檢測黑箱及利用該檢測黑箱的蘋果霉心病無損快速檢測設備的制造方法
【專利摘要】檢測黑箱及利用該檢測黑箱的蘋果霉心病無損快速檢測設備，檢測黑箱包括封閉的箱體，箱體內的底部設置有蘋果托臺，頂部布置有向蘋果托臺照射的LED光源，蘋果托臺的中心凹陷并設置光電二極管，周邊設置遮光海綿，光電二極管外接帶LCD顯示屏的核心處理器；檢測設備包括：光源模塊、光譜檢測模塊、處理器、人機交互模塊、穩壓電源模塊等，本實用新型整個檢測過程均在黑箱內完成，保證測量暗環境，排除了環境因素對測量過程的影響，保證了測量結果的精確性，同時基于近紅外光譜技術，采用窄帶LED光源和光電二極管，實現蘋果霉心病的無損快速檢測。
【專利說明】
檢測黑箱及利用該檢測黑箱的蘋果霉心病無損快速檢測設備
技術領域
[0001]本實用新型屬于農業智能設備技術領域，特別涉及一種檢測黑箱及利用該檢測黑箱的蘋果霉心病無損快速檢測設備。
【背景技術】
[0002]蘋果霉心病作為常見的蘋果病害，發病后果實從心室開始腐爛，逐漸向外擴展。發病初期果實外表無明顯特征，易在儲藏期發病，嚴重損害果農和消費者的利益。由于病害發病由內及外，外觀癥狀不明顯，在果實采摘和分揀環節中難以對病害進行識別，如何檢測霉心病蘋果已經成為果品鑒定和深加工過程中的一大難題，如果能夠通過無損的方式有效地對霉心病進行識別，將有效提高果品品質，對提高我國蘋果產業質量和效益有著重要意義。
[0003]光譜分析技術在處理不可接觸和不許損傷的對象時有著其他技術不可比擬的優勢，在果品無損檢測上應用較多。近紅外分析兼備了可見區光譜分析信號容易獲取與紅外區光譜分析信息量豐富兩方面的優點，在有機物質定性和定量分析中較為有效。近年來，科研工作者基于近紅外光譜技術在水果品質檢測方面進行了深入研究，針對果品糖分、固形物含量等品質進行紅外光譜分析，效果較高。但針對蘋果霉心病病害的研究較少，已開展的研究大多基于蘋果阻抗特性、光特性等原理，電阻抗特性與果品中各物質含量、比例等參數呈較顯著關系，基于阻抗原理的病害檢測受多方面因素影響，干擾較大，效果不理想；基于光特性的病害檢測主要采用近紅外光譜分析技術，根據物質特征吸收峰來進行病害判別，精度高，效果好，但數據分析和模型建立復雜，多采用專用計算機進行數據分析處理，且光譜儀價格高昂，難以將研究成果設備化推廣應用。最近，有科研工作者以窄帶LED作為光源，光電二極管作為采集裝置，研制了小型便攜式霉心病檢測儀器，檢測效果較理想，但其采用滑臺電機來進行直徑測量，測量時間長，且檢測全過程未進行遮光處理，光譜信號信噪比低，整體效果不理想。
【發明內容】
[0004]為了克服上述現有技術的缺點，本實用新型的目的在于提供一種檢測黑箱及利用該檢測黑箱的蘋果霉心病無損快速檢測設備，在黑箱中檢測，精度更高，同時基于近紅外光譜技術，采用窄帶LED光源和光電二極管，通過蘋果透射光譜信息確定檢測特征波段，實現蘋果霉心病的無損快速檢測。
[0005]為了實現上述目的，本實用新型采用的技術方案是:
[0006]—種檢測黑箱，包括封閉的箱體9，箱體9內的底部設置有蘋果托臺11，頂部布置有向蘋果托臺11照射的LED光源10，蘋果托臺11的中心凹陷并設置光電二極管12，周邊設置遮光海綿13，光電二極管12外接帶IXD顯示屏15的核心處理器14。
[0007]所述LED光源10采用710-740nm和870-890nm波段的LED光源并行工作。
[0008]本實用新型還提供了利用所述檢測黑箱的蘋果霉心病無損快速檢測設備，包括:
[0009]光源模塊，即所述LED光源10，采用710-740nm和870-890nm波段的LED光源并行工作，向待測的蘋果照射；
[0010]光譜檢測模塊，主要由所述光電二極管12和信號調理電路組成，透過蘋果之后的光信號照射在光電二極管上轉換為電信號，再經過信號調理電路，進行低噪聲放大和低通濾波后，通過ADC采樣模塊變成數字信號傳入處理器中；
[0011 ]處理器，與光源模塊連接控制兩種波段LED光源先后啟閉，與光譜檢測模塊連接采集透過蘋果的光譜數據;采集的數據可以直接供判斷參考使用。也可經過進一步計算后提高判斷正確率。
[0012]人機交互模塊，提供設備操控和測試結果顯示功能；
[0013]穩壓電源模塊，為各個模塊供電。
[0014]所述光源模塊中，710-740nm波段的LED光源由三個串聯的LED燈珠組成，870-890nm波段的LED光源由三個串聯的LED燈珠組成，單個燈珠的功率均為3W，驅動芯片采用輸出電流可調節的PT4115芯片，實現PffM波穩定輸出，使LED燈珠均勻發光。
[0015]所述光譜檢測模塊中，光電二極管采用FDS1010型硅光電二極管，反應時間65ys，敏感波段為400-1 10nm0
[0016]所述處理器連接有光傳感器，采集當前環境光強作為整個檢測過程的暗環境光強，所述光源模塊、光譜檢測模塊和光傳感器均位于檢測黑箱中，整個檢測過程均在檢測黑箱內完成。
[0017]所述待測的蘋果放置于蘋果托臺11上進行檢測，蘋果托臺11采用中間高四周低的階梯狀結構，中心部分設置有用于安裝所述光電二極管12的安裝孔，蘋果放置方式為果柄軸向方向與光源照射方向垂直。
[0018]所述處理器采用STM作為處理器芯片。
[0019]所述處理器首先控制打開霉心病特征波段即710-740nm波段的LED光源，采集透過光譜數據，然后關閉霉心病特征波段的LED光源，控制打開直徑特征波段即870-890nm波段的LED光源，采集透過光譜數據，基于兩組數據進行病害判別。
[0020]與現有技術相比，本實用新型的有益效果是:
[0021]本實用新型基于近紅外光譜技術，提出了蘋果霉心病和直徑的特征波段，自主設計窄帶LED光源及檢測系統，實現了蘋果霉心病快速無損檢測，檢測時間僅為I?2s，對蘋果霉心病快速無損檢測理論與方法提供了新的思路，在蘋果銷售和存儲過程中能有效識別發病蘋果，降低生產加工及儲藏期中蘋果病果率，保障蘋果質量，同時，本設備檢測速度快、精度高，可以用于果品深加工中生產線上在線病害檢測，為蘋果分級與蘋果產業的發展提供理論依據和技術基礎。
【附圖說明】
[0022]圖1是本實用新型蘋果霉心病透射光譜數據采集平臺結構示意圖。
[0023]圖2是本實用新型霉心病病害程度與光譜關系曲線圖。
[0024]圖3是本實用新型蘋果透射光譜與霉心病相關性曲線圖。
[0025]圖4是本實用新型蘋果直徑特征波段光譜圖。
[0026]圖5是本實用新型模型構建流程圖。
[0027]圖6是本實用新型測試集準確率圖。
[0028]圖7是本實用新型黑箱結構示意圖。
[0029]圖8是本實用新型蘋果托臺結構示意圖。
[0030]圖9是本實用新型硬件結構電路圖。
[0031 ]圖10是本實用新型光譜檢測模塊電路框圖。
[0032]圖11是本實用新型人機交互模塊電路框圖。
[0033]圖12是本實用新型穩壓電源模塊電路框圖。
[0034]圖13是本實用新型檢測流程圖
[0035]圖14是本實用新型判別模型線性得分情況性能圖。
[0036]圖15是本實用新型判別模型自校驗得分情況性能圖。
【具體實施方式】
[0037]下面結合附圖和實施例詳細說明本實用新型的實施方式。
[0038]I材料與方法
[0039]1.1試驗材料
[0040]試驗采用陜西渭南市白水縣紅富士蘋果，在當地果園中選取剛摘下來(一天以內)的350個蘋果，外形均勻、表面光滑、最大橫徑在70-95mm左右。將蘋果濕布清潔蘋果表皮后統一編號，置于遮光處理后的實驗室內(17°C，50%濕度)，放置6天后采集實驗樣本光譜數據。光譜采集工作均在恒溫17°C、經過遮光處理后的實驗室內完成。
[0041 ] 1.2蘋果霉心病透射光譜數據采集平臺
[0042]蘋果霉心病透射光譜數據采集主要在光譜數據采集平臺上完成，平臺架構如圖1所示，包括暗箱I，暗箱I中有用于監測的光源3，下方有蘋果托臺4，托臺4為凹陷設計，其凹陷處設置有光纖5連接光譜儀6，光譜儀6連接計算機7。
[0043]蘋果霉心病透射光譜數據采集主要在光譜數據采集平臺上完成，平臺架構如圖1所示，包括暗箱I，暗箱I中有用于監測的鎢鹵素燈光源3，光源3安裝在光源支架2上，下方有蘋果托臺4，托臺4為凹陷設計，其凹陷處設置有與光譜儀6連接的光纖探頭5，光譜儀6連接計算機8，光源3連接光源控制器7。
[0044]在暗箱I中進行實驗，可排除環境光干擾，暗箱I的內壁采用亞光噴漆，同時采用吸光海綿降低干擾。
[0045]光譜儀6采用便攜式光譜儀0FS1100(0cean Optics公司)，有效相應寬度范圍為200nm?1120nm，共2048個波數點，信噪比450:01:00，鎢鹵素燈光源3由四個50W的鹵鎢燈珠64445U(0SRAM公司)組成，置于托臺4的上方，正對光纖探頭5。光譜采集作業時，樣本蘋果水平放置于托臺4上(果柄水平朝外)，保證果心位于托臺中央，鎢鹵素燈光源3發射出來的寬波段光透過樣品經過光纖并傳輸至光譜儀6，再通過USB傳輸的方式上傳至計算機8，在計算機8上首先采用光譜采集軟件SpectraSuite(Ocean Optics公司)對光譜數據進行濾波、平滑、平均處理，再通過SPSS(IBM公司)和MatIab 2014b (MathWorks公司)進行數據處理。
[0046]1.3特征波段提取
[0047]1.3.1蘋果霉心病特征波段提取
[0048]基于蘋果霉心病透射光譜數據采集平臺，試驗采集所有樣品的光譜數據，測試期間每隔5個樣品，對參考光譜和暗光譜進行重新標定，消除環境變化對光譜數據的影響。采集結束后，將蘋果按照編號依次沿沿果柄方向切開，記錄樣品健康情況，試驗共計304個樣品，其中病果54個。對病果用Canon PowerShot SX600HS進行拍照(樣品截面水平朝上置于無影燈下，相機由三腳架固定，設置50nm焦距)，對發病情況進行記錄和保存，通過圖像處理的方法計算發病面積和果心面積，以發病面積占果心面積的比值作為評定病害程度的標準。取試驗中發病程度不同的樣品分析其光譜數據如圖2，可得健康果在波長710nm附近透過性好，病果在波長710nm附近透過性差，且隨著病害程度與透過性成負相關關系，對試驗所得蘋果光譜數據與霉心病病害做相關性分析得到圖3，蘋果透射光譜中與霉心病相關性最強的波段為726nm附近區域，相關系數R = -0.570，作為表征霉心病的特征波段可信度較尚O
[0049]1.3.2蘋果直徑特征波段提取
[0050]透射光譜對光程變化很敏感，蘋果橫向果徑大小的變化對光譜透射強度影響很大。為了獲取盡量不受霉心病的影響同時能夠較為準確的反映蘋果果徑的特征波段，用試驗得到的304個樣品的光譜數據分別進行關于霉心病和直徑的相關性分析，如圖4所示。
[0051]通過相關性分析得到，880nm波段附近能夠較好地表征蘋果直徑變化，該波段與霉心病不相關，與直徑的相關性最大，相關系數-0.70，呈顯著相關關系。
[0052]因此，以726nm、880nm作為霉心病和直徑的特征波段中心，選取710-740nm和870-890nm兩個窄帶波段作為病害和直徑的特征波段。
[0053]2模型設計
[0054]蘋果霉心病判別是典型的分類問題，近年來，科研工作者對分類問題進行了深入探索，分類方法主要有:決策樹、人工神經網絡、遺傳算法、支持向量機法等。決策樹是分類與預測的有效解決方案，是一種以實例為基礎進行歸納學習，在內部節點進行屬性比較，從而實現預測未知樣本類別的智能算法，決策樹對數據的準備沒有要求，不需要進行數據預處理，且運行時間較短，可信度較高，但容易出現過擬合問題。人工神經網絡(ArtificialNeural Networks，ANN)是一種模擬大腦神經突觸聯結結構進行信息處理的數學模型，其分類性能較決策樹更好，預測精度高，但存在收斂速度慢、計算量大、訓練時間長等缺點，在處理大樣本和高維數據時，運算量幾何增長，效率較低。遺傳算法是進化算法的一種，它模仿自然界的選擇和遺傳的機理來尋找最優解，能夠直接對結構對象進行操作，不存在對求導和函數連續性的限定，具有內在的隱并行性和更好的全局尋優能力，但其實現過程較復雜，算法參數多且參數選擇對最終結果影響很大。
[°°55] 支持向量機(Support Vector Machine)是一種依據統計學習理論提出的一種新的學習方法，它根據結構風險最小化準則，以最大化分類間隔構造最優超平面，SVM解決非線性分類問題時，通過引入核函數實現低維空間到高維空間轉化，運算量小且和樣本的維數是無關的，同時其模型參數包括懲罰參數C、徑向基核函數參數g、階數P，中止訓練誤差ε等，其中懲罰因子C是一個由用戶去指定的系數，表示在模型訓練時對分錯的點加入多少的懲罰，當C在合理范圍內提高的時候，分錯的點會顯著減少，在樣本數據不均衡或需要人為調整時，可以通過對模型參數C的尋優，有效提高預測精度。徑向基核函數參數g是將非線性可分樣本轉換到線性可分的特征空間，不同的核函數選擇會使SVM模型產生的分類超平面不同，產生較大的差異性，對SVM模型的性能有直接的影響。
[0056]本實用新型中蘋果霉心病分類問題樣本數據大、樣本維數高且屬于非線性分類，由于霉心病果發病過程由內到外，從外觀上難以與正常果實區分，導致樣本中健康果與病果比例嚴重失調，前期特征波段提取試驗中，304個樣品中健康果250個，病果僅54個，好果壞果比例達到5:1，樣品比例嚴重失衡，對建模方法的選擇提出了很高要求。針對實際情況，本實用新型選用SVM算法進行模型構建。
[0057]基于特征波段分析，在樣本數據中選取144個樣本，其中健康果數據108個，霉心病果數據36個，對樣本光譜數據中特種波段內光譜透射強度進行累加求平均處理，即將71 lnm-741nm波段內的透射光譜平均值作為霉心病檢測特征值，將865nm-895nm波段內的透射光譜平均值作為直徑特征值，根據樣本特征值為數據，在Matlab中以2:1的比例隨機生成訓練集和預測集，經過參數尋優，最終設定好果懲罰因子為1，壞果懲罰因子1.53，能夠降低壞果樣本數少對模型構建的影響，模型構建流程圖如圖5所示。
[0058]通過對模型算法多次調整尋優，最后得到霉心病判別模型，訓練集判別準確率95.35%,訓練集判別準確率94.83%,訓練結果如圖6所示，僅判錯3個樣品，訓練誤差較小，判別性能好。表明本實用新型提出的以病害和直徑特征波段進行蘋果霉心病判別，可以有效消除直徑對光譜數據的影響，構建的基于SVM算法的判別模型可以作為霉心病病害檢測模型。
[0059]3檢測設備系統設計
[0060]基于近紅外透射光譜檢測原理，結合微弱光信號檢測特點，本實用新型無損檢測設備可實現基于特征光譜透射強度對蘋果直徑和霉心病的快速檢測。檢測設備采用波段為710-730nm、760nm-800nm的LED作為光源，采用光敏二極管作為透射強度檢測元件，采用黑箱檢測的方法實現特征光譜數據采集。
[0061 ] 3.1硬件設計
[0062]3.1.1檢測黑箱設計
[0063]針對透射光譜采集對暗環境的要求，本實用新型設計檢測黑箱，將光源和檢測器件安置于黑箱內，整個檢測過程均在黑箱內完成，保證測量暗環境，排除了環境因素對測量過程的影響，保證了測量結果的精確性，其設計如圖7所示。在箱體9中布置LED光源10，LED光源10正對蘋果托臺11，蘋果托臺11的中心凹陷并設置光電二極管12，周邊設置遮光海綿13，光電二極管12外接帶IXD顯示屏15的核心處理器14。
[0064]3.1.2蘋果托臺設計
[0065]本實用新型的蘋果托臺，用于放置蘋果進行檢測。設備采用光電二極管作為透射光譜檢測元件，光電二極管放置在蘋果托臺中心位置的安裝孔中，為避免檢測過程中光源照射蘋果產生的漫反射效應，托臺采用階梯狀設計，避免了未通過果心的光和環境亮度提高對測量的影響。托臺設計如圖8所示。
[0066]3.1.3硬件電路設計
[0067]本實用新型雙波段霉心病檢測設備，采用STM32單片機作為核心處理器，主要可分為光譜檢測模塊、光源模塊、人機交互模塊和穩壓電源模塊，總體硬件電路如圖9所示。
[0068]光源是整個系統最關鍵的部分，光源的性能直接關系到整個系統的性能，同時，由于采用的是透射的方式，光源發出的光透過蘋果后能量變弱，因此，要選擇大功率光源。為保證檢測系統的穩定性，設計恒流驅動模塊，確保光源正常工作。LED燈具有壽命長、價格低廉、熱效應低的優點，本實用新型選用710-740nm和870-890nm波段的LED燈作為光源，單個燈珠功率3W，電路連接方式為三串兩并，兩種波段的燈珠均勻分布，驅動芯片采用輸出電流可調節的PT4115芯片，可以實現PWM波穩定輸出，實現了LED燈珠均勻發光。光源燈板設計如圖1O所示。
[0069]光譜檢測模塊主要由光電二極管組成和信號調理電路組成，光電二極管采用TH0RLABS公司的roSlOlO型硅光電二極管，反應時間65ys，敏感波段為400-1 lOOnm。特征光透過蘋果之后照射在光電二極管FDS1010上轉換為電信號，再經過信號調理電路，進行低噪聲放大和低通濾波后，通過ADC采樣模塊變成數字信號傳入處理器中。
[0070]人機交互模塊提供設備操控和測試結果顯示的功能，主要12864型IXD顯示屏、LED指示燈和操作按鍵組成，其硬件電路如圖11所示。其中檢測按鈕用于實現手動檢測功能，采用自復位按鈕實現;行程開關用于實現設備的自動檢測功能，采用歐姆龍SS-10GL2微動擺桿型開關實現，開關間隔0.5mm，其安裝于檢測暗室上邊緣，靠近檢測門轉軸，單片機通過檢測行程開關常開觸點是否接通來判別暗室門是否關閉，從而實現霉心病設備的自動檢測功會K。
[0071]穩壓電源模塊采用24V鋰電池供電，為各個模塊供電，模塊電路設計如圖12所示。電源電壓經過穩壓處理后直接供電給光源模塊，同時經過降壓分別給單片機和光譜檢測模塊供電。
[0072]3.3軟件設計
[0073]系統軟件主要實現光譜數據分析與病害判斷、設備控制、顯示等功能。采用STM作為處理器芯片，相對于常用的8051等常用的單片機，STM編程更為簡單，擁有12通道數字GP1，4通道PffM輸出，在采用PffM波控制光源上更為得心應手。軟件工作流程如圖13所示。
[0074]設備開機后，自動進行初始化操作，主要是I/O口初始化和處理器寄存器初始化，初始化結束后，設備準備就緒等待控制命令，當用戶按下檢測鍵，設備首先采集當前環境的光強，作為整個檢測過程的暗環境光強，采集完畢后，打開霉心病特征波段LED燈，并通過光電二極管檢測透過蘋果的光譜數據，采集完畢后，關閉霉心病特征波段LED燈，打開直徑特征波段的LED，以相同的方式檢測光譜數據，當光譜數據采集完成后，進行數據分析與病害判別，最后存儲數據并將檢測結果顯示在顯示屏上。
[0075]4設備測試與驗證
[0076]設備研制完成后，采用陜西白水蘋果進行設備測試與數據采集。選取大小分布均勻表面沒有損傷和疤痕的蘋果144個，實驗蘋果于2015年12月I日取出存放于室溫環境下，將表皮清洗干凈，依次編號，依次放入檢測設備中進行檢測，蘋果放置方式為果柄軸向方向與光源照射方向垂直，根據設備顯示分別記錄每個蘋果在兩個波段的透射強度。
[0077]數據采集完成后，采用NCSS10軟件基于DA算法進行建模，得到判別模型，判別公式為:
[0078]a = V720.2.8586.1^3-V880.2.5384.10—3+0.1329789
[0079]β = V720.(-2.8586.10—3)+V880.2.5384.10—3+0.8670211
[0080]若α>β，則為健康果。
[0081 ] 若α〈β，則為霉心病果。
[0082] 模型判別準確率88.2%，其中健康果共112個，判別準確率90.17%，病果共32個，判別準確率81.25%，線性判別得分情況和模型自校驗得分情況如圖14和圖15所示。表明模型性能良好，病害判別準確率高，能夠作為檢測設備算法模型。
【主權項】
1.一種檢測黑箱，包括封閉的箱體(9)，其特征在于，箱體(9)內的底部設置有蘋果托臺(11)，頂部布置有向蘋果托臺(11)照射的LED光源(10)，蘋果托臺(11)的中心凹陷并設置光電二極管(12)，周邊設置遮光海綿(13)，光電二極管(12)外接帶LCD顯示屏(15)的核心處理器(14) ο2.根據權利要求1所述檢測黑箱，其特征在于，所述LED光源(10)采用710-740nm和870-890nm波段的LED光源并行工作。3.利用權利要求1所述檢測黑箱的蘋果霉心病無損快速檢測設備，其特征在于，包括: 光源模塊，即所述LED光源(10)，采用710-740nm和870-890nm波段的LED光源并行工作，向待測的蘋果照射； 光譜檢測模塊，主要由所述光電二極管(12)和信號調理電路組成，透過蘋果之后的光信號照射在光電二極管上轉換為電信號，再經過信號調理電路，進行低噪聲放大和低通濾波后，通過ADC采樣模塊變成數字信號傳入處理器中； 處理器，與光源模塊連接控制兩種波段LED光源先后啟閉，與光譜檢測模塊連接采集透過蘋果的光譜數據； 人機交互模塊，提供設備操控和測試結果顯示功能； 穩壓電源模塊，為各個模塊供電。4.根據權利要求3所述蘋果霉心病無損快速檢測設備，其特征在于，所述光源模塊中，710-740nm波段的LED光源由三個串聯的LED燈珠組成，870-890nm波段的LED光源由三個串聯的LED燈珠組成，單個燈珠的功率均為3W，驅動芯片采用輸出電流可調節的PT4115芯片，實現PffM波穩定輸出，使LED燈珠均勻發光。5.根據權利要求3所述蘋果霉心病無損快速檢測設備，其特征在于，所述光譜檢測模塊中，光電二極管采用FDS1010型硅光電二極管，反應時間65ys，敏感波段為400-1100nm。6.根據權利要求3所述蘋果霉心病無損快速檢測設備，其特征在于，所述處理器連接有光傳感器，采集當前環境光強作為整個檢測過程的暗環境光強，所述光源模塊、光譜檢測模塊和光傳感器均位于檢測黑箱中，整個檢測過程均在檢測黑箱內完成。
【文檔編號】G01N21/31GK205719951SQ201620484846
【公開日】2016年11月23日
【申請日】2016年5月24日
【發明人】張海輝, 吳婷婷, 吳辰星, 張軍華, 白曉凱, 馮自鵬, 張盼, 張佐經
【申請人】西北農林科技大學