可更換探頭的手持式多果品內(nèi)部品質(zhì)無損檢測儀研究

郭文川 紀同奎 張宗逸 周一航

(1.西北農(nóng)林科技大學機械與電子工程學院，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)

0 引言

評價水果內(nèi)部品質(zhì)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(tǒng)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(xiàn)場實時檢測的需求。因此，研發(fā)一種水果內(nèi)部品質(zhì)無損快速檢測儀對于指導水果的生產(chǎn)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(nèi)部含氫基團信息。水果內(nèi)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(nèi)部品質(zhì)[4-5]?，F(xiàn)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(zhì)含量[10-11]等。因此有學者基于可見/近紅外光譜技術研發(fā)出便攜式水果內(nèi)部品質(zhì)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(fā)展使低成本水果品質(zhì)檢測儀的研發(fā)成為可能。但目前基于多光譜技術的水果內(nèi)部品質(zhì)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(fā)一款低功耗、低成本的手持式多果品內(nèi)部品質(zhì)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(fā)用于檢測獼猴桃和梨內(nèi)部品質(zhì)的專用多光譜采集探頭；進而開發(fā)一種可更換探頭的手持式多果品內(nèi)部品質(zhì)無損檢測儀，以實現(xiàn)一儀多測的目的。

1 檢測儀設計

1.1 硬件系統(tǒng)設計

圖1為手持式多果品內(nèi)部品質(zhì)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(wěn)壓驅(qū)動模塊及輸入輸出模塊組成。多光譜采集探頭由發(fā)光二極管(Light emitting diode，LED)和數(shù)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(shù)據(jù)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(xiàn)充放電管理；穩(wěn)壓驅(qū)動模塊用于給各個模塊提供穩(wěn)定的工作電壓和電流；輸入/輸出模塊用于實現(xiàn)人機交互和數(shù)據(jù)傳輸。多光譜采集探頭采集原始光譜信號，并將數(shù)字光電傳感器返回的數(shù)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(nèi)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(jiān)控外設，以保證系統(tǒng)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(nèi)有穩(wěn)壓模塊，可將鋰離子電池輸出的3.7 V電壓穩(wěn)定在5.0 V。充電接口為TYPE-C接口，支持數(shù)據(jù)傳輸和軟件算法的升級。

圖2 充放電電路圖

1.1.3穩(wěn)壓驅(qū)動模塊

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

恒流驅(qū)動電路由恒流芯片和電流調(diào)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(fā)光強度一致，提高檢測儀的準確性和穩(wěn)定性。恒流芯片采用CN5711。該芯片可通過設置電流調(diào)制電路的電阻使恒定輸出的電流穩(wěn)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(diào)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(xiàn)檢測儀軟件算法的遠程升級和無線數(shù)據(jù)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(shù)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(nèi)部品質(zhì)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(nèi)部品質(zhì)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(shù)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(nèi)置模數(shù)轉(zhuǎn)換器，可將采集的漫反射光信號以數(shù)字信號輸出。

LED以數(shù)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(shù)字光電傳感器依次采集不同特征波長下的多光譜(即數(shù)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(xiàn)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(tǒng)設計

在MDK 5.0開發(fā)環(huán)境下用C語言開發(fā)檢測儀的軟件。軟件主要由主函數(shù)、初始化函數(shù)、鍵盤掃描函數(shù)、光譜采集函數(shù)、模型計算函數(shù)、顯示函數(shù)和無線傳輸函數(shù)組成。初始化函數(shù)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(shù)用于檢測是否有按鍵按下以及具體按鍵，以執(zhí)行相應的功能；光譜采集函數(shù)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(shù)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(shù)用于將檢測結果、電量以及當前檢測儀的工作狀態(tài)等顯示在LCD顯示屏上；無線傳輸函數(shù)用于將檢測結果通過藍牙上傳至物聯(lián)網(wǎng)平臺。

2 試驗材料與方法

2.1 材料

以“華優(yōu)”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(qū)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(xù)16 d；第2批191個，試驗持續(xù)7 d。共用梨樣本720個，其中第1批570個，試驗持續(xù)16 d，第2批150個，試驗持續(xù)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(jù)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(shù)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(shù)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(shù)RC、預測相關系數(shù)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(tǒng)計結果

所用獼猴桃和梨樣本SSC和硬度統(tǒng)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(shù)超過50%，說明樣本分布較廣。另外，對于每個內(nèi)部品質(zhì)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(nèi)部品質(zhì)統(tǒng)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(xiàn)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(yōu)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(wěn)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(wěn)定性。用開發(fā)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(shù)，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(shù)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(shù)為1.20%和0.90%。所有樣品最大變異系數(shù)小于1.20%，說明檢測儀具有良好的穩(wěn)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(shù)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(shù)分別為0.79和0.76。結果表明，所開發(fā)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(nèi)。

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(fā)了適用于檢測多果品內(nèi)部品質(zhì)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(wěn)壓驅(qū)動模塊及輸入輸出模塊；多光譜采集探頭包括LED和數(shù)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(nèi)，且具有良好的穩(wěn)定性。