光谱分析技术在智能家电中的应用研究

于新洋 唐念行 万新明 黄橙 官祥臻 滕东晖

1.青岛海尔智能技术研发有限公司 山东青岛 266101；2.数字化家电国家重点实验室 山东青岛 266101；3.海尔数字科技（青岛）有限公司 山东青岛 266101

1 引言

光谱分析技术是根据物质的光谱来鉴别物质种类并确定它的化学组成和相对含量的一项技术。近十年来，随着技术的发展，出现了很多低成本、高度集成的光谱传感器，为光谱分析技术在家电中的应用创造了条件。这类光谱传感器一般检测吸收光谱，利用待测物品对近红外、可见、紫外等不同波段光的特异性吸收进行定性、定量分析，被应用于水果成熟度分析、食品加工配料控制、药品真假检测等环节。光谱分析技术具有实时、快速、无损等特点，适合与家电产品进行结合。

目前很多家电厂商开始尝试将光谱分析技术与家电结合，本文首先介绍光谱分析技术的流程、系统架构，回顾家电行业对光谱分析技术的应用及概念产品，结合光谱分析技术的特点与典型智能家电的场景应用需求，对智能洗衣机、冰箱、厨电、净水设备等典型应用场景进行研究分析。

2 光谱分析技术在家电中应用的流程及系统架构

2.1 光谱分析技术在家电中应用的流程

现代光谱分析技术，特别是一些分子吸收光谱分析技术的典型分析流程如图1所示，包括从上到下的分析模型建立过程和从左到右的样品分析过程。其中分析模型的建立需要投入大量人力、物力获取标准样品的光谱和成分信息[1]。比如要建立衣物材质识别的定性识别模型，需要大量已知材质的面料作为标准样品，采集样品的光谱，光谱预处理后运用化学、计量学方法建立定性分析模型，并对模型进行评价。如果需要定量分析，例如分析混纺面料中不同纤维的比例，还需要大量不同比例混纺面料的标准样品，建立定量分析模型，并确定光谱与材质比例的对应关系。进行样品分析过程时，使用光谱设备采集未知样品的光谱，经预处理后，再使用事先建立的分析模型计算出样品种类或者成分含量。光谱分析技术的样品分析过程方便、快速，整个检测过程的时间可以短至几秒钟，甚至一秒钟，整个使用过程对普通消费者十分友好。许多光谱分析技术使用间接检测方式，精度要低于建立分析模型时所输入成分浓度的测定精度。不过精度的稍微下降对于家用环境影响不大，而由于便捷性相比传统理化方法有巨大优势，光谱分析技术在家用领域潜力巨大。

2.2 光谱分析技术在家电中应用的系统架构

光谱分析技术现阶段在其他行业的应用，一般将分析模型放在本地的设备上，每种检测对象（成分）都需要一套单独的模型，比如测苹果糖度和梨的糖度分别使用不同的模型，需要用户选择所用的模型。家电应用环境下，检测目标很可能多种多样。比如，冰箱内的食材种类丰富，每种食材又需要检测新鲜度、营养成分等多种参数，每种参数都需要一种分析模型。因此将家电联网，把大量模型放置在云端是必要的。同一种设备，通过云端算法的更新，可以增加新的检测功能，对更多参数进行检测[2]。近红外光谱云分析系统架构如图2所示，主要分为四个部分：设备层、算法层、应用层、通信层。设备层由各种类型的光谱传感器组成。算法层拥有不同的模块，比如用于不同检测场景的分析模型、模型转移算法等。应用层利用算法层得出的信息做出决策，为用户提供丰富的服务。通信层高效、安全地传输各种信息。

图1光谱分析技术的流程（包括分析模型建立和样品分析两个过程）

图2 光谱云分析系统架构

目前，在通讯层，已经能够完全满足家电应用场景的需求。在设备层，光谱检测装置的成本已经降到了百元量级，多条技术路线都在快速迭代，为其在智能家电中的普及创造了硬件条件。同一种光谱传感器可以被用在不同的场景中，应用的变化主要发生在算法层。目前光谱分析技术中的算法部分有大量文献支持，很多分析模型被其他行业广泛应用，比如水果糖度检测算法、面料成分分析算法、粮食水分检测算法等等。但是，目前这些算法的应用往往限于专业领域，分别基于不同设备建立，互相不能转移，不同用户建立的模型也不共享。必须改变这一现状才能在家电领域广泛应用光谱分析技术。在普适性传感器的基础上开发大量基于不同检测对象的算法模型，才能促进这一技术的普及。将算法模块放入云端，算法在使用过程中可以不断被更新，加入新的分析模型。光谱分析技术应用场景的数量与分析模型的数量直接相关，随着算法模型的增多，新应用场景不断增多。把分析模型放入云端还有另外的好处，系统的运算能力将有很大提升，可以放入更强大的算法，比如同时区分样品种类和某些成分含量的多变量光谱分析法，将光谱传感器与摄像头等其他传感器获取的不同类型信息进行综合处理的多模态融合算法等。家电中的应用场从单一成分的识别逐渐升级到种类与多种成分的同时识别。家电厂商可以从衣物材质识别这类单一场景开始，逐渐增加模型数量，不断扩展新的应用场景，很多厂商正在进行这类研究。

3 光谱分析技术在家电中的应用及概念产品现状

家电为消费者提供食材储藏、衣物清洁等功能，智能化程度越来越高，家电成为家庭健康管理中心、衣物护理中心等概念被不断提出，光谱分析技术可以解决智能化应用中的很多场景，引起了众多家电厂商的重视，多家公司都推出了具有单一或者普适性场景的概念产品。

洗衣机方面，Hoover推出了TED检测装置，是一种洗衣机的附件，用于检测衣物的面料材质信息，洗衣机根据识别结果更精确地设定洗衣程序。模块既可手持，也可以贴在洗衣机外壁[3]。

冰箱方面，消费者十分关注食品安全，也越来越关注是否吃得健康。海尔此前曾展出与以色列Consumer Physics公司联合开发的光谱识别智能冰箱，使用一个微型光谱模块检测食物的营养物质信息，可以检测蔬菜、水果及肉类等食物。还可以根据消费者对当前饮食的需求给出合理化建议。

美的也展出过配备光谱分析技术的智能冰箱实现营养检测[4]，通过光谱成像模块，能够获取图像每个点上的光谱信息，获取数据立方，从而得出更准确的识别、检测结果，并通过冰箱屏幕或者移动端APP展示给用户。

还有一些公司推出了通用型检测设备，为整个智慧家庭服务。博西家用电器推出的X-Spect扫描仪[5]，为一款手持近红外光谱检测装置，可以用于检测衣物，分析衣物材质和颜色，或者扫描衣物上的污渍种类，从而向洗衣机发送推荐的洗涤程序；同时可以检测食物：检测冰箱内鸡蛋的存储时间，水果的成熟度，帮助管理食材；还可以向烤箱发送肉的种类信息，帮助烤箱选择合适的烹饪程序。这款装置将传统的手持式光谱检测设备与家庭的智能中心互联，从而实现了更丰富的场景。

综上，大量家电厂商在尝试光谱分析技术的应用，但是由于光谱分析技术需要大量的样本为基础，以积累足够多的分析模型，同时受制于光谱传感器的成本，目前光谱分析技术与家电的结合大多处于研究阶段，未能实现大规模量产。随着家电智能化的发展，满足消费者需求的智能场景亟需挖掘，能够提供大量检测数据的光谱分析技术，成为智能家电的重要应用方向。

4 光谱分析技术在家电中的应用场景分析

4.1 光谱分析技术在洗衣机中的应用

传统洗衣机无法自动识别衣物的材质，必须由用户手动选择，用户往往需要辨识标签后决定选择哪种洗涤程序，比较麻烦，也经常发生选择错误而洗坏衣物的情况。对洗衣机的衣物材质进行智能识别，一直是洗衣机行业希望实现的功能。海尔将RFID技术应用于洗衣机，衣物被投放进洗衣机后，自动识别品牌、面料、颜色、件数、洗护建议等参数。但是，很多衣物没有RFID标签，限制了这一技术的应用范围。

光谱分析技术，可以在短时间内对衣物的材质进行无损识别。已经在工业上被用于纺织物的材质识别，不仅仅被用于原材料的定性识别，也被用于生产线的生产监控，监控布料的含水量，以及混纺面料中不同成分的比例情况。因此，光谱分析技术不仅仅能被用于纯面料的识别，对于混纺面料，也有很好的识别能力。

洗衣机对某些特殊污渍，如咖啡渍等污渍的洗涤一直是个难题，普通的洗涤手段很难清洗干净，需要使用特殊的洗涤程序。光谱分析技术可以识别污渍的类型、脏污程度，从而帮助用户选择洗涤程序，减少洗不净的情况。

目前洗衣机与光谱分析技术结合的场景，自动化程度仍然有待提高，需要用户操作，使用手持模块采集信息。未来的应用要求消费者将衣物放入洗衣机后不再需要操作，要达到这一效果，必须将光谱检测模块集成到洗衣机中。普通的光谱传感器每次检测可以实现对衣物某一位置的成分分析，结合洗衣机的转动，可以对衣物的不同部位、多件衣物进行材质检测。更进一步，如果采用光谱成像模块，一次检测即可获取桶内多件衣物的材质信息，整个检测过程时间更短，减少漏检的情况。一些厂商正在尝试使用摄像头实现初步的智能识别，将摄像头安装在门体等位置，提高洗衣机的智能化。普通摄像头，可以认为是红、绿、蓝三波段成像的光谱成像装置，信息量有限，使用更多波段的多光谱成像，结合光谱分析技术，可以更准确地识别衣物材质、污渍，更有应用前景。

4.2 光谱分析技术在冰箱冷柜中的应用

在消费升级的趋势下，现代消费者越来越注重食物的情况，比如食物新鲜程度、营养成分与健康的关系，农药残留情况等。冰箱作为家庭中食物的主要存贮空间，必须在食材的管理中发挥最重要的作用。食材的管理包括食材种类的识别、食材新鲜程度的识别，甚至包括对食物是否安全，如农残是否超标、抗生素是否超标、是否有非法添加剂等情况的识别。

家电中食材识别应用场景目前以图像识别为主，兼用RFID、条形码等方案，多个家电厂商推出了带摄像头的冰箱。但使用摄像头识别率存在瓶颈，用户体验需要提升，如果将普通摄像头，换成光谱成像装置，提高检测到的信息量，识别率将会有较大提升。

食材的新鲜度、食品安全往往与成分含量有关系。光谱分析技术在食品成分分析方面的应用已经十分丰富，比如近红外光谱分析技术被大量用于农业、食品行业，对粮食、饲料的淀粉、脂肪、含水量等信息进行快速分析。应用于水果的成熟度检测。根据水果中糖分、酸度等成分的含量对水果进行分级。光谱成像技术用于蔬菜、水果新鲜度的检测的文献也十分丰富[6-10]。对于肉类的新鲜度、注水情况、甚至是细菌含量的评估，也有大量文献支持[11-14]。有了光谱分析技术辅助，冰箱智能化水平可以实现从简单的食材种类识别、卡路里计算，到进一步新鲜度检测、成熟度检测等更多场景。冰箱可以作为家庭健康中心，对于多种食物、成分检测结果进行综合分析，给出健康食谱等具有实际意义的建议。

农药残留等微量成分的检测也是消费者感兴趣的应用。用光谱分析技术检测农药残留，有一定理论支持[15]，由于农残含量低，光谱检测难度较大，拉曼光谱虽可以检测微量的农药残留成分[16]，但是还没有像近红外光谱传感器那样低成本化，近期与冰箱结合的难度较大，还需要等技术的进一步突破。

冰箱内的食材多种多样，位置分散，如果集成普通的单点式光谱传感器，无法像洗衣机那样借助转动对多个样品进行扫描。应用手持式光谱模块手动检测食物是更好的实现方式，手持模块与冰箱实时通信，接收食材数据。如果使用光谱成像装置，则可以集成到冰箱中，对整个视野范围内食材同时进行检测。这样便不再需要消费者手动识别，使用更方便，是优于普通单点光谱检测装置的实现方式。

冰箱内的食材多种多样，每种食材可能需要检测新鲜度、营养成分等多种参数，每种参数都需要一个分析模型，因此将家电联网，把大量模型放置在云端有一定必要性，同一个设备，通过云端算法的更新，可以增加新的检测功能，对更多参数进行检测。

4.3 光谱分析技术在厨房电器中的应用

厨房电器的智能化同样是未来的趋势，很多烤箱上安装了摄像头，用于监控烹饪过程，甚至可以结合图像识别与人工智能技术，根据颜色变化，实时监控食物的成熟度，调整温度、湿度等烹饪条件。将普通摄像头替换为通道数更多的光谱成像装置，可以检测出更多的成分信息，光谱信息往往携带含水量、蛋白质变性情况等跟烹饪效果直接相关的信息[17]，可以帮助家电判断食物等烹饪情况。光谱成像技术与烤箱的结合，可以借鉴摄像头的安装方式，在门体或者腔体角落。

还有一些光谱分析技术，利用某些波段的近红外光，可以获得几厘米深度下食材的成分信息。在医学上，这一技术用于无创检测大脑等身体内部部位的血氧情况[18]，在农业上，被用于检测水果内部的病变、营养成分[19]。这些技术可以被用来检测烤肉等烹饪过程中食物内部的参数。这类应用场景往往需要接触测量，检测装置适合与测温探针等附件结合，实时检测食材内部成分的变化，监控烹饪过程，可以帮助智能程序做出响应，改变烹饪条件，使食物内外都同样美味。

除了可以自身集成光谱检测设备，厨房电器也可以与冰箱等家电互联互通，接收冰箱对食物种类、营养成分的检测结果，智能选择菜谱，控制烹饪程序。

4.4 光谱分析技术在其他家电中的应用

光谱分析技术也被广泛用于检测气体成分、水质，在空调空气质量控制、净水器水质控制等领域同样有应用前景。另外身体检测应用也与家电有可结合点。

空气的质量是用户关注的重点，用户对家电的PM2.5、VOC控制功能已有较高接受度，开始关注二氧化碳含量、甲醛含量等更多的空气质量参数。

光谱分析技术已经被用于检测气体成分[20]，比如气相光谱分析技术，这类可以检测多种成分的技术成本仍然较高，在近期还很难与家电结合。但是检测特定气体含量的光谱传感器成本较低，应用较广，适合与家电结合。比如大量二氧化碳气体传感器使用非分散红外技术（Non-Dispersive InfraRed，NDIR）利用1～2个通道检测二氧化碳的含量，适合与新风机或者带换气功能的空调结合，当检测到二氧化碳含量过高时，自动换气，保持空气的清新，避免二氧化碳浓度过高带来的气闷、头昏甚至中毒情况。

消费者对水质的要求越来越高，净水装置也越来越普及。目前家用水质检测装置，一般只能检测TDS参数等少量参数。光谱分析技术在环保等领域已被用于水质检测，也有越来越多小型化的在线检测模块出现，开始与家电结合。比如某科技公司推出的为家用环境研制的在线水质监测系统，应用紫外吸收光谱检测总有机碳（Total Organic Carbon, TOC），TOC表征水中有机物总量[21]。也有公司开发了使用多光谱传感器的水质检测器，能够同时完成TOC、化学需氧量（Chemical Oxygen Demand,COD）、色度、浊度和总溶解固体物（Total Dissolved Solids, TDS）等水质多参数的实时快速检测。可见，通道数较少，只检测特定成分的光谱传感器比检测能力强的通用检测模块更容易降低成本，实现与家电结合。目前的家用水质检测模块以手持式模块为主，将在线检测装置，集成在净水等家电中是一个趋势，在线检测可以对水质进行持续监控，不再需要用户操作，无感检测。

人体健康也是家庭应用的关注重点，光谱分析技术可以与部分家电结合，检测用户的一些健康状态，一些面向机构甚至普通消费者的皮肤检测装置，使用了多光谱相机[22]。很多家电的面部识别摄像头，可以被升级为多光谱相机，结合云端算法，评估皮肤状态，给出饮食、运动建议。另外，医学检测也广泛用光谱分析技术，未来也有可能低成本化，与家电结合。

5 结论

光谱分析技术在智能家电中有很大应用前景，本课题对光谱分析技术与家电结合的典型应用场景进行了分析。光谱分析技术与洗衣机、冰箱、厨电等类别家电可以结合，衣物材质识别、食物成分检测、烹饪过程监测等应用场景具有重要用户价值，硬件和软件已经初步具备应用条件，云分析系统也大大促进技术的普及。以往光谱分析领域的文献大多关注专业技术领域的应用，没有关注消费者在家庭场景中的应用。本课题对光谱分析技术在家电领域的场景分析将为应用规划提供依据，对流程及系统架构的分析将为家电厂商建立实用系统提供依据，望分析结论可以推动光谱分析技术在家电中的推广应用。