论文部分内容阅读
应用于水果在线检测的近红外光谱分析技术已经非常成熟，然而目前，在线近红外光谱分析技术对水果成熟度进行检测的方式主要是将水果送至流水线上进行检测，这样不仅耗费人力还浪费资源。活体检测通过特定技术可直接对果树上的水果进行检测，最终操作人员将品质优的水果直接装箱。活体检测将水果品质的检测从生产后走到生产中，既省时又省力。近红外光谱分析技术的利用和活体检测的目的使得手持式水果成熟度检测仪有一个很好的发展前景;然而检测果树上的水果时，近红外光谱容易受到温度、湿度等环境因素的影响，从而影响水果成熟度的预测精度;同时移动设备中的Android智能手机占有中国手机市场的92％以上。鉴于以上考虑，本文研发一种基于Android系统的温度补偿的手持式水果成熟度检测仪。主要研究内容如下: 1.在近红外光谱仪研究现状及温度影响近红外光谱的基础上，将TN901红外温度检测模块和DS18B20数字式温度传感器构成的温度检测附件添加至MicroNIR-1700近红外光谱仪。MicroNIR-1700近红外光谱仪内部带有1个温度传感器来检测仪器温度，而TN901红外温度检测模块和DS18B20数字式温度传感器分别用来检测样品温度和环境温度。将MicroNIR-1700近红外光谱仪和温度检测附件通过USB OTG线与Android系统的移动设备（如智能手机、平板电脑）连接实现通信。 2.以MicroNIR-1700近红外光谱仪和温度检测附件为硬件基础，在Android系统的平台上开发Android应用程序(App)，实现温度检测、光谱采集等功能。软件设计时使上位机（Android系统的移动设备）处于USB主设备模式和不低于Android3.1的平台下，按照通信的步骤访问到USB设备——下位机（MicroNIR-1700近红外光谱仪和温度检测附件）。最终，软件可以控制下位机，读取到通过USB OTG线传输给上位机的温度和光谱数据并且图像化显示结果。 3.针对温度对系统的影响，设计了相关的试验:不同环境温度时，对1小时的仪器温度和仪器的基线稳定性进行检测;在不同环境温度下测量同一苹果同样部位的光谱;在不同样品温度下测量同一苹果同样部位的光谱，得到结果:仪器温度、样品温度和环境温度都会对近红外光谱有影响。 4.以苹果的可溶性固形物含量为表征，使用系统来检测60个苹果的近红外光谱、环境温度和样品温度，并且使用阿贝折光仪来测定苹果的可溶性固形物含量。采用偏最小二乘回归(PLSR)方法建立45个样品的校正模型，用剩余的15个样品对校正模型进行预测。不同温度条件下（环境温度为10.3℃、15.4℃、20.2℃和24.0℃）光谱数据所建立的模型对不同温度的验证集进行交叉验证，比较其结果可知:同一温度条件下的模型可以较好地预测相同温度下的验证集。将不同温度条件下的光谱数据以及所有光谱数据、环境温度和样品温度的混合数据分别用PLSR方法建立未补偿模型和温度补偿模型，得到结果:温度补偿模型的相关系数和预测均方根误差分别为0.9065和0.7094，相比未补偿模型确实有所提高，说明温度补偿模型对温度有较好的适应能力，并且能够在一定程度上提高系统的预测精度。