苹果腐心病的透射光谱在线检测系统设计及试验

郭志明，黄文倩，陈全胜，王庆艳，张 驰，赵杰文

（1.江苏大学食品与生物工程学院，镇江212013；2.国家农业智能装备工程技术研究中心，北京100097）

苹果腐心病的透射光谱在线检测系统设计及试验

郭志明1，2，黄文倩2，陈全胜1，王庆艳2，张 驰2，赵杰文1

（1.江苏大学食品与生物工程学院，镇江212013；2.国家农业智能装备工程技术研究中心，北京100097）

针对苹果内部缺陷在线检测的产业技术需求，研究基于透射光谱技术的苹果内部缺陷在线检测系统。研究设计了光源套件、专用光纤和果托式输送单元等关键部件，提升在线透射光谱质量、降低热损伤和机械损伤；解决了光电信号干扰问题，开发了专用检测软件，实现苹果内部品质信息的无损在线获取。比较分析了正常苹果与腐心病果的光谱响应差异，优化参数后设置在线检测速度3个/秒，触发控制光谱采集时间80 ms。在选择特征波长的基础上利用线性判别分析建立了苹果腐心病的在线判别模型，预测的总体识别率达90%以上。研究结果表明该系统可以实现苹果内部缺陷的快速、无损在线检测。

光谱检测；模型；农业；在线检测系统；透射光谱；苹果；内部缺陷；无损检测

郭志明，黄文倩，陈全胜，王庆艳，张 驰，赵杰文.苹果腐心病的透射光谱在线检测系统设计及试验 [J].农业工程学报，2016，32（6）：283-288.doi：10.11975/j.issn.1002-6819.2016.06.039 http://www.tcsae.org

Guo Zhiming,Huang Wenqian,Chen Quansheng,Wang Qingyan,Zhang Chi,Zhao Jiewen.Design and test of on-line detection system for apple core rot disease based on transmitted spectrum[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE）,2016,32(6):283－288.(in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2016.06.039 http://www.tcsae.org

0 引言

苹果的内部缺陷无法用肉眼直接观察到，常见的有腐心病、水心病、霉心病、黑心病等内部缺陷类型，在中国所有苹果的栽培生长区域均有发生[1]。内部缺陷果在发病初期和中期与正常果在外观上没有区别，从外观上很难剔除。缺陷果在加工、贮藏、流通等环节，随着时间的延长，缺陷部位扩大，缺陷更严重，可能危害正常果，带来一定的经济损失。苹果内部缺陷的常规检测，采用随机抽取样品，然后切片进行目视判断，但这种破坏性抽样检测的方法浪费极大，对种植者和加工者均不合适，对产品分级毫无意义。因此需要寻求一种快速有效的方法，来剔除内部有缺陷的苹果。

在水果内部缺陷检测研究方面，国内外很多学者开展相关研究。Upchurch[2]和Zerbini[3]分别采用特征波长下的光学特性差异识别苹果的褐变和梨腐心病。Clark[4]利用近红外透射光谱检测苹果的褐腐病，指出苹果个体的非对称分布影响预测精度。McGlone[5]构建了2种近红外漫透射在线检测系统，分别配制1 000 W和250 W石英卤钨灯，苹果褐变的最优模型决定系数达到0.9。Han[6]利用近红外透射光谱检测中国鸭梨的褐心病，正确识别率为95.4%。Fu等[7]发现透射光谱相比漫反射光谱更适合检测梨褐心病，识别率为91.2%。Shenderey[8]比较了4种光谱变换形式下苹果霉心病的预测效果，正常果的识别率为92%。Vanoli[9]利用时间分辨反射光谱获得的苹果光学特性参数，判别正常苹果和褐心病果的识别率分别为90%和71%。韩东海等[10-12]利用透射光谱识别苹果的水心病和褐腐病。李顺峰等[13]利用近红外漫反射光谱对苹果霉心病的判别率为87.8%。田有文等[14]采用高光谱成像技术识别苹果的虫伤缺陷与果梗/花萼。刘海彬等[15]利用激光散斑技术识别皇冠梨的表面缺陷与果梗/花萼。相比表面缺陷，水果的内部缺陷检测难度更大。

已有研究表明，利用近红外透射光谱技术检测水果的内部缺陷是可行的，但内部缺陷在线检测报道很少，且使用大功率光源。苹果属于薄皮水果，易灼伤，同时较强杂散光的干扰会降低光谱信噪比，从而降低缺陷检测的效果。苹果组织具有较好的透光性，透射式光谱能有效获取水果内部组织信息，依据可见近红外光在正常果和缺陷果的光传输特性差异，建立内部缺陷判别模型，解决内部缺陷在线检测实际应用需求过程中的关键科学问题。本文尝试设计基于透射光谱技术的苹果内部缺陷在线检测试验系统，提升在线透射光谱质量、降低热损伤和机械损伤、提高检测系统适应性，为实际在线检测应用提供理论参考和方法指导。

1 透射光谱在线检测系统

首先构建了苹果内部缺陷近红外光谱透射式在线检测系统，如图1所示，系统包括果托式输送单元、光源套件组、光谱采集单元、光电传感器、机架、暗箱和计算机等，实现苹果透射光谱信息的实时高效获取与处理。苹果置于果托上，输送中苹果触发光电开关，触发光谱仪中微控制器控制电荷耦合元件(charge-coupled device,CCD)探测器通过光纤采集探头获得水果的透射光谱，用于检测水果的内部隐性缺陷。

图1 透射光谱在线检测系统结构示意图Fig.1 Schematic representation of transmission spectra online detection system

1.1 光源选型及套件设计

农产品品质的光谱检测技术，一般需要连续光谱，特别是在近红外光谱区。在农产品透射用光源选择上，从安全和强度考虑需挑选低压特种卤素灯。选择反光杯镀金属膜的优质卤素灯，同时避免镀红外反射膜型的卤素灯。通过比较多种型号的卤素灯的光谱响应发现，在短波近红外区几种灯的差异显著。短波近红外区比可见光区包含更多与内部组分相关的信息，光源选择在短波近红外区光强度较大的卤素灯，可提高获得光谱的信噪比。在前期研究的基础上，选用JCR12V 100W卤钨灯用于后续的光源设计。

苹果属于薄皮水果，易灼伤，同时较强杂散光的干扰会降低光谱信噪比，从而降低透射光谱的质量。为此，选用防反射膜涂层的凸透镜，改变光路，使发散的光聚集在苹果样本上。镀膜平凸透镜安装于灯杯正前方，透镜中心与灯杯中心在同一法线上；镀膜透镜对检测波段具有高透过性，对红外波段透过性低，可避免水果的热损伤。在600～105 0 nm范围透镜反射率很低，≤0.5%，也就是说在这个光谱范围透镜的透射率≥99.5%。为避免局部高温，降低器件的使用寿命，在光源壳体上安装小型风扇，在光源点亮的情况下同步工作，研制的光源套件如图2所示，经连续测试发现，光源光照稳定，壳体不过热，运转正常。

图2 光源套件实物及效果图Fig.2 Diagram and rendering of light source modules

1.2 光纤选型及设计

光纤作为光传导工具，可简化光路结构设计。普通商品化光纤一般光通量低，受光面积小，不能满足苹果透射光谱在线检测的实际需要。苹果的透射光谱强度比较低，为增强在线检测过程透射光的获取质量，光纤设计方面有如下考虑：1）数值孔径大，收光区域才能大；2）近红外区低衰减，选择双包层石英光纤；3）选用大芯径光纤，实现高通量；4）标准SMA905接口，用于连接光纤光谱仪；5）光纤探头前加配可调透镜，增加采光宽度。光纤探头选择数值孔径0.37的大芯径双包层石英光纤，光纤探头末端配制可调透镜组用于高效收集透射光谱，光纤探头一端与光谱仪连接，另一端安装于果托圆心位置的正下方，实现苹果透射光谱的高效获取。系统选用微型光纤光谱仪（USB2000+，OceanOptics，USA），光谱范围为488～1150nm，光谱分辨率为1.5 nm，探测器为线阵CCD，可采集有效波数2 048个。

1.3 光电传感器和信号控制器

苹果品质在线检测系统实现光谱信号的自动采集，需要对样品位置和信号有无进行判断，当苹果样本在输送线上行进至需要检测时，系统应能自动采集和处理光谱数据，若输送线上没有样品，则系统应处于待触发检测状态。为实现系统的自动在线检测，自动采集光谱信息，自动进行数据的运算与处理。本系统选用光电传感器对样品信号有无进行检测，当检测到样品信号时即对光谱仪进行外触发，进行信息的采集与处理。因实际检测过程的需要，光电传感器选型要求具有可靠的检测性能，1）电磁抗干扰性；2）光抗干扰性；3）复杂环境下（粉尘或振动环境）能保持较高的检测稳定性。综合考虑系统各种传感器的结构、特点和应用场合，本系统选用红外对射型光电传感器（E3FA-TN11，OMRON）。光电传感器通过支架固定安装在检测平台上，对称分布在传送带的两侧。

光电传感器输出的电信号传到计算机之前需要先对信号进行转换编码，为此，开发了小型信号控制器。信号控制器包括单片机最小系统开发板、单片机、5 V开关电源等。因系统中信号传递和控制过程简单，选用常见的51单片机STC89C52RC作为处理模块。在线检测过程中，光电传感器将电信号输出至单片机开发板，经单片机电平转换，通过RS232串口将信号传给计算机，触发光谱仪自动采集光谱，实现单个样本在线检测过程的信号处理及传递。

1.4 传送装置及信号干扰解决方法

在线检测系统中，所用传送皮带材质为食品级聚氯乙烯，表面黑色哑光处理，皮带中央位置等间隔开有圆形孔。皮带上安装有分离式果托，在线检测过程，苹果置于果托上传送。下果托安装在圆形孔上用于固定和支撑水果，上果托由卡环连接在下果托上用于遮光和水果防损，机架为梯形结构，机架中间位置上下分别设有暗箱，用于消除环境光的干扰。分离式果托中的上果托上部为喇叭口形，中部为波形，下部为卡紧环与下果托连接，上下果托均为硅胶塑模而成，下果托硬度为80，上果托硬度为40。苹果品质透射光谱在线检测系统，在试验和研究过程，需要样本稳定传输，运动速度可调。为此，设计了样品稳定传动的传送装置，由减速电机、变频器、传送带、辊轮和支架等组成。减速电机加变频器的组合实现水果的低速稳定输送。

在试验过程发现，研发的在线检测系统，光电传感器信号在静态时稳定，但系统在线调试时信号有干扰，会偶然出现高电平。分析其原因，变频器和电机都是非线性负载，工作时产生谐波分量，特别是在变频器运行以及电机启动和停止时使电网出现大量谐波。变频器和强电部分封装在箱体内。此外，对信号干扰问题的一般处理方法是要保证良好的接地，控制回路线使用屏蔽线，并合理布线，强电和弱电分离。采取防止电磁感应的屏蔽措施，可将变频器用金属铁箱屏蔽起来，做成控制箱，适当降低载波频率。经这些措施处理之后，在线检测过程系统信号传输稳定可靠。

1.5 硬件整体系统调试

利用光机电一体化技术，特别是透射光谱分析技术，研发水果内部缺陷在线检测系统，克服漫反射光谱仅能获取水果表面信息导致精度低、稳定性差的问题。在前几项关键部件或模块的设计开发基础上，对整个系统进行组装、调试和性能测试。根据苹果品质在线检测过程的实际要求，对装配的系统进行调试，包括机械装置安装调整，信号控制部分连线调试，光谱实时触发调试试验等，检测系统所需功能是否完备，各个模块工作是否正常，参数调整是否合理。针对调试过程中出现的问题进行参数优化，经系统测试发现，系统运转具有较好的可靠性和稳定性。

1.6 在线检测软件设计

软件结构具备硬件设备间通讯、光谱数据的采集和处理、光谱曲线的显示、内部缺陷类别的判别、缺陷程度的识别、分析结果的统计和保存等。为简化软件系统的程序编写过程和软件后期的维护和功能扩展，软件设计过程采用模块化设计，即根据功能要求将整个系统划分为不同的功能模块[16]。系统初始化主要完成系统工作的准备工作，实现计算机与光谱采集单元的正常通讯，将判别模型载入以备计算。软件界面上可以设置光谱采集参数，选择是否实时保存测试数据等功能。程序初始化完成，打开开始采集即进入工作状态，操作简单。

2 试验结果与分析

2.1 内部缺陷苹果样本制备

苹果的内部缺陷中危害最大的腐心病，会产生面源扩散，造成巨大经济损失。本文以腐心病为研究对象，尝试建立在线无损检测方法。因肉眼无法直观的识别，在市场上购买自然形成的内部缺陷果是比较困难的。新鲜苹果也会受到真菌感染，真菌孢子可通过花萼进入并在果核繁殖，苹果在生长和成熟期，由于水果自然的防卫机制，真菌孢子处于休眠状态[17]。在苹果收货后贮藏期，自然防卫机制减弱，真菌孢子生长，引起内部腐烂并产生真菌毒素[18]。为此，在北京和山东苹果产区，收集了腐心病苹果样本，培养了复合病原菌，并尝试了样本制备。

首先提取腐烂部位的真菌孢子，以去皮后的苹果泥为培养基，用培养皿置于37℃培养箱中培养。选择形状规则、无表面缺陷的苹果一批，用注射器吸取复合菌悬液，从花萼处注入到果核处进行培养。培养的复合菌株、制备的样本和制备效果如图3所示，可见样本制备效果较好。

图3 腐心病苹果复合病原菌培养、缺陷样本及制备效果Fig.3 Cultivation of brown-rot core fungi in apple and preparation of defect apple samples

图4 正常与不同腐变程度的苹果样本透射光谱比较图Fig.4 Transmittance spectra comparison of intact with different defect degree in apple

2.2 苹果透射光谱在线获取与特异性分析

苹果品质透射光谱在线检测系统经优化采集参数，设置在线检测3个/秒，光谱每次触发采集时间80 ms。获取的透射光谱在600～680 nm范围内光谱强度波动较大，主要是苹果表面颜色差异引起的[19]；700～1 050 nm范围光谱强度波动不大，波形变化较小，相对稳定。在线获得的苹果透射光谱信号强度较漫反射采集方法获得的光强度低，光谱的信噪比低。为了消除基线漂移和噪声信号的影响，研究尝试并比较了多种光谱预处理方法，发现二阶导数预处理方法可以有效提高光谱质量。从原理上分析，导数计算常增加噪音，为消除高频噪声，导数预处理前常需要进行平滑处理。对光谱求导一般都采用Savitzky-Golay卷积求导法计算。在使用时，差分宽度选择是十分重要的：如果差分宽度太小，噪声会很大，影响所建模型的质量；如果差分宽度太大，平滑过度，会失去大量的细节信息。经比较后，研究采用13点2次的Savitzky-Golay卷积求导后得到的二阶导数光谱用于后续研究。

对制备的缺陷苹果样本，利用研发的在线检测系统采集透射光谱，分析缺陷苹果的透射光谱差异。在550～900 nm光谱范围内，苹果具有较好的透光性。通过光谱分析发现，腐心病苹果透射光谱强度比正常果低，在600～750 nm光谱区域衰减显著，严重腐心病苹果可使640 nm波峰消失，708 nm波峰强度降低很多，可能是腐变使苹果组织中空气间隙比增加，光散射增强导致透射光通量降低。从机理上揭示透射光谱检测内部缺陷的可行性和不同缺陷检测的特异性。苹果缺陷样本及透射光谱曲线如图4所示，可以发现同类缺陷不同病变程度的光谱均存在一定差异，结合模式识别方法能够实现高精度快速判别。目前，中国苹果的国家和地方标准中尚无内部缺陷的相关规定，但探索性研究内部缺陷具有重要现实意义。依据美国苹果主产区华盛顿州的相关标准，按苹果切面缺陷面积占总面积的比例将腐心病划分为轻度、中度和重度3种。

2.3 苹果内部缺陷判别模型

模式识别方法是一种依据计算准则对信息进行处理实现判别分类的统计方法。模式识别根据“物以类聚”的原则进行样本的分类，以已知样本作为训练集进行训练，依据准则让计算机向这些已知样本“学习”，经过训练得到判别模型。在光谱分析方面，常用的模式识别方法包括线性判别分析、马氏距离、簇类的独立软模式方法、K最近邻法等线性方法，人工神经网络和支持向量机等非线性方法。选用模式识别的方法原则是首先考虑线性的模式识别的方法，如果线性模式识别的方法识别效果不好的情况下再重新考虑非线性的方法。为保证在线检测的计算效率，本研究采用线性判别分析（linear discriminant analysis,LDA）。LDA是一种经典的有监督模式识别方法，在目前机器学习、数据挖掘领域广泛使用[20]。

从苹果的透射光谱来看，在600～900 nm范围苹果的透光性较好，选择该波段用于缺陷的判别。因光谱变量数较多，为降低LDA计算的复杂度，运用LDA方法前先进行主成分分析(principal component analysis,PCA)提取特征波长。PCA是把多个指标转化为几个综合指标的一种统计方法，它沿着协方差最大方向由多维光谱数据空间向低维数据空间投影，各主成分向量之间相互正交。通过选择合理的主成分既可以避免建模中的信息冗余，又不会过多地丢失原始特征信息，同时在分析数据中也起到简化的目的。根据主成分分量权重，提取苹果腐心病检测的特征波长为645、675、688、710、750、810和860 nm，作为LDA模式识别的输入。经制备的缺陷样本，先在线采集透射光谱，然后切片目视法判断缺陷等级，共84个样本，其中完好果18个，轻度21个，中度25个，严重18个，建立苹果腐心病在线判别模型。为验证识别模型的性能，再次制备苹果缺陷样本，共71个，并在线验证。在线判别的结果如表1所示，有1个完好果被判断为轻度缺陷果，因该苹果中心有轻度空心；轻度缺陷有3个被判断为完好，苹果果核处缺陷较小，未能有效获取缺陷信息，轻度缺陷的正确识别率最低。模型预测时总体识别率为90.14%，可见透射光谱的缺陷在线检测是有效的。

表1 苹果腐心病在线预测判别结果Table 1 Discriminant result of on-line prediction internal defect apples

3 结论

1）根据水果具有良好透光性的特点，构建了近红外透射光谱技术的苹果腐心病在线检测系统，优化设计了光源、光纤、信号控制器和传送单元，解决了信号干扰问题，开发了在线检测专用软件。经试验发现，检测速度3个/秒时系统运行稳定可靠，能有效的在线获取苹果的透射光谱信息。

2）研究分析正常苹果与不同腐变程度苹果的透射光谱发现，在600～900 nm光谱区域苹果透光性较好，在708和810 nm有2个明显的吸收峰；苹果腐心病越严重，透射光谱强度越低，揭示了不同缺陷程度检测的可行性。

3）研究采用模式识别方法LDA建立苹果腐心病在线判别模型，预测时总体识别率为90.14%，可见基于透射光谱技术的缺陷在线检测是有效的。

4）研究结果表明，研发的近红外透射光谱在线检测系统可以实现苹果内部缺陷的快速、无损在线检测。下一步工作中，将研究苹果内在组分和内部缺陷的多指标同步检测方法，提高内部品质在线检测的全面性。

[1]Gao L L,Zhang Q,Sun X Y,et al.Etiology of moldy core,core browning,and core rot of Fuji apple in China[J].Plant Disease, 2013,97(4):510-516.

[2]Upchurch B L,Throop J A,Aneshansley D J.Detecting internal breakdown in apples using interactance measurements[J]. Postharvest Biology and Technology,1997,10(1):15-19.

[3]Zerbini P E,Grassi M,Cubeddu R,et al.Nondestructive detection of brown heart in pears by time-resolved reflectance spectroscopy[J].Postharvest Biology and Technology,2002,25 (1):87-97.

[4]Clark C J,McGlone V A,Jordan R B.Detection of brownheart in‘braeburn’apple by transmission NIR spectroscopy[J].Postharvest Biology and Technology,2003,28(1):87-96.

[5]McGlone V A,Martinsen P J,Clark C J,et al.On-line detection ofbrownheartin braeburn apples using near infrared transmission measurements[J].Postharvest Biology and Technology, 2005,37(2):142-151.

[6]Han D,Tu R,Lu C,et al.Nondestructive detection of brown core in the Chinese pear‘Yali’by transmission visible NIR spectroscopy[J].Food Control,2006,17(8):604-608.

[7]Fu X,Ying Y,Lu H,et al.Comparison of diffuse reflectance and transmission mode of visible-near infrared spectroscopy for detecting brown heart of pear[J].Journal of Food Engineering, 2007,83(3):317-323.

[8]Shenderey C,Shmulevich I,Alchanatis V,et al.NIRS detection of moldy core in apples[J].Food and Bioprocess Technology, 2010,3(1):79-86.

[9]Vanoli M,Rizzolo A,Grassi M,et al.Studies on classification models to discriminate‘Braeburn’apples affected by internal browning using the optical properties measured by time-resolved reflectance spectroscopy[J].Postharvest Biology and Technology, 2014,91:112-121.

[10]韩东海，刘新鑫，鲁超，等.苹果内部褐变的光学无损伤检测研究[J].农业机械学报，2006，37(6)：86-88+93. Han Donghai,Liu Xinxin,Lu Chao,et al.Study on opticalnondestructive detection of breakdown apples[J].Transactions of the Chinese Society for Agricultural Machinery,2006,37(6): 86-88,93.(in Chinese with English abstract)

[11]刘新鑫，韩东海，涂润林，等.苹果水心病在贮藏期变化的无损检测[J].农业工程学报，2004，20(1)：211-214. Liu Xinxin,Han Donghai,Tu Runlin,et al.Non-destructive detecting watercore apple during storage[J].Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2004,20(1):211-214.(in Chinese with English abstract)

[12]王加华，孙旭东，潘璐，等.基于可见/近红外能量光谱的苹果褐腐病和水心鉴别[J].光谱学与光谱分析，2008，28(9)：2098-2102. Wang Jiahua,Sun Xudong,Pan Lu,et al.Discrimination of brownheart and watercore of apples based on energy spectrum of visible/near infrared transmittance[J].Spectroscopy and Spectral Analysis,2008,28(9):2098-2102.(in Chinese with English abstract)

[13]李顺峰，张丽华，刘兴华，等.基于主成分分析的苹果霉心病近红外漫反射光谱判别[J].农业机械学报，2011，42(10)：158-161. Li Shunfeng,Zhang Lihua,Liu Xinghua,et al.Discriminant analysis of apple moldy core using near infrared diffuse reflectance spectroscopy based on principal component analysis [J].Transactions of the Chinese Society for Agricultural Machinery,2011,42(10):158-161.(in Chinese with English abstract)

[14]田有文，程怡，王小奇，等.基于高光谱成像的苹果虫伤缺陷与果梗/花萼识别方法[J].农业工程学报，2015，31(4)：325-331. Tian Youwen,Cheng Yi,Wang Xiaoqi,et al.Recognition method ofinsectdamage and stem/calyx on apple based on hyperspectral imaging[J].Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2015,31 (4):325-331.(in Chinese with English abstract)

[15]刘海彬，高迎旺，卢劲竹，等.基于激光散斑的梨缺陷与果梗/花萼的识别[J].农业工程学报，2015，31(4)：319-324. Liu Haibin,Gao Yingwang,Lu Jinzhu et al.Pear defect and stem/calyx discrimination using laser speckle[J].Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2015,31(4):319-324.(in Chinese with English abstract)

[16]张海云，彭彦昆，王伟，等.生鲜猪肉主要品质参数无损在线检测系统[J].农业机械学报，2013，44(4)：146-151. Zhang Haiyun,Peng Yankun,Wang Wei,et al.Nondestructive real-time detection system for assessing main quality parameters of fresh pork[J].Transactions of the Chinese Society for Agricultural Machinery,2013,44(4):146-151.(in Chinese with English abstract)

[17]Soliman S,Li X Z,Shao S,et al.Potential mycotoxin contamination risks of apple products associated with fungal flora of apple core[J].Food Control,2015,47:585-591.

[18]Zhang C,Wang J,Zhang J,et al.Effects of β-aminobutyric acid on control of postharvest blue mould of apple fruit and its possible mechanisms of action[J].Postharvest Biology and Technology,2011,61(2):145-151.

[19]Guo Z M,Huang W Q,Peng Y K,et al Color compensation and comparison of shortwave near infrared and long wave near infrared spectroscopy for determination of soluble solids content of‘Fuji’apple[J].Postharvest Biology and Technology,2016, 115:81-90.

[20]Brito A L B,Araújo D A,Pontes M J C,et al.Near infrared reflectance spectrometry classification of lettuce using linear discriminant analysis[J].Analytical Methods,2015,5(7):1890-1895.

Design and test of on-line detection system for apple core rot disease based on transmitted spectrum

Guo Zhiming1,2,Huang Wenqian2,Chen Quansheng1,Wang Qingyan2,Zhang Chi2,Zhao Jiewen1
(1.School of Food and Biological Engineering,Jiangsu University,Zhenjiang 212013,China;2.National Engineering Research Center of Intelligent Equipment for Agriculture,Beijing 100097,China)

Internally defected apples are not easily distinguished from normal ones by their external appearances,since there are no visible defects on the exterior.Detection of internally defected apples with a suitable technique is thus crucial for quality control.Aimed to the nondestructive on-line test of the internal defect of apple,this work presented the development of an on-line detection prototype system using visible and near-infrared(Vis/NIR)technology as a new approach for on-line identifying the defects without sample destructiveness.The system included a fruit tray conveyor,an illumination source,a spectral acquisition unit,a photoelectric sensor,chassis,an industrial computer,a dark sample compartment,and an analysis unit.The critical components such as light source module,costumed fiber and transmission unit with separate tray were designed and developed to improve spectra signal quality,lower heat damage and reduce mechanical damage.The problem of photoelectric signal interference was solved by strong and weak electricity separation and metal shield.Special detection software was developed for real-time inspection based on multithread programmingtechnology.The advantages of this software were presented by the process of modular design,including software system initialization,information communication,information interaction,spectral data acquisition and processing,spectral curve real-time display,defect category discrimination,statistics and saving of detection results.It is difficult to collect the internally defected apple samples from orchard,supermarket and wholesalers,because the symptoms are not externally recognizable and visible if the fruits are not cut.In this experiment,the apples with internal defects caused by core rot fungi were collected and cultivated.We tried the preparation of samples and achieved good performance.A total of 84‘Fuji’apples were used to establish classification model,and another batch(a total of 71 samples)was on-line measured for verification the robustness and applicability of model.The detection of internal quality information in nondestructive online way was achieved by this system.The differences of spectral response between intact and internally defected apple were compared and analyzed.Meanwhile,the varying degrees of defect apple were discussed.After the optimization of parameters,the conveyor was set at a speed of 3 apples within one second,and the integration time of the spectral collection was set to 80 ms.Spectral data were recorded as absorbance units.On the basis of selection characteristic wavelength, linear discriminant analysis(LDA)was implemented to establish a discriminant model of apple internal defects.The optimal LDA model was used to estimate the samples in the training set,and the total classification rate was 94.05%in the training set.The optimal LDA was used to test the new samples in the prediction set,and the total classification rate was 90.14%in the predication set.The classification results demonstrate that the LDA model has high and robust classification performance.Additionally,we could found that slight degree internal defect was difficult to identify,because it was small in the core of apple with weak spectra response.The proposed system could successfully differentiate the apple with internal defect from intact apple.The results showed that a nondestructive on-line internal defect determination prototype based on Vis/NIR transmittance technique was feasible.In view of these results,the present research lays the foundation for the future development of an automatic system based on transmittance spectroscopy in the visible and NIR regions that is capable of detecting internal defects in apple fruits,which is extremely important from the economic point of view.The use of such detecting techniques potentially makes it possible to remove internally defected samples simply in a fast, nondestructive on-line way for high quality control in fruit industries.

spectrometry;models;agriculture;on-line detection system;transmittance spectroscopy;apple;internal defect; nondestructive inspection

10.11975/j.issn.1002-6819.2016.06.039

TP274.4；O433.4

A

1002-6819（2016）-06-0283-06

2015-09-13

2016-01-23

国家自然科学基金（31501216）；国家科技支撑计划（2015BAD19B03）；江苏大学高级人才基金(15JDG169)

郭志明（1982-），男，山东人，讲师，博士，主要从事食品农产品快速无损检测技术与装备研究。镇江 江苏大学食品与生物工程学院，212013。Email:zhmguo@126.com