便攜式番茄多品質(zhì)參數(shù)可見/近紅外檢測(cè)裝置研發(fā)

王 凡，李永玉，彭彥昆，李 龍

?

便攜式番茄多品質(zhì)參數(shù)可見/近紅外檢測(cè)裝置研發(fā)

王 凡，李永玉※，彭彥昆，李 龍

（中國(guó)農(nóng)業(yè)大學(xué)工學(xué)院，國(guó)家農(nóng)產(chǎn)品加工技術(shù)裝備研發(fā)分中心，北京 100083）

該文針對(duì)番茄獨(dú)特的囊室結(jié)構(gòu)及整體成熟度不均等問題，基于可見/近紅外全透射光譜，研發(fā)了便攜式番茄內(nèi)外品質(zhì)快速無損實(shí)時(shí)檢測(cè)裝置。該裝置的硬件系統(tǒng)主要包括光源模塊、信號(hào)采集模塊、信號(hào)處理模塊、電源模塊、散熱模塊和打印模塊，基于該硬件系統(tǒng)，采集了番茄630~1 100 nm范圍內(nèi)可見/近紅外透射光譜，選取650～1 100 nm范圍的光譜進(jìn)行SG卷積平滑（savitzky-Golay smooth, SG-smooth）、標(biāo)準(zhǔn)正態(tài)變量變換（standard normal variable transformation, SNV）和多元散射校正（muliplication scattering correction, MSC）等預(yù)處理，建立了番茄顏色、硬度、總酸、總糖含量的偏最小二乘預(yù)測(cè)模型?；赒T開發(fā)框架編寫了番茄多品質(zhì)無損檢測(cè)實(shí)時(shí)分析控制軟件，植入番茄多品質(zhì)參數(shù)預(yù)測(cè)模型，實(shí)現(xiàn)了番茄多品質(zhì)參數(shù)檢測(cè)一鍵式操作。為了測(cè)試該裝置的檢測(cè)精度和穩(wěn)定性，選取與建模無關(guān)的20個(gè)同品種樣品對(duì)每個(gè)樣品的內(nèi)外品質(zhì)重復(fù)檢測(cè)8次，結(jié)果表明：番茄顏色預(yù)測(cè)值與實(shí)測(cè)值相關(guān)系數(shù)為0.952 8，均方根誤差為2.703 8，硬度預(yù)測(cè)值與實(shí)測(cè)值相關(guān)系數(shù)為0.940 5，均方根誤差為0.448 6 kg/cm2，總酸含量的預(yù)測(cè)值與實(shí)測(cè)值相關(guān)系數(shù)為0.953 7，均方根誤差為0.326 3%，總糖含量預(yù)測(cè)值與實(shí)測(cè)值相關(guān)系數(shù)為0.9610，均方根誤差為0.197 4%。番茄樣品顏色、硬度、總酸和總糖重復(fù)檢測(cè)最大相對(duì)誤差分別為2.9%、1.9%、2.0%和1.6%。該便攜式檢測(cè)裝置基于可見近紅外全透射光譜，實(shí)現(xiàn)了番茄顏色、硬度、總酸、總糖含量的同時(shí)快速無損實(shí)時(shí)檢測(cè)，預(yù)測(cè)精度及穩(wěn)定性較好，可以滿足實(shí)時(shí)評(píng)價(jià)番茄品質(zhì)的市場(chǎng)需求。

無損檢測(cè)；光譜分析；模型；番茄；便攜式裝置；可見/近紅外光譜

0 引 言

番茄以獨(dú)特的風(fēng)味和豐富的營(yíng)養(yǎng)備受消費(fèi)者的青睞，是世界上消費(fèi)最廣泛的蔬菜之一[1]。在很多國(guó)家番茄主要以鮮食方式流通，因此消費(fèi)者對(duì)番茄的內(nèi)外品質(zhì)有著較高的要求。中國(guó)市售鮮食番茄大部分根據(jù)外觀品質(zhì)進(jìn)行人工初步分選，但是消費(fèi)者的滿意程度更大程度上取決于番茄糖酸等內(nèi)部品質(zhì)。中國(guó)番茄內(nèi)部品質(zhì)檢測(cè)主要依賴于傳統(tǒng)化學(xué)分析方法，耗時(shí)、有損傷且難以滿足現(xiàn)場(chǎng)檢測(cè)的需求。

近年來，可見/近紅外光譜技術(shù)廣泛應(yīng)用于各種水果和蔬菜的品質(zhì)檢測(cè)分選[2-7]，出現(xiàn)了多種便攜式近紅外品質(zhì)檢測(cè)裝置。利用近紅外反射原理的蔬菜葉片品質(zhì)檢測(cè)裝置、青番茄成熟度分級(jí)、谷物品種判別以及肉品新鮮度判別等嵌入式檢測(cè)裝置均達(dá)到了較高的檢測(cè)精度[8-12]。另外，基于近紅外漫透射原理的便攜式蘋果內(nèi)部品質(zhì)檢測(cè)裝置實(shí)現(xiàn)了對(duì)蘋果可溶性固形物含量等內(nèi)部品質(zhì)的快速檢測(cè)，最高相關(guān)系數(shù)達(dá)到0.951[13-15]?，F(xiàn)今國(guó)內(nèi)外市售的果蔬品質(zhì)便攜式檢測(cè)裝置大部分為基于近紅外漫反射或漫透射光譜，采集信息為樣品表皮附近的部分信息，適用于內(nèi)部品質(zhì)相對(duì)均勻的樣品。

番茄具有獨(dú)特的囊室結(jié)構(gòu)而且一般整體品質(zhì)分布不均勻，傳統(tǒng)反射及漫透射的檢測(cè)方式難以達(dá)到檢測(cè)精度，而透射檢測(cè)因需要光源、探頭異側(cè)，給便攜式裝置開發(fā)帶來了較大的困難。本文針對(duì)番茄的特殊內(nèi)部結(jié)構(gòu)，基于可見近紅外全透射光譜，研發(fā)番茄顏色、硬度、總酸、總糖含量的便攜式快速無損檢測(cè)裝置，編寫實(shí)時(shí)檢測(cè)分析控制軟件，實(shí)現(xiàn)番茄的主要內(nèi)外品質(zhì)的同時(shí)快速無損檢測(cè)。

1 番茄品質(zhì)檢測(cè)裝置設(shè)計(jì)

1.1 檢測(cè)系統(tǒng)工作原理

便攜式番茄多品質(zhì)參數(shù)無損檢測(cè)裝置，針對(duì)番茄獨(dú)特的囊室結(jié)構(gòu)及其整體品質(zhì)不均等問題，采集番茄完整樣品的透射光譜曲線，檢測(cè)番茄顏色、硬度、總酸、總糖等主要品質(zhì)指標(biāo)，其工作原理圖如圖1所示。將番茄樣品置于仿形膠墊上，環(huán)形光源發(fā)出的光照射番茄樣品底部，通過耦合透鏡從番茄頂部采集透過樣品的光譜信號(hào)并傳送至光譜儀，光譜儀將光譜信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)傳送至數(shù)據(jù)分析處理器，處理器根據(jù)內(nèi)置的番茄各品質(zhì)參數(shù)預(yù)測(cè)模型對(duì)數(shù)字信號(hào)進(jìn)行實(shí)時(shí)分析，并在顯示屏上輸出檢測(cè)結(jié)果，同時(shí)將結(jié)果打印為可粘貼的標(biāo)簽。

圖1 系統(tǒng)工作原理框圖

1.2 便攜式番茄多品質(zhì)參數(shù)無損檢測(cè)裝置硬件

1.2.1 控制處理模塊

硬件系統(tǒng)主要由光源模塊、信號(hào)采集模塊、信號(hào)處理模塊、電源模塊、散熱模塊和打印模塊組成，裝置外形尺寸為240 mm′190 mm′70 mm，為了提高儀器的實(shí)用性，為裝置配備容量為20 000 mA·h的可充電鋰電池，在脫離電源的情況下可獨(dú)立工作2 h。裝置結(jié)構(gòu)圖和實(shí)物圖如圖2所示。

1. 光譜儀 2. 耦合透鏡 3. 仿形膠墊 4. 環(huán)形光源系統(tǒng) 5. 散熱風(fēng)扇 6. 穩(wěn)壓板 7. 電源 8. 打印模塊 9. 開發(fā)板及觸摸屏 10. 總開關(guān)

1.2.2 光譜采集模塊

光譜采集單元的功用是采集透過樣品的光譜曲線，將光譜信息轉(zhuǎn)換為數(shù)字信號(hào)，并傳輸給中央處理器。光譜采集單元由微型光譜儀和耦合透鏡組成。

微型光譜儀采用海陽光學(xué)公司開發(fā)的STS微型光譜儀，其體積為40 mm′42 mm′24 mm，質(zhì)量為68 g，光學(xué)分辨率為0.5 nm，波長(zhǎng)相應(yīng)范圍為650～1 100 nm，參照參考700～900 nm為近紅外評(píng)判水果內(nèi)部品質(zhì)指標(biāo)的信息集中區(qū)[16-18]，可以滿足對(duì)果蔬內(nèi)部品質(zhì)的預(yù)測(cè)。

傳統(tǒng)的可見/近紅外無損檢測(cè)中，光譜儀大多與光纖相連，但光纖不能輕易彎折，且傳輸過程中會(huì)有信號(hào)的損失，同時(shí)考慮到設(shè)備的便攜性，本裝置采用海洋光學(xué)的74-DA耦合透鏡代替光纖。光譜儀與耦合透鏡利用螺紋連接，并通過壓板固定在手持部分中，由USB線與主機(jī)部分相連，不僅可以縮小儀器尺寸，同時(shí)避免了由光源及電源發(fā)熱造成的光譜儀誤差[19]。

1.2.3 光源模塊

根據(jù)番茄的外形結(jié)構(gòu)研制了光源模塊，主要由果托、鹵素?zé)糁椤⑸蠅喊搴拖聣喊褰M成，安裝固定方式如圖3所示。為了保證充足光照的同時(shí)不對(duì)樣品造成熱灼傷，在光源設(shè)計(jì)時(shí)采用分散功率的方式，使用8個(gè)5 W的鹵素?zé)糁榻M成環(huán)形燈源，與下壓板組裝并固定在主機(jī)殼上。上壓板對(duì)光源起保護(hù)的作用，其中央的環(huán)形凸臺(tái)一方面起支撐樣品的作用，另一方面避免光源照射果梗部分帶來試驗(yàn)誤差。果托的材質(zhì)為橡膠，起輔助支撐的作用，同時(shí)可以根據(jù)樣品的形狀貼合在樣品表面，防止光的溢出，降低由樣品外形不同帶來的誤差。

1. 果托 2. 上壓板 3. 燈珠 4. 燈座 5. 下壓板

1.2.4 散熱模塊

由于裝置的電源和光源都屬于發(fā)熱部件，因此必須對(duì)裝置進(jìn)行合理的散熱。散熱模塊的設(shè)計(jì)準(zhǔn)則為產(chǎn)熱量與散熱量相當(dāng)。風(fēng)扇排除的總熱量為

其中1為裝置產(chǎn)生熱量（J），為儀器熱功率（%），為儀器工作時(shí)間（h），則所需風(fēng)量（m3/h）為

根據(jù)計(jì)算得出的風(fēng)扇排量，選擇排風(fēng)量為5.97 m3/h，型號(hào)為YCL3510X的風(fēng)扇2個(gè)，以一個(gè)正裝一個(gè)反裝的方式安裝在儀器外殼上。

1.2.5 供電模塊

選擇了容量為20 000 mA·h的可充電鋰電池，在脫離電源的情況下可獨(dú)立工作2 h。同時(shí)為保證穩(wěn)定的輸出電壓，配置了以LTC3780為芯片的穩(wěn)壓板，保證輸出電壓穩(wěn)定在10 V，為光源及開發(fā)板供電。

1.2.6 打印模塊

打印模塊采用瑞工科技的RG-MLP80A，該打印機(jī)為無碳熱敏打印，可選擇50～80 mm大小的標(biāo)簽紙。當(dāng)檢測(cè)裝置對(duì)樣品進(jìn)行預(yù)測(cè)時(shí)，開發(fā)板通過軟件對(duì)打印機(jī)實(shí)現(xiàn)控制和傳輸，實(shí)時(shí)將檢測(cè)結(jié)果通過USB接口傳輸至打印機(jī)，打印機(jī)以75 mm/s的速度實(shí)時(shí)打印標(biāo)簽，打印結(jié)果可直接粘貼于樣品上。

2 番茄多品質(zhì)參數(shù)預(yù)測(cè)模型建立

2.1 材料與方法

番茄品種為仙客一號(hào)，購(gòu)買于北京市昌平區(qū)蔬菜種植基地。挑選無果病，表面無損傷的番茄共60個(gè)，其中40個(gè)用于模型的建立，20個(gè)用于外部驗(yàn)證。為消除溫度對(duì)試驗(yàn)的影響，所有樣品在采摘后均置于20 ℃條件下貯藏1 d后進(jìn)行試驗(yàn)[20]。

將番茄多品質(zhì)參數(shù)無損快速檢測(cè)裝置預(yù)熱20 min，先對(duì)裝置進(jìn)行黑白參考的校正，然后采集番茄樣品的透射光譜曲線，并根據(jù)公式（4）換算得番茄樣品的光譜透射率，作為建立番茄多品質(zhì)參數(shù)預(yù)測(cè)模型的光譜值。

式中為番茄樣品的透過率（%），為番茄樣品的透過光譜強(qiáng)度（cd），為暗光譜強(qiáng)度（cd），為白參考光譜強(qiáng)度（cd）。

2.2 標(biāo)準(zhǔn)理化值測(cè)定

采集番茄光譜曲線后立即使用標(biāo)準(zhǔn)方法對(duì)番茄的內(nèi)外部品質(zhì)參數(shù)進(jìn)行測(cè)定，檢測(cè)方法如下：

硬度（kg/cm2）根據(jù)NY/T2009-2011[21]方法在番茄果頂部分隨機(jī)選取4點(diǎn)進(jìn)行測(cè)定取平均值。

顏色用精密色差儀（HP-200，上海漢普光電科技有限公司）在番茄果頂隨機(jī)選取4點(diǎn)測(cè)定*、*、*參數(shù)值取平均，再按照空間轉(zhuǎn)換方法將平均后的Lab參數(shù)轉(zhuǎn)換為RGB參數(shù)，紅色（Red,）值作為番茄顏色指標(biāo)。

總糖（%）按照硫酸苯酚比色法[22]測(cè)定，每個(gè)番茄檢測(cè)3個(gè)平行樣品取平均值。

總酸（%）按照酸堿中和滴定法[23]測(cè)定，每個(gè)樣品檢測(cè)3個(gè)平行樣品取平均值。

2.3 結(jié)果與分析

2.3.1 光譜預(yù)處理

40個(gè)番茄樣品的原始透射光譜曲線如圖4a所示。由于可見/近紅外透射光譜兩端噪聲較大并伴有基線漂移等現(xiàn)象，故選取了650～1 100 nm波長(zhǎng)范圍，分別用10點(diǎn)SG卷積平滑（savitzky-golay smooth, SG-smooth）、標(biāo)準(zhǔn)正態(tài)變量變換（standard normal variable transformation, SNV）、一階導(dǎo)數(shù)（first derivative, FD）、多元散射校正（muli-plication scattering correction, MSC）、歸一化（norm-alize, NOR）對(duì)原始光譜曲線進(jìn)行了預(yù)處理[24-26]，其中MSC和SNV預(yù)處理結(jié)果如圖4b和圖4c所示。

圖4 40個(gè)樣品不同預(yù)處理后的光譜曲線

2.3.2 番茄各品質(zhì)參數(shù)預(yù)測(cè)模型

偏最小二乘回歸法（partial least squares regression, PLSR)是常用的光譜定量分析建模方法[27]。它是多因變量對(duì)多自變量的回歸建模，集主成分分析、典型相關(guān)分析和多元線性回歸分析3種分析方法的優(yōu)點(diǎn)于一身，將樣品按3∶1的比例隨機(jī)分為校正集與驗(yàn)證集，對(duì)預(yù)處理后的光譜曲線分別建立PLS模型，模型質(zhì)量用校正集相關(guān)系數(shù)（correlation coefficient of calibration,）、驗(yàn)證集相關(guān)系數(shù)（correlation coefficient of validation,）校正集均方根誤差（root mean square error of calibration, RMSEc）和預(yù)測(cè)集均方根誤差（root mean square error of validation, RMSEv）評(píng)定，相關(guān)系數(shù)和相對(duì)分析誤差越高，均方根誤差越低，所建立的預(yù)測(cè)模型越穩(wěn)定。模型結(jié)果如表1所示。

結(jié)果顯示，采用MSC預(yù)處理后的番茄顏色預(yù)測(cè)模型效果最好，其校正集和驗(yàn)證集相關(guān)系數(shù)分別為0.964 1和0.963 0，均方根誤差分別為1.514 8和1.629 6。采用SNV預(yù)處理的番茄硬度預(yù)測(cè)模型效果最好，其校正集和驗(yàn)證集相關(guān)系數(shù)分別為0.964 9和0.950 1，均方根誤差分別為0.233 0 kg/cm2和0.335 9 kg/cm2。采用SNV預(yù)處理的番茄總酸預(yù)測(cè)模型效果最好，其校正集和驗(yàn)證集相關(guān)系數(shù)分別為0.986 9和0.981 8，均方根誤差分別為0.085%和0.209%。采用SNV預(yù)處理的番茄總糖預(yù)測(cè)模型效果最好，其校正集和驗(yàn)證集相關(guān)系數(shù)分別為0.981 4和0.965 9，均方根誤差分別為0.096 2%和0.107 2%。

表1 不同預(yù)處理后的建模結(jié)果

3 便攜式番茄多品質(zhì)無損檢測(cè)軟件開發(fā)

基于QT開發(fā)工具編寫了番茄多品質(zhì)無損檢測(cè)實(shí)時(shí)分析控制軟件[28-31]，實(shí)現(xiàn)了番茄多品質(zhì)參數(shù)檢測(cè)一鍵式操作，如圖5所示。軟件系統(tǒng)分為光譜儀控制模塊、模型載入模塊、光譜數(shù)據(jù)處理模塊、檢測(cè)結(jié)果顯示和保存模塊、結(jié)果打印模塊。光譜儀控制模塊主要實(shí)現(xiàn)對(duì)光譜儀積分時(shí)間、平均次數(shù)的設(shè)置以及黑白參考的校正；模型載入模塊可以載入番茄多品質(zhì)參數(shù)的預(yù)測(cè)模型；光譜數(shù)據(jù)處理模塊對(duì)采集到的光譜數(shù)據(jù)進(jìn)行MSC和SNV預(yù)處理并分別帶入建立的模型中進(jìn)行品質(zhì)參數(shù)的預(yù)測(cè)；檢測(cè)結(jié)果顯示和保存模塊可以將光譜曲線和檢測(cè)結(jié)果實(shí)時(shí)顯示在LCD屏幕，并對(duì)檢測(cè)結(jié)果進(jìn)行編號(hào)、保存；打印模塊可以通過對(duì)打印機(jī)的控制實(shí)時(shí)打印預(yù)測(cè)結(jié)果。軟件界面如5所示，使用時(shí)，首先點(diǎn)擊“White”和“Dark”按鈕分別對(duì)光譜儀進(jìn)行白參考和暗噪聲的校正，點(diǎn)擊“Acquire”按鈕采集樣品的光譜曲線并利用內(nèi)置模型進(jìn)行內(nèi)部品質(zhì)的預(yù)測(cè)；點(diǎn)擊“Exit”按鈕可退出軟件；番茄品質(zhì)無損檢測(cè)軟件還可以實(shí)現(xiàn)對(duì)打印機(jī)的控制，當(dāng)需要實(shí)時(shí)打印結(jié)果時(shí)，點(diǎn)擊“Print”選項(xiàng)中的“ON”，點(diǎn)擊“OFF”時(shí)關(guān)閉打印功能。

圖5 軟件界面

4 便攜式番茄多品質(zhì)無損檢測(cè)裝置測(cè)試

選取不同成熟度的20個(gè)番茄樣品對(duì)便攜式番茄多品質(zhì)檢測(cè)裝置進(jìn)行外部驗(yàn)證，檢驗(yàn)儀器的穩(wěn)定和精度，對(duì)每個(gè)番茄重復(fù)測(cè)定8次顏色、硬度、總酸和總糖的含量，同時(shí)與化學(xué)方法測(cè)得的標(biāo)準(zhǔn)值進(jìn)行了比較分析。

便攜式番茄多品質(zhì)檢測(cè)裝置的穩(wěn)定性試驗(yàn)結(jié)果如表2所示。將每個(gè)樣品的8次檢測(cè)的結(jié)果與平均值作比較，用最大相對(duì)誤差衡量?jī)x器的穩(wěn)定性。結(jié)果顯示，番茄顏色（紅）最大相對(duì)誤差為2.9%，硬度的最大相對(duì)誤差為1.9%，總酸含量的最大相對(duì)誤差為2.0%，總糖含量的最大相對(duì)誤差為1.6%，各個(gè)品質(zhì)參數(shù)的相對(duì)誤差較小，該裝置對(duì)各指標(biāo)的預(yù)測(cè)穩(wěn)定性較好。

表2 裝置重復(fù)性和穩(wěn)定性檢驗(yàn)

番茄顏色、硬度、總酸以及總糖的預(yù)測(cè)值與實(shí)測(cè)值散點(diǎn)圖如圖6所示。顏色預(yù)測(cè)模型的相關(guān)系數(shù)為0.952 8，均方根誤差為2.703 8；硬度預(yù)測(cè)模型的相關(guān)系數(shù)為0.940 5，均方根誤差為0.448 6 kg/cm2；總酸預(yù)測(cè)模型的相關(guān)系數(shù)為0.953 7，均方根誤差為0.326 3%；總糖預(yù)測(cè)模型的相關(guān)系數(shù)為0.961 0，均方根誤差為0.197 4%。結(jié)果顯示，該裝置可以實(shí)現(xiàn)番茄顏色、硬度、總酸以及總糖的快速無損實(shí)時(shí)檢測(cè)。

圖6 試驗(yàn)測(cè)試結(jié)果

5 結(jié) 論

1）針對(duì)番茄獨(dú)特的囊室結(jié)構(gòu)及整體成熟程度不均等問題，基于可見近紅外全透射光譜，研發(fā)了便攜式番茄內(nèi)外品質(zhì)快速無損檢測(cè)裝置，硬件系統(tǒng)包括光源模塊、信號(hào)采集模塊、信號(hào)處理模塊、電源模塊、散熱模塊和打印模塊。

2）基于所研發(fā)的便攜式番茄多品質(zhì)參數(shù)硬件系統(tǒng)，采集番茄650～1 100 nm范圍可見/近紅外全透射光譜，利用SG卷積平滑（savitzky-Golay smooth, SG- smooth）、標(biāo)準(zhǔn)正態(tài)變量變換（standard normal variable Transformation, SNV）和多元散射校正（muliplication scattering correction, MSC）等方法對(duì)采集的光譜進(jìn)行了預(yù)處理，建立了番茄顏色、硬度、總酸、總糖含量的偏最小二乘預(yù)測(cè)模型。番茄顏色的預(yù)測(cè)模型的校正集和驗(yàn)證集相關(guān)系數(shù)分別為0.964 1和0.963 0，均方根誤差分別為1.514 8和1.629 6；番茄硬度預(yù)測(cè)模型的校正集和驗(yàn)證集相關(guān)系數(shù)分別為0.964 9和0.950 1，均方根誤差分別為0.233 0和 0.335 9 kg/cm2；番茄總酸預(yù)測(cè)模型的校正集和驗(yàn)證集相關(guān)系數(shù)分別為0.986 9和0.981 8，均方根誤差分別為0.085%和0.209%；番茄總糖預(yù)測(cè)模型的校正集和驗(yàn)證集相關(guān)系數(shù)分別為0.981 4和0.965 9，均方根誤差分別為0.096 2%和0.107 2%。

3）基于QT開發(fā)工具編寫了番茄多品質(zhì)無損檢測(cè)實(shí)時(shí)分析控制軟件，將所建番茄多品質(zhì)參數(shù)預(yù)測(cè)模型植入到裝置中，實(shí)現(xiàn)了番茄多品質(zhì)參數(shù)檢測(cè)一鍵式操作。

4）對(duì)便攜式番茄內(nèi)外品質(zhì)快速無損檢測(cè)裝置穩(wěn)定性及檢測(cè)精度進(jìn)行了測(cè)試。結(jié)果顯示，番茄顏色預(yù)測(cè)值與實(shí)測(cè)值相關(guān)系數(shù)為0.952 8，均方根誤差為2.703 8，硬度預(yù)測(cè)值與實(shí)測(cè)值相關(guān)系數(shù)為0.940 5，均方根誤差為 0.448 6 kg/cm2，總酸含量的預(yù)測(cè)值與實(shí)測(cè)值相關(guān)系數(shù)為0.953 7，均方根誤差為0.326 3%，總糖含量預(yù)測(cè)值與實(shí)測(cè)值相關(guān)系數(shù)為0.961 0，均方根誤差為0.197 4%。番茄樣品顏色、硬度、總酸和總糖重復(fù)檢測(cè)8次最大相對(duì)誤差分別為2.9%、1.9%、2.0%和1.6%。

該便攜式番茄內(nèi)外品質(zhì)快速無損檢測(cè)裝置，基于可見近紅外全透射光譜，實(shí)現(xiàn)了番茄顏色、硬度、總酸、總糖含量的同時(shí)快速無損實(shí)時(shí)檢測(cè)，預(yù)測(cè)精度及穩(wěn)定性較好，可以滿足實(shí)時(shí)評(píng)價(jià)番茄品質(zhì)的需求。在本研究中，硬件部分專為番茄特殊囊室結(jié)構(gòu)而設(shè)計(jì)，但預(yù)測(cè)模型針對(duì)仙客一號(hào)品種而建立，因此預(yù)測(cè)其他品種番茄品質(zhì)需模型傳遞等方法更新預(yù)測(cè)模型才會(huì)達(dá)到理想的預(yù)測(cè)精度。

[1] Scibisz I, Reich M, Bureau S, et al. Mid-infrared spectroscopy as a tool for rapid determination of internal quality parameters in tomato[J]. Food Chem , 2011, 125(4): 1390－1397.

[2] 劉燕德，應(yīng)義斌，傅霞萍. 近紅外漫反射用于檢測(cè)蘋果糖度及有效酸度的研究[J]. 光譜學(xué)與光譜分析，2005，25(11)：1793－1796. Liu Yande, Ying Yibin, Fu Xiaping. Study on predicting sugar content and valid acidity of apples by near/infrared diffuse reflectance technique[J]. Spectroscopy and Spectral Analysis, 2005, 25(11): 1793－1796. (in Chinese with English abstract)

[3] 楊昆程，孫梅，陳興海. 水果成熟度的高光譜成像無損檢測(cè)研究[J]. 食品科學(xué)技術(shù)學(xué)報(bào)，2013，33(4)：63－67. Yang Kuncheng, Sun Mei, Chen Xinghai. Nondestructive inspect of fruit maturity with hyperspectral imaging technology[J]. Journal of Food Science and Technology, 2015, 33(4): 63－67. (in Chinese with English abstract)

[4] Yuan L M, Sun L, Cai J R, et al. A preliminary study on whether the soluble solid content and acidity of oranges predicted by near infrared spectroscopy meet the sensory degustation[J]. Jounal of Food Process Engineering, 2015, 38(4): 309－319.

[5] 韓東海，常冬，宋曙輝，等. 小型西瓜品質(zhì)近紅外無損檢測(cè)的光譜信息采集[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44(7)：174－178. Han Donghai, Chang Dong, Song Shuhui, et al. Information collection of mini watermelon quality using near-infrared non-destructive detection[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(7): 174－178. (in Chinese with English abstract)

[6] 孫通，許文麗，林金龍，等. 可見/近紅外漫透射光譜結(jié)合CARS變量?jī)?yōu)選預(yù)測(cè)臍橙可溶性固形物[J]. 光譜學(xué)與光譜分析，2012，32(12)：3229－3233. Sun Tong, Xu Wenli, Lin Jinlong, et al. Determination of solube solids content in navel oranges by Vis/NIR diffuse transmission spectra combined with CARS method[J]. Spectroscopy and Spectral Analysis, 2012, 32(12): 3229－3233. (in Chinese with English abstract)

[7] 王輝，田寒友，張順亮，等. 便攜式中波近紅外光譜儀在線無損檢測(cè)生鮮豬肉膽固醇[J]. 光譜學(xué)與光譜分析，2017，37(6)：1759－1764. Wang Hui, Tian Hanyou, Zhang Shunliang, et al. On-line noninvasive prediction of cholesterol level of fresh pork within NIR medium wavelength region with portable Near- Infrared spectrometer[J]. Spectroscopy and Spectral Analysis, 2017, 37(6): 1759－1764. (in Chinese with English abstract)

[8] 史增芳，姜巖蕾. 一種便攜式玉米葉片含水檢測(cè)儀器設(shè)計(jì)[J]. 農(nóng)機(jī)化研究，2016，38(8)：96－100. Shi Zengfang, Jiang Yanlei. Design of a portable instrument for measuring water content of corn leaves[J]. Journal of Agricultural Mechanization Research, 2016, 38(8): 96－100. (in Chinese with English abstract)

[9] 于渤，韓書慶，孫明. 便攜式葉綠素計(jì)的設(shè)計(jì)與性能測(cè)試[J]. 農(nóng)機(jī)化研究，2011，33(3)：96－99. Yu Bo, Han Shuqing, Sun Ming. Design and performance of a portable chlorophyll meter[J]. Journal of Agricultural Mechanization Research, 2011, 33(3): 96－99. (in Chinese with English abstract)

[10] 魏文松，彭彥昆. 手持式生鮮肉品質(zhì)參數(shù)無損檢測(cè)裝置研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016，47(增刊1)：324－331,339. Wei Wensong, Peng Yankun. Research on hand-held device for nondestructive detection of meat quality parameters[J]. Transactions of The Chinese Society for Agricultural Machinery, 2016, 47(Supp.1): 324－331, 339. (in Chinese with English abstract)

[11] 孫宏偉，彭彥昆，林琬. 便攜式生鮮豬肉多品質(zhì)參數(shù)同時(shí)檢測(cè)裝置研發(fā)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(20)：268－273. Sun Hongwei, Peng Yankun, Lin Wan. Development of a portable device for simultaneous detection on multi-quality attributes of fresh pork[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(20): 268－273. (in Chinese with English abstract)

[12] 郭志明，陳全勝，張彬，等. 果蔬品質(zhì)手持式近紅外光譜檢測(cè)系統(tǒng)設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33(8)： 245－250. Guo Zhiming, Chen Quansheng, Zhang Bin, et al. Design and experiment of handheld near-infrared spectrometer for determination of fruit and vegetable quality[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(8): 245－250. (in Chinese with English abstract)

[13] 樊書祥，黃文倩，張保華，等. 便攜式蘋果糖度光譜檢測(cè)儀的設(shè)計(jì)與試驗(yàn)[J]. 紅外與激光工程，2014，43(增刊1)： 219－224.

Fan Shuxiang, Huang Wenqian, Zhang Baohua, et al. Design and experiment on portable apple soluble solidscontent spectrometer[J]. Infrared and Laser Engineering, 2014, 43(Supp.1): 219－224. (in Chinese with English abstract)

[14] Yuan Leiming, Cair Jianrong, Sun Li, et al. Nondestructive measurement of soluble solids content in apples by a portable fruit analyzer[J]. Food Analytical Methods, 2016, 9(3): 785－794.

[15] Gopal Tiwari, David C Slaughter, Marita Cantwell. Nondestructive maturity determination in green tomatoes using a handheld visible and near infrared instrument[J]. Postharvest Biology and Technology, 2013, 86(12): 221－229.

[16] Fraser D G, Künnemeyer R. Letter to the Editor[J]. PostharvestBiol Technol, 2001, 22(3): 191.

[17] Zou Xiaobo, Zhao Jiewen, Malcolm J W Povey. Variables selection methods in near-infrared spectroscopy[J]. Analytica Chimica Acta, 2010, 667(1): 14－32.

[18] Zhu Q, He C, Lu R, et al. Ripeness evaluation of ‘Sun Bright’ tomato using optical absorption and scattering properties[J]. Postharvest Biology and Technology, 2015, 103(5): 27－34.

[19] Zheng Yuquan. Precise spectral calibration for hyperspectral imager[J]. Optics and Precision Engineering, 2010, 18(11): 2348－2354.

[20] 李勇，魏益民，王鋒. 影響近紅外光譜分析結(jié)果準(zhǔn)確性的因素[J]. 核農(nóng)學(xué)報(bào)，2005，19(3)：236－240. Li Yong, Wei Yimin, Wang Feng. Affecting factors on the accuracy of near-Infrared spectroscopy analysis[J]. Acta Agriculturae Nucleatae Sinica, 2005, 19(3): 236－240. (in Chinese with English abstract)

[21] NY/T2009-2011, 水果硬度的測(cè)定[S].

[22] Dubois M, Gilles K A, Hamilton J K , et al. Colorimetric method for determination of sugars and related substances[J]. Nature, 1951, 28(7): 167.

[23] GB/T 12456-2008, 食品中總酸的測(cè)定[S].

[24] 梁逸曾，許青松. 復(fù)雜體系儀器分析—白、灰、黑分析體系及其多變量解析方法[M]. 北京：化學(xué)工業(yè)出版社，2012：474.

[25] 林中，范世福. 光譜儀器學(xué)[M]. 北京:機(jī)械工業(yè)出版社，1989.

[26] 陸婉珍，袁洪福，徐廣通，等. 現(xiàn)代近紅外光譜分析技術(shù)[M]. 北京：中國(guó)石化出版社，2000.

[27] 劉樹深，易忠勝. 基礎(chǔ)化學(xué)計(jì)量學(xué)[M]. 北京：科學(xué)出版社，1999.

[28] 余志峰，丁鋒. 信息系統(tǒng)人機(jī)界面設(shè)計(jì)的基本原則[J]. 網(wǎng)絡(luò)信息技術(shù)，2004，23(3)：44－45. Yu Zhifeng, Ding Feng. Design principles of man-machine interface for information system[J]. Network Information Technique, 2004, 23(3): 44－45. (in Chinese with English abstract)

[29] 鄭阿奇，陳超. Qt4開發(fā)實(shí)踐[M]. 北京：電子工業(yè)出版社，2011.

[30] Hartson H R. Human-computer interact-ion: Interdiscip- linary roots and trends[J]. The Journal of System and Software, 1998. 43: 103－118.

[31] 何劍鋒，鄔文彪，李宏穆，等. 嵌入式Linux系統(tǒng)的Qt/ Embedded圖形界面開發(fā)[J]. 電子工程師，2007，3(7)： 46－48. He Jianfeng, Wu Wenbiao, Li Hongmu, et al. Development of Qt/embedded graphical interface based on ARM920 TEmbedded linux system[J]. Electronic Engineer, 2007, 3(7): 46－48. (in Chinese with English abstract)

王 凡，李永玉，彭彥昆，李 龍. 便攜式番茄多品質(zhì)參數(shù)可見/近紅外檢測(cè)裝置研發(fā)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33(19)：295－300. doi：10.11975/j.issn.1002-6819.2017.19.038 http://www.tcsae.org

Wang Fan, Li Yongyu, Peng Yankun, Li Long. Development of portable device for simultaneous detection on multi-quality attributes of tomato by visible and near-infrared[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(19): 295－300. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.19.038 http://www.tcsae.org

Development of portable device for simultaneous detection onmulti-quality attributes of tomato by visible and near-infrared

Wang Fan, Li Yongyu※, Peng Yankun, Li Long

(100083,)

In order to meet the demand of quality control in the process of fruit and vegetable processing, a portable fast non-destructive testing device for portable tomato was developed based on the visible / near-infrared transmission spectrum.Based on the analysis of the difficulties in the development of portable devices with near infrared transmission spectra, a portable design system of tomato quality was proposed. The system of the device mainly included the light source, the signal acquisition module, the signal processing module, the power, the heat dissipation module and the printer. The light source consists of 8 5 W halogen lamps that provide a light source for the sample. The spectrometer is connected to the focusing lens and collects the spectral curve through the sample. In order to solve the volumetric problem of the transmission spectrum detection scheme, the spectrometer and the coupling lens are mounted on the hand-held member. The development board has a tomato multi-quality parameter prediction model, the curve collected by the spectrometer is processed, and the prediction results are displayed on the LCD (liquid crystal display). This device can print the test results in real time through the print module. Based on this device, the visible and near-infrared total transmission spectra of tomato in the range of 650-1100 nm were collected, and the collected spectra were pretreated by Savitzky-Golay Smooth (SG-Smooth), standard normal variable transformation (SNV), first derivative (FD), multiplication scattering correction (MSC) and Normalization (NOR). The partial least squares prediction model of color and hardness, total acid and total sugar content of the tomato was established. In addition, based on QT development tools, tomato multi-quality non-destructive testing real-time analysis and control software was prepared. The multi-quality parameter prediction model of tomato was implanted into the device to predict the quality of the tomatoes. Finally, the stability and detection accuracy of the portable fast and non-destructive testing device of tomato were tested, and 20 samples were selected for repeated detection of the internal and external quality of tomato. The results showed that the correlation coefficient of tomato color between the predicted value and the measured value was 0.952 8, and the root mean square error was 2.703 8; the correlation coefficient of firmness between the predicted value and the measured value was 0.940 5, and the root mean square error is 0.448 6 kg/cm2; the correlation coefficient of the total acid content was 0.953 7, and the mean square error was 0.326 3%; the correlation coefficient of total sugar of tomato between the predicted value and the measured value was 0. 961 0 and the root mean square error was 0.197 4%.The maximum relative errors of red color, hardness, total acid and total sugar under repeated detection for tomato samples were 2.9%, 1.9%, 2.0% and 1.6%, respectively. In conclusion, the field application results indicate that this portable device can satisfy the requirements of tomato quality detection with high accuracy and good performance. The results provide the reference for rapid, non-destructive, and on-site detection technology and equipment of fruit internal quality.

nondestructive detection; spectrum analysis; models; tomato; portable equipment; visible/near infrared spectroscopy

10.11975/j.issn.1002-6819.2017.19.038

TS251.7; S237

A

1002-6819(2017)-19-0295-06

2017-06-07

2017-08-08

國(guó)家科技支撐項(xiàng)目（2014BAD04B05）

王 凡，吉林人，博士生。研究方向：農(nóng)畜產(chǎn)品品質(zhì)安全無損檢測(cè)技術(shù)及裝備。北京 中國(guó)農(nóng)業(yè)大學(xué)工學(xué)院，10083。 Email：wangfan0313@126.com

※通信作者：李永玉，吉林人，副教授，博士生導(dǎo)師。研究方向：農(nóng)畜產(chǎn)品品質(zhì)安全無損檢測(cè)技術(shù)及裝備。北京 中國(guó)農(nóng)業(yè)大學(xué)工學(xué)院，100083。 Email：yyli@cau.edu.cn