一种近红外光谱水果内部品质自动检测系统

近紅外光譜在水果甜度檢測之應用近紅外光譜範圍一般是指電磁波波長介於 700 nm－2500 nm，為肉眼不可見光。

由於化學分子在近紅外光譜區域的吸收峰帶相互重疊，所以較難與紅外光譜一樣可以解析特定波長與化學分子結構的關係。

當樣品的組成成分很複雜時，使用傳統單一波長的分析方法難已奏效，此時化學計量學中多變量分析方法可用來描述化學性質及濃度與部分光譜或全光譜的相互關係。

在進行數據分析之前，首先需將原始量測數據進行前處理以降低基線偏移的影響，常用的前處理技術包括中心平均化、微分、正常化、傅立葉轉換等。

接著進行定性分析或定量分析。

在定性分析上，主要是預測眾多樣品所屬之族群，如穀類產地與產季之鑑別、葡萄酒之產地鑑定及塑膠分類等，其方法首先是進行主成分分析 (principal component analysis, PCA)，了解各樣品之光譜族群分布，再以距離量測方法如馬氏距離 (Mahalanobis distance) 進行鑑別分析。

在定量分析上，較常見的多變量分析方法包括多元線性回歸 (multiple linear regression, MLR)、主成分回歸 (principal component regression)、部分最小平方回歸 (partial least squares regression, PLSR) 與類神經網路 (artificial neural networks) 等。

圖一、Beer's law 示意圖。

一般而言，MLR 與 PLSR 最常被使用，MLR 模式是使用一個至數個波長的光譜吸收值，以多元線性回歸的方式來預測待測成分之濃度，而 PLSR 是將整個光譜波段內的每一個波長均列入計算。

若和其他分析化學的方法作比較，近紅外光譜分析具有以下多種特性：1.分析樣品的時間很短，約在數毫秒 (ms) 至數秒間。

2.波長範圍內一次全光譜掃描，即可同時分析多種化學成分。

基于红外光谱的苹果糖度无损检测系统关键字：基于红外光谱的苹果糖度无损检测系统本文为Word文档，感谢你的关注！摘要利用近红外漫反射定量技术，设计了苹果糖度无损检测系统，采用最小二乘法建立了近红外光谱与苹果糖度之间的数学定量模型，对模型进行校验，得到苹果糖度实际值与预测值的相关性。

相关系数为0.7521，RMSE=1.1818。

采用980nm的激光二�O管作为特征光源。

光源经过苹果内部产生漫反射光信号，该信号被光电传感器采集。

用微控制器处理该信号再加上外围电路组成无损检测系统。

【关键词】苹果近红外光谱无损检测苹果富含矿物质和维生素，是人们最常食用的水果之一，是低热量食物，易被人体吸收，有“活水”之称，可以溶解硫元素，使皮肤润滑柔嫩，深受人们喜爱。

随着人们生活水平提高，人们对于苹果的含糖量有了新要求，但传统的折光仪有损检测时耗时、费力和效率低；无损的检测仪又携带不便、操作复杂、使用条件苛刻和价格昂贵等缺点不能普及推广使用。

因此在此基础上本文设计了这套无损检测系统，它具有便携、操作简单和低成本的特点。

国内外在苹果糖度的无损检测方面做过很多的研究，在国外如LammertynJeroen等人在2000年，在11363-6060cm-1范围内利用光纤探头对Jonadold苹果糖分含量进行了近红外光谱反射特性的试验研究，通过偏最小二乘法分析得出两者的相关系数在0.79-0.91之间；Zou等人在2007年利用遗传算法、间隔偏最小二乘法（iPLS）进行特征波段的挑选，提高了苹果糖度模型的预测精度；Liu等人在2007年分析了不同测量距离对苹果糖度无损检测的影响；在国内，刘燕德等人在2010年建立了红富士苹果糖度的近红外漫反射主成分回归PCR多元校正模型，得出相关系数：=0.844，标准校正误差SEC=0.729；韩东海等人在2014年利用近红外光谱结合混合线性分析法的一种变形算法HLA/XS建立苹果糖度校正模型，得出：=0.87611、标准预测误差SEP=0.4848；王加华等人利用近红外漫反射光谱结合主成分回归PCR和偏最小二乘法PLS研究了苹果糖度无损检测，通过比较二者的相关系数、标准校正误差和预测标准误差，得出偏最小二乘法PLS模型更优。

水果内部品质近红外动态在线检测研究进展摘要：近红外光谱分析技术具有无前处理、无污染、方便快捷、无破坏性、在线检测、多组分同时检测，适于现场检测和在线分析等特点，已经广泛应用于果蔬内部品质的无损检测中。

主要介绍了水果近红外光谱在线检测原理及组成，最近几年近红外在线检测技术在水果品质检测方面的国内外研究进展，指出了近红外光谱分析技术尚存在的问题，并对今后的近红外光谱分析技术进行了展望。

关键词：近红外光谱；在线检测；水果；内部品质随着人们生活水平的不断提高，人们对水果品质的要求越来越高。

不仅注重外部品质（大小、色泽等），同时也越来越关注其内部品质（口感、甜度等）。

这就使得在线检测分级尤为重要，近几年广阔的市场需求极大地促进了水果内部品质检测的发展。

传统破损式化学检测方法制样繁琐、检测时间长、需要专业人员操作，难以满足大批量水果的在线检测与分级需求。

而近红外光谱技术具有无损、效率高、快速、重现性好，适于现场检测和在线分析等特点，已在提高水果生产技术自动化水平和水果质量方面发挥了重要作用[1-7]。

近几年，随着近红外光谱分析技术和化学计量学的不断发展及研究，近红外光谱分析技术在水果品质检测的应用日渐成熟，已经逐渐从实验阶段走向应用阶段，从静态研究向动态在线检测发展；并且在动态在线检测方面取得了实质性的进展[8-11]。

本文主要介绍了水果近红外光谱在线检测原理及组成，并简述了最近几年近红外检测技术在水果品质检测方面的国内外发展现状，指出了近红外光谱分析技术尚存在的问题，并对今后的近红外光谱分析技术作了展望。

为近红外光谱在线检测技术的推广应用提供参考。

1 近红外在线检测原理及组成1.1 动态在线近红外检测原理及方式在进行水果动态在线检测时，光谱通过漫反射或透射或漫透射方式进行采集，如图1所示，透射和漫透射的优缺点是：①可以测量果实整体；②可以测量厚皮果品；③可以检测果实内部特征；④只限于易透光物料；⑤需要配置高灵敏度、高动态范围检测器。

一、选题的目的与意义随着国家经济的快速发展和国民生活水平的显著提高，新鲜果品及各种水果制品以其独特的口感和丰富的营养价值逐渐成为人们继主食之后的最主要休闲食品之一。

我国是世界第一大水果生产和消费国，除粮食、蔬菜之外，水果在国内已成为第三大种植产品，在农业和农村经济发展中更是占据着十分重要的地位。

据国家统计局2008年发布的信息显示：我国苹果、梨、桃、李和柿子的产量均居于世界前5位；尤其是柿子和梨，中国的产量分别占世界总产量的71.5%和52.9%；苹果和梨的产量也占世界产量的40%左右；另外，猕猴桃、柑桔、葡萄、香蕉等产量也呈急剧上升趋势。

虽然这些年我国水果产量在世界始终处于前列，但原果品质以及水果加工制品质量却与世界发达国家相比存在很大的差距，这也是限制我国水果产业健康发展并走向世界的巨大瓶颈（李辰2010）。

导致这种差距的主要原因归结于果实田间生长期间、采摘后储藏过程中以及后续加工环节里未能及时、全面掌握果品品质变化，准确、客观了解果实品质特性。

果品的品质特性通常根据其糖度、硬度、酸度、颜色、形状和产地等多种指标来综合评价。

在国家标准及进出口检验中，常通过检测糖度、硬度和酸度来评价果品的品质特性，但因各种水果的品质差异较大，实际检测中可根据具体情况选取合适的测定指标。

目前，国内仍多采用传统破坏式检测方法对果品品质进行评价，即选取一定实验样本，经复杂的预处理后、通过破坏样品组织结构的方法来检测所需物化指标的方法，该方法不仅费时费力、浪费样品，而且难以实现大批量样品的分析和生产、加工环节中的实时在线检测。

因此，利用先进的现代无损检测技术代替传统检测方法对于实现果品的生产、储藏、加工及流通各环节的质量控制与品质保证，从而突破我们果品产业发展瓶颈具有非常重要的实际意义。

所谓无损检测技术是在不破坏检测样品的前提下，利用对象内部结构特异性及组分含量多少所引起的对热、声、光、电、磁等反应的变化，来探测各种农产品内部指标。

目录一绪论 (1)二功能原理设计 (3)三实用化设计 (8)四商品化设计 (11)参考文献 (12)一．绪论1.1选题原因近年来，随着农业科技的发展和人民生活水平的提高，国内外水果品种越来越多，人们对水果的品质也有了更高的要求。

为了提高水果的加工质量和出品等级，需要对水果进行严格的质量分级和大小分级。

现有的水果分选机大多结构较为复杂，一般多以大型生产线为主，制造成本较高，分选效率也较低，分选成本较高，现有的水果分选机又以重量分选机为主，而农产品基地的水果销售多以尺寸大小、质地为衡量标准，重量分选机就不适合在农产品基地使用。

因此有必要要设计一种成本较低，容易操作，适合中小型企业和水果产地使用的水果分选机。

目前，我国具备先进水果分选设备的企业很少，有大型生产线的企业也仅仅是对质量和大小进行分选,装备比较落后。

因此，市场上销售的水果大多数依靠机械配合人工的方式实现分级。

人工分级的主要缺点是：劳动量大、生产率低而且分选精度不稳定；水果分选难以实现快速、准确和无损化。

截止到目前为止，国内外已有不少学者及科研人员在此领域取得了重大进展。

根据水果检测指标的不同，水果分选机大致可分为大小分选机、重量分选机、外观品质分选机和内部品质分选机。

1.2发展现状（1）大小分选机大小分选机是按照水果大小进行分选，在水果分选机中应用最为广泛。

目前可用于苹果类圆形水果分选的方法有筛子分选法、回转带分选法、辊轴分选法、滚筒式分选法等。

其中，前3种方法由于各自存在不同的缺点而未能推广使用。

滚筒式分选法其分选装置主要由喂料机构、V型槽导果板、分选滚筒、接果盘及传动系统组成。

工作时，水果由倾斜输送器提升后，先经手选装置由人工剔除伤残果，然后通过输送带送入果箱，打开料门，输送至导果槽板。

在此，水果自然分行滚动，不会出现水果堆积和阻碍现象。

分选滚筒开有孔径逐级增大的圆孔，水果从V型导果槽板流至滚筒外边进行自动校径的分选。

小于分选孔的水果先从第一滚筒分选孔落入接果盘，大于分选孔的则经V型导果槽继续向前滚动，直至遇到相应分选孔落下，于是在不同的接果盘可得到不同等级的水果。

第３１卷第２期光电工程Vol.31, No.2 ２００４年２月 Opto-Electronic Engineering Feb, 2004文章编号应义斌1（１浙江 杭州　３１００２９江西农业大学工学院基于近红外光谱技术而建立水果糖份含量的测量系统光纤漫　反射附件和数据采集卡标准校正误差为０．３１７该测量系统可以直接用于水果糖份含量的快速定量分析且预测精确度可达到９５％糖量测量系统；　近红外；　光谱仪；　水果；数据采集卡　中图分类号AA Near-Infrared Diffuse Reflection Type MeasuringSystem for Sugar Content of Fruit DropsLIU Yan-de1,2, YING Yi-bin1(1. College of Biosystem Engineering and Food Science,Zhejiang University, Hangzhou 310029, China;2. College of Engineering, Jiangxi Agricultural University, Nanchang 330045, China)Abstract: A measuring system for sugar content of fruit drops is developed based on near-infrared spectral techniques. The system mainly consists of FT-IR spectrum analyzer, optic fiber diffuse reflection accessories and data sampling card. Prediction tests for sugar contents of 56 apples are carried out by the system. The testing results are: standard correcting error=0.317 and standard prediction error=0.487. The measuring system can be directly applied to fast quantitative analysis for sugar content of fruit drops and the prediction accuracy can be up to 95%.Key words: Sugar content m easuring systems; Near-infrared; Spectrum analyzer; Fruit; Data collection card引言农产品光学特性无损检测和分级是近三十五年发展形成的新技术机气一体化的结晶[1]消费者在选购水果时对于内部品质如口感因此近红外漫反射分析技术是七十年代发展起来的一项实用定量分析技术具有价廉快速和无损伤性等特点尤其是农产品质量评价方面有广泛的应用价值[3]建立了用于水果糖份含量的测量系统试验取得了较为满意的结果２００３－０４－２９２００３－０７－２９　基金项目刘燕德(1967－),女(汉族)副教授主要从事农产品光学特性检测. Email: liuyd@万方数据52光电工程第３１卷第２期１ 测量机理及系统组成 １．１ 近红外漫反射测量机理　近红外漫反射测量技术的基本工作程序如图1测试标准样品的光学数据即漫反射率R R)形式然后便可以对未知样品进行分析主要包括50W石英卤素灯(Nicolet近红外漫反射光纤附件其框图如图2然后从水果内部那里漫射出来的光从接收光纤射出进入FT-IR Nexus光谱仪因此漫反射光谱信号通过光谱采集卡存储于计算机内存中最后在显示屏上实时地显示结果同时也作为一个柔性支架以适应不同形状的水果其主频256Hz, 内存128Mbits光谱范围2600nm采样间隔2.5nm信噪比0.9494cm/s 光圈大小聚四氟乙烯标准块１．３ 水果的近红外漫反射光谱　利用以上近红外漫反射测量系统(如图2)图3为不同水果品种的原始吸收光谱1452nm峰随着含量的不同利用OMINIC6.1对原始吸收光谱进行一次微分(Dlog(1/R)25点) 和二次微分(D2log(1/R)25点)为今后水果糖度检测光谱范围的有效选取提供依据PLS它可以建立同时对多个组分进行预测的回归模型[5]其差别在于用于描述变量Y中因子的同时也用于描述变量X在数学上是以矩阵Y的列去计算矩阵X的因子矩阵Y的因子则由矩阵X的列去预测T和U的矩阵元分别为X和Y的得分２００４年２月 刘燕德　等即主成分E 和F 分别为运用偏最小二乘模型去拟合X 和Y 所引进的误差则 TB U = (3)U T T T B ′′=−1)( (4)在预测时然后得到BQ T Y P P = (5)２．２ 基于ＰＬＳ模式的数学模型　利用图2的测量系统并建立苹果近红外光谱和苹果糖度化学值[真值]建立数学模型9.8ºBrix~17.50ºBrix得出PLS 预测40个标准苹果样品中的糖度预测值其标准校正误差(SEC )为0.317２．３　模型的稳定性检验　用已建立的数学模型对剩余16个样品的糖份含量进行预测为11.5°Brix~14.70°Brix结果为样本真实值和预测值有相关系数为0.901说明本次试验所建立数学模型的稳定性较好利用该系统对水果糖份含量的无损检测进行了试验研究近红外漫反射式测量系统能简便参考文献：　[1] 应义斌,刘燕德. 水果内部品质光特性无损检测研究及应用[J]. 浙江大学学报(农业与生命科学版), 2003,29(2): 1258.[3] SLAUGHIER D C. Nondestructive determination of internal quality in peaches and nectarines[J]. Transaction of the ASAE.1995, 38(2): 61749.[5] 陆婉珍, 袁洪福, 徐广通, 等. 现代近红外光谱分析技术[M]. 北京143.fefefefefefefefefefefefefefefefefefefefefefef 参考文献低能X 射线数字成像内视仪的研制[J]. 仪器仪表学报23(6)595. [2] 程耀瑜，胡　2002359－363.[3] 伍丁红. 增强并行口EPP 协议及高速并行口A/D 转换器的设计[J]. 电子技术应用2: 47－49.[4] NAGARKAR V V . CCD-based high resolution digital radiography system for nondestructive evaluation[J]. IEEET rans .Nucl.Sci, 1998, 44:885－889.万方数据。

水果糖度和酸度的近红外光谱无损检测研究水果糖度和酸度的近红外光谱无损检测研究近年来，随着人们对食品安全和品质的关注度不断提高，无损检测技术在食品行业中的应用变得越来越重要。

水果作为一种常见的食品，其糖度和酸度是评价其品质和口感的重要因素之一。

本文旨在研究利用近红外光谱技术来无损检测水果糖度和酸度的可行性和有效性。

一、近红外光谱技术的原理和特点近红外光谱技术是一种应用于分析化学和食品科学领域的非破坏性检测方法。

其原理是利用近红外光在样品上的吸收和反射特性，通过采集和分析光谱信息，来推断样品的组成和特征。

相比于传统的化学分析方法，近红外光谱技术具有简单、快速、经济、无污染等优点，因此被广泛应用于食品质量检测领域。

二、水果糖度和酸度的相关性分析糖度是指水果中可溶性糖的含量，主要由葡萄糖、果糖和蔗糖等组成，直接影响水果的甜度和口感。

酸度是指水果中酸性物质所含量的度量，通常以酸度值（以柠檬酸或苹果酸等为基准）来表示，直接影响水果的酸味和口感。

研究表明，糖度和酸度在一定程度上呈负相关关系，即水果的糖度增加，酸度相对减少。

三、构建水果糖度和酸度的近红外光谱模型在实验中，我们选取了常见的水果品种，例如苹果、梨、葡萄等，并结合传统化学分析方法，测定了它们的糖度和酸度。

同时，使用近红外光谱仪器对水果样品进行光谱扫描，获取了相应的近红外光谱数据。

首先，对原始光谱数据进行预处理，包括去除基线漂移、正则化处理、光谱平滑等。

然后，利用光谱数据和对应的糖度和酸度数据建立回归模型。

常用的回归方法包括偏最小二乘回归（PLSR）和支持向量机回归（SVM-R）等。

通过交叉验证和模型评价指标，筛选出最优的模型。

四、模型验证和应用为了验证模型的准确性和鲁棒性，我们采用了不同批次、不同品种和不同处理条件下的水果样品进行实验。

实验结果表明，基于近红外光谱的模型能够准确预测水果的糖度和酸度，与传统化学分析方法的结果一致。

同时，模型对于各个水果品种和处理条件具有较好的适应性和稳定性。