便攜式火腿腐敗變質(zhì)實(shí)時(shí)預(yù)警系統(tǒng)研究

彭彥昆 趙仁宏 鄒文龍 趙鑫龍 郭慶輝 莊齊斌

(1.中國農(nóng)業(yè)大學(xué)工學(xué)院， 北京 100083； 2.國家農(nóng)產(chǎn)品加工技術(shù)裝備研發(fā)分中心， 北京 100083)

0 引言

我國是世界上產(chǎn)肉量最大的國家[1]。隨著經(jīng)濟(jì)水平的提高，肉制品逐漸成為市場中的熱銷食品[2-4]。火腿作為一種常見的肉制品，深受廣大消費(fèi)者的喜愛。然而這種肉制品卻屬于易腐食品，品質(zhì)容易受到很多因素的影響，尤其是受到腐敗菌的污染導(dǎo)致腐敗變質(zhì)[5-8]，因此肉制品的新鮮度和貨架期監(jiān)控是把控肉制品質(zhì)量安全的首要問題[9]。目前市場上在火腿腐敗變質(zhì)檢測方面同樣存在很多弊端[10-11]，在檢測過程上存在著操作復(fù)雜、檢測速度慢、樣品前處理繁瑣、費(fèi)時(shí)費(fèi)力、無法進(jìn)行現(xiàn)場即時(shí)檢測導(dǎo)致數(shù)據(jù)分析滯后的問題，在檢測設(shè)備上存在著低成本和高檢測精度難以兼顧的矛盾，以及對檢測后的數(shù)據(jù)無法系統(tǒng)化管理等問題，難以滿足火腿生產(chǎn)、加工、銷售等環(huán)節(jié)的品質(zhì)監(jiān)控需求。因此，為了解決這些問題，需要研發(fā)出多參數(shù)同時(shí)檢測的小型便攜設(shè)備，能夠應(yīng)用于火腿產(chǎn)業(yè)鏈上各環(huán)節(jié)的品質(zhì)檢測與監(jiān)控，實(shí)現(xiàn)火腿的貨架期預(yù)警。

可見/近紅外光譜檢測技術(shù)具有檢測速度快、檢測效率高、樣品無需破壞以及無需前處理等優(yōu)點(diǎn)，在肉制品品質(zhì)檢測方面具有良好的應(yīng)用前景[12-16]。

隨著光學(xué)儀器和化學(xué)計(jì)量學(xué)方法的不斷創(chuàng)新和改進(jìn)，光譜檢測技術(shù)得到了很快的發(fā)展，國內(nèi)外很多學(xué)者或公司也將這一技術(shù)應(yīng)用到實(shí)際生活中，研發(fā)出各種檢測設(shè)備[17-19]。然而這些研究對檢測后的數(shù)據(jù)沒有系統(tǒng)化的管理，缺少后續(xù)的數(shù)據(jù)挖掘分析，不能實(shí)現(xiàn)數(shù)據(jù)共享，沒有對樣品是否腐敗以及剩余貨架期進(jìn)行預(yù)警。物聯(lián)網(wǎng)技術(shù)是通過各種信息傳感設(shè)備，將人工智能和通信技術(shù)融為一體，能夠?qū)崿F(xiàn)物與物之間的信息交換、智能化識別、監(jiān)控和管理的一種網(wǎng)絡(luò)技術(shù)[20-21]，近年來在精準(zhǔn)農(nóng)業(yè)、農(nóng)產(chǎn)品檢測方面有廣泛應(yīng)用。可以將物聯(lián)網(wǎng)技術(shù)應(yīng)用于火腿腐敗變質(zhì)參數(shù)檢測，綜合利用光譜技術(shù)和物聯(lián)網(wǎng)技術(shù)的優(yōu)點(diǎn)，在實(shí)現(xiàn)檢測的基礎(chǔ)上完成對火腿腐敗變質(zhì)的實(shí)時(shí)監(jiān)控。

本文在前期的研究基礎(chǔ)上，以光譜技術(shù)為核心，開發(fā)多功能一體化的檢測軟件，研制便攜式火腿腐敗變質(zhì)預(yù)警裝置，建立顏色(L*、a*、b*)、pH值、揮發(fā)性鹽基氮(Total volatile basic nitrogen, TVB-N)含量和菌落總數(shù)(Total viable count, TVC)的預(yù)測模型，并基于物聯(lián)網(wǎng)技術(shù)搭建火腿貨架期預(yù)警系統(tǒng)，實(shí)現(xiàn)對火腿腐敗變質(zhì)的實(shí)時(shí)預(yù)警監(jiān)控。

1 檢測裝置軟硬件設(shè)計(jì)

便攜式火腿品質(zhì)檢測裝置主要由軟件系統(tǒng)和硬件系統(tǒng)兩部分組成，硬件系統(tǒng)包括供電單元、光源單元、光譜采集單元、控制單元、散熱單元和結(jié)構(gòu)單元，軟件系統(tǒng)通過編寫的程序?qū)崿F(xiàn)整個(gè)實(shí)驗(yàn)過程中的光譜校正、光譜采集、數(shù)據(jù)保存與傳輸?shù)裙δ堋?/p>

1.1 硬件設(shè)計(jì)

1.1.1光譜采集單元設(shè)計(jì)

光譜采集單元由光譜儀和光纖兩部分組成。其中光譜儀用來接收光照射到樣品上所產(chǎn)生的信息并將這些信息傳輸至采集軟件中進(jìn)行后續(xù)計(jì)算，是整個(gè)檢測裝置中的核心部件，光譜儀的性能直接關(guān)系到裝置的檢測精度，因此對光譜儀的選型十分重要。考慮到檢測指標(biāo)較多，該裝置根據(jù)光譜儀的光譜響應(yīng)范圍、光譜分辨率以及信噪比等參數(shù)選擇了海洋光學(xué)公司(Ocean Optics)生產(chǎn)的USB4000型光纖光譜儀，該光譜儀光譜分辨率高，同時(shí)還具有體積小、無需外部能源等優(yōu)點(diǎn)，適合用來研發(fā)便攜式設(shè)備，光譜儀的具體參數(shù)如表1所示。

表1 USB4000型光譜儀具體參數(shù)Tab.1 Specific parameter information of USB4000 spectrometer

1.1.2控制與顯示單元設(shè)計(jì)

為了使處理器能同時(shí)具有體積小、運(yùn)行速度快的特點(diǎn)，選用迷你主機(jī)搭配液晶顯示屏作為控制顯示單元。其中處理器選用WalkFish公司的M1K_J4125型迷你主機(jī)，CPU為4核，運(yùn)行內(nèi)存8 GB，性能上滿足要求，同時(shí)其尺寸僅有135 mm×45 mm×15 mm，質(zhì)量僅有85 g，輕簡便攜。顯示屏選用7英寸的電容觸摸屏，具有超高的分辨率，尺寸為 165 mm×124 mm×10 mm，質(zhì)量為380 g。主機(jī)中內(nèi)置了Windows 10操作系統(tǒng)，可以直接運(yùn)行C++程序生成的可執(zhí)行文件，無需配置環(huán)境。

1.1.3光源單元設(shè)計(jì)

光源單元采用鹵鎢燈和環(huán)形光導(dǎo)的形式，使光纖能夠從樣品表面接收到更多的反射光，進(jìn)而獲得更加豐富的光譜信息。通過對鹵鎢燈光源的工作溫度、壽命、光譜響應(yīng)強(qiáng)度和響應(yīng)范圍等因素的考慮，對比了不同功率的鹵鎢燈的性能，最終選用了富士FUJI EFN 12V75W型鹵鎢燈。圖1為光源的白參考測試結(jié)果，共采集了20條光譜，經(jīng)測試，光譜的響應(yīng)范圍為480～950 nm，最大光強(qiáng)達(dá)到了55 000 cd，兩者都達(dá)到了實(shí)驗(yàn)要求。

圖1 光源白參考測試結(jié)果Fig.1 Light source white reference test

1.1.4裝置結(jié)構(gòu)設(shè)計(jì)

整機(jī)的結(jié)構(gòu)設(shè)計(jì)包括對殼體和檢測探頭兩部分的設(shè)計(jì)。殼體的合理設(shè)計(jì)不僅可以使內(nèi)部零件有更合理的布局，減少不必要的空間，縮小設(shè)備體積，還可以起到保護(hù)支撐的作用。探頭的合理設(shè)計(jì)可以提高檢測的準(zhǔn)確性，最大程度上提高設(shè)備的使用價(jià)值。在裝置設(shè)計(jì)過程中首先要考慮提高檢測準(zhǔn)確性和裝置便攜性，從殼體的體積、內(nèi)部零件的布局和探頭檢測距離方面出發(fā)進(jìn)行設(shè)計(jì)。加工完成后的裝置殼體尺寸為280 mm×230 mm×120 mm，對內(nèi)部零件進(jìn)行了合理布置，并在殼體上增加了很多的通風(fēng)口，當(dāng)裝置工作時(shí)可以增加空氣流動，提高了散熱能力。同時(shí)為使光纖可以接收到更強(qiáng)的反射光，針對探頭的檢測距離進(jìn)行探頭結(jié)構(gòu)設(shè)計(jì)，裝置的實(shí)物圖如圖2所示。

圖2 裝置實(shí)物圖Fig.2 Physical map of device1.控制顯示單元 2.散熱通風(fēng)口 3.采集探頭 4.環(huán)形光導(dǎo) 5.光纖

1.2 軟件設(shè)計(jì)

1.2.1界面設(shè)計(jì)

以Visual Studio 2015為開發(fā)平臺，MFC為開發(fā)框架，C++為開發(fā)編程語言，對檢測軟件進(jìn)行編寫。軟件界面共分為5大區(qū)域，分別為光譜顯示區(qū)、光譜儀參數(shù)設(shè)置區(qū)、控制按鍵區(qū)、參數(shù)預(yù)測值顯示區(qū)以及數(shù)據(jù)傳輸區(qū)，其中參數(shù)預(yù)測值顯示區(qū)又根據(jù)各參數(shù)對應(yīng)的類別分為品質(zhì)參數(shù)區(qū)和安全參數(shù)區(qū)。對L*、a*、b*、pH值、TVB-N含量、TVC等指標(biāo)進(jìn)行了進(jìn)一步劃分，使得界面顯示更加直觀，同時(shí)根據(jù)TVB-N含量和TVC兩個(gè)指標(biāo)判斷樣品的新鮮度、腐敗情況以及剩余貨架期并顯示在界面上。另外，在界面上增加了基于物聯(lián)網(wǎng)的數(shù)據(jù)傳輸區(qū)，通過服務(wù)器端的IP地址和開放的端口號進(jìn)行連接，然后將檢測數(shù)據(jù)傳輸?shù)椒?wù)器端進(jìn)行保存。圖3為設(shè)計(jì)的軟件界面。

圖3 檢測軟件界面Fig.3 Detection software interface

1.2.2數(shù)據(jù)傳輸功能

由于多臺設(shè)備同時(shí)檢測時(shí)，出現(xiàn)不能協(xié)同工作的問題，導(dǎo)致數(shù)據(jù)分析滯后，因此，在軟件中增加了數(shù)據(jù)傳輸功能，采用TCP/IP網(wǎng)絡(luò)通信協(xié)議作為連接協(xié)議，通過socket編程對客戶端和服務(wù)器端進(jìn)行軟件開發(fā)[22]，圖4為數(shù)據(jù)傳輸功能的開發(fā)流程。

圖4 數(shù)據(jù)傳輸開發(fā)流程圖Fig.4 Data transfer development process

1.2.3自動建模功能

在檢測軟件中模型計(jì)算十分重要，需要將各參數(shù)的預(yù)測值準(zhǔn)確計(jì)算出來，所以對前期實(shí)驗(yàn)數(shù)據(jù)建立的數(shù)學(xué)模型在精度和穩(wěn)定性上有較高的要求。本文采用C++和Matlab聯(lián)合編程的思想，編寫了具有自動建模功能的程序。首先用Matlab編寫讀取光譜數(shù)據(jù)、光譜預(yù)處理以及偏最小二乘(Partial least squares, PLS) 回歸建模的函數(shù)，并將該Matlab函數(shù)保存為.M文件，通過Matlab的mcc編譯器將.M文件轉(zhuǎn)換為程序調(diào)用時(shí)所需的C++文件，然后將這些文件復(fù)制到C++程序的項(xiàng)目下，同時(shí)對操作系統(tǒng)和程序的項(xiàng)目屬性進(jìn)行配置后即可進(jìn)行調(diào)用，其流程如圖5所示。通過C++來調(diào)用Matlab函數(shù)文件來實(shí)現(xiàn)光譜預(yù)處理和建模[23]，并將建模系數(shù)保存在計(jì)算機(jī)中，圖6為自動建模功能演示結(jié)果。

圖5 C++調(diào)用Matlab函數(shù)的流程圖Fig.5 Flowchart of C++ calling Matlab function

圖6 自動建模演示結(jié)果Fig.6 Automated modeling demonstration results

2 裝置預(yù)測模型建立與驗(yàn)證

2.1 預(yù)測模型建立

為了實(shí)驗(yàn)樣品的一致性，選取生產(chǎn)日期相同的火腿，用低溫培養(yǎng)箱快速運(yùn)回實(shí)驗(yàn)室。為了保證樣品表面平整，用消過毒的手術(shù)刀將樣品分割為大約6 cm×5 cm×2.5 cm的塊狀，將分割好的火腿片裝入密封袋中，放入4℃冰箱中冷藏。實(shí)驗(yàn)共制備了74個(gè)有效樣品，為了獲得不同程度腐敗的火腿，每天隨機(jī)取出4個(gè)樣品進(jìn)行實(shí)驗(yàn)，同時(shí)為減小實(shí)驗(yàn)誤差，保證實(shí)驗(yàn)的環(huán)境溫度、時(shí)間間隔盡量一致。利用所設(shè)計(jì)的裝置采集火腿的可見光/近紅外光譜數(shù)據(jù)，在采集光譜過程中盡量減少環(huán)境光與外部噪聲的影響，確保每次采集光譜時(shí)光纖探頭與樣品表面的距離為15 mm，從而減少測距對光譜采集的影響。圖7為采集的光譜曲線，然后按照國家標(biāo)準(zhǔn)方法對顏色、pH值、TVB-N含量(質(zhì)量比)、TVC等品質(zhì)安全指標(biāo)進(jìn)行理化實(shí)驗(yàn)[24-26]。

圖7 火腿樣品光譜曲線Fig.7 Spectral curves of ham sample

對所獲取的74個(gè)樣品理化值進(jìn)行統(tǒng)計(jì)分析，統(tǒng)計(jì)結(jié)果如表2所示，為了減小建模運(yùn)算時(shí)間，提高模型精度，應(yīng)使理化值均勻分布，同時(shí)校正集的理化值范圍應(yīng)該涵蓋預(yù)測集的理化值范圍。

表2 理化數(shù)據(jù)統(tǒng)計(jì)結(jié)果Tab.2 Research data statistics results

完成理化實(shí)驗(yàn)后，將光譜數(shù)據(jù)和理化數(shù)據(jù)相對應(yīng)進(jìn)行數(shù)據(jù)分析，由于火腿表面不夠平滑，存在細(xì)小顆粒，導(dǎo)致采集原始光譜時(shí)受到光的表面散射和光程變化帶來的影響，于是使用MSC(多元散射校正)和SNV(標(biāo)準(zhǔn)正態(tài)變量變換)兩種預(yù)處理方式來校正光譜，在一定程度上消除固體顆粒大小、表面散射以及光程變化對光譜信號的影響。同時(shí)根據(jù)光譜-理化共生距離法(Sample set partitioning based on joint x-y distance, SPXY)來劃分樣品集，使校正集中樣品各指標(biāo)的理化值分布較大，增大樣品間的差異性。通過SPXY算法將74個(gè)火腿樣品按照3∶1的比例進(jìn)行劃分，其中56個(gè)樣品作為校正集用于建立偏最小二乘預(yù)測模型，建模結(jié)果如表3所示。

表3 PLS建模結(jié)果Tab.3 PLS modeling results

圖8 L*指標(biāo)基于CARS算法變量篩選過程Fig.8 Process of screening variables using CARS for L*

圖9 驗(yàn)證結(jié)果散點(diǎn)圖Fig.9 Validation results scatter plots

為了簡化模型，提高模型精度，使用CARS(競爭性自適應(yīng)重加權(quán))算法對光譜篩選特征變量，建立更加穩(wěn)健的PLS模型。該方法是將每個(gè)波段看成一個(gè)單獨(dú)的子集，通過指數(shù)衰減函數(shù)(EDF)和自適應(yīng)重加權(quán)采樣法(ARS)選擇變量，使用蒙特卡羅采樣法選擇樣品，然后利用交叉驗(yàn)證的方法計(jì)算交叉驗(yàn)證均方根誤差，選取均方根誤差最小的波段子集[27]。圖8顯示了利用CARS算法對指標(biāo)L*的變量選擇過程。由圖可見，CARS算法在篩選變量的過程中，隨著采樣次數(shù)的增加，被選擇的變量數(shù)逐漸下降，交叉驗(yàn)證均方根誤差先降低后逐漸升高。通過該算法對L*、a*、b*、pH值、TVB-N含量、TVC篩選出的變量數(shù)分別為19、24、73、47、73、149。然后基于篩選的特征變量對各指標(biāo)建立簡化的預(yù)測模型，模型的相關(guān)系數(shù)分別提升到0.931 7、0.936 9、0.957 8、0.955 4、0.928 5、0.986 2，均方根誤差分別下降到0.353 0、0.252 9、0.096 1、0.035 4、0.372 4 mg/(100g)、0.439 8 lgCFU/g。

2.2 預(yù)測模型驗(yàn)證

為了進(jìn)一步驗(yàn)證所開發(fā)的便攜式檢測裝置的檢測精度和模型的可靠性，另選取40個(gè)未參與建模的火腿樣品，對所設(shè)計(jì)的便攜式檢測裝置進(jìn)行實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)預(yù)測結(jié)果散點(diǎn)圖如圖9所示。結(jié)果表明，該便攜式檢測裝置在檢測精度和穩(wěn)定性上可以滿足實(shí)時(shí)檢測要求，具有較高的應(yīng)用前景。

3 貨架期預(yù)警系統(tǒng)開發(fā)

貨架期是指食品在儲藏時(shí)間內(nèi)保持感官品質(zhì)、營養(yǎng)品質(zhì)和安全品質(zhì)的時(shí)間長度[28]。而造成火腿腐敗的主要原因是微生物的生長，隨著微生物的不斷繁殖，其產(chǎn)生的代謝產(chǎn)物使得火腿發(fā)生變質(zhì)[29-30]。因此，需要了解菌落的生長規(guī)律，以此建立火腿的貨架期模型，根據(jù)預(yù)測模型來判斷貨架期，實(shí)現(xiàn)實(shí)時(shí)預(yù)警。

3.1 菌落總數(shù)生長動力學(xué)模型

菌落在生長初期，由于需要適應(yīng)環(huán)境，加上水分、空氣和溫度等條件的限制，生長緩慢。隨著火腿儲藏時(shí)間的增長，菌落體積變大，產(chǎn)生大量代謝物，繁殖速度呈對數(shù)上升。在菌落生長到一定階段后，火腿中的營養(yǎng)物質(zhì)減少，菌落的生存條件變差，此時(shí)菌落的生長速度下降，死亡數(shù)增加，菌落的繁殖數(shù)和死亡數(shù)趨于平衡。當(dāng)火腿中的營養(yǎng)物質(zhì)被消耗殆盡后，菌落的繁殖速度慢于死亡速度，此時(shí)菌落呈現(xiàn)出負(fù)增長趨勢[31]。本文根據(jù)課題組前期提出的Modified Gompertz方程[32]，擬合菌落的生長曲線，建立火腿菌落總數(shù)的生長動力學(xué)模型，方程為

N(t)=N0+Cexp(-exp(-B(t-M)))

(1)

式中N(t)——t時(shí)刻火腿菌落總數(shù)，lgCFU/g

N0——t=0時(shí)火腿的初始菌落總數(shù)，lgCFU/g

C——菌落總數(shù)最大值與初始菌落數(shù)的差值

B——t=M時(shí)菌落對應(yīng)的生長速度

M——菌落數(shù)達(dá)到最大生長速度需要的時(shí)間，d

由于實(shí)驗(yàn)是每天隨機(jī)選取4塊火腿樣品，所以將這4塊樣品的TVC進(jìn)行平均作為每天的菌落數(shù)，然后根據(jù)儲藏時(shí)間進(jìn)行擬合，曲線擬合通過Matlab完成，如圖10所示。

圖10 火腿菌落數(shù)生長動力學(xué)曲線Fig.10 Growth kinetic curve of ham colony number

從圖10中可以看出，火腿儲藏時(shí)間內(nèi)的菌落總數(shù)與Modified Gompertz方程擬合結(jié)果較好，說明火腿儲藏時(shí)間內(nèi)TVC的生長符合Modified Gompertz方程，擬合的決定系數(shù)為0.973 8，均方根誤差為0.207 1 lgCFU/g。擬合得到的動力學(xué)模型為

N(t)=2.389+ 5.392exp(-exp(-0.104 6(t-21.49)))

(2)

3.2 貨架期預(yù)測模型建立

由上文研究可知，火腿的TVC可以根據(jù)光譜法建立的預(yù)測模型計(jì)算出，所以將TVC代入式(2)即可預(yù)測出火腿的儲藏時(shí)間t，公式為

(3)

根據(jù)GB 2726—2016《食品安全國家標(biāo)準(zhǔn) 熟肉制品》中的規(guī)定可知，當(dāng)火腿的TVC超過5 lgCFU/g時(shí)，被認(rèn)定為不可食用，故TVC為5 lgCFU/g時(shí)對應(yīng)的t為最長儲藏時(shí)間。將N(t)=5 lg CUF/g代入到式(3)中得t=24.56 d，即當(dāng)火腿儲藏24 d后TVC超出安全值，達(dá)到腐敗狀態(tài)，所以將24 d作為火腿的最長儲藏時(shí)間，記為t′。火腿的TVC、儲藏時(shí)間t分別可以由2.1節(jié)的TVC預(yù)測模型和式(3)預(yù)測出，最長儲藏時(shí)間已知，故貨架期計(jì)算公式為

(4)

式中T——火腿剩余貨架期，d

3.3 預(yù)警系統(tǒng)的主要功能

預(yù)警系統(tǒng)不僅需要呈現(xiàn)出每一次檢測的結(jié)果，還需要將檢測時(shí)間、樣品品牌、檢測地點(diǎn)等信息保存至數(shù)據(jù)庫中，并且通過服務(wù)器開放其IP地址和端口將數(shù)據(jù)共享至網(wǎng)絡(luò)，將樣品的貨架期情況及時(shí)反饋給操作人員，因此該系統(tǒng)的軟件需求包括以下部分：無線傳輸協(xié)議和數(shù)據(jù)格式；服務(wù)器接收檢測數(shù)據(jù)并將數(shù)據(jù)保存至數(shù)據(jù)庫中；及時(shí)向客戶端反饋樣品的貨架期數(shù)據(jù)。其中無線傳輸協(xié)議依然使用TCP/IP協(xié)議。在滿足上述需求后開始設(shè)計(jì)預(yù)警系統(tǒng)，圖11為預(yù)警系統(tǒng)的工作流程圖。

圖11 預(yù)警系統(tǒng)工作流程圖Fig.11 Work flow chart of early warning system

3.4 軟件設(shè)計(jì)與測試

本軟件采用MFC框架，以阿里云服務(wù)器和MySQL數(shù)據(jù)庫為開發(fā)終端，將本地連接的服務(wù)器端軟件部署到阿里云服務(wù)器上，并對數(shù)據(jù)庫功能進(jìn)行開發(fā)。首先在目標(biāo)服務(wù)器上安裝MySQL數(shù)據(jù)庫、配置系統(tǒng)環(huán)境，選擇建立新的數(shù)據(jù)庫或者選用已存在的數(shù)據(jù)庫，然后在數(shù)據(jù)庫中建立自己所需要的數(shù)據(jù)表來存放數(shù)據(jù)，最后在軟件中編寫數(shù)據(jù)庫部分的代碼，圖12為軟件界面。該軟件將數(shù)據(jù)保存在MySQL數(shù)據(jù)庫中，通過公開服務(wù)器的IP地址和端口號將數(shù)據(jù)共享至網(wǎng)絡(luò)，并可以在本地查看數(shù)據(jù)，實(shí)現(xiàn)預(yù)警操作。

由于一直在計(jì)算機(jī)的命令提示符界面操作數(shù)據(jù)庫比較繁瑣，所以本文采用navicat軟件連接數(shù)據(jù)庫，然后對數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行系統(tǒng)管理。通過對navicat軟件進(jìn)行授權(quán)后，本地計(jì)算機(jī)只要輸入服務(wù)器的IP地址、端口就可以直接連接服務(wù)器上的數(shù)據(jù)庫，實(shí)現(xiàn)本地即可查看云端數(shù)據(jù)庫中的數(shù)據(jù)。圖13為某次實(shí)驗(yàn)的部分預(yù)警數(shù)據(jù)，從圖中的數(shù)據(jù)表可以看出，該系統(tǒng)可以保存實(shí)驗(yàn)的檢測地點(diǎn)、品牌、日期、時(shí)間以及各檢測指標(biāo)的數(shù)據(jù)，表中的貨架期和是否腐敗反映了火腿的可食用性，通過這些信息來進(jìn)行實(shí)時(shí)預(yù)警。

圖12 云端預(yù)警軟件界面Fig.12 Cloud warning software interface

圖13 數(shù)據(jù)監(jiān)測預(yù)警結(jié)果Fig.13 Data monitoring and early warning results

4 結(jié)論

(1)對裝置硬件系統(tǒng)中的光源、控制、結(jié)構(gòu)和散熱等單元進(jìn)行了選型和設(shè)計(jì)，著重考慮了光源的功率、處理器的性能、裝置布局的合理性以及檢測探頭的結(jié)構(gòu)設(shè)計(jì)。 基于MFC開發(fā)框架，以C++為開發(fā)編程語言，編寫了檢測軟件。同時(shí)，基于TCP/IP協(xié)議增加了數(shù)據(jù)傳輸?shù)墓δ埽沟脵z測數(shù)據(jù)可以系統(tǒng)化管理，提高了數(shù)據(jù)分析的效率。另外，通過C++和Matlab聯(lián)合編程開發(fā)了自動建模程序，減少了前期數(shù)據(jù)分析的工作量 。

(2)對設(shè)計(jì)的裝置進(jìn)行了性能驗(yàn)證，主要驗(yàn)證了裝置的光譜穩(wěn)定性和數(shù)據(jù)傳輸?shù)臏?zhǔn)確性。同時(shí)建立了火腿L*、a*、b*、pH值、TVB-N含量、TVC各品質(zhì)參數(shù)的定量預(yù)測模型，并另取40個(gè)火腿樣品對建立的模型進(jìn)行外部獨(dú)立驗(yàn)證，其中L*和a*的預(yù)測相關(guān)系數(shù)達(dá)到0.89，其余參數(shù)都達(dá)到了0.9以上，誤差也控制在可接受范圍內(nèi)。通過測試驗(yàn)證表明便攜式火腿品質(zhì)檢測裝置可以用于火腿的多維品質(zhì)參數(shù)同時(shí)檢測。

(3)通過對火腿貨架期的研究，建立火腿儲藏期間內(nèi)的菌落總數(shù)生長動力學(xué)模型，并在此基礎(chǔ)上結(jié)合TVC的預(yù)測模型建立了火腿的貨架期模型。同時(shí)對貨架期預(yù)警系統(tǒng)進(jìn)行了需求分析和軟件設(shè)計(jì)，將軟件部署在阿里云服務(wù)器上，并安裝了MySQL數(shù)據(jù)庫，用來保存管理數(shù)據(jù)，通過對貨架期的監(jiān)控實(shí)現(xiàn)火腿品質(zhì)腐敗的實(shí)時(shí)預(yù)警。