技術(shù)領(lǐng)域：

本發(fā)明屬于水果檢測技術(shù)領(lǐng)域，具體涉及一種快速檢測水果內(nèi)部品質(zhì)的便攜式檢測設(shè)備和檢測方法。

背景技術(shù)：
：

水果產(chǎn)業(yè)在我國國民經(jīng)濟(jì)生活中意義重大，水果品質(zhì)直接關(guān)系每個人的日常生活。目前我國水果商品化水平仍然較低，水果質(zhì)量參差不齊，極為需要便捷方便的水果檢測和分級技術(shù)。水果的糖酸度可以從一定程度上代表水果的品質(zhì)，目前對水果糖酸度的檢測主要依賴于破損式檢測，即通過將水果榨汁來檢測里面的含糖量和ph值。這種方法需要對水果進(jìn)行破壞，對于水果品質(zhì)的檢測只能進(jìn)行抽檢，同時增加了成本，造成了大量的浪費。其繁瑣的制樣、長時間的檢測過程,無法用于消費者日常對水果的品種檢測。

近紅外光譜具有豐富的結(jié)構(gòu)和組成信息，適于測量內(nèi)部組份如糖度，酸度。近紅外光譜檢測作為一種檢測速度快、準(zhǔn)確率高、安全無損的檢測技術(shù)備受關(guān)注。近紅外光譜檢測技術(shù)在水果的無損檢測領(lǐng)域已得到部分應(yīng)用，近紅外檢測設(shè)備也日漸趨于小型化、便捷化。然而，目前的近紅外檢測設(shè)備都需要外接電源，無法隨身攜帶，應(yīng)用場景有限。而且，近紅外光譜法僅初步用于少數(shù)種類水果的糖度和酸度的檢測。為了滿足普通消費者對水果品質(zhì)的越來越高的要求，急需開發(fā)可以同時檢測多種水果的真正便攜式的檢測設(shè)備。

技術(shù)實現(xiàn)要素：
：

本發(fā)明所要解決的技術(shù)問題是：提供一種檢測速度快、檢測準(zhǔn)確率高且安全無損的用于檢測水果內(nèi)部品質(zhì)的便攜式檢測設(shè)備及檢測方法。

為了解決上述技術(shù)問題，本發(fā)明是通過以下技術(shù)方案實現(xiàn)的：一種快速檢測水果內(nèi)部品質(zhì)的便攜式檢測設(shè)備，包括光源及檢測器組件、主控電路板組件、外殼、數(shù)據(jù)線，供電模塊和顯示設(shè)備；

所述光源及檢測器組件由光源模塊、檢測器、檢測器芯片和數(shù)據(jù)接口組成，所述檢測器和檢測器芯片均集成在光源模塊上，所述數(shù)據(jù)接口通過電路連接至檢測器芯片；

所述主控電路板組件包括基板和設(shè)置在基板上的主控芯片，所述基板上還設(shè)置有通過電路連接至主控芯片的信號采集放大電路、模數(shù)轉(zhuǎn)化電路、藍(lán)牙芯片、電源控制電路、內(nèi)部按鈕和充電接口；

所述光源及檢測器組件的數(shù)據(jù)接口通過數(shù)據(jù)線連接至主控電路板組件的信號采集放大電路，所述主控電路板組件的電源控制電路與供電模塊通過電路相連接；

所述主控電路板組件的藍(lán)牙芯片與顯示設(shè)備之間進(jìn)行藍(lán)牙通訊；

所述光源及檢測器組件安裝在外殼的殼體上，所述主控電路板組件、數(shù)據(jù)線，供電模塊均設(shè)置在殼體內(nèi)部。

作為便攜式檢測設(shè)備的一種優(yōu)選的技術(shù)方案，所述光源模塊為發(fā)射一定波長范圍的5到500個點光源，點光源的波長在500nm～1800nm區(qū)間內(nèi)，所述光源及檢測器組件的檢測器為光電二極管，光源模塊選用六枚led芯片集成在一個基板組成led陣列，一枚光電二極管集成在led陣列的中心，所述供電模塊選用可充電鋰電池。

作為便攜式檢測設(shè)備的一種優(yōu)選的技術(shù)方案，所述殼體分為通過緊固件相固定的上殼體和下殼體，所述主控電路板組件通過卡位固定在下殼體內(nèi)部，所述供電模塊安裝在主控電路板組件的基板上，所述上殼體頂部設(shè)置有圓孔，并且圓孔內(nèi)設(shè)置有內(nèi)部按鈕控制組件，所述內(nèi)部按鈕控制組件包括彈簧、外部按鈕和導(dǎo)光環(huán)，所述外部按鈕和導(dǎo)光環(huán)安裝在上殼體頂部設(shè)置的圓孔中，所述彈簧安裝在外部按鈕的卡位中，所述上殼體前端開設(shè)有與光源及檢測器組件大小相同的窗口，所述光源及檢測器組件置于窗口內(nèi)，所述窗口內(nèi)還設(shè)置有用于防護(hù)光源及檢測器組件的石英玻璃板，所述下殼體后端還開設(shè)有鑰匙孔。

快速檢測水果內(nèi)部品質(zhì)的便攜式檢測設(shè)備的檢測方法，其特征在于：包括以下步驟，

s1)、通過便攜式檢測設(shè)備對水果樣品進(jìn)行光譜采集，得到原始光譜；

s2)、對水果樣品進(jìn)行糖度和酸度測量，并取測量值作為分析預(yù)測模型的觀測值；

s3)、構(gòu)建水果糖度的預(yù)測模型，通過神經(jīng)網(wǎng)絡(luò)算法、支持向量機(jī)以及粒子群算法進(jìn)行分類和多次驗證，最終確定水果糖度最佳的預(yù)測模型；

s4)、構(gòu)建水果酸度的預(yù)測模型，通過神經(jīng)網(wǎng)絡(luò)算法、支持向量機(jī)以及粒子群算法進(jìn)行分類和多次驗證，最終確定水果酸度最佳的預(yù)測模型；

s5)、采集待測水果的光譜信息并代入到步驟d和步驟f建立的預(yù)測模型中，得到待測水果的糖度和酸度的預(yù)測值。

作為本發(fā)明檢測方法的一種優(yōu)選技術(shù)方案，步驟a中的便攜式檢測設(shè)備采用漫反射的采集方式，隨機(jī)選取每個水果的環(huán)赤道面上的點進(jìn)行光譜掃描。

作為本發(fā)明檢測方法的一種優(yōu)選技術(shù)方案，步驟b中水果糖度的測量方法為：首先用蒸餾水將糖度儀的棱鏡清洗干凈并擦凈水分后校正調(diào)零，再將已經(jīng)測過光譜的水果切開并擠出汁水于折光棱鏡的鏡面上進(jìn)行測量三次，取平均值；水果酸度的測量方法為：用蒸餾水清洗手持式ph計前端，直至ph值顯示為中性，將ph計插入水果環(huán)赤道面上，測量6個位置的ph值，取平均值。

作為本發(fā)明檢測方法的一種優(yōu)選技術(shù)方案，步驟s3和步驟s4中基于bp網(wǎng)絡(luò)的水果分類算法包括bp神經(jīng)網(wǎng)絡(luò)構(gòu)建、bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練和bp神經(jīng)網(wǎng)絡(luò)分類三個步驟。

作為本發(fā)明檢測方法的一種優(yōu)選技術(shù)方案，步驟s3和步驟s4中支持向量機(jī)學(xué)習(xí)算法的核函數(shù)包括線性核函數(shù)、多項式核函數(shù)、徑向基核函數(shù)以及兩層感知器核函數(shù)。

作為本發(fā)明檢測方法的一種優(yōu)選技術(shù)方案，步驟s3和步驟s4中所述粒子群優(yōu)化算法通過比較新粒子的適應(yīng)度值和個體極值、群體極值的適應(yīng)度值更新個體極值pbest和群體極值gbest位置建立。

作為本發(fā)明檢測方法的一種優(yōu)選技術(shù)方案，所述檢測方法可檢測的水果包括蘋果、草莓、橘子、葡萄、龍眼、橙子、梨、獼猴桃、香蕉、圣女果。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益之處是：

本發(fā)明的便攜式檢測設(shè)備具有體積小、可隨身攜帶、可充電且續(xù)航能力強的優(yōu)點。

本檢測方法相比于傳統(tǒng)的檢測水果糖酸度破壞性的有損檢測方法，可以進(jìn)行實時無損的檢測水果的糖度和酸度兩個指標(biāo)，具有操作簡單、方便直觀、檢測快速，成本低廉，無需化學(xué)試劑和無污染等優(yōu)點，滿足了普通消費者日常對水果品質(zhì)的檢測要求，并且可以實現(xiàn)對多種水果進(jìn)行檢測。

附圖說明：

下面結(jié)合附圖對本發(fā)明進(jìn)一步說明。

圖1為便攜式檢測設(shè)備的整體示意圖；

圖2為便攜式檢測設(shè)備的分解結(jié)構(gòu)圖；

圖3為bp神經(jīng)網(wǎng)絡(luò)算法流程；

圖4為支持向量機(jī)的體系結(jié)構(gòu)；

圖5為多種水果的糖度和酸度分布圖；

圖6為由bp神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)通過粒子群算法優(yōu)化組成的混合模型預(yù)測蘋果的糖度和酸度預(yù)測圖；

圖7為由bp神經(jīng)網(wǎng)絡(luò)模型預(yù)測草莓的糖度和酸度預(yù)測圖；

圖8為由bp神經(jīng)網(wǎng)絡(luò)模型預(yù)測橘子的糖度和酸度預(yù)測圖；

具體實施方式：

下面結(jié)合附圖及具體實施方式對本發(fā)明進(jìn)行詳細(xì)描述：

如圖1和圖2所示的一種快速檢測水果內(nèi)部品質(zhì)的便攜式檢測設(shè)備，包括光源及檢測器組件1、主控電路板組件3、外殼、數(shù)據(jù)線12，供電模塊4和顯示設(shè)備；

所述光源及檢測器組件1由光源模塊、檢測器、檢測器芯片和數(shù)據(jù)接口組成，為了減小設(shè)備體積，所述檢測器和檢測器芯片均集成在光源模塊上，所述數(shù)據(jù)接口通過電路連接至檢測器芯片；

所述主控電路板組件3包括基板和設(shè)置在基板上的主控芯片，所述基板上還設(shè)置有通過電路連接至主控芯片的信號采集放大電路、模數(shù)轉(zhuǎn)化電路、藍(lán)牙芯片、電源控制電路、內(nèi)部按鈕和充電接口；

所述光源及檢測器組件1的數(shù)據(jù)接口通過數(shù)據(jù)線12連接至主控電路板組件3的信號采集放大電路，所述主控電路板組件3的電源控制電路與供電模塊4通過電路相連接，檢測器輸出的模擬量信號通過柔性數(shù)據(jù)線傳輸給主控電路板3上的信號采集放大電路，之后數(shù)據(jù)再經(jīng)過模數(shù)轉(zhuǎn)換電路進(jìn)入主控芯片進(jìn)行數(shù)據(jù)處理，處理后的結(jié)果，經(jīng)過藍(lán)牙芯片進(jìn)行傳輸，主控電路板3除了數(shù)據(jù)采集，數(shù)據(jù)處理，數(shù)據(jù)發(fā)送等功能，還對光源模塊和供電模塊4進(jìn)行供電管理，主控電路板組件3上的內(nèi)部按鈕是整體設(shè)備的快關(guān)和檢測控制的開關(guān)。

所述主控電路板組件3的藍(lán)牙芯片與顯示設(shè)備之間進(jìn)行藍(lán)牙通訊，檢測結(jié)果可顯示在與本設(shè)備配套的手機(jī)app上。

所述光源及檢測器組件1安裝在外殼的殼體上，所述主控電路板組件3、數(shù)據(jù)線12，供電模塊4均設(shè)置在殼體內(nèi)部。

所述光源模塊為發(fā)射一定波長范圍的5到500個點光源，點光源的波長在500nm～1800nm區(qū)間內(nèi)，所述光源及檢測器組件的檢測器為光電二極管，所述光源不是傳統(tǒng)的鹵鎢燈光源，而是體積小、波長窄的led光源；為了進(jìn)一步減小設(shè)備的尺寸，沒有采用傳統(tǒng)的led貼片封裝，而是重新設(shè)計led的基板，光源模塊選用六枚led芯片集成在一個基板組成led陣列，一枚光電二極管集成在led陣列的中心，這樣的設(shè)計最大限度的縮小了產(chǎn)品體積，所述供電模塊4選用可充電鋰電池。

所述殼體分為通過緊固件相固定的上殼體6和下殼體2，所述主控電路板組件3通過卡位固定在下殼體2內(nèi)部，所述供電模塊4安裝在主控電路板組件3的基板上，所述上殼體6頂部設(shè)置有圓孔，并且圓孔內(nèi)設(shè)置有內(nèi)部按鈕控制組件，所述內(nèi)部按鈕控制組件包括彈簧7、外部按鈕8和導(dǎo)光環(huán)9，所述外部按鈕8和導(dǎo)光環(huán)9安裝在上殼體6頂部設(shè)置的圓孔中，外部按鈕四周環(huán)繞著用于顯示檢測進(jìn)度的導(dǎo)光槽，所述彈簧7安裝在外部按鈕8的卡位中，外部按鈕8用作控制主控電路板組件3上的內(nèi)部按鈕，而彈簧7用作外部按鈕8按下后彈起，，所述上殼體6前端開設(shè)有與光源及檢測器組件1大小相同的窗口，所述光源及檢測器組件1置于窗口內(nèi)，所述窗口內(nèi)還設(shè)置有用于防護(hù)光源及檢測器組件1的石英玻璃板11，所述下殼體2后端還開設(shè)有鑰匙孔5。

檢測水果時，首先打開與本發(fā)明設(shè)備配套的app，并通過藍(lán)牙將手機(jī)與本設(shè)備配備，然后將本設(shè)備頂端的石英玻璃板11緊貼水果表面，按下外部按鈕8，當(dāng)外部按鈕8四周的導(dǎo)光槽由紅變綠，表示檢測結(jié)束，此時就可以在手機(jī)app上看到水果糖酸度的數(shù)值。

實施例一：

利用上述便攜式檢測設(shè)備檢測水果的糖酸度，首先選取外表無損傷、無病蟲害且新鮮的十種水果，其分別為草莓68個、橙子46個、橘子76個、梨76個、龍眼55個、獼猴桃30個、蘋果366個、葡萄30個、圣女果60個、柿子38個及香蕉26個，并對每種水果進(jìn)行小組內(nèi)編號。

近紅外光譜數(shù)據(jù)的采集由便攜式檢測設(shè)備使用漫反射的方式，獲得每個水果六個不同波長下的光譜數(shù)據(jù)，通過藍(lán)牙傳輸至手機(jī)app讀取數(shù)據(jù)，將每個樣本采集到的光譜數(shù)據(jù)用于之后的數(shù)據(jù)分析。

利用手持?jǐn)?shù)字式折光糖度儀檢測每個水果樣品的糖度，首先用蒸餾水將糖度儀的棱鏡清洗干凈并擦凈水分，校正調(diào)零，再將已經(jīng)測過光譜的水果用刀切開并擠出汁水于折光棱鏡的鏡面上，測量三次，取平均值。

利用錐形筆式ph計檢測每個水果樣品的酸度，用蒸餾水清洗手持式ph計前端，直至顯示ph為中性，將ph計插入水果環(huán)赤道面上，測量6個位置的ph值，取平均值。

由于水果種類較多，我們對每種水果分別使用bp神經(jīng)網(wǎng)絡(luò)進(jìn)行建模。蘋果數(shù)據(jù)量較大，我們使用由bp神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和粒子群算法優(yōu)化組成的混合模型來進(jìn)行糖度、酸度預(yù)測。

如圖3所示，bp神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)的主要特點是信號前向傳遞，誤差反向傳播。在前向傳遞中，輸入信號從輸入層經(jīng)隱含層逐層處理，直至輸出層。每一層的神經(jīng)元狀態(tài)只影響下一層神經(jīng)元狀態(tài)。如果輸出層得不到期望輸出，則轉(zhuǎn)入反向傳播，根據(jù)預(yù)測誤差調(diào)整網(wǎng)絡(luò)權(quán)值和閾值，從而使bp神經(jīng)網(wǎng)絡(luò)預(yù)測輸出不斷逼近期望輸出。bp神經(jīng)網(wǎng)絡(luò)預(yù)測前首先要訓(xùn)練網(wǎng)絡(luò)，通過訓(xùn)練使網(wǎng)絡(luò)具有聯(lián)想記憶和預(yù)測能力。基于bp網(wǎng)絡(luò)的算法包括bp神經(jīng)網(wǎng)絡(luò)構(gòu)建、bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練和bp神經(jīng)網(wǎng)絡(luò)分類三步。

支持向量機(jī)(supportvectormachine,svm)，像多層感知器網(wǎng)絡(luò)和徑向基函數(shù)網(wǎng)絡(luò)一樣，可用于模式分類和非線性回歸。支持向量機(jī)是建立一個分類超平面作為決策曲面，使得正例和反例之間的隔離邊緣被最大化。支持向量機(jī)的理論基礎(chǔ)是統(tǒng)計學(xué)習(xí)，是結(jié)構(gòu)風(fēng)險最小化的近似實現(xiàn)。支持向量機(jī)具有以下優(yōu)點：(1)通用性：能夠在很廣的各種函數(shù)集中構(gòu)造函數(shù)；(2)魯棒性：不需要微調(diào)；(3)有效性：在解決實際問題中總是屬于最好的方法之一；(4)計算簡單：方法的實現(xiàn)只需要利用簡單的優(yōu)化技術(shù)；(5)理論上完善：基于vc推廣性理論的框架。如圖4所示，在“支持向量”x(i)和輸入空間抽取的向量x之間的內(nèi)積核這一概念是構(gòu)造支持向量機(jī)學(xué)習(xí)算法的關(guān)鍵。支持向量機(jī)是由算法從訓(xùn)練數(shù)據(jù)中抽取的小的子集構(gòu)成。其中k為支持向量機(jī)的核函數(shù)，其種類主要有：線性核函數(shù)、多項式核函數(shù)、徑向基核函數(shù)以及兩層感知器核函數(shù)。

粒子群優(yōu)化算法(particleswarmoptimization,pso)是計算智能領(lǐng)域的一種群體智能的優(yōu)化算法。pso算法源于對鳥類捕食行為的研究，鳥類捕食時，每只鳥找到食物最簡單有效的方法就是搜尋當(dāng)前距離食物最近的鳥的周圍區(qū)域。pso算法是從這種生物種群行為特征中得到啟發(fā)并用于求解優(yōu)化問題的，算法中每個粒子都代表問題的一個潛在解，每個粒子對應(yīng)一個由適應(yīng)度函數(shù)決定的適應(yīng)度值。粒子的速度決定了粒子移動的方向和距離，速度隨自身及其他粒子的移動經(jīng)驗進(jìn)行動態(tài)調(diào)整，從而實現(xiàn)個體在可解空間中的尋優(yōu)。pso算法首先在可解空間中初始化一群粒子，每個粒子都代表極值優(yōu)化問題的一個潛在最優(yōu)解，用位置、速度和適應(yīng)度值三項指標(biāo)表示該粒子特征，適應(yīng)度值由適應(yīng)度函數(shù)計算得到，其值的好壞表示粒子的優(yōu)劣。粒子在解空間中運動，通過跟蹤個體極值pbest和群體極值gbest更新個體位置；個體極值pbest是指個體所經(jīng)歷位置中計算得到的適應(yīng)度值最優(yōu)位置，群體集資gbest是指種群中的所有粒子搜索到的適應(yīng)度最優(yōu)位置。粒子每更新一次位置，就計算一次適應(yīng)度值，并且通過比較新粒子的適應(yīng)度值和個體極值、群體極值的適應(yīng)度值更新個體極值pbest和群體極值gbest位置。

如圖5所示，我們測量了上述水果的糖度和酸度，并做成分布圖。

各類水果的糖度分布分別為：圣女果8.0-4.2,草莓8.8-5.3,橙子15.2-7.8,梨13.0-7.6,橘子13.7-8.6,柿子15.9-8.4,獼猴桃16.1-11.9,蘋果20.7-10.5,葡萄17.9-14.5以及龍眼23.0-17.4。

各類水果的酸度分布分別為：草莓3.87-3.23，橘子4.03-3.08，葡萄4.00-3.33，蘋果4.54-3.51，橙子4.94-3.02，圣女果4.55-3.69，梨5.27-4.40，獼猴桃5.56-4.32以及柿子5.40-3.73。

可見，不同水果的糖、酸度的分布區(qū)間雖然有所重疊，但是仍有明顯的差異，不同種類的水果對應(yīng)不同的糖酸度的分布段。

如圖6所示，分析了bp神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、粒子群算法優(yōu)化組成的混合模型對蘋果糖度和酸度的預(yù)測效果。圖6中(a)測試集三角形為糖度實際值，方形為糖度預(yù)測值，(b)為糖度預(yù)測的誤差百分比，(c)測試集的酸度實際值(三角形)和預(yù)測值(方形)，(d)酸度預(yù)測的誤差百分比。糖度預(yù)測模型中，預(yù)測值基本與實際值相同，誤差百分比較小，平均絕對百分比誤差為3.24％。酸度預(yù)測中，大部分預(yù)測值分布于實際值周圍，平均絕對百分比誤差為13.49％。因此建立的混合模型可以很好的預(yù)測蘋果的糖度和酸度。

如圖7所示，分析了bp神經(jīng)網(wǎng)絡(luò)模型對草莓糖度和酸度的預(yù)測效果。圖7中(a)測試集三角形為糖度實際值，方形為糖度預(yù)測值，(b)為糖度預(yù)測的誤差百分比，(c)測試集的酸度實際值(三角形)和預(yù)測值(方形)，(d)酸度預(yù)測的誤差百分比。糖度預(yù)測模型中，預(yù)測值分布于實際值周圍，平均絕對百分比誤差為10.93％。酸度預(yù)測中，預(yù)測值大部分比實際值偏高，但差值不大，平均絕對百分比誤差為4.59％。因此建立的bp模型可以很好的預(yù)測草莓的糖度和酸度。

如圖8所示，分析了bp神經(jīng)網(wǎng)絡(luò)模型對橘子糖度和酸度的預(yù)測效果。圖8中(a)測試集三角形為糖度實際值，方形為糖度預(yù)測值，(b)為糖度預(yù)測的誤差百分比，(c)測試集的酸度實際值(三角形)和預(yù)測值(方形)，(d)酸度預(yù)測的誤差百分比。糖度預(yù)測模型中，預(yù)測值分布于實際值兩側(cè)，平均絕對百分比誤差為9.33％。酸度預(yù)測中，預(yù)測值分布于實際值兩側(cè)，與實際值有相同的趨勢，預(yù)測效果較好，平均絕對百分比誤差為6.41％。因此建立的bp模型可以很好的預(yù)測橘子的糖度和酸度。

對于本領(lǐng)域技術(shù)人員而言，顯然本發(fā)明不限于上述示范性實施例的細(xì)節(jié)，而且在不背離本發(fā)明的精神或基本特征的情況下，能夠以其他的具體形式實現(xiàn)本發(fā)明。因此，無論從哪一點來看，均應(yīng)將實施例看作是示范性的，而且是非限制性的，本發(fā)明的范圍由所附權(quán)利要求而不是上述說明限定，因此旨在將落在權(quán)利要求的等同要件的含義和范圍內(nèi)的所有變化囊括在本發(fā)明內(nèi)。不應(yīng)將權(quán)利要求中的任何附圖標(biāo)記視為限制所涉及的權(quán)利要求。