苹果无损糖度检测系统的设计及试验

2022-12-30邓芷惠苏彩珍吴玉婷

食品安全导刊 2022年34期

邓芷惠，苏彩珍，吴玉婷，杨敏

（梧州学院，广西梧州 543002）

基于近红外光谱分析技术，对水果进行无损糖度检测以确定水果品质的研究一直是国内外的研究热点。近红外光谱分析技术现阶段主要应用于苹果、梨、芒果、橘子及哈密瓜等水果的品质检测。由于光谱技术研究的不断精进，检测系统向在线式、小型式、便捷式方向发展。从近年来国内外水果糖度检测仪的发展走势可知，在相关技术、销售份额等方面国外已经存在较为成熟的研究和应用。我国虽然起步晚，但起点高，其中相关技术的研究及发展机遇还是相当大的[1]。我国作为世界上最大的水果种植大国，通过科技手段改善农业问题能给我国农业生产带来巨大效益[2]。

本研究设计了一款可通过智能手机摄像头分析光谱得到苹果糖度的测量系统，该测量系统主要由发光收光模块，光谱成像模块及手机摄像头调用的App 组成。其利用收集苹果漫反射的近红外光得到光谱，手机CMOS 接收光谱后进行分析并和数据库比对得出苹果的糖度。系统实现了模块化组合，成本低廉，制作难度低，使用便捷，同时保证了准确性，可实际应用于农业生产种植和采购销售当中。

1 系统结构

1.1 硬件设计

该检测系统硬件部分主要由发光收光模块、成像模块和手机CMOS 模块组成。在系统的整体外形上考虑到便携和易拼装的因素，采用了一个20 cm×20 cm 的正方体结构作为各模块的整合容纳空间，将发光收光模块、光谱成像模块整合到一起，极大地缩小了体积。在外壁上选择了耐热低廉的隔热硬木板，使用黑色醋酸绝缘吸光胶带进行内壁的避光处理。装置整体结构见图1。

图1 装置整体结构图

发光收光模块是在检测糖度试验中不可或缺的一环，恰当的光源选择可以使系统性能更加良好，关系到整个检测系统的稳定情况和结构精密程度。检测中，在能够反映水果特征峰的波长段内，光源必须要保持良好的稳定性，同时光源所能涵盖的波长范围也决定着仪器对波长的检测范围。由于本系统针对苹果，采用漫反射的检测方法，在光源的选择上采用发光强度高、功率小、性能稳定性好的额定电压为12 V，额定功率为15 W 的卤钨灯，其光谱范围可覆盖380～2 500 nm，价格便宜且寿命长。在聚集光源的工具选择上采用焦距为23 mm，直径为44 mm 的凸透镜。发光模块结构见图2。

图2 发光模块结构图

成像模块决定着成像质量，影响光谱成像。在接收光中存在透视式、反射式以及漫反射式3 种光谱收集方式，光路见图3。反射式的光谱测量要求探头与测量样品存在间隔距离，增加了光路的消耗；透射式的光谱采集需要进入的光穿透被测物，导致了光路的增加，并且无法保证果核的存在是否会增加检测误差；反射式和透射式这两种采集方式都存在由于光路增加而引起的近红外光谱的损耗，所以都需要提供大量的入射光来补偿，才能得到足够强度的近红外光谱。漫反射光是指光进入苹果样品内部后，发生了散射、折射、衍射和吸收后又返回光照苹果样品的表面。漫反射光同样可以反映苹果样品的结构和组织等信息，可以用来定量分析。它具有分析速度快、测定组分多、非破坏测试等特点，被广泛应用于苹果品质的定量分析中[1]。所以，漫反射是更加合理和有效的反射方法。

图3 反射、透射及漫反射光路图

在考虑外界影响因素的损耗下，采用MMA（聚甲基丙烯酸甲酯聚合物）软质通体传感光纤作为接收光强的光纤传感器，具有运输快速、光损失效率小等优点，很好地完成了漫反射的设计要求。同时，在收光光纤后安装一个自制光谱仪，它的作用是光谱成像。内部光谱仪结构见图4。

图4 内部光谱仪结构图

在测量系统设计中，在20 cm×20 cm 的正方体空间上方放置了由吸光黑色海绵填充的圆柱式光纤传感器作为放置检测样品的检测台。每次测量开始前需要先放置一个反射灯罩检测卤钨灯光谱，再放置待测苹果样品进行近红外光谱检测。在该测量仪器的侧方，对应的是光谱仪成像图像，将智能手机的摄像头对准成像口，利用手机CMOS 接收光谱图像在软件部分进行分析。放置样品检测台见图5。

图5 放置样品检测台

1.2 软件设计

系统同时需要硬件与软件共同工作，要求在软件的编写中录入数量较大、品种较多的苹果光谱数据库，以便于在检测中得到更加精确的糖度数据。

本系统通过搭建软件工程对苹果光谱进行分析研究。主成分分析法算法（Principal Component Analysis，PCA）是一种使用最广泛的数据压缩算法[3]。在PCA 中，数据只能够通过其本身来转换不同的坐标系。转换坐标系时，以方差最大的方向作为坐标轴。第一个新坐标轴选择的是原始数据中方差最大的方向，第二个新坐标轴选择的是与第一个新坐标轴正交且方差次大的方向。重复该过程，重复次数为原始数据的特征维数，通过这种方式获得新的坐标系。可见，大部分方差都包含在前面几个坐标轴中，后面的坐标轴所含的方差几乎为0。因此可以忽略余下的坐标轴，只保留前面的几个含有绝大部分方差的坐标轴。事实上，这样也就相当于只保留包含绝大部分方差的维度特征，而忽略包含方差几乎为0 的维度特征，也就实现了对数据特征的降维处理[4]。进行光谱数据收集等处理后准确、实时、有效地将苹果样品反射回来的光谱信息转换成数字信号，传递至结合既定的数字模型进行分析处理，从而完成对苹果糖度的检测，最终测量数值将在手机软件中相应模块进行显示。卤钨灯光谱标定降维过程见图6。

图6 卤钨灯光谱标定降维过程

选择一定数量的、具有代表性的样本，通过控制变量的方式在保证单一方式要求下进行光谱数据采集。本研究中主要采用了市面上比较有明显特征的苹果品种（红富士、黄元帅和冰糖心），对苹果样品的光谱进行采集整理。经过PCA 算法预处理[5]后与标准糖度仪采集到的糖度值进行数学关联，建立两组量之间的数学关系，即数学模型，通过Python程序语言建立苹果的糖度预测数学模型，再由该数学关系从光谱数据对比出待测量的预估值。

检测苹果糖度的App 是自主开发的Apple Camera，它是通过Android Studio、JDK8 开发工具及Windows10 操作系统开发的一款手机可下载安装使用的App。①创建一个Camera Demo-master 项目，搭建糖度测仪的界面布局，导入界面图片，在布局文件中设置两个Image View 控件用于接收苹果光谱图像，1 个Button 用于计算水果的糖度，1 个Text View 控件用于显示计算的糖度结果。②在糖度摄像界面设计选择Item 布局，在布局文件中分别设置4个Text View 控件用于显示拍摄水果时需提供的拍摄条件，设置2 个Text View 控件用于拍摄水果时选择相应的曝光和焦距。使用该软件的步骤为先安装至手机系统；打开后先调节相应的相机焦距和曝光时长，依次点击主页左右两个相机拍摄卤钨灯和苹果的光谱。③点击计算按钮即可得到糖度值。由于智能手机的摄像头安装了滤光片，在很大程度上手机无法接收到近红外光。但研究发现，越老旧的手机摄像头可捕捉到的近红外光越清晰，且不同型号的手机中使用的手机镜头和处理模式都存在差异。在本系统中使用手机型号为RealmeV3（RMX2200）的智能手机进行实验，在实际应用中可以通过增加曝光时间和调节焦距改善接收光谱。App 主页面见图7。

图7 App 主页面

2 系统测量结果分析

在对该设计系统进行性能测试时，对同一个苹果的同一部位进行对比测量，对比仪器使用的是市面上的爱拓PAL-1 数显测糖仪。由于时间及资金等因素的影响，该对比试验一共检测了3 个品种共500个苹果，一个苹果分3 个检测点进行糖度测量，再计算出平均糖度。如图8、表1所示，设计系统检测的糖度与市面仪器检测的糖度的曲线相差不大，通过误差公式可求得误差在0.80%～26.32%，准确度较高。