基于紅外光譜的蘋果糖度無損檢測系統

張猛+張昕明+高銘萱+詹念+程坤

摘 要 利用近紅外漫反射定量技術，設計了蘋果糖度無損檢測系統，采用最小二乘法建立了近紅外光譜與蘋果糖度之間的數學定量模型，對模型進行校驗，得到蘋果糖度實際值與預測值的相關性。相關系數為0.7521，RMSE=1.1818。采用980nm的激光二極管作為特征光源。光源經過蘋果內部產生漫反射光信號，該信號被光電傳感器采集。用微控制器處理該信號再加上外圍電路組成無損檢測系統。

【關鍵詞】蘋果 近紅外光譜 無損檢測

蘋果富含礦物質和維生素，是人們最常食用的水果之一，是低熱量食物，易被人體吸收，有“活水”之稱，可以溶解硫元素，使皮膚潤滑柔嫩，深受人們喜愛。隨著人們生活水平提高，人們對于蘋果的含糖量有了新要求，但傳統的折光儀有損檢測時耗時、費力和效率低；無損的檢測儀又攜帶不便、操作復雜、使用條件苛刻和價格昂貴等缺點不能普及推廣使用。因此在此基礎上本文設計了這套無損檢測系統，它具有便攜、操作簡單和低成本的特點。

國內外在蘋果糖度的無損檢測方面做過很多的研究，在國外如LammertynJeroen等人在2000年，在11363-6060cm-1范圍內利用光纖探頭對Jonadold蘋果糖分含量進行了近紅外光譜反射特性的試驗研究，通過偏最小二乘法分析得出兩者的相關系數在0.79-0.91之間；Zou等人在2007年利用遺傳算法、間隔偏最小二乘法（iPLS）進行特征波段的挑選，提高了蘋果糖度模型的預測精度；Liu等人在2007年分析了不同測量距離對蘋果糖度無損檢測的影響；在國內，劉燕德等人在2010年建立了紅富士蘋果糖度的近紅外漫反射主成分回歸PCR多元校正模型，得出相關系數：=0.844，標準校正誤差SEC=0.729；韓東海等人在2014年利用近紅外光譜結合混合線性分析法的一種變形算法HLA/XS建立蘋果糖度校正模型，得出：=0.87611、標準預測誤差SEP=0.4848；王加華等人利用近紅外漫反射光譜結合主成分回歸PCR和偏最小二乘法PLS研究了蘋果糖度無損檢測，通過比較二者的相關系數、標準校正誤差和預測標準誤差，得出偏最小二乘法PLS模型更優。

本文在前人研究的基礎上，利用近紅外漫反射分析技術，進行了基于近紅外漫反射的蘋果糖度無損檢測系統的研究。

1 數學預測模型建立

選擇50個紅富士蘋果樣品，利用980nm的激光二極管作為光源照射蘋果樣品的表面，用光電探測器接收經過蘋果內部漫反射產生的光信號，再用手持糖度計有損的檢測蘋果的實際糖度，最后用最小二乘法建立漫反射信號與蘋果糖度相關的數學預測模型，經過模型的校驗得到相關系數r=0.7521，RMSE=1.1818。

2 系統的檢測原理和硬件組成

2.1 檢測原理

蘋果中的糖分物質含有易吸收近紅外光譜的官能團，不同糖度的蘋果由于其吸收官能團的不同，使得在光源照射蘋果表面，在蘋果內部發生漫反射時，會使探測器接收到的漫反射光信號強度不同，通過建立接收端接收到的漫反射光信號和蘋果糖度的數學關系，結合化學計量學的方法可以定量預測蘋果的糖度值。

2.2 硬件電路

如圖1是基于近紅外光譜的蘋果糖度的無損檢測系統的結構框圖。光源部分是激光二極管，經激光二極管照射蘋果表面，由光電探測器即光電二極管采集漫反射信號，經由后續的電路處理送到微控制器。將上述的數學預測模型通過軟件寫入微控制器，通過采集得到的漫反射光信號反演得到蘋果的糖度，通過液晶屏顯示糖度值。

3 結論

本文應用近紅外漫反射技術建立了蘋果糖度無損檢測系統，該系統操作簡便、便于攜帶和成本低，為蘋果糖度的無損檢測裝置的研究和推廣做出了貢獻，今后可以進一步研究，提高預測精度，以及推廣到其他水果。

參考文獻

[1]蘋果.中國植物志[J].1974（36）：372.

[2]SaranwongS，SornsrivichaiJ，KawanoS.Journal of Near Infrared Spectroscopy[J].2003（11）：175.

[3]LammertynJ，NicolaiB，OomsK，et al.Non-destructive measurement of acidity，solublesolids，and firmness of Jonagold apples using NIR-spectroscopy[J].Transactions of the ASAE，1998，41（04）：1089-1094.

[4]XiaoboZ，JiewenZ，XingyiH，etal.Use of FT-NIRspectrometry in non-invasive measurements of soluble solidcontents（SSC） of 'Fuji'apple based ondifferent P1.S models[J].Chemometrics arid Intelligent Laboratory Systems，2007，87（01）：43-51.