CN105866050A - 一种低成本苹果霉心病无损快速检测设备 - Google Patents

Abstract

一种低成本苹果霉心病无损快速检测设备，包括：光源模块，采用710‑740nm和870‑890nm波段的LED光源并行工作，向待测的苹果照射；光谱检测模块，主要由光电二极管和信号调理电路组成，透过苹果之后的光信号照射在光电二极管上转换为电信号，再经过信号调理电路，进行低噪声放大和低通滤波后，通过ADC采样模块变成数字信号传入处理器中；处理器，与光源模块连接控制两种波段LED光源先后启闭，与光谱检测模块连接采集透过苹果的光谱数据，并将采集到的数据进行分析实现病害判别；人机交互模块，提供设备操控和测试结果显示功能；稳压电源模块，为各个模块供电，本发明基于近红外光谱技术，采用窄带LED光源和光电二极管，实现苹果霉心病的无损快速检测。

Description

一种低成本苹果霉心病无损快速检测设备

技术领域

本发明属于农业智能设备技术领域，特别涉及一种低成本苹果霉心病无损快速检测设备。

背景技术

苹果霉心病作为常见的苹果病害，发病后果实从心室开始腐烂，逐渐向外扩展。发病初期果实外表无明显特征，易在储藏期发病，严重损害果农和消费者的利益。由于病害发病由内及外，外观症状不明显，在果实采摘和分拣环节中难以对病害进行识别，如何检测霉心病苹果已经成为果品鉴定和深加工过程中的一大难题，如果能够通过无损的方式有效地对霉心病进行识别，将有效提高果品品质，对提高我国苹果产业质量和效益有着重要意义。

光谱分析技术在处理不可接触和不许损伤的对象时有着其他技术不可比拟的优势，在果品无损检测上应用较多。近红外分析兼备了可见区光谱分析信号容易获取与红外区光谱分析信息量丰富两方面的优点，在有机物质定性和定量分析中较为有效。近年来，科研工作者基于近红外光谱技术在水果品质检测方面进行了深入研究，针对果品糖分、固形物含量等品质进行红外光谱分析，效果较高。但针对苹果霉心病病害的研究较少，已开展的研究大多基于苹果阻抗特性、光特性等原理，电阻抗特性与果品中各物质含量、比例等参数呈较显著关系，基于阻抗原理的病害检测受多方面因素影响，干扰较大，效果不理想；基于光特性的病害检测主要采用近红外光谱分析技术，根据物质特征吸收峰来进行病害判别，精度高，效果好，但数据分析和模型建立复杂，多采用专用计算机进行数据分析处理，且光谱仪价格高昂，难以将研究成果设备化推广应用。最近，有科研工作者以窄带LED作为光源，光电二极管作为采集装置，研制了小型便携式霉心病检测仪器，检测效果较理想，但其采用滑台电机来进行直径测量，测量时间长，且检测全过程未进行遮光处理，光谱信号信噪比低，整体效果不理想。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种低成本苹果霉心病无损快速检测设备，基于近红外光谱技术，采用窄带LED光源和光电二极管，通过苹果透射光谱信息确定检测特征波段，实现苹果霉心病的无损快速检测。

为了实现上述目的，本发明采用的技术方案是：

一种低成本苹果霉心病无损快速检测设备，包括：

光源模块，采用710-740nm和870-890nm波段的LED光源并行工作，向待测的苹果照射；

光谱检测模块，主要由光电二极管和信号调理电路组成，透过苹果之后的光信号照射在光电二极管上转换为电信号，再经过信号调理电路，进行低噪声放大和低通滤波后，通过ADC采样模块变成数字信号传入处理器中；

处理器，与光源模块连接控制两种波段LED光源先后启闭，与光谱检测模块连接采集透过苹果的光谱数据，并将采集到的数据进行分析实现病害判别；

人机交互模块，提供设备操控和测试结果显示功能；

稳压电源模块，为各个模块供电。

所述光源模块中，710-740nm波段的LED光源由三个串联的LED灯珠组成，870-890nm波段的LED光源由三个串联的LED灯珠组成，单个灯珠的功率均为3W，驱动芯片采用输出电流可调节的PT4115芯片，实现PWM波稳定输出，使LED灯珠均匀发光。

所述光谱检测模块中，光电二极管采用FDS1010型硅光电二极管，反应时间65μs，敏感波段为400-1100nm。

所述处理器连接有光传感器，采集当前环境光强作为整个检测过程的暗环境光强，所述光源模块、光谱检测模块和光传感器均位于黑箱中，整个检测过程均在黑箱内完成。

所述待测的苹果放置于苹果托台上进行检测，苹果托台采用中间高四周低的阶梯状结构，中心部分设置有用于安装所述光电二极管的安装孔，苹果放置方式为果柄轴向方向与光源照射方向垂直。

所述处理器采用STM作为处理器芯片。

所述处理器首先控制打开霉心病特征波段即710-740nm波段的LED光源，采集透过光谱数据，然后关闭霉心病特征波段的LED光源，控制打开直径特征波段即870-890nm波段的LED光源，采集透过光谱数据，基于两组数据进行病害判别。

所述病害判别基于如下：

设720nm波段处透射强度为V₇₂₀，880nm波段透射强度为V₈₈₀，由以下公式计算判别权值α和β，

α＝V₇₂₀·2.8586·10^-3-V₈₈₀·2.5384·10^-3+0.1329789

β＝V₇₂₀·(-2.8586·10^-3)+V₈₈₀·2.5384·10^-3+0.8670211

若α>β，则为健康果，若α<β，则为霉心病果。

与现有技术相比，本发明的有益效果是：

本发明基于近红外光谱技术，提出了苹果霉心病和直径的特征波段，自主设计窄带LED光源及检测系统，实现了苹果霉心病快速无损检测，检测时间仅为1～2s，对苹果霉心病快速无损检测理论与方法提供了新的思路，在苹果销售和存储过程中能有效识别发病苹果，降低生产加工及储藏期中苹果病果率，保障苹果质量，同时，本设备检测速度快、精度高，可以用于果品深加工中生产线上在线病害检测，为苹果分级与苹果产业的发展提供理论依据和技术基础。

附图说明

图1是本发明苹果霉心病透射光谱数据采集平台结构示意图。

图2是本发明霉心病病害程度与光谱关系曲线图。

图3是本发明苹果透射光谱与霉心病相关性曲线图。

图4是本发明苹果直径特征波段光谱图。

图5是本发明模型构建流程图。

图6是本发明测试集准确率图。

图7是本发明黑箱结构示意图。

图8是本发明苹果托台结构示意图。

图9是本发明硬件结构电路图。

图10是本发明光谱检测模块电路框图。

图11是本发明人机交互模块电路框图。

图12是本发明稳压电源模块电路框图。

图13是本发明检测流程图

图14是本发明判别模型线性得分情况性能图。

图15是本发明判别模型自校验得分情况性能图。

具体实施方式

下面结合附图和实施例详细说明本发明的实施方式。

1材料与方法

1.1试验材料

试验采用陕西渭南市白水县红富士苹果，在当地果园中选取刚摘下来(一天以内)的350个苹果，外形均匀、表面光滑、最大横径在70-95mm左右。将苹果湿布清洁苹果表皮后统一编号，置于遮光处理后的实验室内(17℃，50％湿度)，放置6天后采集实验样本光谱数据。光谱采集工作均在恒温17℃、经过遮光处理后的实验室内完成。

1.2苹果霉心病透射光谱数据采集平台

苹果霉心病透射光谱数据采集主要在光谱数据采集平台上完成，平台架构如图1所示，包括暗箱1，暗箱1中有用于监测的光源3，下方有苹果托台4，托台4为凹陷设计，其凹陷处设置有光纤5连接光谱仪6，光谱仪6连接计算机7。

苹果霉心病透射光谱数据采集主要在光谱数据采集平台上完成，平台架构如图1所示，包括暗箱1，暗箱1中有用于监测的钨卤素灯光源3，光源3安装在光源支架2上，下方有苹果托台4，托台4为凹陷设计，其凹陷处设置有与光谱仪6连接的光纤探头5，光谱仪6连接计算机8，光源3连接光源控制器7。

在暗箱1中进行实验，可排除环境光干扰，暗箱1的内壁采用亚光喷漆，同时采用吸光海绵降低干扰。

光谱仪6采用便携式光谱仪OFS1100(Ocean Optics公司)，有效相应宽度范围为200nm～1120nm，共2048个波数点，信噪比450:01:00，钨卤素灯光源3由四个50W的卤钨灯珠64445U(OSRAM公司)组成，置于托台4的上方，正对光纤探头5。光谱采集作业时，样本苹果水平放置于托台4上(果柄水平朝外)，保证果心位于托台中央，钨卤素灯光源3发射出来的宽波段光透过样品经过光纤并传输至光谱仪6，再通过USB传输的方式上传至计算机8，在计算机8上首先采用光谱采集软件SpectraSuite(Ocean Optics公司)对光谱数据进行滤波、平滑、平均处理，再通过SPSS(IBM公司)和Matlab 2014b(MathWorks公司)进行数据处理。

1.3特征波段提取

1.3.1苹果霉心病特征波段提取

基于苹果霉心病透射光谱数据采集平台，试验采集所有样品的光谱数据，测试期间每隔5个样品，对参考光谱和暗光谱进行重新标定，消除环境变化对光谱数据的影响。采集结束后，将苹果按照编号依次沿沿果柄方向切开，记录样品健康情况，试验共计304个样品，其中病果54个。对病果用CanonPowerShot SX600HS进行拍照(样品截面水平朝上置于无影灯下，相机由三脚架固定，设置50nm焦距)，对发病情况进行记录和保存，通过图像处理的方法计算发病面积和果心面积，以发病面积占果心面积的比值作为评定病害程度的标准。取试验中发病程度不同的样品分析其光谱数据如图2，可得健康果在波长710nm附近透过性好，病果在波长710nm附近透过性差，且随着病害程度与透过性成负相关关系，对试验所得苹果光谱数据与霉心病病害做相关性分析得到图3，苹果透射光谱中与霉心病相关性最强的波段为726nm附近区域，相关系数R＝-0.570，作为表征霉心病的特征波段可信度较高。

1.3.2苹果直径特征波段提取

透射光谱对光程变化很敏感，苹果横向果径大小的变化对光谱透射强度影响很大。为了获取尽量不受霉心病的影响同时能够较为准确的反映苹果果径的特征波段，用试验得到的304个样品的光谱数据分别进行关于霉心病和直径的相关性分析，如图4所示。

通过相关性分析得到，880nm波段附近能够较好地表征苹果直径变化，该波段与霉心病不相关，与直径的相关性最大，相关系数-0.70，呈显著相关关系。

因此，以726nm、880nm作为霉心病和直径的特征波段中心，选取710-740nm和870-890nm两个窄带波段作为病害和直径的特征波段。

2模型设计

苹果霉心病判别是典型的分类问题，近年来，科研工作者对分类问题进行了深入探索，分类方法主要有：决策树、人工神经网络、遗传算法、支持向量机法等。决策树是分类与预测的有效解决方案，是一种以实例为基础进行归纳学习，在内部节点进行属性比较，从而实现预测未知样本类别的智能算法，决策树对数据的准备没有要求，不需要进行数据预处理，且运行时间较短，可信度较高，但容易出现过拟合问题。人工神经网络(Artificial NeuralNetworks，ANN)是一种模拟大脑神经突触联结结构进行信息处理的数学模型，其分类性能较决策树更好，预测精度高，但存在收敛速度慢、计算量大、训练时间长等缺点，在处理大样本和高维数据时，运算量几何增长，效率较低。遗传算法是进化算法的一种，它模仿自然界的选择和遗传的机理来寻找最优解，能够直接对结构对象进行操作，不存在对求导和函数连续性的限定，具有内在的隐并行性和更好的全局寻优能力，但其实现过程较复杂，算法参数多且参数选择对最终结果影响很大。

支持向量机(Support Vector Machine)是一种依据统计学习理论提出的一种新的学习方法，它根据结构风险最小化准则，以最大化分类间隔构造最优超平面，SVM解决非线性分类问题时，通过引入核函数实现低维空间到高维空间转化，运算量小且和样本的维数是无关的，同时其模型参数包括惩罚参数C、径向基核函数参数g、阶数p，中止训练误差ε等，其中惩罚因子C是一个由用户去指定的系数，表示在模型训练时对分错的点加入多少的惩罚，当C在合理范围内提高的时候，分错的点会显著减少，在样本数据不均衡或需要人为调整时，可以通过对模型参数C的寻优，有效提高预测精度。径向基核函数参数g是将非线性可分样本转换到线性可分的特征空间，不同的核函数选择会使SVM模型产生的分类超平面不同，产生较大的差异性，对SVM模型的性能有直接的影响。

本发明中苹果霉心病分类问题样本数据大、样本维数高且属于非线性分类，由于霉心病果发病过程由内到外，从外观上难以与正常果实区分，导致样本中健康果与病果比例严重失调，前期特征波段提取试验中，304个样品中健康果250个，病果仅54个，好果坏果比例达到5:1，样品比例严重失衡，对建模方法的选择提出了很高要求。针对实际情况，本发明选用SVM算法进行模型构建。

基于特征波段分析，在样本数据中选取144个样本，其中健康果数据108个，霉心病果数据36个，对样本光谱数据中特种波段内光谱透射强度进行累加求平均处理，即将711nm-741nm波段内的透射光谱平均值作为霉心病检测特征值，将865nm-895nm波段内的透射光谱平均值作为直径特征值，根据样本特征值为数据，在Matlab中以2:1的比例随机生成训练集和预测集，经过参数寻优，最终设定好果惩罚因子为1，坏果惩罚因子1.53，能够降低坏果样本数少对模型构建的影响，模型构建流程图如图5所示。

通过对模型算法多次调整寻优，最后得到霉心病判别模型，训练集判别准确率95.35％，训练集判别准确率94.83％，训练结果如图6所示，仅判错3个样品，训练误差较小，判别性能好。表明本发明提出的以病害和直径特征波段进行苹果霉心病判别，可以有效消除直径对光谱数据的影响，构建的基于SVM算法的判别模型可以作为霉心病病害检测模型。

3检测设备系统设计

基于近红外透射光谱检测原理，结合微弱光信号检测特点，本发明无损检测设备可实现基于特征光谱透射强度对苹果直径和霉心病的快速检测。检测设备采用波段为710-730nm、760nm-800nm的LED作为光源，采用光敏二极管作为透射强度检测元件，采用黑箱检测的方法实现特征光谱数据采集。

3.1硬件设计

3.1.1检测黑箱设计

针对透射光谱采集对暗环境的要求，本发明设计检测黑箱，将光源和检测器件安置于黑箱内，整个检测过程均在黑箱内完成，保证测量暗环境，排除了环境因素对测量过程的影响，保证了测量结果的精确性，其设计如图7所示。在检测黑箱9中布置LED光源10，LED光源10正对苹果托台11，苹果托台11的中心凹陷并设置光电二极管12，周边设置遮光海绵13，光电二极管12外接带LCD显示屏15的核心处理器14。

3.1.2苹果托台设计

本发明的苹果托台，用于放置苹果进行检测。设备采用光电二极管作为透射光谱检测元件，光电二极管放置在苹果托台中心位置的安装孔中，为避免检测过程中光源照射苹果产生的漫反射效应，托台采用阶梯状设计，避免了未通过果心的光和环境亮度提高对测量的影响。托台设计如图8所示。

3.1.3硬件电路设计

本发明双波段霉心病检测设备，采用STM32单片机作为核心处理器，主要可分为光谱检测模块、光源模块、人机交互模块和稳压电源模块，总体硬件电路如图9所示。

光源是整个系统最关键的部分，光源的性能直接关系到整个系统的性能，同时，由于采用的是透射的方式，光源发出的光透过苹果后能量变弱，因此，要选择大功率光源。为保证检测系统的稳定性，设计恒流驱动模块，确保光源正常工作。LED灯具有寿命长、价格低廉、热效应低的优点，本发明选用710-740nm和870-890nm波段的LED灯作为光源，单个灯珠功率3W，电路连接方式为三串两并，两种波段的灯珠均匀分布，驱动芯片采用输出电流可调节的PT4115芯片，可以实现PWM波稳定输出，实现了LED灯珠均匀发光。光源灯板设计如图10所示。

光谱检测模块主要由光电二极管组成和信号调理电路组成，光电二极管采用THORLABS公司的FDS1010型硅光电二极管，反应时间65μs，敏感波段为400-1100nm。特征光透过苹果之后照射在光电二极管FDS1010上转换为电信号，再经过信号调理电路，进行低噪声放大和低通滤波后，通过ADC采样模块变成数字信号传入处理器中。

人机交互模块提供设备操控和测试结果显示的功能，主要12864型LCD显示屏、LED指示灯和操作按键组成，其硬件电路如图11所示。其中检测按钮用于实现手动检测功能，采用自复位按钮实现；行程开关用于实现设备的自动检测功能，采用欧姆龙SS-10GL2微动摆杆型开关实现，开关间隔0.5mm，其安装于检测暗室上边缘，靠近检测门转轴，单片机通过检测行程开关常开触点是否接通来判别暗室门是否关闭，从而实现霉心病设备的自动检测功能。

稳压电源模块采用24V锂电池供电，为各个模块供电，模块电路设计如图12所示。电源电压经过稳压处理后直接供电给光源模块，同时经过降压分别给单片机和光谱检测模块供电。

3.3软件设计

系统软件主要实现光谱数据分析与病害判断、设备控制、显示等功能。采用STM作为处理器芯片，相对于常用的8051等常用的单片机，STM编程更为简单，拥有12通道数字GPIO，4通道PWM输出，在采用PWM波控制光源上更为得心应手。软件工作流程如图13所示。

设备开机后，自动进行初始化操作，主要是I/O口初始化和处理器寄存器初始化，初始化结束后，设备准备就绪等待控制命令，当用户按下检测键，设备首先采集当前环境的光强，作为整个检测过程的暗环境光强，采集完毕后，打开霉心病特征波段LED灯，并通过光电二极管检测透过苹果的光谱数据，采集完毕后，关闭霉心病特征波段LED灯，打开直径特征波段的LED，以相同的方式检测光谱数据，当光谱数据采集完成后，进行数据分析与病害判别，最后存储数据并将检测结果显示在显示屏上。

4设备测试与验证

设备研制完成后，采用陕西白水苹果进行设备测试与数据采集。选取大小分布均匀表面没有损伤和疤痕的苹果144个，实验苹果于2015年12月1日取出存放于室温环境下，将表皮清洗干净，依次编号，依次放入检测设备中进行检测，苹果放置方式为果柄轴向方向与光源照射方向垂直，根据设备显示分别记录每个苹果在两个波段的透射强度。

数据采集完成后，采用NCSS 10软件基于DA算法进行建模，得到判别模型，判别公式为：

α＝V₇₂₀·2.8586·10^-3-V₈₈₀·2.5384·10^-3+0.1329789

β＝V₇₂₀·(-2.8586·10^-3)+V₈₈₀·2.5384·10^-3+0.8670211

若α>β，则为健康果。

若α<β，则为霉心病果。

模型判别准确率88.2％，其中健康果共112个，判别准确率90.17％，病果共32个，判别准确率81.25％，线性判别得分情况和模型自校验得分情况如图14和图15所示。表明模型性能良好，病害判别准确率高，能够作为检测设备算法模型。

Claims (8)

1.一种低成本苹果霉心病无损快速检测设备，其特征在于，包括：

光源模块，采用710-740nm和870-890nm波段的LED光源并行工作，向待测的苹果照射；

光谱检测模块，主要由光电二极管和信号调理电路组成，透过苹果之后的光信号照射在光电二极管上转换为电信号，再经过信号调理电路，进行低噪声放大和低通滤波后，通过ADC采样模块变成数字信号传入处理器中；

处理器，与光源模块连接控制两种波段LED光源先后启闭，与光谱检测模块连接采集透过苹果的光谱数据，并将采集到的数据进行分析实现病害判别；

人机交互模块，提供设备操控和测试结果显示功能；

稳压电源模块，为各个模块供电。

2.根据权利要求1所述低成本苹果霉心病无损快速检测设备，其特征在于，所述光源模块中，710-740nm波段的LED光源由三个串联的LED灯珠组成，870-890nm波段的LED光源由三个串联的LED灯珠组成，单个灯珠的功率均为3W，驱动芯片采用输出电流可调节的PT4115芯片，实现PWM波稳定输出，使LED灯珠均匀发光。

3.根据权利要求1所述低成本苹果霉心病无损快速检测设备，其特征在于，所述光谱检测模块中，光电二极管采用FDS1010型硅光电二极管，反应时间65μs，敏感波段为400-1100nm。

4.根据权利要求1所述低成本苹果霉心病无损快速检测设备，其特征在于，所述处理器连接有光传感器，采集当前环境光强作为整个检测过程的暗环境光强，所述光源模块、光谱检测模块和光传感器均位于黑箱中，整个检测过程均在黑箱内完成。

5.根据权利要求1所述低成本苹果霉心病无损快速检测设备，其特征在于，所述待测的苹果放置于苹果托台上进行检测，苹果托台采用中间高四周低的阶梯状结构，中心部分设置有用于安装所述光电二极管的安装孔，苹果放置方式为果柄轴向方向与光源照射方向垂直。

6.根据权利要求1所述低成本苹果霉心病无损快速检测设备，其特征在于，所述处理器采用STM作为处理器芯片。

7.根据权利要求1所述低成本苹果霉心病无损快速检测设备，其特征在于，所述处理器首先控制打开霉心病特征波段即710-740nm波段的LED光源，采集透过光谱数据，然后关闭霉心病特征波段的LED光源，控制打开直径特征波段即870-890nm波段的LED光源，采集透过光谱数据，基于两组数据进行病害判别。

8.根据权利要求1所述低成本苹果霉心病无损快速检测设备，其特征在于，所述病害判别基于如下：

设样本在720nm波段处透射光谱强度为V₇₂₀，在880nm波段处透射光谱强度为V₈₈₀，由以下公式计算判别权值α和β，

α＝V₇₂₀·2.8586·10^-3-V₈₈₀·2.5384·10^-3+0.1329789

β＝V₇₂₀·(-2.8586·10^-3)+V₈₈₀·2.5384·10^-3+0.8670211

若α>β，则为健康果，若α<β，则为霉心病果。