基于传感器的果蔬品质检测研究

路玉凤 闫娟 茅健 杨慧斌 马丽

摘  要：随着市场对果蔬需求量增加，冷链物流日益发展，在存储中对果蔬的品质提出了更高的要求。因此，应用无损检测技术对果蔬进行品质检测是非常必要的。文章采用电子鼻传感器对果蔬气味的识别与图像传感器对果蔬外观品质的判别相结合的方法对果蔬新鲜度进行判别。在数据采集过程中，基线漂移对数据分析存在影响，文章采用基于CAM-ES算法从长期漂移的角度将数据按时间窗进行自适应线性补偿消除基线漂移，其次采用Adam算法优化BP神经网络，实现自适应实时在线学习，进行在线漂移补偿，实现对漂移的实时在线学习和修正。

关键词：电子鼻传感器;图像分析;品质检测;算法结合

中图分类号：F304.3    文献标识码：A

Abstract： With the increase in market demand for fruits and vegetables， cold chain logistics is developing day by day， and higher requirements are placed on the quality of fruits and vegetables in storage. Therefore， it is very necessary to use non-destructive testing technology to inspect the quality of fruits and vegetables. In this paper， the electronic nose sensor is used to identify the odor of fruits and vegetables and the image sensor is used to determine the appearance quality of fruits and vegetables. In the process of data acquisition， baseline drift has an impact on data analysis. This paper uses the CAM-ES algorithm to perform adaptive linear compensation based on the time window from the perspective of long-term drift to eliminate baseline drift. Secondly， the Adam algorithm is used to optimize the BP neural network to achieve adaptive real-time online learning， online drift compensation， real-time online learning and correction of drift.

Key words： electronic nose sensor; image analysis; quality detection; algorithm combination

0  引  言

随着生活水平的提高，冷链物流日益受到青睐。果蔬的存储及配送是冷链物流中的关键环节，并且人们对果蔬的品质及安全问题也越来越重视。因此，对果蔬品质的检测就显得尤为重要。在传统检测中大多采用化学仪器分析，在实验中需要对被测物体进行前处理，且实验过程漫长，并且不能保证被检测食品的完整性;其次实验本身对场地和环境有一定要求，所以，迫切需要一种快速无损检测技术解决传统检测中的问题。

无损检测（NDT）技术是在不破坏被测物的前提下，采用声、光、电等各种物理方法对材料进行检测和分析的一种技术。它是一种不同于传统检测方法的新技术，在工农业中的应用已经得到了广泛的研究。近年来，传感器作为获取信息的“感官”的研究得到了迅速发展。在农产品的无损检测中，传感器技术越来越被更多人使用。

气体传感器已在各个领域广泛应用，传感器通过获取的气体信息对气体进行分类以及预测气体浓度来达到检测果蔬品质的目的，果蔬在存储过程中经历新鲜、次新鲜、腐坏变质三个阶段，每个阶段产生的气体及浓度由电子鼻传感器检测，通过算法分析研究获取的数据判断被检测果蔬品质的优劣。在食品检测[1]、农产品农药残留[2]、环境监测[3]领域都应用电子鼻传感器检测。在果蔬仓库气体监测中，气体传感器处于长时间运行状态，传感器在运行过程中会出现漂移现象，传感器漂移会对气体识别或浓度分析产生影响，降低数据分析研究的精确度，从而影响果蔬新鲜度品质的判断。图像传感器可辅助检测果蔬品质，将获取的图像信息转换为数字信息读取并识别，对其进行图像分析得到相应结果。唐义华[4]利用图像传感器对红提颜色进行检测，通过分析研究对其进行新鲜度分级，准确率在95%以上。Blasec J[5]等开发了机器视觉在线判别系统对苹果、柑橘的大小、形状、颜色及外部缺陷进行检测。冯甲一[6]利用图像传感器系统及算法对叶类蔬菜新鲜度识别并分级。

1  技术概述

1.1  电子鼻传感器技术

电子鼻检测系统主要有三部分：信號处理系统、传感器阵列、模式识别。传感器阵列是系统的核心，阵列中的各个传感器对气体的敏感特性不同，由于果蔬在存储过程中不同时间段的特征气体及浓度有所不同，传感器阵列通过检测气体获取相关特征气体及气体浓度来初步判断果蔬的新鲜度。图1为电子鼻传感器检测流程图，传感器阵列中的传感器型号及其敏感性气体见表1。

所选用MOS气体传感器检测气体浓度最低可达1～10ppm，可检测到果蔬腐坏变质过程中产生的特征气体，且采用传感器阵列可提高果蔬新鲜度的识别效果及分级精确度。

1.2  计算机视觉检测技术

计算机视觉检测系统由两部分构成：图像采集装置，用来获取真实图像信息;图像分析软件，对原始图像进行预处理及分析，预处理主要是去噪及增强画质，分析则是要对图像提取特征参数分析处理。计算机将采集的图像数据进行处理，颜色提取选用La*b*颜色模型并用Matlab相关图像提取算法进行处理。图2为视觉传感器检测流程图。

1.3  整体设计方案

本文采用电子鼻传感器对果蔬气味的识别与图像传感器对果蔬外观品质的判别相结合的方法，在数据采集过程中，基线漂移对数据分析存在影响，本文采用基于CAM-ES算法从长期漂移的角度将数据按时间窗进行自适应线性补偿消除基线漂移，其次采用Adam算法优化BP神经网络，实现自适应实时在线学习，进行在线漂移补偿，实现对漂移的实时在线学习和修正。总体设计思路如图3所示。

2  数据信息处理

2.1  自适应线性补偿算法

电子鼻系统在长时间运行中不可避免会产生漂移现象。短期漂移的信号会随着环境因素恢复而恢复，信号波动和温度、湿度等可以用数学函数关系表达，可以用神经网络等方法来消除短期漂移。长期漂移在传感器长时间运行中随时间变化，其响应模式随机波动，难以找到合适准确的函数关系表达。本文采用Adam算法优化BP神经网络消除短期漂移，从长期漂移的角度采用基于CAM-ES算法将数据按时间窗进行自适应线性补偿消除基線漂移，实现自适应实时在线学习，进行在线漂移补偿，实现对漂移的实时在线学习和修正。

Sigmoid函数是BP神经网络常用激活函数，但与Relu函数比较，Sigmoid函数会出现梯度消失，需要利用梯度下降法来优化。学习率η决定了梯度下降法中权重更新速度，而η是一个定值，η太大不易收敛，η太小则训练缓慢。

Relu函数在反向传播时不会出现梯度消失，学习效果比Sigmoid 函数好，且计算简单有利于缩短网络训练时间。Adam算法基于梯度下降法，但它的优势在于迭代参数步长范围可确定，不会由于梯度过大导致学习步长过大。Adam算法用λ1和λ2分别计算梯度均值和梯度平方均值可实现学习率动态调节，提高网络训练速度及准确率。

将激励函数与优化算法组合，如表2所示，当使用梯度下降法或Adam算法优化BP网络时，ReLu函数准确率都优于Sigmoid函数：当使用Sigmoid激励函数或者ReLU激励函数时，Adam算法要优于梯度下降法;选择ReLU作为激活函数，同时使用Adam算法优化气体识别网络对于网络训练及准确率都具有良好的效果，且优势明显。

传感器长期漂移随时间引起的变化是非线性的，因此，假设漂移在短时间内的变化是线性的[7]，将较短时间段定义为一个时间窗，将传感器长期漂移的样本根据运行时间分为多个时间窗，通过线性模型对每个时间窗中的样本进行漂移补偿。

2.2  图像数据处理

利用计算机视觉图像传感技术判断果蔬新鲜度，为进一步提高判别准确率，利用计算机视觉图像传感技术与电子鼻传感器系统综合判断的方法对果蔬品质进行识别。本文以桔子为例，选取合适的颜色提取模型对图像信息进行处理。RGB模型中三个分量相关性较高，图像颜色数据处理困难。HSV模型是一种直观的颜色模型，广泛应用于图像编辑。La*b*模型是一种均匀的彩色模型，颜色模型与采集设备无关，包含RGB全部信息，表现色彩多且分布均匀。通过对比HSV模型、La*b*模型、RGB模型等颜色模型，选用La*b*模型提取被检测图像的特征参数。在图像采集过程中会受到噪声的干扰，造成图像分析结果不精确，通过调用Matlab相关函数对图像进行去噪处理。

3  仿真验证

对算法进行验证，所用数据必须满足时间跨度大且数据样本连续。使用两个数据集来对优化算法进行验证分析。将数据集1按时间顺序分别放入8个窗中，将数据集2按时间顺序分别放入12个窗中，设置窗宽为7天。将数据集1按照图4流程进行校正，计算出各个窗内样本校正前的平均绝对误差及校正后的平均绝对误差，AMRE=，n为样本数，y为预测网络输出，y为训练目标值。

对图像进行分割处理之后，对图像进行预处理，以桔子为例，对原始图像进行灰度处理及中值滤波处理，目的是为了去噪及增强画质，进而获取RGB图像，最后得到La*b*检测结果。图像信息通过滤波消除图像噪声点，再利用开运算进一步对图像进行处理，此时提取有效组织图像数据[9]，提取图像的La*b*特征信息并与桔子状态比较得出相关性，如表3所示，随着桔子状态的变化，三个特征值也发生不同程度的变化，且特征值与检测时间有一定的线性相关性，可辅助判别果蔬新鲜度。

通过算法改进消除电子鼻气味检测过程中产生的基线漂移，并与计算机视觉图像分析结合，将电子鼻检测到的气味信息与提取的图像信息特征值进行融合，并利用LDA进行线性分析[8]，见图8和图9。对12组被检测样品进行判别实验，见表4，基于电子鼻传感器技术的新鲜度判别准确率为83.3%，基于图像传感器技术的桔子新鲜度判别准确率为75%，而将电子鼻传感器气味检测与图像传感器外观检测技术结合判别准确率提高到了91.6%。

4  结  论

本文在果蔬检测中采用无损检测技术，但在电子鼻传感器运行过程中会产生基线漂移的现象，本文采用Adam算法优化BP神经网络消除短期漂移，从长期漂移的角度采用基于CAM-ES算法将数据按时间窗进行自适应线性补偿消除基线漂移，实现自适应实时在线学习，进行在线漂移补偿，实现对漂移的实时在线学习和修正，最后通过与图像传感器技术的融合，达到提高检测精确度的目的。

参考文献：

[1] 张谦益，包李林，熊巍林，等. 电子鼻在两种类型浓香菜籽油识别中的应用[J]. 中国油脂，2018，43（10）：144-146.

[2] 黄星奕，孙兆燕，田潇瑜，等. 基于电子鼻技术的马铃薯真菌性腐烂病早期检测[J]. 食品工业科技，2018，39（24）：97-101.

[3] 张嘉琪，冀大选，李杰一，等. 基于LabVIEW平台的电子鼻系统设计[J]. 传感器与微系统，2015，34（5）：92-94.

[4] 唐义华. 红提品质无损检测技术研究[D]. 武汉：华中农业大学（硕士学位论文），2016.

[5]  Blaseo J， Aleixos N. Machine vision system for automatic quality grading of fruit[J]. Automation and Emerging Technologies， 2003（4）：415-423.

[6] 馮甲一. 基于计算机视觉技术的叶类蔬菜新鲜度检测分级研究[D]. 南京：南京农业大学（硕士学位论文），2012.

[7]  DiCarlo S， F alasconi， E Sanchez， et al. Increasing pattern recogition accuracy far chemical sensing by evolutionary based drift compensation[J]. Pattam Recognition etters， 2011，32（13）：1594-1603.

[8] 陈栋琳. 电子鼻/舌系统设计及气味信息融合技术应用[D]. 吉林：东北电力大学（硕士学位论文），2015.

[9] 王风云，封文杰，郑纪业，等. 基于机器视觉的双孢蘑菇在线自动分级系统设计与试验[J]. 农业工程学报，2018，34（7）：256-263.

收稿日期：2020-10-10

作者简介：路玉凤（1993-），女，山东泰安人，上海工程技术大学机械与汽车工程学院硕士研究生，研究方向：冷链物流仓储、机械制造及其自动化;闫  娟（1978-），女，甘肃静宁人，上海工程技术大学机械与汽车工程学院，高级实验师，硕士生导师，研究方向：智能控制算法研究、机械自动化;茅  健（1972-），男，江苏南通人，上海工程技术大学机械与汽车工程学院，教授，硕士生导师，研究方向：精密检测与控制、装备自动化、智能机器人、冷链;杨慧斌（1983-），男，上海人，上海工程技术大学机械与汽车工程学院，实验师，研究方向：智能控制、机械自动化;马  丽（1997-），女，黑龙江哈尔滨人，上海工程技术大学机械与汽车工程学院硕士研究生，研究方向：冷链仓储及其配送、精密检测与控制、机械制造及其自动化。