便携式豆类品质监控系统研究.pdf
《便携式豆类品质监控系统研究.pdf》由会员分享,可在线阅读,更多相关《便携式豆类品质监控系统研究.pdf(8页珍藏版)》请在咨信网上搜索。
1、2023年7 月第54卷第7 期农报业机械学doi:10.6041/j.issn.1000-1298.2023.07.040便携式豆类品质监控系统研究彭彦昆1.2霍道玉1,2左杰文1.2孙晨1.2胡黎明1,2王亚丽1,2(1.中国农业大学工学院,北京10 0 0 8 3;2.国家农产品加工技术装备研发分中心,北京10 0 0 8 3)摘要:传统的破坏性检测方法已难以满足豆类品质快速检测的需求。现有的无损检测设备存在稳定性及准确性不高等问题,为提高豆类品质含量检测装置的性能,基于近红外光谱技术研发了豆类品质无损检测装置,体积小、便于携带,能够适用于现场检测。基于所研发的装置,各取30 个黄豆、绿
2、豆、红豆、黑豆样本,通过旋转静态采集多次光谱求平均值与采集1次光谱的方式,对同一样品重复测量2 0 次,得出随着采集次数的增加,光谱反射率变异系数平均值逐渐减小直至平缓,选取最佳豆类采集次数分别为16、8、14、16,对应的光谱变异系数平均值为2.9%、2.435%、2.7 6 3%、3.0 19%。以黄豆为例,选取8 0 个样品,使用不同的预处理方法,分别建立黄豆蛋白质、粗脂肪和淀粉含量的偏最小二乘预测模型,结果表明,蛋白质、粗脂肪、淀粉质量分数预测的最优模型预处理方式分别为SG-MSC、SNV、SNV,其预测集相关系数R,分别为0.9 7 46、0.9 50 5、0.9 6 0 7,均方根
3、误差分别为0.249%、0.57 2%、0.6 2 3%。取40 个黄豆样本对装置模型进行试验验证,蛋白质、粗脂肪、淀粉质量分数的独立验证相关系数R,分别为0.9 411、0.9 439、0.9 334,独立验证均方根误差分别为0.46 5%、0.6 0 4%、0.6 7 3%,重复测量2 0 次的平均偏差分别为0.40 9%、0.6 2 3%、0.6 37%,各参数重复测量2 0 次变异系数分别为1.2 57%、0.896%、0.9 6 4%。结果表明,该装置具有良好的预测精度。以VisualStudio2015为软件开发平台开发了豆类品质含量实时检测软件,实现多粒豆类品质情况“一键式操作”
4、检测。选用阿里云服务器和MySQL数据库,基于TCP/IP网络通信协议,实现检测数据自动上传至数据库。基于若依开发框架设计了便于豆类品质监测的前端网络监控系统,实时显示数据库信息,关键词:豆类;品质;无损检测;近红外光谱中图分类号:S237文献标识码:A文章编号:10 0 0-12 9 8(2 0 2 3)0 7-0 40 4-0 8OSID:Portable Bean Quality Detecting Device SystemPENG Yankun1,2HUO Daoyul.2ZUO JiewenSUN Chen.2HU Liming1.21,21,21,2WANG Yalil,2(1.
5、College of Engineering,China Agricultural University,Beijing 100083,China2.National R&D Center for Agro-processing Equipment,Beijing 100083,China)Abstract:Traditional destructive detection methods have been unable to meet the requirements of rapiddetection of quality content of beans.The existing no
6、n-destructive testing equipment has the problems oflow stability and accuracy.In order to improve the performance of the device for detecting the qualitycontent of beans,a non-destructive testing device for the quality content of beans was developed based onnear infrared spectroscopy technology,whic
7、h was small,portable and suitable for on-site detection.Based on the developed device,totally 30 samples of soybean,mungbean,red bean and black bean weretaken respectively,and the same sample was measured 20 times by means of rotating static multi-spectralaveraging and one spectral acquisition.It wa
8、s concluded that with the increase of acquisition times,theaverage coefficient of variation of spectral reflectance was gradually decreased until it was flat.Theselected bean acquisition times were 16,8,14 and 16,and the corresponding average coefficient ofvariation of spectrum were 2.9%,2.435%,2.76
9、3%and 3.019%,respectively.Taking soybean as anexample,totally 80 samples were selected.Using different pretreatment methods,partial least squaresprediction models for protein,crude fat and starch content of soybean were established respectively.Theresults showed that protein,crude fat and starch mod
10、els were better than other pretreatments after SG-MSC,SNV and SNV pretreatment,respectively.The R,were 0.974 6,0.950 5 and 0.960 7,and the收稿日期:2 0 2 3-0 2-2 5修回日期:2 0 2 3-0 5-2 3基金项目:国家重点研发计划项目(2 0 2 1YFD1600101-06)作者简介:彭彦昆(19 6 0 一),男,教授,博士生导师,主要从事农畜产品无损检测技术与装备研究,E-mail:y p e n g c a u.e d u.c n405
11、彭彦昆等:便携式豆类品质监控系统研究第7 期RMSEP were 0.249%,0.572%and 0.623%,respectively.Totally 40 soybean samples were taken tovalidate the device model.The R,of protein,crude fat and starch were 0.941 1,0.943 9 and 0.933 4,respectively.The RMSEI were 0.465%,0.604%and 0.673%,respectively.The AD of 20 repeatedmeasure
12、ments were 0.409%,0.623%and 0.637%,respectively.The results showed that the devicehad good prediction accuracy.Visual Studio 2015 was used as the software development platform todevelop the real-time detection software for the quality of beans,which can realize the one-buttonoperation detection of t
13、he quality of multiple beans.Elastic compute service and MysQL database wereselected.Based on TCP/IP network communication protocol,the detection data were uploaded to thedatabase automatically.Based on the development framework,a front-end network monitoring system wasdesigned to facilitate the mon
14、itoring of bean quality and display the database information in real time.Key words:beans;quality;nondestructive testing;near infrared spectroscopy0引言我国是豆类生产和消费大国,随着人们生活水平的提高,对豆类品质提出了更高的要求 。我国是传统的农业大国,豆类产业在我国经济领域占有重要地位2 。豆类主要分为大豆和杂豆。蛋白质和脂肪含量是衡量大豆品质的两个重要指标3,蛋白质和淀粉含量是衡量杂豆品质的重要指标4,我国大豆国家标准(GB13522009)中
15、规定了高油大豆的粗脂肪含量等级标准和高蛋白大豆的蛋白质含量等级标准,对于不同等级的大豆收购价格不同。因此,研究豆类品质快速、无损检测方法及便携式装置具有重要意义。可见/近红外光谱技术具有无损、操作简单、处理量大、客观准确、快速无污染等优点5,已被广泛用于大豆6-7 、玉米【8-、小麦10-1、大米【12-13】等粮食作物的品质检测中。国内外豆类品质成分含量无损检测研究中,文献14 设计了基于光谱特征波长的便携式大豆粗脂肪含量检测系统,采用模块化设计并制作了装置。采用该系统对48 个样本进行数据采集并建立模型,其校正集相关系数为0.8 0 9 3,交叉验证均方根误差为1.2 518,预测集相关系
16、数为0.7 9 8 6,均方根误差为1.30 13,预测效果尚有待提升。文献7 以迅捷光远科技有限公司IAS-2000型便携式近红外光谱仪对大豆蛋白含量开展研究,通过间隔偏最小二乘法建立模型,校正集相关系数为0.9 6 2,交叉验证均方根误差为0.39 6,验证集相关系数为0.9 54,均方根误差为0.49 8,建模效果较好,但其功能单一,不能检测其它豆类品质。丹麦福斯公司开发的近红外谷物分析仪能测量多种豆类及其指标,但体积及重量较大,不适合携带到现场进行实时检测。另外,这些研究对检测后的数据没有系统化管理,缺少对数据的再次利用,没有对各地区豆类品质情况进行统计分析以及监控。物联网技术是通过各
17、种信息传感设备,实现物和物之间信息交换的一种网络技术15-16 ,近年来广泛应用于农产品检测行业中。因此,综合利用光谱检测技术和物联网技术,在实现豆类样品检测的基础上完成对其品质的实时监控。本文拟开发便携式豆类主要品质智能检测装置,通过提出的旋转一周间歇采集多次光谱求平均值分析方法,进一步提高设备检测性能。以黄豆为研究对象建立蛋白质、粗脂肪、淀粉质量分数预测模型,并验证装置的稳定性和准确性。基于物联网技术编写豆类品质实时监控系统,以实现对各地区豆类情况实时监控。1装置硬件设计基于可见/近红外光谱仪,开发了豆类主要品质智能检测装置,主要包括控制单元、光源单元、散热单元、显示单元、机械结构单元等,
18、装置的工作原理图如图1所示。控制单元负责控制旋转机构转动和光谱仪信号采集;光源单元负责发出稳定强度的光;散热单元负责装置的整体散热,防止出现过热的情况;显示单元负责显示采集的豆类数据情况;机械结构单元负责装置旋转一定的角度。光源单元机械结构LED光源旋转机构单元光源电路光谱仪电机驱动器散热单元控制单元散热风扇12V稳压电源微型计算机单片机220V供电显示器显示单元图1豆类主要品质检测装置原理图Fig.1Schematic of bean crude fat device1.1控制单元本单元由光谱仪、微型计算机、单片机、步进电机驱动器等组成。其中光谱仪是整个装置的核心部件,其性能对整个装置的检测
19、结果起决定性的因素。由于豆类是颗粒状物质,相比于透射方式,反射光谱信号强度较好,本装置采用近红外光谱漫反射的方式,如图2 所示。农4062023年机报学业械图2 采集方式示意图Fig.2Schematic of acquisition mode1.样品杯2.待测样品3.光纤豆类的蛋白质、粗脂肪、淀粉等成分吸收波段主要集中在长波近红外区域17 ,故所选光谱仪为滨松C14486GA微型光谱仪,波长范围和稳定性可满足豆类品质定量分析,且尺寸小、重量轻,设备稳定,对外部环境要求不高,符合二次开发的要求,光谱仪具体参数如表1所示。表1C14486GA微型光谱仪参数Tab.1Parameters info
20、rmationofC14486GAspectrometer参数数值尺寸(长宽高)/(mmmmmm)80 60 12质量/g88波长范围/nm9501700积分时间/us1 100 000像素数量256狭缝宽度/um25微型计算机选用WalkFish公司的M1K_J4125型迷你主机,其CPU为四核处理器,运行内存为8GB,且尺寸仅有135mm45mm15mm,质量仅有8 5g,可供自行编写的C/C+软件程序运行。单片机采用尺寸小巧的ArduinoNodeMCU,与步进电机驱动器相连作为旋转机构内步进电机的控制器。1.2显示单元为方便用户使用本装置,不用鼠标便可检测豆类品质情况,采用可供触摸控制
21、的5英寸液晶显示屏,尺寸为12 1mm95mm10mm,质量为2 59 g,微型计算机通过HDMI线连接显示屏并负责显示屏的供电。1.3机械结构单元旋转机构内部由步进电机(步距角1.8)、大小齿轮、支撑架、光谱采集模块等硬件组成,其结构如图3所示。通过步进电机控制小齿轮带动大齿轮转动,进而带动样品杯转动。5-43图3旋转机构结构图Fig.3Diagram of rotating structure1.小齿轮2.电机3.支撑架4.光谱采集模块5.大齿轮1.4光源单元光源单元由6 个卤素灯、反光杯和光纤组成,卤素灯光源光谱波段为30 0 2 6 0 0 nm,覆盖了可见近红外光谱的波段,为本装置提
22、供稳定强度的光源,其结构示意图如图4所示3图4大光源结构示意图Fig.4Illustration of light source structure1.卤素灯位置2.光纤3.反光杯1.5整机结构壳体合理设计有助于内部零部件空间分配,减小不必要的空间,还可以对内部部件起保护支撑的作用。检测装置整体结构采用SolidWorks软件设计,其外观结构如图5所示,整机尺寸为2 30 mm225mm145mm,质量为3.1kg,其外部由微型液晶显示屏、风扇、铝合金外壳等组成。在操作时,样品杯内盛满被测豆类样品并将其压实,放在装置上侧进行检测230mm145mm225mm图5豆类主要品质检测装置图Fig.5
23、Diagram of main bean quality testing device2材料与方法2.1样本材料及其化学分析本文选用黄豆建立模型,从我国淮北地区选取5个广泛种植的黄豆品种,其名称分别为“中黄R式中光谱反射率,%407彭彦昆等:便携式豆类品质监控系统研究第7 期57”、“菏豆33”、“菏豆12”、“中黄13”和“中黄37”。按照GB5491-85进行取样,每个品种制备16个样品,每个样品10 0 g,共8 0 个样本,将其分装于封口塑料袋中,编号保存于4的冰箱中。本文中校正集与预测集按照3:1进行分组,校正集6 0 个样本,预测集2 0 个样本。黄豆蛋白质含量标准理化值依据文献1
24、8 所规定的凯氏定氮法进行测量;粗脂肪含量标准理化值依据文献19 所规定的索氏抽提法进行测量;淀粉含量标准理化值依据文献2 0 规定的酸水解法进行测量。对每个样本测量3次,最终结果为3次测量的平均值。2.2光谱采集与评估由于豆类属于颗粒状物质,颗粒之间有间隙,从而影响装置的稳定性以及准确性,因此,在采集豆类近红外光谱时,采集过程中分为静态采集1次以及装置旋转一周采集样本2、4、6、8、10、12、14、16、18、2 0 次光谱求平均值。由于本装置采用步进电机,故可以根据步进角来决定旋转角度,将样品杯一周36 0 进行等分,并累加初始角度。装置旋转到进行静态采集的角度如表2 所示。为减少采集过
25、程中的不稳定性等因素,装置采用的是旋转间歇静态采集被测豆类样品的光谱。初始采集角度计算公式为360A(1)nn式中n光谱采集次数,取2、4、2 0一A.一初始采集角度,()表2旋转角度Tab.2Rotation angle采集角度)次数几2180,360490、18 0、2 7 0,36 0660、12 0、18 0、2 40、30 0、36 0845、9 0、135、18 0、2 2 5、2 7 0、315、36 01036、7 2、10 8、144、18 0、2 16、2 52、2 8 8、32 4、36 01230、6 0、9 0、12 0、150、18 0、2 10、2 40、2 7
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 便携式 豆类 品质 监控 系统 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。