基于ARM的近红外原料奶成分检测设备研发

孙红敏，金庆谊，李晓明，孔庆明

（东北农业大学电气与信息学院，哈尔滨 150030）

基于ARM的近红外原料奶成分检测设备研发

孙红敏，金庆谊，李晓明，孔庆明

（东北农业大学电气与信息学院，哈尔滨 150030）

原料奶作为乳制品的基础奶源，其安全问题一直是社会关注的热点，针对目前化学检测方法无法实现现场化、在线化检测问题，文章设计一种基于ARM微处理器的便携式原料奶成分检测设备，采用卤钨灯作为光源、经分光系统得到900～1 700 nm近红外光谱，选用S3C6410单片机完成系统的硬件设计及软件开发，可实现对光谱数据的采集、存储并完成对原料奶成分的快速检测。结果表明，便携式原料奶成分检测设备对原料奶成分的检测结果与标准化学方法测定结果的相对误差均在10%以内，可为原料奶成分检测提供一种新方法，具有广泛应用前景和推广价值。

近红外；便携式；原料奶

近年来我国乳制品质量安全事件频发，原料奶是乳制品生产过程的基础原料，其成分检测对乳制品质量、安全控制有重要意义。传统原料奶成分检测主要依据化学分析方法，试验周期长、成本高、需大量人力和试剂且对样本具有破坏性。近红外光谱分析技术是新兴的快速无损分析技术，与传统化学方法相比，近红外光谱分析技术具有测量速度快、不破坏样品、不用前处理试剂等特点。将近红外技术应用于乳制品快速检测已取得研究成果[1-3]，现阶段近红外光谱分析仪器因其体积较大、不利于携带而无法满足生产中在线化、实时化的需求。嵌入式系统计算机平台被广泛使用，与传统的通用计算机相比具有低功耗、高可靠性、强实时性等特点。本文采用近红外技术与嵌入式技术结合方法，研发便携式原料奶成分检测设备，解决传统设备体积过大问题，可有效满足市场和社会需要，为原料奶成分检测提供新方法。

1 近红外技术的基本原理及系统方案设计

1.1 近红外技术的基本原理

近红外光是指介于可见光和中红外光之间的电磁波，波长为780～2 500 nm[4]，近红外光照射被测样品时，样品中含氢基团的倍频或合频振动会吸收一部分光的能量，分子团不同，被吸收的光波长也不同，得到样品在近红外谱区的吸收光谱[5]。设备是针对原料奶，即检测物质为一种半透明的胶状液体，对于原料奶的测量，可考虑采用漫反射和漫透射两种检测方式。采用漫反射检测方式时，检测器和光源置于样品的同一侧，检测器检测的是样品表面反射的光，当光强较弱时，收集的光信号将受到影响；漫透射检测方式，光源发出的光透过样品内部，携带丰富的样品结构和组织信息，与漫反射相比，漫透射测量方式提取样品组成和结构信息更为直接可靠[5]，本文采用漫透射的检测方式对光谱进行采集。

1.2 系统方案设计

设备为便携式且多用于现场快速检测，设计前需了解设备需求，各部分元件特性选择应满足运算速率快、体积小、功耗低等特点，使整个设备结构更紧凑且携带方便[6]。系统总体结构见图1。由光源产生的复合光，通过分光系统分光后得到900～1 700 nm指定波段近红外光，经透射后在积分球内部与样本均匀扫描[7]，经过采集模块将光信号转换为数字信号进行采样，采样后的数字信号交由微处理器（ARM）处理，ARM控制软件根据其检测信号得出样品的光谱数据，由系统软件完成数据分析处理[8]，将处理后的数据进行液晶显示和存储。软件处理后的数据将保存在ARM数据库中，上位机（主机）与嵌入式控制系统之间通过USB进行通讯，主要实现对嵌入式控制系统中的数据进行备份。

图1 设备总体结构Fig.1 Overall structure of the device

2 成分检测设备硬件设计

2.1 光路设计

在光路设计中，光源是整个系统的最开始部分，光源的性能直接关系到整个系统性能，经过透射的光谱信号较弱，因此要选择光源强度高，稳定性能好的光源。目前常用的近红外光源有LED灯、钨灯、卤钨灯等。其中LED灯的寿命长，价格低廉，但其光强取决于通过LED的电流[9]，难以保证光源的稳定性；钨灯的最强光强波长范围是400～1 200 nm[10]，其波长范围小，且寿命短；与以上两种光源相比，卤钨灯具有体积小、发光效率高、色温稳定、寿命长等特点，本文选择卤钨灯作为光源。

分光系统是该设备重要组成部分，决定设备工作效率高低及光谱数据准确性。常见分光方式有：滤波片型、傅里叶型和光栅型，其特点如表1所示。其中滤光片型制作工艺简单、价格低廉，但其性能不稳定，带宽、峰值、波长透过率等易受环境影响，不适于本设备；傅里叶型分辨率高、扫描速度快，但结构复杂、价格昂贵；光栅型与以上两种相比具有分辨率及信噪比较高，光谱覆盖面大，价格相对适中等特点，因此本文选择光栅型分光系统对光源产生的复合光进行分光。利用嵌入式控制系统控制步进电机转动改变光栅的入射角度，使所需波段的单色光依次照射在样品上[7]，后经积分球对其多次透射的光线进行累积。包含样品信息的光谱信息经由光电探测器进行光电转换后作为输入信号进入嵌入式系统进行后续处理。对于光电探测器的选择应考虑：探测器的响应波段应在光谱响应范围之内；在对信号的精密检测和弱信号检测中，要求探测器对温度不敏感，因为温度变化对探测器的噪声和稳定性都有影响[10]。考虑以上几点，可供选择的探测器器件有铟镓砷（InGaAs）、硫化铅（pbs）等，综合考虑该设备所需波段及价格的因素，本设备选用InGaAs型探测器。

表1 分光系统的特点Table 1 The spectral characteristics of the system

2.2 嵌入式控制系统设计

在完成光谱数据采集及光电转换后采集的数据量不仅大而且要对该数据进行复杂计算，对单片机性能、功耗、存储能力要求较高，因此要选择一种更适用于CPU密集型程序运行的微处理器，目前市面上较常见且芯片资料最为丰富的微控制器有ST80C51系列、基于ARM9架构的S3C2440以及基于ARM11架构的S3C6410。ST80C51系列的微处理器具有价格低廉、操作方便的特点，但采用8位指令集，不能进行复杂运算；ARM系列微处理器支持协处理器、支持JTAG调试且能进行复杂运算，基于ARM11架构的S3C6410是基于ARM9架构的S3C2440的升级版，性能更强，并且价格没有显著差别；综合比较以上几种微处理器的性能特点，本文选择SAMSUNG公司推出的基于ARM11内核的微处理器S3C6410A作为嵌入式系统的主控芯片[11]。

图2 嵌入式控制系统结构Fig.2 Structure of embedded control system

嵌入式控制系统见图2。经光电探测器转换的电信号微弱且携带干扰因素，故设计中需考虑前置放大、滤波、锁相放大后才可通过数据采集模块将模拟信号转换成数字信号。本文选择高精度20Bits模数转换器ADS1230对电信号进行处理。该模数转换器集成了板载低噪声可编程增益放大器（PGA）、板载振荡器以及高精度20位△-ΣADC[12]，且可被置低功耗待机状态。有效降低功耗，数字寄存器不需要编程，与嵌入式系统连接更方便快捷。经过ADS1230模数转换器的数据进入ARM微处理器，通过软件对数据进行分析处理。

3 成分检测设备软件设计

3.1 嵌入式控制系统软件设计

系统软件设计是整个设备的核心，主要完成数据的分析处理、显示及存储等功能。工作流程如图3。主控芯片S3C6410A中装载安卓2.2系统，支持标准SQL的SQLite数据库，对数据进行存储，有助于软件编写。选择具有运行效率高、计算能力强、健壮性强等特点的开发语言。可供选择的编程语言有C语言和Java语言，其中C语言编写的程序具有性能高、图形库丰富等特点，但C语言的指针直接操作内存，容易导致程序访问到非法地址导致程序崩溃。Java语言具有较好兼容性，对安卓系统具有较好的支持性，编程语言选择Java语言。设备上电后，首先进行设备初始化，由主芯片控制光路和采集模块对数据进行采集，若数据采集不成功，则重新采集；若数据采集成功，则经系统软件对采集的数据进行处理，计算吸光度，由设备内置的预测模型对吸光度进行处理，获得最终预测结果[6]。将处理后的数据通过LCD液晶显示屏显示，保存在本机数据库中。

图3 软件流程Fig.3 Software process

3.2 数据处理流程

本文数据处理流程如图4所示，需要经历噪声处理及信号噪声的分解重组，处理后的样品光谱经过PLS偏最小二乘方法进行模型的建立[13]。分别计算出整个样本的最佳主因子数及决定系数、均方误差、相对标准偏差后给出所测原料奶成分的含量值预测值，在嵌入式系统中进行存储和显示。

在便携式设备采集的原始光谱中，携带与待测样本性质无关因素产生的干扰信息（如样本物理状态、光的散射、杂散光等），导致出现光谱基线漂移和光谱重现性差等。在建模过程中，一方面减弱随机噪声、样品背景干扰引起的光谱差异，另一方面进行光谱信息优化，对样品信息较强的光谱区域进行选择，为建立稳定、可靠的校正模型奠定基础，对原始光谱数据进行去噪处理。首先对整个原料奶样品吸收光谱进行Baseline（基线校正），消除部分随机噪声和仪器噪声，提高分析信号的信噪比。进行SNV标准归一化处理主要目的是消除光程变化或样品稀释等变化对所采集光谱的影响，分为最小最大归一化、矢量归一化和回零校正3种，本文设计上选择其中最常用的矢量归一化。最后根据使用平滑-微分处理方式，可消除基线漂移、克服谱带重叠并强化谱带特征。微分又可细化为一阶微分和二阶微分两种方法，其中一阶微分可去除同波长无关的漂移，而二阶微分可去除与波长相关的漂移。本文中选择二阶处理，窗口大小选择31点。计算公式为：

其中，g-微分窗口宽度，X（i）-微分处理前的光谱值，X-微分处理后的光谱值。

图4 数据处理流程Fig.4 Data process

在PLS建模时，最佳主因子数的选择至关重要，通常根据主因子的解释能力进行判断。从图5中可以看出，在主因子数为Factor4时方差最低且无明显增大。故其最佳主因子数为4。

图5 最佳主因子数选择Fig.5 Select the best master factor numbers

4 实验分析与讨论

4.1 原料奶样品定标制备

采用常规化学分析法测定原料奶主要成分含量时，测量均是针对被测样品中单一成分进行的。蛋白质、脂肪含量的高低是原料奶品质优劣的重要标志，由于奶牛个体品种、饲养方法及饲料成分等因素影响，原料奶中各种成分含量不稳定，给原料奶的检测造成困难，给标准化生产加工带来难度。因此原料奶中营养成分的快速检测至关重要。以下是对于原料奶中各个营养成分测定的国家标准化学分析方法。

4.1.1 蛋白质含量的测定

凯氏定氮法是目前国内外用于测定奶制品中蛋白质含量最常用的方法。奶制品中的蛋白质在催化加热条件下被分解，产生的氨与硫酸结合生成硫酸铵，通过碱化蒸馏使氨游离，用硼酸吸收后以硫酸或盐酸标准滴定溶液滴定，根据酸的消耗量乘以换算系数，即得到蛋白质的含量。依据国家食品安全国家标准GB 5009.5-2010标准测定方法，其测定公式如下：

式中，X-样品中蛋白质的含量（g·100 g-1）；V1-试液消耗硫酸或盐酸标准滴定液的体积（mL）；V2-试剂空白消耗硫酸或盐酸标准滴定液的体积（mL）；V3-吸取消化液的体积（mL）；c-硫酸或盐酸标准滴定溶液浓度（mol·L-1）；0.014～1.0 mL的一个当量盐酸溶液相当于0.014 g氮；m-试样质量（g）；F-氮换算为蛋白质的系数。

4.1.2 脂肪含量的测定

目前，国内外用于测定原料奶中脂肪含量的方法主要有Rose-Gettlich法，Gerber法，Babcock法等。其中Rose-Gettlich作为最常规简便的方法而被广泛引用。首先将原料奶样品溶于含氨的酒精溶液中，然后用乙醚及石油醚将脂肪抽取出来，再蒸发去除溶剂，称量残留物质测定其中乳脂的含量。依据国家食品安全国家标准GB 5413.3-2010标准测定方法，其测定公式如下：

式中，X-样品的脂肪含量（g·100 g-1）；m-样品的质量（g）；m1-测得的脂肪收集瓶和抽提物的质量（g）；m2-脂肪收集瓶和不溶物的质量（g）；m3-空白试验中，脂肪收集瓶和抽提物的质量（g）；m4-空白试验中脂肪收集瓶不溶物的质量（g）。

整个化学制备过程凯氏定氮法中因为原料奶取样量大，会造成整个实验消耗时间较长，一份样品的处理需要耗时2 h，特别是蒸馏定氮过程中效率低，不利于对大批量样品进行快速测定。而整个Rose-Gettlich学制备过程中脂肪收集瓶在烘箱中需要持续加热1 h，同样也无法满足大量原料奶制品制备。

4.2 前处理及模型论证

整个试验期间，在哈尔滨周边的松花江奶牛场取原料奶样本65个。其样本分布如表2。首先对65个采集的样本在PC端进行前处理，包括进行异常样本的剔除及特征波段的选取。最终将去除异常样本的化学统计值及选择好特征波段的光谱带入ARM便携式检测设备中作为模型进行拟合运算。

本文使用浓度残差法对光谱数据进行异常样品去除，判断其残差统计量是否超过一定的分布下（如正态分布）的临界值。由图6可知，编号为15、18、43号的样品残差明显且较大可被视为异常样品剔除。

通过相关资料的查阅与整理，发现原料奶样品脂肪的透射光谱中，在1 212、1 392、1 729、1 763 nm附近都有较强的吸收，由表3可知，脂肪及乳糖分子中含氢基团的近红外谱带中心位置进行比较后可得出，脂肪的吸收对应的分子结构为主要为.CH2，其中1 212 nm为C-H键的二级倍频吸收，1 392 nm为C-H键的合频吸收[14]。因此本文选择1 100～1 400 nm作为原料奶中脂肪检测的特征吸收波段。

表2 原料奶蛋白质、脂肪样品化学值统计Table 2 Chemical value statistics of raw milk protein and fat

图6 异常样本残差统计Fig.6 Flow chart of data processing

表3 脂肪及乳糖分子中含氢基团的近红外谱带中心位置Table 3 Central positions in near infrared band of fat and lactose molecule hydrogen groups

乳蛋白中主要包括乳清蛋白、酪蛋白及少量的脂肪球膜蛋白，是原料奶的主要营养成分，含有人体必须的氨基酸，其中酪蛋白牛乳蛋白质的80%。通过查阅整理发现：酪蛋白在从1 460～1 570 nm、2 050～2 070 nm的波长范围内，分布有相当丰富的吸收峰，都是N-H键的吸收。表4给出蛋白质分子中含氢基团的近红外谱带中心位置[14]。通过对比发现蛋白制剂的吸收对应的分子结构主要为蛋白质特征结构肽键（CONH）及其和肽键相关基团的吸收[14]。因此本文选择1 400～1 600 nm作为原料奶中蛋白质的特征吸收波段[14]。

表4 蛋白质分子中含氢基团的近红外谱带中心位置Table 4 Central positions in near infrared band of protein molecule hydrogen groups

通过以上对去噪方法，异常样本剔除及特征波段的前处理。选择62个原料奶样品中的（剔除3个异常样本）52个样品信息输入ARM便携式设备中。另外选择剩余的10个样本作为验证集。通过该便携仪器与标准化学方法测定的结果进行对比试验。由于原料奶是一种多组分、半透明的悬浮类物质，且其中包含的化学成分有100多种，因此测量样品前需将样品均质。文中以预测原料奶中蛋白质和脂肪的含量为例，进行原料奶成分检测。结果见表5。其线性拟合关系见图7。由表5可知，脂肪模型中样本标准值与预测值之间相对误差均低于10%，蛋白质模型中除9号样本外预测值与标准值之间相对误差均在5%左右，图7中显示蛋白质和脂肪模型具有良好的预测性能，其线性关系及传递性较好。

表5 测量对比结果Table 5 Measuring comparative results

图7 蛋白质(a)和脂肪(b)的预测值与标准值的关系Fig.7 Relationship between predicted value and standard value of protein(a)and fat(b)

5 结论

本文设计基于ARM的原料奶成分检测设备研发，结合近红外光谱分析技术主要针对原料奶中蛋白质、脂肪进行快速检测，经综合对比分析，整体设备采用卤钨灯作为发光光源，采用光栅型分光系统对卤钨灯产生的复合光进行分光，以基于ARM11内核的S3C6410微处理器作为便携式原料奶成分检测设备核心，完成对整体便携设备的硬件及软件研发，其中微处理器驱动光学系统工作，实现光谱数据采集；软件程序实现对光谱数据的前处理及解析功能，由微处理器完成数据的显示及存储。该设备具有体积小、结构紧凑、性能稳定、携带方便等优点。经试验验证表明，该设备对原料奶成分检测的相对误差在10%以内，达到快速准确检测原料奶成分目的。该设备成本低、检测周期快，具有良好应用前景。

[1]Donato A,Jacques R,Yves C,et al.Prediction of the goat milkfatty acids by near infrared reflectance spectroscopy[J].Eur J Lipid Sci Technol,2013,115:612-620.

[2]Andreas M,Eberhard H,Angelika H.Accuracy of milk composition analysis with near infrared spectroscopy in diffuse reflection mode[J].Biosystems Engineering,2012:210-217.

[3]张军,陈星旦,朴仁官,等.用于食品成分分析的双探测器近红外光谱仪[J].光学精密工程,2008:986-991.

[4]燕昌江,李锋,徐良梅,等.近红外光谱技术在畜牧生产中的应用[J].东北农业大学学报,2008,39(11):140-144.

[5]曹真真,邓丽敏,吴平,等.用于牛奶成分检测的近红外光谱仪设计[J].仪器仪表学报,2011:112-117.

[6]叶华俊,夏阿林,张学峰,等.基于长波近红外的便携式品质分析仪的研制及应用[J].仪器仪表学报,2012:85-89.

[7]王智宏,林君,武子玉,等.便携式矿物近红外光谱仪器的研制[J].

[8]李睿.近红外光谱仪嵌入式采集控制模块设计[D].长春:吉林大学,2009.

[9]闻明,吉海彦.基于LED的便携式近红外整粒小麦成分测量仪的研制[J].光谱学与光谱分析,2004:1276-1279.

[10]黄常钊.阵列式近红外光谱信号获取技术研究[D].广州:暨南大学,2011.

[11]杨海科,张建奇.基于S3C6410平台的RFID手持终端的设计与实现[J].电子技术应用,2014,40(1):20-22.

[12]姚晓麦.20位模/数转换器ADS1230在自动糖汁锤度在线监测装置的应用[J].广西轻工业,2011,27(4):5-7.

[13]殷秀杰,崔国文,胡国富,等.近红外光谱分析法预测小叶章营养价值的研究[J].东北农业大学学报,2013:128-132.

[14]王丽杰.快速检测牛奶成分的近红外光谱测量方法及系统研究[D].哈尔滨:哈尔滨理工大学,2006.

Development of near infrared component of raw milk detection device based on ARM

SUN Hongmin,JIN Qingyi,LI Xiaoming,KONG Qingming(School of Electrical and Information,Northeast Agricultural University,Harbin 150030,China)

As raw milk is a kind of basic dairy product,its safety issues have been the focus of attention of the whole society.This paper designs a portable detection device of raw milk ingredients based on ARM microprocessor,because chemical detection methods can not achieve the goals of on-site and on-line detection at present.Tungsten halogen lamp is used as light source in the device which uses the beam splitting system to get near-infrared spectroscopy from 900 to 1 700 nm and selects S3C6410 microcontroller to complete hardware design and software development of the system. Thus,the device can collect spectral data,store data and complete rapid detection of raw milk ingredients.Also,experimental results show that relative errors of test results between portable detection device and standard chemical method are within 10%,providing a new approach of raw milk composition detection.The device has a wide range of application prospect and promotional value.

acquisition and control;portable;raw milk

R155.5+7

A

1005-9369（2014）08-0103-07

2013-12-31

国家科技支撑计划（2012BAK17B04）

孙红敏（1971-），女，教授，硕士，硕士生导师，研究方向为农业信息技术。E-mail:sunhongmin111@126.com

时间2014-7-18 15:00:54[URL]http://www.cnki.net/kcms/detail/23.1391.S.20140718.1500.007.html

孙红敏,金庆谊,李晓明,等.基于ARM的近红外原料奶成分检测设备研发[J].东北农业大学学报,2014,45(8):103-109.

Sun Hongmin,Jin Qingyi,Li Xiaoming,et al.Development of near infrared component of raw milk detection device based on ARM[J].Journal of Northeast Agricultural University,2014,45(8):103-109.(in Chinese with English abstract)