多品質(zhì)一體化實時無損檢測。