郭亞 程亮 秦斌

摘要糖度是判斷蘋果質量好壞的一個重要參考標準，針對蘋果糖度的檢測問題，設計了一種以Cortex-A9為內核、以自研發(fā)的可見-近紅外光譜儀（波長范圍400～1 000 nm）作為光譜檢測裝置、以Linux為操作系統的便攜式蘋果糖度無損檢測儀。以山東煙臺的100個紅富士蘋果為材料，采集了漫透射檢測方式下基于自收發(fā)光機構的蘋果漫透射光譜曲線，結合化學計量學方法，對樣本的全光譜曲線使用了平均法和Savitzky-Golay卷積平滑光譜預處理方法，將預處理后的光譜數據按波峰位置劃分區(qū)間，并分別按照全光譜范圍和所劃分區(qū)間的波段范圍建立PLS模型來預測蘋果的糖度含量。結果表明，經預處理后的全光譜數據所建立的PLS模型預測效果最好，優(yōu)于按波峰劃分區(qū)間所建立的PLS模型，其校正相關系數為0.96、預測相關系數為0.87，校正均方根誤差為0.31、預測均方根誤差為0.34。同時對儀器工作時的預測穩(wěn)定性進行了測試，測試結果得出檢測精度可控制在±0.2 Brix以內，模型預測精度滿足現場快速檢測應用要求。

關鍵詞糖度；蘋果；近紅外光譜；便攜式；無損檢測；嵌入式系統

中圖分類號TP23文獻標識碼A文章編號0517-6611（2017）14-0191-08

AbstractSugar content is an important reference standard to judge the quality of apple，a portable apple soluble solids content spectrometer was designed with CortexA9 as controller，selfdeveloped nearinfrared spectrometer（the wavelength range of 400 to 1 000 nm） as spectrum detector，Linux as embedded operating system.The total number of 100 apple samples from Yantai，Shandong Province were used as the test objects.Collecting optical transceiver diffuse transmission spectral curves，combined with the method of chemometrics，the full spectrum of the sample was processed by averaging method and SavitzkyGolay convolution smoothing spectral pretreatment method，and the spectral data of pretreatment were divided according to the wave peak position，then PLS model was established to predict the sugar content of apple.Experimental results showed that the full spectrum of PLS models set up in average and smooth pretreatment way were better than that of divided by wave peak position.The correlation coefficient of Rc=0.96，the Rp=0.87，root mean square error RMSEC=0.31，RMSEP=0.34.Meanwhile，work to predict the stability of the instrument were tested，the test results obtained detection accuracy could be controlled within ± 0.2Brix，the prediction accuracy of the model met the requirements of onsite inspection applications.

Key wordsSugar content；Apple；Near infrared spectrum；Portable；Nondestructive inspection；Embedded system

隨著人們生活水平的提高，消費者對蘋果的品質有了更高的要求。從過去單一的追求外觀形狀、色澤、有無蟲眼等發(fā)展到酸度、甜度、有無農藥殘留等內部品質的要求。但傳統的蘋果分選只能依賴于人眼通過經驗辨別它的外部特征進行分級，蘋果的外觀質量并不能反映其內在的品質，且人工分選容易受到外界光線、個人工作狀態(tài)等影響，準確性和效率較低。近紅外光譜技術的發(fā)展，為蘋果糖度的快速、無損檢測提供了技術支持。近年來，大量的研究將可見-近紅外光譜技術應用于水果內部品質的檢測分析[1-3]：常冬等[4]以蘋果作為試驗樣本，對3種不同的近紅外光譜分析儀從檢測方式、處理方法和儀器參數等方面進行比較，并對實際的使用效果做分析對比，為使用者挑選購買相關產品提供了有力的參考；王加華等[5]采集了幾種不同溫度下的蘋果漫透射光譜數據，使用二階導數和卷積平滑方法進行光譜預處理并結合PLS建模，同時使用斜率-偏差法對溫度進行了校正，使得在不同溫度下的預測精確度得以提高，增大了儀器對溫度的適應性；代芬等[6]利用人工神經網絡算法進行特征波段的挑選，提高了蘋果糖度模型的預測精度和模型性能。Antonucci等[7]利用便攜式近紅外光譜儀，結合PLS 建模，檢測了小蜜橘和柑橘的可溶性固形物含量；Chauchard F等[8]應用便攜式光譜儀檢測葡萄的酸度。Jha等[9]采用多元散射校正（MSC）的預處理方式和多元線性回歸（MLR）建模對蘋果的總固形物、酸度和糖度進行了預測效果的研究。Greensill等[10]、McGlone等[11]、Schaare等[12]對水果檢測時的光譜采集方式進行了研究和比較，得出漫透射式檢測效果最好的結論。以上研究建立的蘋果糖度模型穩(wěn)定可靠，但局限于實驗室，不適用于現場實時快速檢測，并且成熟使用的產品較少；而國外公司的成熟產品不斷進入我國水果市場，給實際的生產銷售帶來便利的同時也存在著價格高昂、操作復雜、售后服務困難等問題。為此，筆者設計了基于可見-近紅外光譜技術的蘋果糖度無損檢測儀，并以紅富士蘋果為試驗對象，建立蘋果糖度的近紅外光譜PLS 模型，并對模型可靠性、穩(wěn)定性和預測精度進行驗證，得到適用于該儀器的檢測蘋果糖度的近紅外光譜模型。

1便攜式蘋果糖度無損檢測儀的設計

1.1便攜式蘋果糖度無損檢測儀的硬件設計蘋果糖度無損檢測儀的硬件系統主要包括光譜儀、收發(fā)光機構、ARM核心開發(fā)板（包括核心處理板、WiFi模塊、觸摸顯示屏）及外圍配套電路等幾大部分，其結構框圖見圖1。收發(fā)光機構讓光源發(fā)出的光有效透射和被光譜儀接收，光譜儀用來采集蘋果采樣點的漫透射光譜，ARM核心處理板完成數據的處理，WiFi模塊實現數據的遠程傳輸，觸摸顯示屏完成人機交互。

1.1.1光源的選擇。光源是水果無損檢測儀的重要組成部分，光源選擇的正確與否直接關系到儀器的穩(wěn)定性和檢測的精度，甚至于開發(fā)的成敗。在能夠反映水果特征峰的波段內

光源必須要能保證足夠的強度和穩(wěn)定性，二者直接關系到檢測儀的信噪比高低[13]。同時，光源所能涵蓋的波長范圍也決定著儀器對波長的檢測范圍。

目前，近紅外光譜技術采用的光源有很多種，常用的有鹵素燈、發(fā)光二極管（LED）和激光等作為光源，表1為3種類型光源的對比。因為該研究以蘋果為主，采用的是漫透射的檢測方式，通過試驗和調研，為了能夠獲得穩(wěn)定的近紅外光譜，又綜合考慮其發(fā)熱、價格、使用壽命等多方面因素，最終采用了穩(wěn)定性較好又能提供足夠發(fā)光強度的鹵素燈，型號為“EYE JCR 12 V 100 W”。

鹵素燈是白熾燈的一種，燈絲和外殼分別由鎢絲和石英玻璃制成，玻璃外殼內填充有鹵素氣體。設計中使用的光譜儀響應波段為400～1 000 nm，水果樣品在其中的連續(xù)光譜區(qū)域500～1 000 nm 內具有明顯的特征峰。其光譜曲線如圖2所示，該光源在400～1 000 nm的光譜區(qū)域內能夠達到較高的發(fā)光強度和穩(wěn)定性。

1.1.2光路的布置。光路布置方式是根據檢測方式而決定的，設計采用的是漫透射型檢測方式，從裝置的操作便利和機構的簡易考慮，最終采用光纖導出，同時與收光口保持對稱的結構形式。收發(fā)光機構的結構和實際效果分別如圖3、4所示。

光源的收發(fā)件安裝于光譜儀之上，與光源之間在空間上存在一定的距離，使用一條光纖將光源的光傳導至收發(fā)光機構的發(fā)光口處。不同介質所制成的光纖所能傳遞的波長范圍和效率均有差異，而石英光纖具有傳導波長范圍大（0.38～2.10 μm）、機械強度和彎曲性能均較好等優(yōu)勢。但普通商品化石英光纖一般光通量低、受光面積小，不能滿足蘋果透射光譜檢測的實際需要，故經與光纖廠家溝通，定制了受光口徑8 mm的石英光纖。為進一步增強發(fā)光口的光照強度，在光纖前端加裝了聚焦透鏡，透鏡安裝在鹵素燈的燈杯焦點所在的位置，如圖5所示。

1.1.3光譜儀。在便攜式水果糖度無損檢測儀器中光譜儀的作用是將光纖傳導回來的光通過CCD傳感器轉換成電信號，再進行放大、濾波、整形和A/D轉換一系列的處理后，將轉換后的數字信號傳送至核心處理板進行數學運算。該研究中采用經典的切尼-特納（Czerny-Turner）對稱式光學結構[14]基于平面光柵自行開發(fā)的微型光譜儀，其實物如圖6所示。

為滿足可見-近紅外段光譜檢測的要求，該研究選用了日本索尼公司的ILX511CCD傳感器，用于將成像系統焦平面上的光譜能量接收，表2中列出了該CCD傳感器的具體參數，圖7為其光譜響應曲線。

1.1.4附件模塊。為提高操作效率，保證一定的用戶體驗，該設計采用微動開關觸發(fā)的方法實現控制水果的檢測。具體實現方式為將微動開關置于收發(fā)光口兩個閉光橡皮圈之間，每次水果檢測時觸動微動開關，給到核心控制板IO口一個低電平實現觸發(fā)檢測。結合收發(fā)光機構的結構形式和體積兩方面考慮，微動開關最終選擇型號為“歐姆龍V-156-1C25”，其實物如圖8所示。

1.1.5蘋果糖度檢測儀樣機及硬件平臺。由于該研究中采用的光源是發(fā)熱量較大的鹵素燈，且糖度檢測儀殼體密閉性較好，光譜儀CCD對溫度有一定的要求。為保證儀器的穩(wěn)定性能，在殼體兩側分別安裝一個風扇，用于降低儀器殼體內部的溫度。如圖9和圖10分別為便攜式糖度檢測儀的樣機和硬件平臺。

1.2便攜式蘋果糖度無損檢測儀的軟件設計設計所采用的核心處理板選用Linux嵌入式操作系統，在該操作系統下，編寫相應的程序，其主要作用是將光譜儀采集到的光譜信息轉換成方便數據處理的文檔格式，結合糖度預測模型，同時在觸摸顯示屏上進行預測糖度值的顯示，采集的光譜數據也可以TXT文本格式進行保存?？筛鶕煌瑢嶒灥男枰谲浖蠈庾V儀進行相關參數設置，包括背景光譜的采集、光源光譜的采集、積分時間設置、平滑度設置和平均次數設置等。此外，軟件系統還具有水果類型選擇、偏移值校正（對于檢測儀使用過程中出現的檢測值誤差，根據實測值和檢測值的偏移值進行手動設置補償）、數據存儲及拷貝等基本功能。觸摸顯示屏的作用是對裝置的軟件進行操作，以及對被測樣品的檢測結果進行顯示。軟件的操作界面如圖11所示，界面直觀易操作，在正常情況下，直接點擊開始按鈕就可以進入工作狀態(tài)。

2便攜式蘋果糖度無損檢測儀的試驗

2.1試驗材料及樣品處理測試所使用的樣本是產地為山東煙臺的紅富士蘋果，采購自深圳市南山區(qū)水果批發(fā)市場。購回后的樣本，經人工挑選確認大小合適、形狀規(guī)則及表面無損傷后作為供試樣本。使用濕毛巾將水果表面的灰塵擦洗干凈，以排除表面雜物對光譜采集的影響。樣本蘋果在室溫下放置1 d后，每個蘋果在赤道部位分隔120°，取1個光譜和糖度的測試點，并按順序依次對其編號，如圖12所示。

2.2光譜數據的采集在該設計中采用水果靜止放置采集漫透射光譜的檢測方式。上電使光源預熱10～15 min，待光譜儀采集到的光譜曲線穩(wěn)定后方可進行樣本光譜的采集工作。在采集的過程中將積分時間調整為80 ms，平均采集3次，平滑窗口大小設置為6，以CCD的原始響應，先后采集暗場光譜和參比（光源）光譜，如圖13所示，以光譜儀收光口被堵住時采集到的光譜信號作為暗場光譜，以空氣作為背景白板反光時測得的光譜信號作為參考光譜， 最后將采集到的樣本漫透射光譜進行透射率（T%）的轉換。

透射率即透過樣品的透射光強與入射光強的比值，在透射模式下可以測量樣品的透射率。透射率的測量遵循以下公式：

式中，Sλ為在波長處的樣品光譜；Dλ為在波長處的暗背景光譜；Rλ為在波長處的參考光譜。

圖14所示為采集的100個樣本的漫透射光譜曲線。由圖14可見，采集的蘋果漫透射光譜曲線兩端區(qū)域均存在噪聲，在設計過程中選取波長520～940 nm的波段作為蘋果糖度定量分析的光譜數據。

2.3蘋果糖度的理化分析糖度是評判水果質量的一個重要指標，果蔬中的可溶性固形物的含量（SSC）通?？梢源笾卤硎酒涮嵌戎?。國家標準GB/T 12295—1990《水果、蔬菜制品可溶性固形物含量的測定折射儀法》規(guī)定了水果可溶性固形物的檢測原理及方法[15-16]。

可溶性固形物是指液體或流體食品中所有溶解于水的化合物的總稱，包括糖、酸、維生素、礦物質等。果蔬在榨汁后形成的汁液中可溶性固形物的含量與它的折光率成正比例關系[17]，所以通過汁液的折光率可以求出它的可溶性固形物含量，即可近似為糖度的含量。

在蘋果上標記采集光譜的位置，取直徑約為2.5 cm的半球狀果肉（用專業(yè)的挖果工具進行），削去果肉上的果皮，用家用蒜泥器將其榨汁并保存在小燒杯中，采集到的果汁經3層紗布過濾后通過漏斗滴到數字折光儀的檢測棱鏡面上（每次均保證果汁面與折光儀檢測口平齊），按下“開始”鍵進行多次重復測量，待糖度值顯示穩(wěn)定后則記錄下數值做為其糖度參考值。此次設計從100個蘋果共300個采樣點中得到可溶性固形物含量分布，其含量分布服從正態(tài)分布，如圖15所示，具體糖度含量分布在9～15 Brix?？倶颖緮?6%的蘋果在10～14 Brix的糖度范圍內。為了提高模型檢測的精確度，所建立的糖度預測模型主要針對糖度值在10～14 Brix范圍的蘋果。

2.4糖度預測模型的建立與檢測

2.4.1果皮對檢測的影響。為研究蘋果的表皮顏色對光譜測量是否存在影響，從樣本中選取20個表皮顏色差異較大的蘋果進行測試。對選取的20個樣本的陽面、陰面各標記一個測試部位，對選取的部位分別在蘋果完好和削去果皮的情況下測試其光譜曲線，如圖16為蘋果的一個采樣點在完整和去皮情況下的光譜曲線對比圖，同時對測試點的果肉進行糖度值的測試，如表3為20個樣本果陽面和陰面糖度值差距的統計結果。

對上述統計結果進行分析，可知在有無果皮的情況下，光譜曲線的走勢基本一致，波峰、波谷位置也相同，只是光譜的透過率幅值存在差異，在有果皮的情況下，光譜透過率的幅值要高于無果皮的情況。由以上試驗數據分析可得，果皮不會改變蘋果的漫透射光譜曲線的走勢，但對其透過率曲線的幅值有一定影響。

2.4.2糖度預測模型的建立。在建立蘋果糖度預測模型之前，要對蘋果采樣點的光譜數據進行采集，為減小單次采樣誤差，對每個采樣點在采樣條件不變的情況下連續(xù)采集3次求平均的方法進行光譜數據的采集。隨后，對采集到的光譜數據選取最佳的窗口長度進行Savitzky-Golay卷積平滑濾波，將采集到的100個樣本蘋果共300個采樣點的光譜數據按照13∶2 的比例分成校正樣本集和預測樣本集，運用PLS模型算法進行不同光譜波段數據的建模，找到效果最好的建模波段并用預測集樣本進行驗證。最后，將模型導入到糖度檢測儀，對其檢測準確度進行校正后做穩(wěn)定性的測試。

2.4.2.1光譜數據的預處理。使用平均法消除單次采樣的誤差。 由于受到蘋果上機檢測時自身晃動漏光、儀器振動、電路噪聲等隨機誤差的影響，在保持采樣條件不變的情況下對一個樣本的同一個采樣點進行光譜數據的連續(xù)多次采集時光譜曲線會存在著輕微的波動。為減小這種光譜曲線的波動給后續(xù)建模帶來的影響，遂采用連續(xù)采集3次光譜數據對其求平均的方法來降低光譜曲線的波動性，如圖17為同一采樣點連續(xù)采集3次的光譜曲線。

使用平滑的預處理方法消除光譜噪聲。在使用Savitzky-Golay卷積平滑濾波時，窗口長度的選擇尤為關鍵。如果在平滑去噪濾波的過程中，窗口長度選擇過大則會導致過度平滑，使一些細節(jié)信息丟失； 反之，濾波效果不佳，噪聲依然存在，影響建模質量。如圖18所示，從上至下是平均光譜和窗口寬度分別為5、7、9時的光譜曲線圖，對比可知，在窗口長度為9時光譜曲線能夠得到較好的平滑效果。

2.4.3模型的建立。根據蘋果的光譜曲線，找到曲線中的3個特征波峰，以這3個波峰為分界點將全光譜段分為504.34～926.89、654.25～810.31、705.17～926.89、810.31～926.89 nm 4個不同的建模波段范圍，如圖19所示為4個波段的分區(qū)圖。

根據以上4個分區(qū)分別建立PLS糖度預測模型，將之前

分好的校正和預測集樣本數據分別進行模型的驗證，通過模型計算后得到模型的性能評價指標，其結果如表4所示，建立的模型其函數表達式為

式中，y為預測的糖度值；x1，x2，x3，…，xn為參與建模的各個不同頻率波長點所對應的光譜透過率數值。

從表4中可以看出，經3次采樣后平均以及窗口長度為9的平滑處理后基于全光譜（504.34～926.89 nm）建立的PLS數學模型檢測效果最好，其校正集評價性能指標校正相關系靈敏為0.96，校正均方根誤差為0.31，預測集評價性能指標預測相關系數為0.93，預測均方根誤差為0.34。

在完成建模后需進行進一步的驗證，以檢驗實際預測效果，將之前分好的校正集樣本和預測集樣本數據分別用得到的模型進行糖度值的預測，并與實測值進行比較，通過模型計算后與實際糖度值對比的效果如圖20所示。

由圖20可得，蘋果中的糖度與其在504.34～926.89 nm漫透射光譜波段有較大的線性相關性，該研究中所選取的波段范圍和建模方法是可行的；預測值和實測值的差值控制在±0.4 Brix以內，可以看出該模型的預測效果較為理想。但作為實際的產品使用時需采用校正差值的方法減小檢測誤差，同時需要保證糖度檢測儀的穩(wěn)定性。

2.5穩(wěn)定性測試在系統精度要求得到滿足之后，有必要就整個糖度檢測儀做一些重復性的測試，以保證其穩(wěn)定性。導入模型至糖度儀后，在使用之前選取6個蘋果進行糖度儀檢測值與實測值的比較，求取平均誤差后，使用檢測軟件進行校正補償，隨后對其進行穩(wěn)定性的測試。對使用校正過后的糖度檢測儀選取2個糖度相差比較大的蘋果，在2個蘋果上各取一個測試點，并對該測試點連續(xù)進行10次測量。 表5

圖21為含糖量14.8和11.6 Brix的蘋果使用校正過后的蘋果糖度檢測儀重復測量的結果與實測值之間的相關圖。

從2次試驗的結果可以看出，經糖度檢測儀誤差偏移值校正后，其預測值與實測值的最大差值在±0.2 Brix以內，說明該設計中所采用的算法是穩(wěn)定可靠的。

3結論

為了更加便攜、快速地檢測蘋果糖度，設計出基于嵌入式Linux操作系統的便攜式蘋果糖度無損檢測儀，并結合真實采集的山東煙臺的蘋果糖度數據對光譜數據進行求平均和Savitzky-Golay卷積平滑濾波進行預處理并采用不同的波段分區(qū)對PLS的實際建模效果進行了比較，結果表明，采用全光譜參與建模效果最佳，其校正相關系數為0.96、預測相關系數為0.87，校正均方根誤差為0.31、預測均方根誤差為0.34。同時，對整機工作時的預測穩(wěn)定性進行了測試，檢測精度可控制在±0.2 Brix以內。該檢測儀價格低廉、攜帶方便、操作簡單、能快速便捷地檢測蘋果糖度。在后續(xù)的工作中將會考察更多的建模預測算法，并結合大數據、物聯網和云計算，構建“云+網+端”的檢測平臺，一方面可以監(jiān)測產區(qū)的生產質量和狀況；同時也可以為糖度檢測儀的模型修改與維護提供遠程服務，通過建立近紅外光譜的標準數據庫，挖掘潛在的有價值信息，拓展其應用范圍。

參考文獻

[1] CDRIC C，CHRISTEN D.Nondestructive assessment of apricot fruit quality by portable visiblenear infrared spectroscopy[J].LWTFood Science and Technology，2009，42（6）：1125-1131.

[2] BELLONMAUREL V，MCBRATNEY A.Nearinfrared（NIR）and midinfrared（MIR）spectroscopic techniques for assessing the amount of carbon stock in soilsCritical review and research perspectives[J].Soil biology and biochemstry，2011，43（7）：1398-1410.

[3] PAZ P，SNCHEZ M T，PREZMARN D，et al.Instantaneous quantitative and qualitative assessment of pear quality using near infrared spectroscopy[J].Computers and electronics in agriculture，2009，69（1）：24-32.

[4] 常冬，王加華，蔣圣楠，等.三種不同便攜式可見/近紅外分析儀對比研究[J].食品安全質量檢測學報，2011，2（5）：231-234.

[5] 王加華，戚淑葉，湯智輝，等.便攜式近紅外光譜儀的蘋果糖度模型溫度修正[J].光譜學與光譜分析，2012，32（5）：1431-1434.

[6] 代芬，洪添勝，尹令，等.基于人工神經網絡的蘋果可溶性固形物無損檢測[J].農機化研究，2011（10）：134-137.

[7] ANTONUCCI F，PALLOTTINO F，PAGLIA G，et al.Nondestructive estimation of mandarin maturity status through portable VISNIR spectrophotometer[J].Food and bioprocess technology，2011，4（5）：809-813.

[8] CHAUCHARD F，COGDILL R，ROUSSEL S，et al.Application of LSSVM to nonlinear phenomena in NIR spectroscopy：Development of a robust and portable sensor for acidity prediction in grapes[J].Chemonetrics and intelligent laboratory systems，2004，71（2）：141-150.

[9] JHA S N，GARG R.Nondestructive prediction of quality of intact apple using near infrared spectroscopy[J].Journal of food science and technology，2010，47（2）：207-213.

[10] GREENSILL C V，WALSH K B.Optimization of instrumentation precision and wavelength resolution for the performance of NIR calibrations of sucrose in a watercellulose matrix[J].Applied spectroscopy，2000，54（3）：426-430.

[11] MCGLONE V A，JORDAN R B，MARTINSEN P J.Vis/NIR estimation at harvest of preand poststorage quality indices for ‘Royal Galaapple[J].Postharvest biology and technology，2002，25（2）：135-144.

[12] SCHAARE P N，FREASER D G.Comparison of reflectance，interactance and transmission modes of visiblenear infrared spectroscopy for measuring internal properties of kiwifruit（Actinidia chinensis）[J].Postharvest biology and technology，2000，20（2）：175-184.

[13] 范國強.基于近紅外光譜技術的蘋果內部品質在線檢測的機理研究[D].淄博：山東理工大學，2007.

[14] 張國棟.便攜式光纖光譜儀光學系統設計與分析[D].西安：西安電子科技大學，2013.

[15] 中國農業(yè)科學院蔬菜花卉研究所.水果、蔬菜制品 可溶性固形物含量的測定 折射儀法： GB/T 12295—1990[S].北京：中國標準出版社，1990.

[16] 黃麗娟.羅漢果果實發(fā)育、加工、貯藏過程中活性成份的研究[D].南寧：廣西大學，2009.

[17] 劉佩.高失水性新鮮果蔬包裝內環(huán)境濕度調節(jié)技術的研究[D].西安：西安理工大學，2014.