一种近红外光谱漫透射技术黄桃隐性损伤与糖度同时在线检测装置与方法与流程

本发明涉及水果隐性损伤与糖度同时在线无损检测技术领域，特别涉及一种基于近红外光谱技术黄桃隐性缺陷与糖度同时在线检测装置与方法。

背景技术：

黄桃营养十分丰富，富含多种胡萝卜素、膳食纤维以及多种微量元素。黄桃食时软中带硬、甜多酸少，深受广大消费者喜爱，市场上供不应求。然而由于成熟的黄桃果实表面偏软，因此在人工采摘、包装以及运输过程中极易产生碰撞、挤压。从而造成隐性损伤，严重影响黄桃的销售和出口。另外，将黄桃按照糖度等级来分选包装，能够适应更大的消费人群，其次，能够提高高档果的市场价值，增加果农的收益，扩大水果出口量。但目前还没有能够快速、无损、准确的同时在线检测黄桃隐性损伤与糖度的方法。传统的人工分选方法，不仅费时费力，而且人工还难以识别隐形损伤的黄桃果实，更不能按照果实的糖度进行分选包装，其次，在人工分选的同时还可能对黄桃产生二次损伤。因此需要一种能够快速，无损同时检测黄桃隐形损伤与糖度的方法。

近红外光谱能够较为全面的反映水果内部及外部的物理化学特性，短波近红外中包含了丰富的样品光谱信息，是分析样品物理化学指标的重要手段之一。在近红外漫透射检测方式中，光谱与探头布置在样品的两侧，光通过样品，最后被探头接收，所以光谱中包含了几乎整个样品的光谱信息，能够更好的反映样品内部的物理化学特征。经检索，目前还没有利用近红外光谱关于黄桃隐形损伤以及糖度同时在线无损的检测文章及专利。因此迫切需要一种能够快速、无损、准确的能够同时在线检测黄桃的隐形损伤与糖度的方法。

技术实现要素：

本发明的目的是提供一种基于近红外漫透射方式可有效抑制杂散光的装置。该装置主视图如附图1(a)所示，图1(b)为俯视图。该装置由光源1、遮光圈3、果杯4、传送链5、透光孔6、探头7、弹跳爪9这几部分组成。附图1中2为样品，8为果核，黄桃样品如附图1所示放置，能够增加探头接收的光谱信息，克服果核对检测的影响。试验中所用的光谱仪为oceanoptics公司的qe65000光谱仪，其采集光谱是短波近红外光谱，波长范围为350～1150nm，光源采用10个12v、100w的卤钨灯成一定角度、四周照射分布在样品两侧如附图1所示，探头7位于果杯4底部，在底部接收透过样品的光谱信息，这种四周照射、底部接收的光路的布置，能够获取几乎整个果的光谱信息，比传统的光路布置跟能够减小样品糖度不均匀造成的影响。果杯内装有一圈特殊的软塑料遮光圈，并与透光孔6构成一个特殊的结构如附图2所示，由于果自身的重力作用，能够与该特殊结构形成一个密封的结构，从而挡住绝大部分杂散射光，通过透光孔6进入探头7被光谱仪所接收。达到抑制杂散光的目的，从而提高模型的稳定性与预测精度。本检测装置的传动部分如附图3所示，驱动齿轮10、编码盘12、2个齿轮都安装在主轴上所示，驱动齿轮68齿，编码盘17齿，驱动齿轮4齿对应编码盘一齿，驱动齿轮每4齿对应4节链条安装一个果盘，即编码盘每转一齿位置，传送链行程为一个果盘位置。在编码盘齿顶2mm安装霍尔传感器，实现编码盘每转一齿，触发霍尔传感器11，使相应电路发出3.5v高电平信号，触发光谱仪采集并保存一条光谱。

本发明的目的是提供一种基于近红外漫透射方式的黄桃隐性损伤与糖度同时在线检测方法。通过近红外漫透射在线检测装置，采集黄桃隐形损伤果与正常果样品的光谱信息，待采集光谱后进行样品糖度含量测定，最终建立同时在线检测黄桃隐形损伤与糖度的模型。本方法先进行黄桃隐性损伤的检测，通过判别模型将隐形损伤果与正常果分开，再将模型判别的正常果进行糖度含量检测，最终实现黄桃的隐性损伤与糖度同时在线检测。

一种基于近红外漫透射检测方式的黄桃隐性缺陷与糖度同时在线检测方法，包括如下步骤：

（1）首先需要选取试验样品，选取一批表面无损伤的正常果和一批隐性损伤果。采用质量约为0.4kg的小球从倾角为9°，斜面长度为0.4m的斜坡上自由滚下，模拟实际生产运输中由于碰撞挤压造成的隐形损伤。从而获取隐性损伤的样本。

（2）每个样品标记缝合面光滑侧与凸起侧两个面，采集赤道部位的近红外漫透射光谱。光谱采集条件：光照强度1000w，积分时间80ms，平均次数，速度5个/秒。照射角度约为45°。光谱采集范围：350~1100nm。采集光谱时，

（3）待采集光谱后需要测量样本的糖度含量，用于后期的模型的建立。

（4）将黄桃样本划分，得到模型的建模集与预测集，建模集与预测集中均包含黄桃的正常果样本与隐形损伤果样品。其中建模集与预测集的样本比例约为3：1。

（5）在波长为550nm~950nm范围内进行主成分分析，存在聚类现象，隐形损伤果为一类，正常果为另一类。在该波长范围内建立偏最小二乘判别模型，定义正常果为4，隐形缺陷果8，阈值设为4。模型能够将隐形损伤果与正常果分开，实现隐性损伤果的判别。

（6）采用连续投影算法进行波段筛选，简化模型，最终建立黄桃正常果糖度的偏最小二乘模型。将偏最小二乘判别模型与糖度偏最小二乘模型导入软件中，实现黄桃隐性缺陷与糖度的同时在线检测。

附图说明

图1(a)是本发明的抑制杂散光的装置主视图的示意图；

图1(b)是本发明的抑制杂散光的装置俯视图的示意图；

图2是本发明装置果杯的结构示意图；

图3是本发明装置控制原理示意图；

图4是本发明的检测方法流程示意图；

图5是本发明黄桃的偏最小二乘法判别模型图；

图6是本发明黄桃偏最小二乘糖度建模预测模型图。

其中，光源1、样品2、遮光圈3、果杯4、传送链5、透光孔6、探头7、果核8、弹跳爪9、驱动齿轮10、霍尔传感器11、编码盘12。

具体实施方式

首先需要挑选表面无损伤、无畸形以及大小均匀的黄桃样品，去除表面灰尘后，置于室温20℃条件下保存24h，待样本温度与室温基本一致后开始试验。采用质量约为0.4kg的小球从倾角为9°，斜面长度为0.4m的斜坡上自由滚下，模拟实际生产运输中由于碰撞挤压造成的隐形损伤。从而获取隐性损伤的样本。

将样品依次编号，每个样品标记缝合面光滑侧与凸起侧两个面。其中包含正常果样品75个，隐性损伤果样品25个。依次按编号进行人工上果，样品如附图1所示放置，增大样品中光的通过量，减小果核对检测的影响。

采用oceanoptics公司的qe65000型光谱仪，采集的波长范围为350nm~1100nm。待正常果与隐性缺陷果的光谱均采集完毕后，分析正常果与隐性损伤果的光谱特性，首先隐性损伤果能量谱明显高于正常果，其中表面损伤果光谱能量最高值达6500光子数，而正常果的光谱能量最高值仅仅只有3000光子数左右。通过对采集的原始光谱进行分析，在350~550nm及950~1100nm范围内有用信息极少。所以在波长范围为550nm~950nm进行主成分分析。分析结果显示：存在有明显的聚类现象。在光谱采集后进行样品的糖度真实值测定。采用折射式数字糖度计进行糖度含量测定，测定前需采用纯净水对糖度计进行标定。测定样品糖度含量时，采用小刀切取光谱采集面厚度约为1cm的果肉，将果汁挤于糖度计折射镜面上，并测定三次，取两次相同的测定结果作为测定的糖度的真值。

在波长为550nm~950nm范围内建立偏最小二乘判别模型，采用unscrambler软件进行模型的建立。首先将所有样品约按3：1的比例进行划分建模集与预测集。建模集与预测集中都包含表面隐性损伤果与正常果，且建模集中的隐性损伤果比预测集多。把光谱与真值一一对应建立偏最小二乘判别模型如附图5所示。采用25个样本进行模型预测，隐性损伤果的正确判别率为100%。模型预测集相关系数为0.92，预测集均方根误差为1.21，当模型预测值大于阈值4时，则判定为隐性缺陷果，否则判定为正常果。试验结果表明：采用近红外漫透射检测方式无损检测黄桃隐性损伤是可行的。

在波长范围为550nm~950nm范围内采用连续投影算法对光谱进行波段筛选，共筛选21个变量，采用筛选后的21个变量与糖度真实值一一对应，建立黄桃偏最小二乘糖度建模预测模型图。如附图6所示。黄桃糖度的预测模型相关系数为0.94，预测均方根误差为0.92%。黄桃隐性损伤与糖度同时在线检测的流程如图4所示，首先人为的制造隐性损伤果，然后进行光谱采集，建立正常果与隐性损伤果的偏最小二乘判别模型，模型预测为隐性损伤果的，不进入糖度模型进行预测，直接被推入分级口。被判定为正常果的样品则进入糖度模型，进行糖度分级。最终实现黄桃隐性损伤与糖度同时在线检测。

采用matlab软件进行模型的编译，将编译好的黄桃隐性损伤判别模型及可溶性偏最小二乘模型导入分级软件中，可实现黄桃的隐性缺陷与糖度同时在线检测。