基于水果無損糖度檢測結果的分揀技術研究*

付 洋 ，馮鑫祥 ，衡 星 ，陳文杰 ，高 昕 ，陳宇峰

（成都工業學院，四川 成都 611730）

0 引言

當前，世界范圍內的新冠肺炎疫情剛剛告一段落，世界經濟復蘇脆弱，氣候變化挑戰凸顯，我國經濟社會發展面臨的各項任務異常繁重和艱巨。黨中央認為，從容應對百年變局和世紀疫情，促進經濟社會平穩健康發展，必須著眼國家重大戰略需要，穩住農業基本盤，做好“三農”工作，接續全面推進鄉村振興，確保農業穩定發展、農民穩定增收、農村安定祥和。此外，要牢牢守住確保國家糧食安全和不發生大面積返貧兩條底線，突出年度性任務、針對性舉措、實效性導向。在促進鄉村振興上有新進展，在發展農業農村現代化上邁出新步伐。

我國是水果生產大國，水果年產量高，但消費市場占比小，主要原因是缺乏水果品質檢測分級精選技術和設備，導致水果品質不穩定，加工利用率低，極大地降低了市場競爭力[1-2]。糖度含量是水果品質的一個重要指標[3]，是水果分級銷售的一個重要因素。目前，國內外一些果品糖度檢測裝置主要依靠破壞性采樣來進行，不僅工作量大，而且還很難保證測量速度，檢測的方便快捷性也很難得到保障。在水果產品的傳統檢測方法和裝置中，核心儀器均為傳統光譜儀，導致測試系統具有體積龐大、造價昂貴、不易于廣泛推廣的缺點，而且還會破壞試驗樣品、操作過程復雜、消耗時間長、有污染、成本高。典型的產品還有數顯糖度計，這種數顯高精度光學儀器是根據折射原理設計的，可在食品、飲料等行業中測定液體中糖分，并可通過折射率的測定推算液體的其他物理指標，但無法做到糖度的無損檢測[4-6]。針對這一市場痛點，十分有必要尋求一種新型的無損檢測方法。因此，實現水果糖度的無損測量，不僅可以大幅提高果農檢測效率，實現水果的分級銷售，還能減少不必要的測量成本[7]。

1 系統優勢

1.1 系統關鍵技術

1）基于Android開發環境及糖度測試軟件的開發，將MATLAB中的算法部署到安卓手機平臺，自主設計檢測軟件。

2）對卷積神經網絡模型進行設計與優化以及模型的訓練，獲得了完美的果糖回歸模式。

3）建立相應的樣本數據庫和模型庫，力求拓展在水果分級應用中的適用范圍，持續研究，使測量結果更準確。

4）利用糖度檢測結果，結合機器人柔性抓取技術，將其應用在水果多級分揀中。

1.2 系統創新點與特色

1）采用高敏感特征光譜優先采集與分析的思路，無需光譜波長的寬范圍采集，簡化了數據預處理過程。

2）利用安卓手機研制了一臺體型較小、方便攜帶、操作容易及適用于現場實時操作的便攜式水果品質無損檢測裝置，并開發了相應的操作軟件。

3）自主設計了測試儀工作的光源環境，它具有對環境條件要求小、搭建簡單的特點。

4）使用安卓手機即可實現對光譜圖像的采集、模型的加載和計算以及結果的穩定顯示，具有便捷、智能的設計特點。

5）實現了柔性分揀技術的應用與創新。

2 系統總體設計

2.1 系統硬件設計

硬件設計包含光路設計、光源環境設計、電路設計等。其中，光源環境在水果無損檢測中對檢測結果有舉足輕重的作用，光源環境的選擇與檢測結果的穩定性、檢測精度有著直接的關系[8]。在設計過程中，制作了相對穩定的暗箱，能在低成本情況下實現作品更小、更簡便、更美觀、效果更好。同時，為降低相關變動對預計結果的沖擊，建立相應的樣本數據庫和模型庫，力求拓展在水果分級應用中的適用范圍，使測量結果可以更準確。硬件設計成品圖如圖1所示。

圖1 硬件設計成品圖

進一步將水果糖度無損檢測和水果多級分揀兩者相結合，將糖度檢測結果作為分揀指標之一，再結合水果外觀、大小進行多級分揀。目前，根據市場調查，水果（以蘋果為例）分類標準參數如表1、表2所示[9]，水果多級分類圖如圖2所示[10]。

表1 蘋果大小分類標準參數

表2 蘋果糖度分類標準參數

圖2 水果多級分類圖

將蘋果進行上述分類后，可將蘋果分為不同等級進行分揀包裝，則可以滿足不同消費者的糖度、大小要求。比如，高糖特大果、高糖大果、中糖特大果等精品果還能作為地區特色產品進行銷售，可提高蘋果質量，收獲口碑，提高區域知名度，以點帶面，帶動地方經濟發展，推動鄉村振興[11-12]。此外，按糖度無損檢測結果柔性分揀后所剩余的低糖果或小果不易于直接銷售，可通過深加工制成果干、果脯、水果罐頭、果味飲品等再進行銷售，提高產品附加值，增加果農收入[13]。

2.2 系統軟件設計

為了讓檢測結果和糖度數值可視化，自主開發了一款基于安卓手機的蘋果糖度無損檢測App，將MATLAB中的算法部署到安卓手機平臺，實現包括調取系統相冊圖片，獲取攝像頭權限、拍照，圖片預處理，如彩色圖像轉灰度圖、中值濾波處理等功能[14-15]。最核心的功能是蘋果的糖度測量，并展示糖度計算結果。本軟件設計的幾個重要步驟如下。

1）做好開發前的基礎性配置，比如在清單文件中獲取手機攝像頭的權限以及對內存卡的讀寫權限進行相應聲明。

2）界面設計：設計相應的歡迎界面以及主程序界面。初步設計的交互界面如圖3所示，糖度測量過程中的交互界面如圖4所示。

圖3 初步設計的交互界面

圖4 糖度測量過程中的交互界面

3）程序算法模塊的集成：拍攝圖片后提取蘋果對應的特征參量，設置相應的特征參量的回歸系數數組，將最后得到的數據在糖度值文本框中顯示。

4）改善軟件交互界面、優化圖像處理過程，在不同安卓版本下進行調試，提高運算速率并充分利用運行內存。

調試結束后，可以將應用軟件安裝在手機上，并且可以拍攝蘋果紅外光譜圖像，從而對糖度值進行預測，并顯示出與標準值誤差較小的預測值。

3 系統調試與試驗

3.1 測試手段與方法

1）使用圖像處理技術、卷積神經網絡模型，實現對水果糖度的檢測。

2）使用現代數據庫技術，完成對糖度檢測信息的記錄工作。

3）通過FACTORY IO提供的仿真技術搭建分揀工藝流程。

4）搭建實物，啟動檢測與分揀全過程。

3.2 測試數據與結果

3.2.1試驗材料

選取80個無外部機械損傷和缺陷的紅富士蘋果，其中果徑小于75 mm的蘋果20個，75 mm~85 mm（即75 mm≤果徑﹤85 mm）的蘋果20個，85 mm~95 mm（即85 mm≤果徑﹤95 mm）的蘋果20個，果徑大于或等于95 mm的蘋果20個，用濕巾將蘋果表面的灰塵和水果蠟擦盡，避免水果因表面的異物、顏色等問題對光譜采集造成誤差。

3.2.2測試數據

將蘋果在擦拭風干后采集近紅外光譜，每個蘋果在不同方向上采集，每采樣一次將蘋果順時針旋轉90°再進行采樣，每個蘋果共4次，4次光譜平均值作為蘋果的真實光譜數據，在一定程度上可以減少表皮顆粒不平、顏色不統一造成的誤差；再交由手機軟件將光譜信息轉化為糖度數值，進行可視化顯示。蘋果糖度值測試數據如表3所示。

表3 蘋果糖度值

分析測試數據可知，檢測儀具有較高的精度，經過多次測量，無損檢測誤差在0.64%~8.37%之間，能夠較好地與模型擬合。

4 總結與展望

1）通過試驗發現利用近紅外光譜無損測量糖度的技術在蘋果上可以得到體現，智能手機與簡易硬件設備再結合的水果多級柔性分揀技術也預示了本技術存在的商業價值和社會價值。由試驗數據可知，本模型能夠與生產實際相結合，具有較高的精度，能夠很好地實現蘋果糖度無損檢測。

2）試驗中所采用的水果均為無外部機械損傷和缺陷、無病害的水果，而針對內部有損害或表面有破損的蘋果糖度檢測模型還需要進一步研究。

3）測試對象僅為蘋果、梨等薄皮水果，對于其他類型水果尚未進行充分研究。