近紅外光譜在線檢測板栗內(nèi)腐病技術(shù)的研究

馮芳俠 張樹航

摘 要：為了建立快速、無損、精確的在線近紅外光譜檢測遷西板栗內(nèi)腐病的技術(shù)模型及分檢設(shè)備，通過光源設(shè)置（強(qiáng)度、入射角、光程等）等手段，設(shè)計(jì)了板栗內(nèi)腐病在線近紅外光譜檢測設(shè)備；以正常品和內(nèi)腐品為分類，采用偏最小二乘-支持向量機(jī)判別法建立定性檢測模型；通過光譜采集實(shí)驗(yàn)和驗(yàn)證集實(shí)驗(yàn)確定設(shè)備與模型的準(zhǔn)確度和穩(wěn)定性。結(jié)果表明：在1E？50E韓m和1E？00E韓m處的C-H鍵和O-H鍵組合頻吸收峰分離度較好；隨后通過驗(yàn)證集測試了模型在1E？50E韓m的遷西板栗內(nèi)腐識(shí)別率達(dá)到98.3%，檢測速度最高可達(dá)300E韙/月，確定的近紅外光譜檢測模型穩(wěn)定、精確度高。因此，板栗內(nèi)腐病在線近紅外光譜檢測設(shè)備能夠?qū)崿F(xiàn)遷西板栗內(nèi)腐的快速、無損的定性檢測和分揀。

關(guān)鍵詞：在線檢測；近紅外光譜；板栗內(nèi)腐病

中圖分類號(hào)：S664.2文獻(xiàn)標(biāo)識(shí)碼：ADOI編碼：10.19440/j.cnki.1006-9402.2023.04.008

遷西板栗沙藏和冷庫儲(chǔ)藏條件下，板栗內(nèi)腐病發(fā)生率最高可超過20%，如不及時(shí)清理還會(huì)造成交叉?zhèn)魅?，?yán)重影響產(chǎn)地板栗外銷和深加工。

板栗收獲后如何及時(shí)判別板栗是否發(fā)生內(nèi)腐病成為現(xiàn)階段需要解決的關(guān)鍵問題。劉潔等[1]通過對(duì)帶殼板栗和栗仁進(jìn)行正常和霉變分類樣本集的近紅外光譜特征分析，建立了采用偏最小二乘-支持向量機(jī)判別法的定性檢測模型。結(jié)果表明，靜態(tài)采集方法下應(yīng)用近紅外光譜無損預(yù)測板栗霉變個(gè)體是可行的。建立快速、在線近紅外光譜檢測模型和設(shè)備是大量處理儲(chǔ)存期板栗內(nèi)腐個(gè)體的應(yīng)用基礎(chǔ)。本研究以遷西板栗為樣品，建立在線檢測模型，通過光源設(shè)置（強(qiáng)度、入射角、光程等），篩選較明確的特征波長光譜，得到精確、穩(wěn)定、快速、簡化的定性檢測模型，最終實(shí)現(xiàn)遷西板栗內(nèi)腐無損檢測產(chǎn)業(yè)化應(yīng)用的目的。

1 材料與方法

1.1 試驗(yàn)材料 樣品：遷西板栗，來源于遷西縣金地甘栗食品有限公司儲(chǔ)藏庫，采購于2021年9月遷西境內(nèi)主產(chǎn)區(qū)，130～150粒/kg[2]，無蟲蛀、無外損。將板栗個(gè)體置于溫度25～27 ℃、相對(duì)濕度60%～70%條件下2 h；然后，去除板栗表面水分與雜質(zhì)，備用。

樣品集：板栗樣品600個(gè)，以2∶1劃分訓(xùn)練集和驗(yàn)證集[3]，板栗內(nèi)腐病個(gè)體占驗(yàn)證集50%，見表1。

供試儀器：在線近紅外光譜分析儀IAS-PAT L1（定制款），無錫迅杰光遠(yuǎn)科技有限公司；波長范圍：950～2 150 nm；IAS一體化建模平臺(tái)。主要組成：光學(xué)原件、電腦、控制器、軌道、分揀器等。

光源：8盞100 W鹵素?zé)舨捎秒p列平行設(shè)置（單列各4盞），置于樣品上方；光程：檢測位置的樣品核心與光源距離4～8 cm；入射角：檢測位置的樣品到光源的連線與垂直方向呈45骸９斕潰核俁？0～150 cm/s，軌道寬3～5 cm；軌道每節(jié)設(shè)置2個(gè)檢測杯，單杯單樣，杯底可透過板栗內(nèi)部漫反射后的近紅外光線進(jìn)入下方的探頭；檢測杯按照檢測信息的定性結(jié)果進(jìn)行90°，直立設(shè)置，將樣品分揀至不同處理區(qū)。

1.2 試驗(yàn)方法

1.2.1 試驗(yàn)條件 將設(shè)備預(yù)熱20 min，傳送帶速度為40 cm/s（10顆/s）；訓(xùn)練集與測試集按順序置于檢測杯進(jìn)行數(shù)據(jù)采集、測試；試驗(yàn)時(shí)確保檢測杯干凈無污染。

1.2.2 光譜采集 以板栗種仁是否發(fā)生內(nèi)腐病為判定依據(jù)的板栗分類模式進(jìn)行訓(xùn)練 ，在分辨率8 cm-1，掃描范圍900～2 150 nm，積分時(shí)間為100 ms，采用偏最小二乘-支持向量機(jī)判別法的定性檢測采集數(shù)據(jù)[4]。訓(xùn)練集采集光譜數(shù)據(jù)后，進(jìn)行切開驗(yàn)證，正常樣本光譜即為“合格品”，內(nèi)腐（軟）或內(nèi)腐（硬）的樣本光譜記為“內(nèi)腐品”（參照?qǐng)D2），“合格品”和“內(nèi)腐品”達(dá)到表1設(shè)置，停止采集。分析處理光譜數(shù)據(jù)后，依據(jù)遷西板栗內(nèi)腐病的特征吸收峰建立光譜識(shí)別模型，對(duì)測試集進(jìn)行識(shí)別，驗(yàn)證并記錄結(jié)果。

2 結(jié)果與分析

2.1 訓(xùn)練集與響應(yīng)特征 按照“1.2.2”中建立遷西板栗內(nèi)腐病在線近紅外光譜技術(shù)檢測識(shí)別模型；對(duì)異常樣本進(jìn)行重復(fù)檢測，再次確認(rèn)“異常”后剔除異常樣本；單次“異?！钡臉颖?，經(jīng)核實(shí)后按照“識(shí)別錯(cuò)誤”處理。

在900～2 150 nm波長范圍內(nèi)，不同樣品集訓(xùn)練獲得近紅外光譜吸收?qǐng)D譜，如圖3所示。1種正常遷西板栗合格樣品集和2種內(nèi)腐（硬內(nèi)腐和軟內(nèi)腐）組成的內(nèi)腐樣品集在波長范圍內(nèi)有明顯的吸收峰，其中分離度較好的2處波峰分別在1 450 nm和1 900 nm處，分別屬于C-H鍵和O-H鍵組合頻特征峰；相比而言，1 450 nm處的正常樣品集和內(nèi)腐樣品集分離度更好，特征明顯，無“異?！碧蕹龜?shù)據(jù)。可見，光譜預(yù)處理?xiàng)l件（平滑、微分、校正等）適合建立識(shí)別模型。

2.2 模型驗(yàn)證 根據(jù)“2.1”的結(jié)論，以近紅外光譜波長1 450 nm的識(shí)別峰，對(duì)驗(yàn)證集采集光譜，軌道速度為15顆/s，并開啟分揀彈射功能，記錄預(yù)測結(jié)果。

如表2，200顆遷西板栗驗(yàn)證集檢測結(jié)果中，正常樣本集識(shí)別個(gè)數(shù)80顆，識(shí)別率100%；內(nèi)腐樣本識(shí)別118顆，識(shí)別率達(dá)到98.3%，錯(cuò)誤個(gè)體為內(nèi)腐（軟）初期，肉眼識(shí)別表征不足10%；檢測模型穩(wěn)定，“0”報(bào)錯(cuò)。

如圖4所示，在1 450 nm處正常板栗的吸光度約為0.8，內(nèi)腐（軟）板栗的吸光度約為1.0，內(nèi)腐（硬）板栗的吸光度約為1.1，特征譜分離度高。

3 結(jié)論

本研究采用近紅外光譜在線檢測技術(shù)，通過加強(qiáng)光源、縮小光程等手段，實(shí)現(xiàn)了15顆/s的板栗內(nèi)腐識(shí)別，處理能力最高可達(dá)10 t/d（300 t/月）。驗(yàn)證實(shí)驗(yàn)顯示，以1 450 nm光譜的吸收峰為特征譜，建立的模型識(shí)別率達(dá)到98.3%以上，主要誤差為內(nèi)腐（軟）板栗初期，特征波長處吸收峰不明顯，在吸光度小于0.9時(shí)，容易造成誤差。該模型建立對(duì)遷西板栗原料預(yù)處理的應(yīng)用具有重大意義。

參考文獻(xiàn)

[1] 劉 潔．基于近紅外光譜技術(shù)的板栗品質(zhì)無損檢測方法研究[D]．武漢：華中農(nóng)業(yè)大學(xué)，2011．

[2] T/QXXLXH 001-2021，遷西板栗綜合標(biāo)準(zhǔn)[S]． 遷西：遷西縣林學(xué)會(huì)，2021.

[3] GB/T 37969-2019，近紅外光譜定性分析通則[S]．北京：中國質(zhì)檢出版社，2019.

[4] 劉燕德，徐 海，孫旭東，等 ．不同產(chǎn)地蘋果糖度可見近紅外光譜在線檢測[J]．中國光學(xué)，2020，13（3）：482-489．