柑橘内部品质在线检测软件系统的设计与实现

摘要：本文基于目前国内外对柑橘内部品质的实时无损检测还处在实验室研究阶段，现有在线无损实时检测技术和方法还不成熟且投入商业化应用较少的现状，设计并开发了一套近红外光谱采集与处理软件。该软件采用面向对象化的visual C++编程技术，可以实现实时光谱的显示、光谱文件的管理、光谱信号的实时处理以及光谱预测模型的选择等，解决了一些在线检测中的关键技术问题，为柑橘内部品质的实时无损检测提供了理论指导和参考依据。

引言

　　大多数近红外光谱^[1-5]仪所带的光谱分析软件功能千差万别，并且这些软件大多只适合静态实验室离线分析使用，没有成熟的在线检测分析控制软件。本文设计的“近红外光谱柑橘内部品质在线检测软件系统^[6]基于所设计的检测试验台和在线检测的要求，力图实现在线检测的要求，实现在线检测光谱采集^[7]、实时光谱预处理^[8]、模型算法^[9]选择多样性、内部品质指标预测准确性、软件系统易维护性和用户使用操作方便性等特点，为近红外光谱柑橘内部品质检测提供快速、准确的品质检测手段。

　　采用面向对象Visual C++^[10-12]编程技术，向量、矩阵运算的封装技术，结构化存储与复合文档技术等，设计并开发了近红外光谱柑橘内部品质在线检测软件系统。该系统由实时光谱文件管理、实时光谱显示、实时光谱信号处理(预处理)、实时光谱校正模型的选择与管理、未知样品糖酸度预测及等级评价五大功能模块构成。实现多种光谱仪器光谱格式兼容性和光谱分析功能多样性，具有建模算法选择较多、内部品质指标预测较准、软件系统易维护容易、用户使用操作方便等特点，为柑橘内部品质在线检测提供了很好的技术支持。

1 系统目标

　　基于所设计的试验台建立适合于近红外光谱内部品质在线检测软件系统、实现在线检测光谱采集、实时光谱预处理、模型算法选择多样性、内部品质指标预测准确性、软件系统易维护性和用户使用操作方便性等特点，为近红外光谱柑橘内部品质检测提供快速、准确的品质检测手段。

2 系统功能

　　根据上述系统目标，近红外光谱柑橘内部品质在线检测软件系统的功能结构包括光谱文件管理、实时信息单元、实时控制单元、数据处理单元、评价决策单元和数据库单元等。如图1所示。

2.1 实时光谱文件管理

　　该模块主要实现光谱数据、试验台硬件参数数据和检测与评价结果数据的存储和格式转换。为了实现数据共享，系统对多家光谱仪的光谱格式兼容，方便光谱数据的储存和相互转换。

2.2 实时显示

　　实时显示主要包括光谱数据、在线检测参数和检测评价结果的实时显示。光谱数据既可以通过表格化以数字形式显示，方便查询被测样品某一波长点下的吸光度数值，又可以通过以图形化谱的图形式显示，直观地反映了谱图的变化情况;既可以显示单个样品的谱图，又可以显示多个样品的谱图，便于检查出谱图异常的样品及观察光谱曲线中噪声严重的谱区。在线参数的显示主要反映实时检测速度和光照强度，便于检测中根据样品谱图的情况通过软件调整修改参数，检测评价的结果也要相应地显示出来。

2.3 光谱信号的实时处理

　　光谱信号处理也称为光谱预处理，是提高校正模型的适应性和稳定性的必要措施，也是提高未测样品糖酸度预测精度的有力保证。软件可以对原始光谱信号进行实时的预处理，其中包括对光谱信号的坐标变换(横轴的波长、波数等单位变换，纵轴的吸光度、透过率、反射率等单位变换)、光谱信号的代数运算(加、减、乘、除常数，如中心化与标准化处理)、光谱信号的平滑、光谱信号的微分(一阶和二阶微分)和高频噪声滤除(平滑去卷积和傅立叶变换)。

2.4 实时光谱预测模型的选择和管理

　　近红外光谱柑橘糖酸度在线实时检测的一般流程通常分为两部分：模型选择与基于该模型成分预测和预测模型库的维护。在检测开始之前，首先要选取适宜的预测模型来对被测柑橘的成分进行预测。因此，我们筛选出多元线性回归模型MLR^[13]，主成分回归PCR^[14]和偏最小二乘法PLS^[15]等多种软件系统，贮存于软件模型库，用户可以针对不同的水果样品和不同的预测成分，根据预备的实验结果选择适宜的模型进行运算预测。另外，模型库内模型的维护和内部模型的不断改进是决定软件对柑橘种类和内部成分种类适应能力的基础。

2.5 未知柑橘样品内部品质的实时预测

　　未知柑橘样品内部品质在线预测的流程图如图2所示，其包括的主要环节有：软件参数选择、硬件参数选择、实时光谱采集和预处理以及糖酸度预测和显示。

3 系统实现

　　Visual C++是美国微软(Microsoft)公司推出的Win32可视化C++开发环境，它是面向对象的可视化集成编程系统。它不但具有应用程序框架自动生成、类管理灵活方便、可开发多种程序(如:应用软件、ActiveX控件及动态连接库等)、代码编写和界面设计集成交互操作等优点，而且通过简单的设置就可使其生成的应用程序框架支持数据库接口和3D控件界面等。目前，它已经成为开发Win32应用程序的主要开发工具。它具有一个功能庞大的MFC类库，该类库封装了许多常用的Windows API函数，是Visual C++程序设计的核心，绝大多数基于Visual C++的应用程序都是在该类库基础上构造的。本检测软件系统就是基于Visual C++ 6.0开发环境开发完成的。

本文来源于中国科技核心期刊《电子产品世界》2016年第6期第70页，欢迎您写论文时引用，并注明出处。

3.1 C++类的设计

　　每一个功能模块均建立独立的C++类，并封装为动态链接库(DLL)，方便维护与升级。软件系统构成图如图3所示。

3.2 软件界面及功能

　　在功能上，该近红外动态检测软件实现了与微型光纤光谱仪的通讯、多种图形显示模式、光谱的采集以及以一定的间隔时间(如100ms)自动采集光谱和针对像素点或对应波长下的透射率查询等功能。最终实现的系统主界面图如图4所示，①为当前选择信息窗口、②为波形显示窗口、③为参数调整窗口、④为结果显示窗口、⑤为查询窗口、⑥为主要功能按钮、⑦为硬件控制窗口。

4 结果分析

4.1 实验材料

　　本次实验选用了产自湖南的芷江舞水牌柑橘，共100个，直接购于太原市水果超市。实验之前，对柑橘进行筛选，保证无表面损伤、无病虫害，然后将筛选后的100个果实表皮清洗干净，并依序进行编号和标记(在每个样品的赤道圈上的正交位置上做好标记)。

4.2 模型建立

　　该近红外动态检测软件采用事先建立模型，然后编入软件，从而为后期动态检测做好准备;我们随机选取其中60个柑橘，对其进行动态采集近红外光谱数据，然后对其进行实际糖度值的测量，建立柑橘糖度预测模型。图5所示为使用光纤光谱仪静态采集所得的光谱，图6为动态采集所得的光谱。建模方法选用Stepwise multiple linear regression(SMLR)，静态的SMLR建模结果如图7所示，动态的SMLR建模结果如图8所示。

4.3 实验结果分析

　　通过图7和图8的相关性分析可以看出，不管是静态检测还是动态检测，所得的逐步线性回归方程的验证实验的结果都很好，可以快速、方便地检测水果糖酸度含量，说明该软件提高了分析效率，对水果内部品质无损检测技术的应用推广具有重要意义。

5 结论

　　本文介绍了柑橘糖酸度实时检测软件系统的设计目标、系统功能和系统的实现。该系统采用C++编程技术，不仅缩短了开发周期，而且提高了软件质量，可以实现：实时光谱的显示、光谱文件的管理、光谱信号的实时处理以及光谱预测模型的选择，基本上可以实现基于试验台的水果糖酸度检测。以柑橘糖度可见/近红外光谱检测为例，阐述了基于试验台的整个实验操作流程、建模过程和结果分析，说明了此技术具有较强的通用型和可扩展性，在科学计算和工程应用中值得推广。

参考文献：

　　[1] 严衍禄. 近红外光谱分析的原理、技术与应用[M]. 北京：中国轻工业出版社，2013.

　　[2] 杰尔·沃克曼，洛伊斯·文依. 近红外光谱解析实用指南[M]. 北京：化学工业出版社，2009.

　　[3] 安泉鑫，陈莉，庞林江，等. 近红外光谱技术在食品中的应用进展[J]. 食品与机械， 2012, 28(5): 239-242.

　　[4] J.M. Andr'es, M.T. Bona. Analysis of coal by diffuse reflectance near-infrared spectroscopy[J]. Analytica Chimica Acta, 2005, 535(1):123-132.

　　[5] 徐彦，李忠海，付湘晋，等. 近红外光谱技术在稻米品质快速检测中的应用[J]. 食品与机械，2011, 27(1): 158-161.

　　[6] 李庆波，阎侯赖，李倩暄，等. 近红外光谱采集与处理软件系统的设计与实现[J]. 实验技术与管理，2010, 27(5):105-110.

　　[7] J.M.Andres, M.T.Bona. Analysis of coal by diffuse reflectance near-infrared spectroscopy[J]. Analytica Chimica Acta, 2005(535):123-132.

　　[8] Roman M. Balabin, Ravilya Z. Safieva, Ekaterina I. Lomakina.Comparison of linear and nonlinear calibration models based on near infrared (NIR) spectroscopy data for gasoline properties prediction [J]. Chemometr Intell Lab, 2007, 88(2):183–188.

　　[9] 虞科，程翼羽. 一种基于最小二乘支持向量机算法的近红外光谱判别分析方法[J].分析化学，2006, 34(4): 561-564.

　　[10] 刘锐宁，梁水，李伟明. Visual C++编程之道[M]. 北京：人民邮电出版社，2011.

　　[11] 赵宏. C++程序设计语言[M]. 天津：南开大学出版社，2012.

　　[12] 孟威，刘慧宁. C++程序设计教程[M]. 北京：机械工业出版社，2009.

　　[13] 王惠文，孟洁. 多元线性回归的预测建模方法[J]. 北京航空航天大学学报，2007, 33(4):500-504.

　　[14] Steffen Schumann, Lutz-P. Nolte, Guoyan Zheng. Comparison of partial least squares regression and principal component regression for pelvic shape prediction[J]. Journal of Biomechanics, 2013, 46:197-199.

　　[15] 王桂增，叶昊编. 主元分析与偏最小二乘法[M]. 北京：清华大学出版社，2012.

本文来源于中国科技核心期刊《电子产品世界》2016年第6期第70页，欢迎您写论文时引用，并注明出处。