一套基于智能手機的食品質量檢測系統

趙亮 朱志慧 李壯壯 徐匯 許露 劉麗麗 郭亞

摘要：光譜檢測能夠對食品的組織成分進行分析，因其高效性、無損性而被廣泛應用于食品行業中。但目前常用的光譜儀體積大、價格昂貴，在日常生活中難以被推廣使用。針對此問題，本項目設計了一個基于智能手機的食品質量檢測系統，該系統將通過程序控制手機屏幕的顏色來改變激發光波長，并利用手機的前置相機采集紅色（R）、綠色（G）及藍色（B）激發光照射下的圖像，通過所測圖像和數據來對食品的質量進行分析和評價。日常所購食品中含有各種色素添加劑、果蔬中含有葉綠素，因其主要化學成分不同，對R、G、B3種光的吸收與反射也就不同，同時手機的R、G、B 3種光本身都具有一定的帶寬，因此本項目所設計的系統具有可靠的理論依據和一定的實用價值。本研究也通過實驗驗證了系統的實用性和準確性。

關鍵詞：食品質量檢測；智能手機；蔬菜新鮮度；水果質量；食品色素

中圖分類號：TP391. 4 文獻標識碼：A

文章編號：2095-6487 （2018） 01-0096-04

0 引言

《“十三五”國家食品安全規劃》指出：保障食品安全是建設健康中國、增進人民福祉的重要內容，是以人民為中心發展思想的具體體現。隨著經濟的發展與繁榮，人們對于食品的要求也越來越高，食品加工行業開始研制各類食品添加劑并加入到食品之中，雖在提高食品的味覺享受的同時也帶來了一定的食品安全隱患。

食品添加劑工業發展潛力巨大，綠色安全食品添加劑將成為發展的主流方向。我國政府相關部門一直以來十分重視食品安全標準，在有關食品添加劑管理的法規中對所有添加劑的使用劑量都有嚴格限制。食品添加劑的超量使用會對人類健康產生嚴重威脅，因此有效地監測食品添加劑用量，對保障食品安全具有重要意義。

食品添加劑的檢測分析技術的研究主要包括兩個方面：一方面是對已知目標的檢測分析方法的研究，如酚類抗氧化劑的檢測；另一方面是適用檢測對象廣的新的檢測技術，如毛細管電泳技術、高效液相色譜。

光譜儀是分析物質化學組成及物理結構的重要分析儀器。相比傳統大型光譜儀器，微型光譜儀使用靈活度更高，并且能嵌入到很多設備中，廣泛地應用到多個領域[1]。隨著MEMS技術、先進加工技術、光電傳感器技術的高速發展，微型光譜儀的性能也在逐步提升。2014年，由以色列Consumer Physics公司推出的便攜式光譜儀Scio，可以通過對物品材料發散近紅外線，活躍材料中的分子，通過分析由分子振動反射的光線，就能根據光線的獨特光學特征識別，由此確定材料的化學成分組成。2015年Huseyin Ayvaz等利用micro PHAZIRTMRx手持式紅外光譜儀和Cary630傅里葉紅外光譜儀對薯片內丙烯酰胺的含量進行篩選[2]。Field Spec Hand Held2TM （ADS公司生產）手持式近紅外光譜儀配有彩色液晶顯示屏，使用該儀器可測定馬鈴薯的多酚含量番茄紅素和可溶性固形物含量[3]，微型光譜儀的使用逐漸在科學領域推廣開來。

雖然國內對近紅外光譜儀的研制起步較晚，近幾年部分科研機構和生產企業對儀器的研制和軟件開發取得了一定的進展，但仍需更多的理論研究和技術創新。由于應用行業缺乏對近紅外光譜分析技術的理解與使用，科研行業大多使用精度更高的大型光譜儀器，這就導致國內近紅外技術發展緩慢[4]。本研究根據我國近紅外光譜儀的發展狀況，提出對光譜儀軟件的應用加入儀器的遠程自檢和故障診斷功能，做到“光譜儀器（或傳感器）+智能移動控制平臺+移動網絡=移動云光譜檢測系統”，可以讓一位具備精通數據處理和光譜分析的高手遠程為儀器的使用者提供及時準確的服務，真正意義上做到數據共享、資源共享和人才共享[5]。

通常應用在食品檢測領域的光譜儀體積大、價格昂貴。應用“分析儀器+互聯網技術”模型，以智能手機為基礎的光學儀器開發，能夠大幅節約成本，便于推廣[6]。因此基于智能手機的食品添加劑光譜檢測儀兼具有很大的研究價值。雖然智能手機的激發光波長有限，但很多食品含有各種色素添加劑以及果蔬含有葉綠素等，其化學成分不同[7]，對R、G、B3種光的吸收與反射也不同，加上手機的R、G、B3種光本身都具有一定的帶寬，因此從理論上保證了本系統具有一定的實用價值。

1 系統設計

本項目設計出一套軟件[8]，使其可以通過程序控制手機屏幕的顏色改變激發光的波長，利用手機的前置相機采集紅色（R）、綠色（G）及藍色（B）激發光照射下的圖像，獲取一套基于智能手機的食品質量檢測方法，嵌入到智能手機上，本軟件的流程圖如圖l所示[9]。

部分設計代碼如下：

（1）打開手機相冊獲取圖片后截取圖片[10]。

（2）使用getPixel獲取圖片各點的像素值，并通過OnTouchListener傳遞屏幕觸摸點的像素值[11]。

（3）將各點像素值相加然后除以點數，得到平均RGB值[12]。

2 實驗及討論

2.1 常見色素水溶液實驗

實驗選取棕色色素和葡萄紫色素[13]，分別取兩個玻璃杯，用燒杯量取150mL的水加在玻璃杯中，然后每次分別向每個玻璃杯中加入1mL的棕色色素和葡萄紫色素，進行5次，檢測其像素值變化。見圖2所示。進行7組實驗后[14]，求得各組數據的平均值以減小實驗誤差。可見在有些肉眼不太好辨別的情況下，RGB像素值可以很明顯反應顏色由淺到深的變化，RGB的趨勢變化見圖3、圖4所示[15]。

2.2芬達飲料和色素實驗

取10mL的芬達飲料[16]，分別加入1/3mL果綠色色素、2/3mL果綠色色素。測得的數據如表3所示，RGB的趨勢變化見圖5。

由于樣本容量比較小，一次加入色素之后顏色發生了明顯的變化，像素值也發生了較大的改變，其中R、B的斜率變化特別大，可見綠色的飲料對于R、B的響應很好，而對于G的響應較差[17]。飲料的保質期較短，帶色飲料的顏色也會隨時間改變而變淺，因此我們也可以通過測定飲料的像素值來制定一個標準，像素值在一定范圍類的飲料為安全飲料[18]。

2.3芒果成熟度實驗

實驗選取了3個芒果，記為1、2、3號。1號較特殊（一半未成熟為青色，一半已成熟），2號較成熟，3號完全成熟（圖6）。進行5次實驗以減小誤差[19]。芒果的測試數據如表4所示。

由圖7、圖8芒果成熟度折線圖可以分析出，芒果由青色到成熟R和G的上升是很明顯的，R和B有一種線性上升的趨勢，而B值幾乎不變，可以初步猜測芒果的B值與其成熟度關系不太大[20]。對于成熟芒果的3種情況對比，3個芒果的RGB值幾乎為一個直線，變化很小，可以初步猜測當芒果的R和G值超過某一閾值如205和160就成熟了。

由于智能手機自身的內存小，處理能力有限，還需要進一步改進代碼來提升軟件的處理速度。在未來研究中，數據分析水平需要提高，以及獲取的數據需要進一步擴展，以獲得更加準確且具有特征性的數值[21]。

3 結論

隨著科技的發展，基于智能手機的檢測方法飛速進步是必然的趨勢，手機檢測將走進人們的生活。此外，智能手機的更新換代也是十分快速的，相關的配件也越來越精密，如攝像頭、光學傳感器、手機性能、手機屏幕。可見，基于智能手機的檢測方法有著很好的發展前景。同時，隨著這個食品質量檢測系統的不斷成熟與完善，食品安全和人民身體健康將會得到保障，在其應用價值和應用范圍上有著重大的意義[22]。

參考文獻

[1] 史建政.便攜式手機光譜儀的研制及其軟件開發[D].廣州：廣東工業大學，2015.

[2] 楊悅城，基于LABVIEW的便攜式光譜信號采集與處理系統[D].福州：福建師范大學，2012.

[3] 劉康.微型光譜儀關鍵技術及其應用研究[D].杭州：浙江大學，2013.

[4] 田立楠.智能手機三原色光譜解析法在分析化學中的應用研究[D].保定：河北大學，2015.

[5] 劉廈，劉惕，李楠，等.智能手機應用于便攜式檢測技術的研究進展[J]分析試驗室，2017（1）：120-124.

[6] 黃小花RGB與CMYK色彩模式[J]信息通信，2012 （6）：21-22.

[7] 李永祥，李美齡，李貞景，等.源于不同數據庫的食源性有機分子紅外光譜比較[J].農業工程，2013 （6）：86-90.

[8] 劉躍.基于手機的光譜儀數據傳輸及處理[D].哈爾濱：哈爾濱工業大學，2017.

[9] 郭娟.智能手機可讀條形碼式樣的有機磷農殘定量檢測[D].太原：太原理工大學，2015.

[10] 史建政.便攜式手機光譜儀的研制及其軟件開發[D].廣州：廣東工業大學，2015.

[11] 耿德春.基于Android平臺近紅外光譜儀控制及工作狀態監測的開發研究[D].南京：江蘇大學，2016.

[12] 陳通.Android系統的微型近紅外光譜儀開發及在食品質量檢測中的應用[D].南京：江蘇大學，2016.

[13] 樊書祥，黃文倩，張保華，等.便攜式蘋果糖度光譜檢測儀的設計與試驗[J].紅外與激光工程，2014，43 （Sl）：219224.

[14] 李俊峰基于RGB色彩空間自然場景統計的無參考圖像質量評價[J].自動化學報，2015，41（9）：1601-1615.

[15] 龔文靜.基于Android平臺的保健食品移動監管系統的研究與開發[D].南昌：南昌航空大學，2015.

[16] 王野，基于Android的二維碼食品藥品回溯系統[D].長春：吉林大學，2015

[17] 喬爽，基于Android的食品配料表識別系統研究[D].武漢：武漢理工大學，2014

[18] 傅乘風.基于物聯網技術的食品可追溯系統的設計和實現[D].廈門：廈門大學，2014.

[19]

Choodum A.， Parabun K.， Klawach M， et al. Real time quantitative colourimetric test for methamphetamine detection using digital and mobile phone technology[J]. Forensic Science International.2014， 235：8 13.

[20] Kehoe E.， Penn R. L. Introducing Colorimetric Analysis with Camera Phones and Digital Cameras： An Activity for High School or General Chemistry[Jl. Journal of Chemcal Education. 2013， 90： 1191-1195.

[21]

Stark E.Luchter K.IbidEMl.New York：Marcel Dekker Publishers. 1985.

[22] Hetmaniok E， Slota D， Zielonka A.Using the swarm intelligence algorithms in solution of The two- dimensionall nverse

Stefan

problem[J]. Computers & Mathematics with Applications， 2015.