可更換探頭的手持式多果品內部品質無損檢測儀研究

郭文川 紀同奎 張宗逸 周一航

(1.西北農林科技大學機械與電子工程學院，陜西楊凌 712100；2.農業農村部農業物聯網重點實驗室，陜西楊凌 712100)

0 引言

評價水果內部品質的主要指標有可溶性固形物含量(Soluble solids content, SSC)和硬度。SSC決定了水果的糖度[1]，而硬度決定了水果的成熟度以及耐貯性[2]。傳統檢測水果SSC和硬度的方法是破壞性抽樣檢測[3]，其操作繁瑣、耗時，難以滿足現場實時檢測的需求。因此，研發一種水果內部品質無損快速檢測儀對于指導水果的生產和銷售具有重要意義。

可見/近紅外光譜檢測技術是一種基于可見/近紅外光傳輸原理的無損檢測方法，其能夠準確反映檢測樣本內部含氫基團信息。水果內部組分含有豐富的含氫基團，因此常用可見/近紅外光譜技術無損檢測水果的內部品質[4-5]?，F有研究表明，可見/近紅外光譜技術可以無損檢測水果的SSC[6-7]、硬度[8-9]和干物質含量[10-11]等。因此有學者基于可見/近紅外光譜技術研發出便攜式水果內部品質檢測儀[12-14]，但檢測儀采用的核心器件多為微型光譜儀和濾光片，導致功耗和成本較高。多光譜技術的發展使低成本水果品質檢測儀的研發成為可能。但目前基于多光譜技術的水果內部品質檢測儀大多只能檢測單一品種的水果[15-16]，限制了檢測儀的實用性。因此研發一款低功耗、低成本的手持式多果品內部品質無損檢測儀具有重要意義。

本文基于多光譜技術，以獼猴桃和梨為研究對象，研發用于檢測獼猴桃和梨內部品質的專用多光譜采集探頭；進而開發一種可更換探頭的手持式多果品內部品質無損檢測儀，以實現一儀多測的目的。

1 檢測儀設計

1.1 硬件系統設計

圖1為手持式多果品內部品質無損檢測儀的硬件結構圖。該檢測儀由主機和多光譜采集探頭組成，二者通過多孔直插接口連接。主機由微處理器、電源管理模塊、穩壓驅動模塊及輸入輸出模塊組成。多光譜采集探頭由發光二極管(Light emitting diode，LED)和數字光電傳感器組成。微處理器用于控制和管理檢測儀的其他模塊，并處理光譜數據和計算預測結果；電源管理模塊用于給檢測儀提供工作電源和實現充放電管理；穩壓驅動模塊用于給各個模塊提供穩定的工作電壓和電流；輸入/輸出模塊用于實現人機交互和數據傳輸。多光譜采集探頭采集原始光譜信號，并將數字光電傳感器返回的數字光強信號輸送至微處理器的采集端口。

圖1 檢測儀硬件結構圖

1.1.1微處理器

微處理器是檢測儀的核心。本檢測儀以高性能Crotex M4為內核的32位單片機STM32F429IGT6為微處理器。該微處理器自帶256 KB的SRAM、1 024 KB的Flash ROM、3個12位的獨立ADC通道和8個UART，并有專門的電源管理監控外設，以保證系統在低功耗下運行。

1.1.2電源管理模塊

電源管理模塊由鋰離子電池、充放電電路和充電接口組成，主要負責檢測儀的電源供給以及充放電管理。鋰離子電池容量為2 500 mA，輸出電壓為3.7 V。充放電電路如圖2所示。以IP5036為電源管理芯片，IP5036內有穩壓模塊，可將鋰離子電池輸出的3.7 V電壓穩定在5.0 V。充電接口為TYPE-C接口，支持數據傳輸和軟件算法的升級。

圖2 充放電電路圖

1.1.3穩壓驅動模塊

穩壓驅動模塊由線性穩壓電路和恒流驅動電路組成。在線性穩壓電路中，分別采用芯片AMS1117和芯片REF3130將5.0 V電壓穩定在3.3 V和3.0 V，以滿足不同模塊電源的需求。

恒流驅動電路由恒流芯片和電流調制電路組成，其作用是為多光譜采集探頭中的LED提供恒定的工作電流，以保證LED每次的發光強度一致，提高檢測儀的準確性和穩定性。恒流芯片采用CN5711。該芯片可通過設置電流調制電路的電阻使恒定輸出的電流穩定在0.03～1.5 A。恒流芯片輸出電流的計算方法為

ILED=360UVOP/RISET

(1)

式中RISET——電流調制電路中設置的電阻阻值，Ω

UVOP——芯片工作電壓，取5 V

ILED——給LED光源提供的工作電流，A

1.1.4輸入輸出模塊

輸入輸出模塊由5個按鍵、1個顯示屏和1個藍牙芯片組成。按鍵包括電源按鍵、測量按鍵和用于果品檢測模式選擇的功能按鍵。顯示器采用液晶顯示器(Liquid crystal display，LCD)，其分辨率為128像素×160像素。藍牙芯片選用成本低、功耗小的BT-04E，可以實現檢測儀軟件算法的遠程升級和無線數據傳輸。

1.1.5多光譜采集探頭

多光譜采集探頭由多個特征波長的LED光源和數字光電傳感器組成。以獼猴桃和梨為對象分別設計了針對兩種果品的多光譜采集探頭?；谇叭藢ΛJ猴桃和梨特征波長篩選的研究，確定了用于檢測獼猴桃內部品質的12個LED峰值波長分別為640、680、740、780、810、830、840、850、890、900、960、980 nm[17-18]，用于檢測梨內部品質的12個LED峰值波長為660、680、700、740、750、810、840、900、940、980、1 020、1 080 nm[19-20]。LED采用尺寸為3.5 mm×2.8 mm×0.8 mm的貼片型LED(沃森光電有限公司)，功率為0.3 W。數字光電傳感器采用貼片型傳感器TSL2561(TAOS公司，奧地利)。該傳感器的響應波長為500～1 100 nm，其內置模數轉換器，可將采集的漫反射光信號以數字信號輸出。

LED以數字光電傳感器為中心沿圓周分布?；谇叭藢庠醋罴讶肷浣嵌鹊难芯縖21]，多光譜采集探頭中LED的入射角為45°。采集多光譜時，每個LED依次開啟，數字光電傳感器依次采集不同特征波長下的多光譜(即數字光強信號)，并送至微處理器。為了防止灰塵和外界光的干擾，在多光譜采集探頭的前端安裝有防塵玻璃和遮光罩。

1.1.6整體結構設計

圖3為檢測儀的主機、多光譜采集探頭以及檢測儀的原型機。主機與探頭的分離式結構使檢測儀實現了一機多頭、一儀多測的功能。

圖3 檢測儀實物圖

1.2 軟件系統設計

在MDK 5.0開發環境下用C語言開發檢測儀的軟件。軟件主要由主函數、初始化函數、鍵盤掃描函數、光譜采集函數、模型計算函數、顯示函數和無線傳輸函數組成。初始化函數用于設置各個模塊所用到的接口工作模式及各個寄存器的配置；鍵盤掃描函數用于檢測是否有按鍵按下以及具體按鍵，以執行相應的功能；光譜采集函數用于依次開啟不同波長的LED，并采集和保存檢測樣本對應的多光譜；模型計算函數用于將多光譜帶入模型中進行計算，以得到檢測樣本SSC和硬度的預測值；顯示函數用于將檢測結果、電量以及當前檢測儀的工作狀態等顯示在LCD顯示屏上；無線傳輸函數用于將檢測結果通過藍牙上傳至物聯網平臺。

2 試驗材料與方法

2.1 材料

以“華優”獼猴桃(以下簡稱獼猴桃)和“雪”梨(以下簡稱梨)為試驗樣本。所用的獼猴桃和梨樣本分別采自陜西省楊凌區的某兩個果園。每種水果共用樣本2批，其中用第1批建立預測SSC和硬度的模型，并驗證模型的性能，第2批用于測試檢測儀的性能。共用獼猴桃樣本764個，其中第1批573個，試驗持續16 d；第2批191個，試驗持續7 d。共用梨樣本720個，其中第1批570個，試驗持續16 d，第2批150個，試驗持續7 d。測試期間，所用樣本置于室溫((22±1)℃)下貯藏。

2.2 試驗方法

2.2.1樣本漫反射多光譜采集方法

在采集樣本的多光譜前，先將檢測儀預熱約10 min。然后將反射率大于99%的聚四氟乙烯校正白板放在多光譜采集探頭前面，采集12個特征波長下該白板的多光譜，記為Tw。進而將探頭對準果品的赤道部位，采集12個特征波長下的樣本多光譜，記為Ts。根據Tw和Ts計算樣本的漫反射多光譜Tc(Tc=Ts/Tw)。對每個樣本同一位置重復測量3次，以3次測量的平均值作為測量結果。

2.2.2樣本SSC和硬度測量

在采集樣本的多光譜后，用削皮器削去采集點處的果皮，然后用探頭直徑為8 mm的GY-4型數字硬度計(樂清市愛德堡儀器有限公司)測量果肉的硬度。進而用Model PR-101α型數字折射儀(ATAGO株式會社，日本)測量采集點處樣本的SSC。每個樣本重復3次，以3次測量的平均值作為測量結果。

2.3 預測模型建立

以漫反射多光譜為輸入，以SSC和硬度為輸出，采用X-Y距離的樣本劃分法(Sample set partitioning based on jointx-ydistance，SPXY)，按照3∶1的比例將獼猴桃和梨的第1批樣本劃分為用來建立模型的校正集和驗證模型性能的驗證集，而將第2批樣本作為測試儀器性能的測試集。采用偏最小二乘法(Partial least square regression, PLSR)建立預測SSC及硬度的模型。以校正相關系數RC、預測相關系數RP、校正均方根誤差和預測均方根誤差評價模型的性能。

3 結果與分析

3.1 樣本統計結果

所用獼猴桃和梨樣本SSC和硬度統計結果如表1所示。由表1可知，所用樣本的SSC和硬度均有較大的變化范圍，尤其是獼猴桃硬度，其變異系數超過50%，說明樣本分布較廣。另外，對于每個內部品質指標，校正集的范圍均大于驗證集和測試集，說明樣本集劃分以及樣本使用比較合理。

表1 所用獼猴桃和梨樣本內部品質統計結果

3.2 漫反射多光譜的結果與分析

圖4為部分獼猴桃、梨的漫反射多光譜圖。由圖4a可以看出，各獼猴桃樣本具有相似的漫反射多光譜，其中在680 nm和960 nm處有明顯的吸收峰。前者主要與獼猴桃果皮中的葉綠素有關[22]，而后者主要與獼猴桃中的水和碳水化合物相關[23]。梨的吸收峰也出現在680 nm和960 nm。兩種果品相比，梨的漫反射率高于獼猴桃，這可能是由于梨表面比獼猴桃光滑[24]。

圖4 獼猴桃和梨的漫反射多光譜圖

3.3 建模結果

所建PLSR模型對獼猴桃和梨的SSC和硬度的預測結果如表2所示。由表2可知，對獼猴桃的預測性能優于梨，其原因可能在于梨表面較為光滑，其果皮表面直接反射的雜散光會給多光譜信息帶來噪聲，進而影響了模型的預測精度。

表2 建模結果

3.4 檢測儀性能測試

3.4.1檢測儀穩定性測試

將預測模型導入到檢測儀后，任取5個獼猴桃和5個梨測試檢測儀的穩定性。用開發的檢測儀重復10次測量每個樣品的SSC和硬度，計算每個樣品測量值的標準偏差和變異系數，結果表明，對于獼猴桃的SSC和硬度，最大標準偏差分別為0.08%和0.16 N，最大變異系數分別為0.83%和0.54%；對于梨的SSC和硬度，最大標準偏差為0.12%和0.36 N，最大變異系數為1.20%和0.90%。所有樣品最大變異系數小于1.20%，說明檢測儀具有良好的穩定性。

3.4.2檢測儀準確性測試

利用測試集中的樣本對檢測儀的準確性進行測試。圖5為檢測儀測量值與樣本實際值的散點圖，所有點都均勻地分散在45°線兩側。該檢測儀對獼猴桃SSC和硬度的測量均方根誤差分別為1.51%和5.13 N，測量值與實際值的相關系數分別為0.86和0.81；對梨SSC和硬度的測量均方根誤差分別為0.52%和4.57 N，測量值與實際值的相關系數分別為0.79和0.76。結果表明，所開發的檢測儀能夠較準確地測量獼猴桃和梨的SSC及硬度，且檢測時間均在2 s以內。

圖5 獼猴桃和梨SSC和硬度檢測儀測量值與其實際值比較

4 結論

(1)開發了適用于檢測多果品內部品質的檢測儀。該檢測儀由主機和多光譜采集探頭組成。主機包括微處理器、電源管理模塊、穩壓驅動模塊及輸入輸出模塊；多光譜采集探頭包括LED和數字光電傳感器。

(2)建立了預測獼猴桃和梨SSC及硬度的PLSR模型，該模型對獼猴桃SSC和硬度的預測均方根誤差分別為1.45%和4.89 N，對梨SSC和硬度的預測均方根誤差分別為0.48%和3.97 N。

(3)該檢測儀對獼猴桃SSC和硬度的測量均方根誤差分別為1.51%和5.13 N，對梨SSC和硬度的測量均方根誤差分別為0.52%和4.57 N，檢測時間在2 s以內，且具有良好的穩定性。