一种基于近红外光谱漫透射技术的易损果带包装糖度检测果杯装置与方法与流程

本发明涉及易损果糖度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的易损果糖度在线检测果杯装置与方法。

背景技术：

易损果指的是丰水梨、黄桃等含水量高且易摩擦、刮伤的水果。传统的人工分选方法费时费力，由于这类水果含水量极高，传统的人工分选极易发生轻微的机械损伤、刮擦，都会对水果表面造成损伤，从而降低水果品质，在水果实际生产出口中是不被允许的。另外传统的人工分选不能够按照糖度等级将水果进行分类，难以满足高挡水果的市场需求。最后常规的在线分选方法，容易对易损果造成二次损伤。因此需要一种能够快速，无损同时检测水果糖度的方法，因此改进在线分选设备及采用新的分选方法具有重大意义。

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，能够降低水果在线分选易损伤水果同时检测糖度的相关研究报道，因此研究出一种能够有效的降低水果损伤，同时还具有较高精度的在线分选方法对于提高水果品质具有重大意义。

技术实现要素：

本发明的目的是提供一种改进的新式果杯、一种易损果糖度在线检测装置和一种易损果糖度在线检测方法。

本发明采用以下技术方案：

一种易损果果杯，包括果杯和弹跳爪，弹跳爪通过铰链设置在果杯的一侧，果杯中间设置透光孔，透光孔顶端设置遮光圈，果杯内壁设置软塑料垫圈，果杯底端设置称重脚。在所述的易损果果杯下方设置检测器，检测器正对透光孔。

一种易损果糖度在线检测装置，包括上述的易损果果杯，还包括传送装置、检测光谱仪和电脑。传送装置设置齿轮驱动和编码盘，驱动齿轮、编码盘都安装在主轴上，驱动齿轮68齿，编码盘17齿，驱动齿轮每四齿对应编码盘一齿，驱动齿轮每四齿对应四节传送链条安装一个易损果果杯；在编码盘齿顶安装有霍尔传感器，在传送链条下方安装有光电开关，霍尔传感器、光电开关连接电脑，实现编码盘每转一齿，光电开关触发检测光谱仪采集并保存一条光谱；在传送链条一端安装称重传感器，称重传感器连接电脑。所述易损果糖度在线检测装置采用旋转式分级口。

一种基于近红外漫透射易损果糖度套网在线检测方法，包括如下步骤：

(1)选取试验样品：选取一批表面无机械损伤、刮擦、畸形的易损果，去除样品表面灰尘，将样品进行人工编号处理，每个样品在果柄部位标记4个面。

(2)待试验样品准备好以后，对试验设备进行预热处理，采用参比球进行光源校准，校准完成后方可进行样品光谱采集，采集时人工上果，采集赤道部位的近红外漫透射光谱。光谱采集条件：光源强度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。试验样品光谱测量后，进行样品套网光谱测量。

(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)将试验样本划分，得到模型的建模集与预测集，建模集用于试验模型的建立，预测集用于评价模型的稳定性及精度，其中建模集与预测集的样本比例约为3：1。

(5)在波长为600nm～900nm范围内对比易损果套网前后的光谱，并分别进行模型的建立。采用算法将网套的光谱剥离，再采用剥离网套光谱后的样品光谱进行糖度模型的建立，提高模型的精度。

(6)将所建立的最优的易损果套网偏最小二乘模型导入软件中，实现丰水梨样品套网的无损检测。采用未参与建模的试验样品，对模型进行评价。

本发明的有益效果：(1)本发明的易损果果杯可用于水果在线检测设备中，能够极大程度上降低高档易损水果人工上果及水果被弹入分级口的伤果率，并且能够实现水果的重量分级。弹跳爪内装配一层软塑料弹性垫圈，能够在人工上果及水果沿着传送带输送的两个过程中缓冲果杯对水果的冲击，从而减少果杯对水果的擦伤及轻微的机械损伤，提升果品品质。另外在水果推入分级口的过程当中，调整弹跳爪与果杯的连接位置，连接处与果杯的距离变小，从而减小水果弹入分级口的力度，降低水果在弹入分级口时的由于碰撞造成的机械损伤。(2)本发明的易损果糖度在线检测装置通过光电开关的触发及驱动齿轮与编码盘的布置，实现采集光谱与水果的一一对应及水果在生产线的虚拟阵列，最终实现水果通过检测工位一次，触发并保存一条光谱。另外采用旋转式分级口，当水果弹入分级口时，接收水果的分级口由电机驱动，缓慢转动，减缓水果弹入分级口的冲击。(3)本发明的基于近红外漫透射易损果糖度套网在线检测方法能够实现易损果套网在线检测，极大程度降低分选时水果的损伤。

附图说明

图1是本发明的易损果果杯主视图的示意图。

图2是本发明的易损果果杯局部放大的俯视示意图。

图3是本发明易损果糖度在线检测装置控制原理示意图。

图4是具体实施方式中采集的套网前后的光谱对比图。

图5是具体实施方式中丰水梨套网检测模型的糖度偏最小二乘模型图。

图6是具体实施方式中丰水梨的糖度偏最小二乘回归系数图。

在图中，检测器1、弹跳爪2、铰链3、遮光圈5、透光孔6、称重脚7、软塑料垫圈8、果杯9、样品10、光电开关11、驱动齿轮12、编码盘13、称重传感器14。

具体实施方式

如附图1所示，一种易损果果杯，包括果杯、检测器1、弹跳爪2、铰链3、遮光圈5、透光孔6、称重脚7和软塑料垫圈8，在附图1中4为弹出的水果。果杯的俯视图如附图2所示，软塑料垫圈8为呈齿轮状，约高于水果底部2～3mm，在分选人工上果时，水果表面首先与软塑料垫圈8接触，缓冲果杯对水果表面的冲击，达到保护敏感水果表面避免碰伤刮伤的作用。当将水果置于果杯中时，由于水果自身的重力作用，水果对遮光圈5自然下压，软塑料垫圈能够适应果型，并与遮光圈配合起到很好的遮光作用，避免光不经过水果直接被探头所接收，从而降低模型的检测精度。当水果置于果杯中随着传送带传送时，软塑料垫圈能够缓冲振动，保护水果不被磕破。当水果经过检测工位，采集一条光谱并通过模型计算进行糖度预测。当果杯运行至称重传感器的位置，称重脚对传感器产生压力，导致其产生微量的形变，根据机械的微量形变，利用传感器传到电脑上，实现每个果重量的测量。根据预测的糖度值将水果弹入预设的分级口，果杯采用侧翻式结构，改进果杯与弹跳爪的连接处铰链的位置如附图1所示，当果杯侧翻时，侧翻力度变小，能够有效防止水果摔伤。

一种易损果糖度在线检测装置，本检测装置的控制部分如附图3所示，驱动齿轮12、编码盘13、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，光电开关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。当水果经过称重传感器14时，传感器将微量的机械形变信号传递到电脑中，通过对信号的分析处理，实现对水果的称重。

一种基于近红外漫透射方式的易损果套网在线无损检测方法。该网套为普通的白色软塑料网，常用于水果运输包装当中。并采用算法对网套的光谱进行剥离，然后采用剥离后的套网水果的样品光谱进行糖度模型的建立，采用剥离后的光谱建模，不仅模型精度得到了一定提高，而且能够极大程度的降低分选时对易损伤水果的伤害，从而达到提升水果品质的目的。该方法包括如下步骤：

(1)首先需要选取试验样品，以丰水梨为研究对象，选取一批表面无机械损伤、刮擦、畸形的易损果，去除样品表面灰尘，将样品进行人工编号处理，每个样品在果柄部位标记4个面。

(2)待试验样品准备好以后，对试验设备进行预热处理，采用参比球进行光源校准，校准完成后方可进行样品光谱采集，采集时人工上果，采集赤道部位的近红外漫透射光谱。光谱采集条件：光源强度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。试验样品光谱测量后，进行样品套网光谱测量。

(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)将试验样本划分，得到模型的建模集与预测集，建模集用于试验模型的建立，预测集用于评价模型的稳定性及精度，其中建模集与预测集的样本比例约为：3：1。

(5)在波长为600nm～900nm范围内对比丰水梨套网前后的光谱，并分别进行模型的建立。采用算法将网套的光谱剥离，再采用剥离网套光谱后的样品光谱进行糖度模型的建立，提高模型的精度。

(6)将所建立的最优的丰水梨套网偏最小二乘模型导入软件中，实现丰水梨样品套网的无损检测。采用未参与建模的试验样品，对模型进行评价。

试验所采用的丰水梨来源于青岛某鲜果市场，待抵达实验室后，置于实验室室温20℃，相对湿度40％-60％的环境下贮藏。试验前剔除果形畸形，表面碰伤刮擦、局部溃疡病等异常样品。所有样品均用湿抹布清理干净，自然晾干。对每个样品进行编号处理，在样品果柄端每间隔90°均匀标记4个点，共160个试验样品，将样品编号完毕后，为减小温度对试验的影响，将样品置于室温20℃环境中保存24小时，待样品温度与室温基本一致后进行光谱采集。

光谱采集前需要对试验设备进行预热，并采用白色的特氟龙球作为参比来对光源进行校正，采集参比球的光谱，待光谱能量的变化范围在1％以内，方可进行样品光谱采集，近红外漫透射光谱采集部位为赤道。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。分别采集样品套网前后光谱，光谱采集后需进行样品的化学值测量。

样品糖度含量采用折射式数字糖度计(atago,co.,tokyo,japan)进行测定，试验中需先将糖度计擦干后用纯净水标定糖度0％，在测量时，切取光谱采集部位约5mm深果肉挤汁滴于糖度计上测试窗口，重复测量三次，取两次或两次以上相同的值作为可溶性固形物含量真值，用于后期的模型的建立。

采用k-s(kennard-stone)方法对样品进行建模集与预测集的划分，160个样品中，其中建模集121个，预测集39个用于模型分选准确性及稳定性的评价。

对比采集的样品套网光谱与未套网光谱，同一个样品套网前后的光谱如附图4所示，由上图可知套网前后光谱在能量强度上有较大差异，其中未套网的梨的光谱能量明显高于套网后的梨的光谱。在700nm及790nm附近都有明显的吸收峰，但在该峰值位置未套网样品的光谱能量明显高于套网后的样品光谱能量，从附图4可以看出未套网的样品在700nm处峰值约为18000光子数，在790nm处峰值约为11000光子数，而套网后的样品在700nm处峰值约为15000光子数，在790nm处峰值约为8200光子数。另外从光谱信噪比来分析，样品套网后的光谱信噪比变低。造成光谱特征明显差异的原因主要是因为样品光谱采集前套上一个白色的网套，一方面降低了光照的强度，网套能够将遮挡住一部分的光，从而导致试验中采集的套网后的样品的光谱的能量变低，光谱信噪比降低。另一方面，挡住了部分透过样品进入探测器的光，损失有效信息。因此需要剥离网套来提高光谱有效信息。

采用算法进行网套光谱的剥离，采用多项式拟合的方法来剥离网套的光谱，以二次函数拟合的方法剥离网套光谱为例，讨论剥离网套前后样品光谱的差异。附图5为采用二次函数拟合的方法剥离网套后的梨的光谱。其中套网梨的光谱为试验中所采集的所有样品的平均光谱，二次拟合光谱为采用二次函数拟合的样品的平均光谱，图中最下方的光谱为网套剥离后的光谱，采用每个样品的光谱减去二次函数拟合后的光谱获得剥离网套后的光谱。由附图5可以看出剥离网套后的光谱在700nm及790nm仍然存在明显的吸收峰，并且在750nm附近与套网样品的光谱一致都存在波谷，因此采用该方法剥离网套光谱，其光谱有效信息并没有损失，用于后期模型建立。

剥离网套光谱后的丰水梨糖度偏最小二乘模型散点图如附图6所示，将模型的回归系数及截距导入自行开发的分选模型中可实现丰水梨套网在线分选。