基于声振法的西瓜内部糖度检测研究

汪迪松，浦宏杰，2，李臻峰，2，陆 勇

（1江南大学机械工程学院，无锡 214000；2江苏省食品先进制造装备技术重点实验室，无锡 214000）

基于声振法的西瓜内部糖度检测研究

汪迪松1，浦宏杰1，2，李臻峰1，2，陆 勇1

（1江南大学机械工程学院，无锡 214000；2江苏省食品先进制造装备技术重点实验室，无锡 214000）

运用自行设计的敲击振动检测系统对西瓜进行敲击振动检测，通过不同激励-接收组合发现，当瓜脐处为测量点、瓜蒂处为激励点时，声学特征和西瓜内部糖度的相关性较高，且当声学特征为第二共振峰频率f2时，与样本糖度建立的三次拟合模型的R2为0.877。采用逐步多元线性回归分析建立西瓜糖度的检测模型，回归模型为：B＝20.371－0.038f2＋0.035Vf1－0.006 f4，模型的R2为0.881，通过校正集验证，预测样本平均误差为7.48%，检测模型的校正均方根误差RMSEC和预测均方根误差RMSEP分别是0.663和0.796。该模型的建立为在线无损检测西瓜的内部糖度提供了理论参考。

声振法；西瓜；糖度；逐步多元线性回归

中国是世界西瓜生产第一大国，但并非贸易强国，西瓜出口量在世界贸易额中占据份额很小，竞争优势很不突出［1］。我国没有先进的检测手段对出口西瓜进行质量检测，现阶段通常由工人从外观进行判断，受主观性影响较大，不仅检测效率低，且无法保证准确性［2］。由于声学检测技术检测效率高、成本低廉、准确可靠等众多优点［3］，且西瓜这种厚皮类瓜果非常适宜用声学进行内部的质量检测，所以声学检测技术在西瓜品质无损检测方面的应用非常广泛。

应用声学检测技术于农产品品质检测一直备受关注，Sugiyama等［4］将理论声学检测装置设计成一个枪式甜瓜成熟度测试仪，研究发现西瓜逐渐成熟共振频率逐渐降低。Stone等［5］研制出了一个基于脉冲阻抗技术的轻便式系统进行西瓜成熟度的无损检测，对3个品种西瓜的成熟度进行检测，并用脉冲响应的频域参数和单个西瓜的糖度、果肉颜色、坚实度和质量进行比较。Diezma等［6］搭建了一套无损声学响应检测装置，该装置用于检测无籽西瓜内部缺陷，并对西瓜内部品质进行分级。Abbaszadeh等［7］通过测量用激光多普勒振动计测得的西瓜振动特性来预测西瓜的成熟度。将西瓜的振动信号通过FFT得到频域信号，试验结果表明使用振幅值相比于相位角预测正确率更高，用最近邻元素（KNN）分析方法判别西瓜正确率可达95.0%。Pintor等［8］通过声学冲击响应试验建立分类模型，将模型应用到一个基于Android的移动应用上测试西瓜的成熟度。结果表明西瓜的甜味增加，频率下降，且使用时检测最准确的位置在大西瓜的赤道上，准确率高达92.79%。王书茂等［9］在分析西瓜的力学和物理特性的基础上，提出了利用西瓜的振动频率响应来判断西瓜成熟度的检测方法，研究表明西瓜的含糖量和西瓜的振动基频有较好的相关性。肖珂等［10］提出了通过音频功率谱峰值频率检测西瓜成熟度的方法，通过划分不同成熟度下功率谱峰值频率范围检测西瓜的成熟度。危艳君等［11］搭建了一套检测西瓜糖度的声学检测装置，确定了敲击点和接收点位于赤道部位能得到较好的预测模型，且模型的相关系数最高可达0.8842。

目前，研究如何选择合适的声学特征建立西瓜的成熟度预测模型一直是无损检测领域关注点。为此本研究主要是得到西瓜的频率响应函数，提取声学特征值建立西瓜糖度的检测模型，完成了基于声振法对西瓜内部糖度的检测研究，为西瓜的在线无损检测提供一定的理论参考。

1 材料与方法

1.1 试验西瓜样本

西瓜样本采自无锡市北塘区某大棚的‘早佳8424’，该品种为杂交一代早熟西瓜品种，植株生长稳定性良好，坐果性好，开花至成熟需要38 d左右，全生育期90 d左右。根据授粉后瓜农系的标记，采摘授粉后时间分别为20 d、30 d、40 d、50 d的西瓜各20个，总共80个西瓜样本。市场中销售的西瓜一般为30—40 d左右的适熟瓜，而20 d左右的西瓜为未熟瓜，50 d左右的西瓜为过熟瓜。采摘不同时间段样品有利于增加试验数据差异性便于后续研究。

将所有西瓜样本放置于恒温恒湿实验室中（环境温度20℃、相对湿度60%），在进行振动测试试验前首先将西瓜表面清洗干净，去除瓜蒂处茎叶，称重，测量样本横径与纵径，编号，标定待用。用于建模的80个‘早佳8424’样品的基本物理参数如表1所示。

表1 西瓜基本物理参数Table1 The basic physical parameters of watermelon

1.2 试验设备

试验在自行设计的西瓜敲击振动检系统上完成，检测系统如图1所示，硬件由力锤激励装置（美国PCB公司，型号086C01）、加速度传感器（美国PCB公司，型号352C68）、信号解调仪（美国PCB公司，型号482C05）、NI数据采集卡（美国NI公司，型号USB-6259）、工作台以及计算机组成。其中工作台上放置硬质海绵支撑托架，模拟实际流水线分拣过程中的支撑条件。检测系统数据采集软件部分由Labview软件编辑而成，将采集到的信号显示和进行后续处理，并将文件命名存储在计算机中便于后续分析。

1.3 试验方法

1.3.1 测试点标记

‘早佳8424’果型为圆形，可近似为球体，将其划分为瓜脐、瓜蒂以及赤道3个区域。首先标记加速度传感器接收测量点，测试主要考虑横向与纵向两个方向（图2），将瓜脐处标记为A组测点作为西瓜横向测点；选择赤道上任意一点作为纵向接收测量点，标记为B组测点作为纵向测点。然后标记力锤传感器敲击位置点，首先在样本横向上进行标记，以瓜蒂为初始点A1，沿样本一条经线逆时针每隔45°分别标记A2、A3、A4，作为横向4个测试点；然后在赤道上半部任选一点为B1点，以测试点B1为起始沿赤道每隔45°分别标记B2、B3、B4共4个纵向测点。

图1 西瓜敲击振动检测系统图Fig.1 Vibration testing system for watermelon

图2 西瓜位置标号示意图Fig.2 Sketch m ap of watermelon position label

1.3.2 振动信号采集

进行敲击试验前对敲击振动检测系统参数设置，将采样率设为4 096 Hz，采样点数设为4 096，分辨率为1 Hz。平均次数设置为10，即力锤在敲击点同一位置敲击10次取平均值以降低随机噪声误差。

试验时，将西瓜横向放置在工作平台上，将加速度传感器用双面胶固定在A组测点位置，力锤依次敲击A1、A2、A3和A4位置；或者固定于B组测点位置，力锤依次敲击B1、B2、B3和B4位置。每次敲击完成，需要检查传感器是否紧贴样品表面。力锤敲击时产生的激励信号作为输入信号经过西瓜内部介质，加速度传感器检测到通过西瓜传递的振动信号。激励信号和振动信号都通过信号调节仪将信号过滤、放大处理，再通过NI数据采集卡和程序端的DAQ将数据输入计算机，经过程序的后续处理得到频率响应函数（frequency response function，FRF）。

1.3.3 西瓜糖度测试

西瓜糖度指标（实为可溶性固形物，Soluble solids content，SSC）是描述西瓜成熟度的重要指标之一，但西瓜瓜瓤糖度分布不均，中心糖度无法代表该样品糖度，因此样本糖度检测步骤如下：（1）糖度仪操作步骤：使用ATAGO PR-101型手持式数字折光仪，先用纯净水清洗样品台，用试纸擦干，再滴入纯净水，按下START开关进行校零，当纯净水糖度显示为零时，可进行样品检测；（2）分别取样本中心、瓜蒂处以及瓜脐处瓜瓤放入不同烧杯中，将其捣碎、过滤后分别滴入样品台中进行读数，再用纯净水清洗擦干后进行下一次测量；（3）每个部位瓜瓤测量3次，取平均值记录。

2 结果与分析

2.1 西瓜频响信号特征值提取

西瓜在生长过程中，其果肉细胞间的组织结构会由紧密变疏松。敲击不同疏松程度的西瓜，可以通过加速度传感器检测到的振动信号加以反映。系统采集到的西瓜的频率响应函数会随着不同成熟度的西瓜，出现不同的共振峰。如图3所示，本研究采用第一共振峰处响应频率f1和响应能量密度Vf1、第二共振峰处响应频率f2和响应能量密度Vf2、第三共振峰处响应频率f3和响应能量密度Vf3、第四共振峰处响应频率f4和响应能量密度Vf4作为衡量西瓜成熟度的特征值，对西瓜内部品质进行分析。

2.2 西瓜内部品质参数统计

由表2可以看出，每个西瓜的糖度不一，而且单个西瓜中心瓜瓤糖度普遍高于瓜脐处与瓜蒂处。本试验主要研究西瓜糖度与振动特征值之间的关系，不考虑单个西瓜糖度分布问题，故试验中取瓜瓤糖度平均值作为西瓜糖度的整体指标。80个样品中整体瓜瓤糖度平均值最小为3.3%，最大为12.6%。

图3 西瓜的频率响应函数Fig.3 Frequency response function of watermelon

表2 整体西瓜糖度参数统计Table 2 The parameter statistics of sugar degree of watermelon %

如图4所示，随着西瓜不断生长，其内部瓜瓤含糖量也在不断增加，且西瓜在生长时间为20—40 d时，其生长较为旺盛，含糖量增长速度较快，生长时间为20 d时糖度差异性较大；当西瓜成长至40 d后，其生长速度变缓，糖度增长速度也变慢，且生长时间为50 d时相比40 d糖度差异变化减小，逐渐趋于稳定。

2.3 测试位置对特征值的影响

在对样品内部品质参数与其声学振动特征值进行分析前，首先要考虑激励与接收位置对其结果的影响，危艳君等［11］通过提取声透过率参数与西瓜糖度参数进行建模发现最佳激励-接收组合在西瓜自然生长状态的中部两侧，说明激励-接收组合的选择能够影响结果的准确性。由于西瓜样本品种不同，因此其果形、皮厚、弹性模量与阻尼比也不一样，需要对其进行分析。表3为8号样本敲击振动试验数据，表中可以看到激励-接收组合不同，其共振峰响应频率与响应能量密度都有区别，如第一共振峰频率范围在182—200 Hz，其响应频率密度范围在0.3—24.9 dB，其原因可能与声波通过样本内部介质的糖度以及声波传播距离有关。

图4 不同生长时间瓜瓤糖度的变化Fig.4 The change of sugar degree in different grow th time

表3 8号样本不同位置特征值一览表Table 3 The grade of No.8 watermelon sample feather value in different position

将不同激励-接收组合的声学振动特征值分别与糖度值做相关性分析，所有特征值与西瓜样本糖度值的相关系数如表4所示。由表4可见，特征值f1、f2、f3、f4即频响函数中的响应峰值频率与糖度值的相关性较高，平均相关系数高于0.7，说明响应峰值频率能够用来描述样本糖度值的变化；而特征值Vf1、Vf2、Vf3、Vf4即响应频率密度与糖度值的相关性均偏低，部分测试位置相关系数达到0.5，但有些位置相关系数更低，无法说明其是否相关。在八个激励-接收组合中，A1组合选取声学特征值为f1和f2时糖度的相关性远高于其他位置组合，而当选取声学特征值f3和f4时糖度的相关性略小于其他位置组合，综合选取A1位置组合进行后续研究，即激励点为瓜蒂、接收点为瓜脐。

表4 不同位置西瓜样本特征值与糖度的相关度统计Table 4 The statistical correlation between watermelon samp le feather value and sugar degree in different position

2.4 内部品质参数对特征值的影响

采用激励-接收组合为A1时特征值与样本内部品质参数进行分析，建立数学模型。由表4可以看出特征值f2与样本糖度相关系数最高（R＝0.909），以糖度值为自变量，以特征值f2为因变量，建立回归方程，描述糖度变化对特征值的影响。所得不同类型回归方程如表5所示，回归方程的模型P值＜0.001，具有高度显著性，其中三次方模型的确定系数最高（R2＝0.877），且标准误差为13.46，可以较好的描述糖度的变化对特征值的影响，其方程为f（x）＝238.4－39.63x－15.59x2－4.561x3（x为糖度值）。图5即为西瓜糖度与特征值之间的三次模型，特征值f2随着糖度值的增加而逐渐减小，和Pintor等［8］研究的西瓜的甜味增加频率下降具有一致性。2

图5 三次方数学模型Fig.5 The three party m athematicalmodel

表5 特征值f2与糖度值的数学模型Table 5 Them athematicalmodel between f and sugar degree

2.5 检测模型的确定

由上述研究可得，样本糖度参数与其声学特征值之间具有较高的相关性，且能够建立数学模型描述糖度与振动特征值之间的关系。利用SMLR方法建立西瓜糖度参数的检测模型，从80个样本中随机抽取65个样本进行建模，剩下15个样本用作检测模型的校验。选取瓜蒂与瓜脐作为最佳的敲击-接收组合，该组合振动信号传播部分的瓜瓤生长过程中接收光照等外在条件基本一致，可消除西瓜样本的差异性。另外，在实际品质检测中，可以比较清楚的辨别出瓜蒂与瓜脐位置，有利于实际工业检测。

表6 西瓜糖度检测模型Table6 The watermelon sugar measuring m odel

利用SPSS统计软件进行逐步多元线性回归分析，以振动信号特征值建立西瓜糖度检测模型。设置各变量选择与剔除的显著水平分别为0.05和0.1，得到入选特征值及检测模型如表6所示，在样本敲击振动响应频谱函数中，第二共振峰频率f2、第四共振峰频率f4以及第一共振峰响应能量密度Vf1进入检测模型。由表6可知，所建立的3个检测模型的R2都在0.8以上，且模型均达到极显著水平。在3个检测模型中，模型3的F值与标准估计误差分别为88.548和0.699，为3个模型中最小，因此，可以建立检测模型为：B＝20.371－0.038f2＋0.035Vf1－0.006f4。

由SMLR分析法选取8个特征值中的3个建立西瓜糖度检测模型，随机挑选15个试验样本对模型进行校验。将实际测量值与模型预测值进行对比，得到结果如表7所示，预测样本平均误差为7.48%，该检测模型的校正均方根误差RMSEC和预测均方根误差RMSEP分别是0.663和0.796，模型检测准确度较高，均方根误差较小，说明所提取的声学特征值能够对西瓜糖度参数进行真实有效预测。

表7 西瓜糖度与模型预测值的比较及误差Table 7 The comparison and errors of sugar degree and value ofm odeling forecast

3 结论

本研究通过自行设计的西瓜敲击振动检测系统，得到西瓜的频率响应函数，提取声学特征值建立西瓜糖度的检测模型，完成了基于声振法对西瓜内部糖度的检测研究。通过不同激励-接收组合发现，当瓜脐处为测量点瓜蒂处为激励点时，声学特征和西瓜内部糖度的相关性较高，且当声学特征为f2时，与样本糖度建立的三次模型的R2为0.877。采用逐步多元线性回归分析建立西瓜糖度的检测模型，回归模型为：B＝20.371－0.038 f2＋0.035Vf1－0.006 f4，模型的R2为0.881，通过校正集验证，预测样本平均误差为7.48%，检测模型的校正均方根误差RMSEC和预测均方根误差RMSEP分别是0.663和0.796。该模型的建立为西瓜的糖度检测提供了一种检测手段，为西瓜产业的无损检测提供了理论参考。

［1］赵姜，周忠丽，吴敬学.世界西瓜产业生产及贸易格局分析［J］.世界农业，2014（7）：100-106.

［2］应义斌，蔡东平，何卫国，金娟琴.农产品声学特性及其在品质无损检测中的应用［J］.农业工程学报，1997，3（3）：213-217.

［3］吕飞玲.基于声学特性的西瓜品质无损检测方法研究［D］.杭州：浙江大学，2003.

［4］SUGIYAMA J，KATSURAI T，HONG J，et al.Melon ripeness monitoring by protable firmness tester［J］.Transactions of the ASAE，1998，41（1）：121-127.

［5］STONE M L，ARMSTRONG P R，ZHANG X，et al.Watermelon Maturity Determination in the Field Using Acoustic Impulse Impedance Techniques［J］.Transactions of the American Society of Agricultural Engineers，1996，39（6）：2325-2330.

［6］DIEZMA IB，RUIZ-ALTISENT M，JANCSOK P.Vibrational analysis of seedless watermelons：use in the detection of internal hollows［J］.Spanish Journal of Agricultural Research，2005，3（1）：52-60.

［7］ABBASZADEH R，RAJABIPOUR A，DELSHAD M，et al，Evaluation of watermelons texture using their vibration responses［J］.Biosystems Engineering，2013，115（1）：102-105.

［8］PINTOR A L C，MAGPANTAY M A A，SANTIAGO M R.Development of an Android-Based Maturity Detector Mobile Application for Watermelons［Citrullus Lanatus（Thunb.）Matsum.＆Nakai］using Acoustic Impulse Response［J］.Small，2016，200（33）：3-83.

［9］王书茂，焦群英，籍俊杰.西瓜成熟度无损检验的冲击振动方法［J］.农业工程学报，1999，15（3）：241-245.

［10］肖珂，高冠东，滕桂法，张玉新，贾宇琛.西瓜成熟度音频无损检测技术［J］.农机化研究，2009（8）：150-152，155.

［11］危艳君，饶秀勤，漆兵.基于声学特性的西瓜糖度检测系统［J］.农业工程学报，2012，28（3）：283-287.

（责任编辑：张睿）

Detection of sugar content in waterm elon based on themethod of sound vibration

WANG Di-song1，PU Hong-jie1，2，LIZhen-feng1，2，LU Yong1
（1School of Mechanical Engineering of Jiangnan University，Wuxi214000，China；2Jiangsu Key Laboratory of Advanced Food Manufacturing Equipment and Technology，Wuxi214000，China）

The research was conducted by knocking on watermelon for its’vibration testwith self-designed vibration test system.Through different incentive-receive combinations，it found thatwhen the melon pedicle was measurement pointand themelon terrierwas excitation point，the internal correlation of acoustic characteristics and sugar contentwas higher，and when the acoustic characteristics was the second formant frequency，the three fittingmodel of sugar contentwas0.877.Stepwisemultiple linear regression analysiswas adopted to establish the watermelon sugar content testingmodel，regression model was B＝20.371－0.038 f2＋0.035Vf1－0.006 f4，the R2of thismodelwas 0.881.By calibrating validation，sample’s average forecasting error was 7.48%，detection model correction RMSEC rootmean square error and the rootmean square prediction error RMSEP was 0.663 and 0.796 respectively.The establishment of the model provides a theoretical reference for the on-line nondestructive testing ofwatermelons’sugar content.

Sound vibration method；Watermelon；Sugar content；Stepwisemultiple linear regression

S651

：A

1000-3924（2017）02-125-06

10.15955j.issn1000-3924.2017.02.23

2016-08-08

国家自然科学基金（515082290）；江苏省产学研联合创新资金（BY2014023-32）；江苏省食品先进制造装备技术重点实验室开放课题（FM-201406）

汪迪松（1991—），男，在读硕士，研究方向：食品无损检测。E-mail：sunnywds＠126.com

，E-mail：hjpu＠jiangnan.edu.cn