本發(fā)明屬于食品快速檢測技術(shù)領(lǐng)域，涉及一種在android開發(fā)平臺下的基于嵌入式的便攜式近紅外光譜檢測技術(shù)，具體涉及一種針對近紅外光譜設(shè)備進(jìn)行二次開發(fā)的近紅外光譜食品快速檢測和建模一體化方法及其一體化系統(tǒng)。

背景技術(shù)：

現(xiàn)階段常用的食品檢測方法主要有色譜、質(zhì)譜技術(shù)及光譜分析法。色譜法雖然分析速度較快且應(yīng)用較廣，但是對樣本具有破壞性。質(zhì)譜法的的缺點(diǎn)是分辨率不足而且售價(jià)高昂，后期維護(hù)成本高。而光譜分析法對樣本和實(shí)驗(yàn)環(huán)境幾乎沒有任何破壞而且檢測速度快。隨著經(jīng)濟(jì)的快速發(fā)展，人們對于食品安全的重視程度也與日俱增，并且由于嵌入式技術(shù)可剪裁、接口統(tǒng)一、代碼可固化、占據(jù)的空間小，而且具備很好的硬件適應(yīng)性等優(yōu)點(diǎn)，使嵌入式技術(shù)在便攜式光譜檢測研發(fā)應(yīng)用領(lǐng)域也得到了推崇和喜愛。將嵌入式及其他技術(shù)與光譜技術(shù)相結(jié)合，能夠有效地實(shí)現(xiàn)檢測儀器的便攜化和小型化，并為在線快速食品檢測提供了良好的平臺。由此利用光譜分析軟件進(jìn)行食品檢測分析的技術(shù)也得到了快速發(fā)展和廣泛應(yīng)用。

馮幫等人分別在labview平臺和vc++平臺的基礎(chǔ)上研發(fā)了一款nir光譜檢測系統(tǒng)，能夠進(jìn)行幸水桃可溶性固形物含量檢測。朱虹等人在labview軟件平臺上自主研發(fā)了一款nir測控系統(tǒng)，對硬質(zhì)高齡巖土進(jìn)行檢測分析。王智宏等人研發(fā)了一款野外現(xiàn)場礦物分析的近紅外光譜儀器。劉雪梅開發(fā)了一款對土壤有機(jī)質(zhì)含量進(jìn)行分析的軟件。高利業(yè)等人在wince6.0平臺上研制了一款便攜式拉曼光譜儀，并對y2mo3o12進(jìn)行拉曼檢測分析。聶清等人以智能pda為基礎(chǔ)，成功研制出一套近紅外肌氧檢測系統(tǒng)。聞明研制出可以現(xiàn)場檢測小麥成分的便攜式近紅外光譜儀。翟建龍開發(fā)了一款針對臍橙品質(zhì)的光譜采集和品質(zhì)檢測軟件。秋麗湖等人對micronir-1700的溫度測控系統(tǒng)，進(jìn)行了重新設(shè)計(jì)，對整個系統(tǒng)進(jìn)行了溫度補(bǔ)償。陳松柏在嵌入式平臺上，使用qte庫在linux環(huán)境下開發(fā)了對水質(zhì)進(jìn)行檢測的應(yīng)用軟件。賈文坤將micronir作為數(shù)據(jù)采集裝置，開發(fā)了對“西湖龍井”進(jìn)行便攜快速真?zhèn)舞b別的系統(tǒng)。

雖然不少研究學(xué)者已經(jīng)對便攜式光譜檢測軟件進(jìn)行了不斷的探索和研究，將數(shù)據(jù)采集和分析處理集成于一體，簡化了最初的大量數(shù)據(jù)后期批量處理的流程，但是目前所采用的硬件平臺更多的是平板電腦、臺式機(jī)、高性能的arm處理器以及l(fā)abview虛擬機(jī)等，這些設(shè)備對于普通用戶而言，并沒有達(dá)到真正的便攜，而且無法隨時(shí)隨地地進(jìn)行數(shù)據(jù)網(wǎng)絡(luò)傳輸。

技術(shù)實(shí)現(xiàn)要素：

為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供一種針對近紅外光譜設(shè)備進(jìn)行二次開發(fā)的近紅外光譜食品快速檢測和建模一體化方法及其一體化系統(tǒng)。通過對micronir1700近紅外光譜小型儀器進(jìn)行二次軟件開發(fā)，以及基于嵌入式在android開發(fā)平臺下的編寫的手機(jī)程序，利用光譜檢測的方法實(shí)現(xiàn)對采集到的未知樣本的組分參數(shù)進(jìn)行樣本預(yù)處理分析、建立校正模型并進(jìn)行檢測分析。

本發(fā)明提供的技術(shù)方案是：

一種便攜式近紅外光譜食品快速檢測與建模一體化系統(tǒng)，包括小型近紅外光譜儀和智能手機(jī)，小型近紅外光譜儀為智能手機(jī)的外接usb設(shè)備；還包括驅(qū)動模塊，用于驅(qū)動小型近紅外光譜儀響應(yīng)智能手機(jī)端發(fā)出的指令，該驅(qū)動文件按照usb通信模式進(jìn)行編寫和操作；其中，小型近紅外光譜儀與智能手機(jī)通過y型數(shù)據(jù)線進(jìn)行連接；小型近紅外光譜儀可使用近紅外光譜引擎micronir1700；智能手機(jī)為android平臺的智能手機(jī)；小型近紅外光譜儀和手機(jī)均可外接移動電源。

具體地，驅(qū)動模塊實(shí)現(xiàn)：

(一)軟件對硬件(近紅外光譜儀)的識別和判斷；在manifest文件中定義android.hardware.usb.host，用于識別外接設(shè)備；能夠有效讀取外界設(shè)備，具體使用<uses-permissionandroid:name＝"android.permission.write_external_storage"/>語句讀寫sdcard，包括其他storage，比如內(nèi)部flash，usb等；實(shí)現(xiàn)智能手機(jī)外接usb設(shè)備自動提示功能。

在驅(qū)動模塊文件開發(fā)過程中，在device_filter.xml資源文件中進(jìn)行<usb-device>元素聲明。具體操作過程是在項(xiàng)目工程中的res結(jié)點(diǎn)手動創(chuàng)建device_filter.xml文件，并在文件中聲明usb外接設(shè)備的vid/pid參數(shù)。本發(fā)明中，micronir1700設(shè)備的vid參數(shù)為158e，pid參數(shù)為2801。，為了配置使用，需要將十六進(jìn)制的屬性值轉(zhuǎn)化為十進(jìn)制。

(二)實(shí)現(xiàn)android手機(jī)與外接usb設(shè)備(近紅外光譜儀)進(jìn)行通信；實(shí)現(xiàn)對智能手機(jī)中的相關(guān)應(yīng)用軟件與外接的usb設(shè)施的適用度進(jìn)行自動判斷；具體地，首先需要枚舉已經(jīng)連接的usb設(shè)備為發(fā)現(xiàn)的配件尋找合適的接口；其次，在用戶操作使用usb設(shè)施時(shí)，需要對沒有獲得許可權(quán)的用戶進(jìn)行一定的權(quán)限設(shè)置及驗(yàn)證；第三，在接入的斷點(diǎn)進(jìn)行讀寫數(shù)據(jù)，完成手機(jī)應(yīng)用軟件與外接設(shè)備的信息交互。

(三)對傳輸?shù)绞謾C(jī)端的數(shù)據(jù)進(jìn)行處理，實(shí)現(xiàn)食品快速檢測與建模；包括：對校正集食品樣本的近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理、建立校正模型、對待測集食品樣本的近紅外光譜數(shù)據(jù)進(jìn)行光譜預(yù)處理、對待測集食品樣本的相應(yīng)的組分參數(shù)進(jìn)行檢測得到組分濃度檢測值、對校正模型進(jìn)行評價(jià)等。

本發(fā)明利用上述便攜式近紅外光譜食品快速檢測與建模一體化系統(tǒng)，提供一種便攜式近紅外光譜食品快速檢測與建模一體化方法，該一體化方法在android平臺下對便攜式近紅外光譜儀進(jìn)行二次開發(fā)，首先通過校正集食品樣本的組分指標(biāo)參數(shù)的濃度參考值和近紅外光譜數(shù)據(jù)建立食品檢測校正模型，再通過校正模型對待測集的未知食品樣本的組分參數(shù)進(jìn)行檢測，得到未知食品樣本的待測組分濃度檢測值；本發(fā)明在進(jìn)行檢測中可通過調(diào)整模型參數(shù)，得到針對具體檢測食品對象的最佳檢測校正模型；包括如下步驟：

s1)通過y型數(shù)據(jù)線連接小型近紅外光譜儀與智能手機(jī)；

s2)按照usb通信模式編寫驅(qū)動模塊，開發(fā)android應(yīng)用安裝包，用于驅(qū)動小型近紅外光譜儀響應(yīng)智能手機(jī)端發(fā)出的指令；

s3)安裝應(yīng)用安裝包到智能手機(jī)中，利用應(yīng)用安裝包執(zhí)行食品快速檢測的與建模操作；

便攜式近紅外光譜食品快速檢測與建模的步驟包括：

1)采集具有代表性的食品樣本，作為校正集食品樣本；

2)通過便攜式近紅外光譜儀測得校正集食品樣本的近紅外光譜數(shù)據(jù)；

3)通過化學(xué)分析方法測得校正集食品樣本的待測組分的濃度，作為相應(yīng)組分指標(biāo)參數(shù)的濃度參考值；

4)步驟2)獲得的校正集食品樣本的近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理；其中，近紅外光譜數(shù)據(jù)通過y數(shù)據(jù)線傳輸至android智能手機(jī)端，通過智能手機(jī)端安裝的應(yīng)用，對近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理；

5)利用步驟3)得到的校正集食品樣本的待測組分的濃度和步驟4)得到的進(jìn)行預(yù)處理后的校正集食品樣本的近紅外光譜數(shù)據(jù)，針對需要檢測的組分指標(biāo)參數(shù)，建立校正模型；本發(fā)明實(shí)施例中，具體通過多元線性回歸方法建立校正模型；

6)對待測集食品樣本，通過便攜式近紅外光譜儀測得近紅外光譜數(shù)據(jù)；

7)對步驟6)獲得的待測集食品樣本的近紅外光譜數(shù)據(jù)進(jìn)行光譜預(yù)處理；其中，近紅外光譜數(shù)據(jù)通過y數(shù)據(jù)線傳輸至android智能手機(jī)端，通過智能手機(jī)端安裝的應(yīng)用，對近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理；

8)針對需要檢測的組分指標(biāo)參數(shù)，利用步驟5)獲得的校正模型對待測集食品樣本的相應(yīng)的組分參數(shù)進(jìn)行檢測，得到待測集食品樣本的組分濃度檢測值；

9)對步驟5)中建立的校正模型采用模型評價(jià)參數(shù)對所述校正模型進(jìn)行評價(jià)；模型評價(jià)參數(shù)可包括殘差、校正標(biāo)準(zhǔn)偏差、交互驗(yàn)證的校正標(biāo)準(zhǔn)偏差、預(yù)測標(biāo)準(zhǔn)偏差或決定系數(shù)。

步驟4)和步驟7)光譜預(yù)處理具體是通過采用插值法方法對食品樣本的近紅外光譜圖進(jìn)行預(yù)處理。目前常用的插值算法主要有線性插值法、三次樣條插值法以及樣條插值法等。其中，應(yīng)用最廣泛的是線性插值算法。線性插值在估計(jì)兩個主干點(diǎn)之間的點(diǎn)值、擬合基本曲線方面有著廣泛的應(yīng)用。當(dāng)采用線性插值無法擬合準(zhǔn)確的平滑曲線時(shí)，可以采用樣條插值法進(jìn)行曲線擬合。樣條法的基本原理是首先構(gòu)造一條平滑的曲線，并根據(jù)曲線中存在的主干點(diǎn)采用多項(xiàng)式(一般采用三次曲線)進(jìn)行曲線擬合。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

現(xiàn)有針對食品的檢測技術(shù)主要靠化學(xué)分析，檢測過程中需要配制化學(xué)試劑且化學(xué)反應(yīng)過程較為耗時(shí)，同時(shí)容易造成二次污染；并且目前大多數(shù)的近紅外光譜檢測系統(tǒng)由于檢測儀器費(fèi)用高、檢測過程繁瑣、檢測系統(tǒng)笨重、檢測結(jié)果缺乏決策化等原因，導(dǎo)致各種光譜檢測系統(tǒng)的用途限制于科研院所、高校企業(yè)和檢測機(jī)構(gòu)等，沒有在人們的日常生活中普及開來。對于便攜式的低成本的光譜檢測系統(tǒng)的需求日趨迫切。本發(fā)明提供一種基于android的便攜式近紅外光譜食品快速檢測與建模一體化方法和一體化系統(tǒng)，利用android智能手機(jī)，對micronir系列近紅外光譜小型儀器進(jìn)行二次軟件開發(fā)，通過一體化方法實(shí)現(xiàn)對采集到的樣本進(jìn)行樣本預(yù)處理分析、建立校正模型并進(jìn)行檢測分析，從而實(shí)現(xiàn)的對未知樣本的組分參數(shù)；采用的micronir1700檢測系統(tǒng)不僅體積適中，而且重量輕，具有便攜性。本發(fā)明采用光譜檢測技術(shù)對食品品質(zhì)進(jìn)行分析，不僅掃描分析速度快，而且能進(jìn)行定量分析。本發(fā)明實(shí)施例對面粉的面筋，水分，灰度含量進(jìn)行檢測，并且在檢測分析前不需要對面粉進(jìn)行任何化學(xué)處理，分析后也不會產(chǎn)生任何形式的污染等，真正意義上實(shí)現(xiàn)了面粉的無損檢測分析。利用本發(fā)明提供的技術(shù)方案，用戶可以在實(shí)際的檢測過程中，突破配套檢測分析軟件中的固化模型的枷鎖，可以依據(jù)被檢測對象的種類特性，實(shí)時(shí)的建立更具針對性的數(shù)學(xué)模型，利用大量樣本不斷的優(yōu)化參數(shù)，最終得到最佳模型，提高檢測的精度。

附圖說明

圖1為智能手機(jī)中檢測應(yīng)用軟件界面截圖。

圖2為智能手機(jī)進(jìn)行暗電流掃描的界面截圖。

圖3是智能手機(jī)進(jìn)行背景數(shù)據(jù)掃描的界面截圖。

圖4是智能手機(jī)進(jìn)行面粉數(shù)據(jù)掃描及檢測結(jié)果顯示的界面截圖。

圖5是本發(fā)明實(shí)施例中面粉樣本的近紅外漫反射光譜圖；

其中，橫坐標(biāo)代表波長，單位為nm；縱坐標(biāo)是吸光度，單位為1。

圖6是本發(fā)明實(shí)施例中檢測面粉樣本的水分、灰分、面筋的定量模型預(yù)測結(jié)果圖。

圖7是本發(fā)明中驅(qū)動模塊的工作流程框圖。

圖8是本發(fā)明中智能手機(jī)與usb連接的近紅外光譜儀進(jìn)行usb通信的流程框圖。

具體實(shí)施方式

下面結(jié)合附圖，通過實(shí)施例進(jìn)一步描述本發(fā)明，但不以任何方式限制本發(fā)明的范圍。

本發(fā)明提供的便攜式近紅外光譜食品快速檢測與建模一體化系統(tǒng)，包括小型近紅外光譜儀和智能手機(jī)，小型近紅外光譜儀為智能手機(jī)的外接usb設(shè)備，還包括驅(qū)動文件模塊，用于驅(qū)動小型近紅外光譜儀響應(yīng)智能手機(jī)端發(fā)出的指令，該驅(qū)動文件按照usb通信模式進(jìn)行編寫和操作；其中，小型近紅外光譜儀與智能手機(jī)通過y型數(shù)據(jù)線進(jìn)行連接；小型近紅外光譜儀可使用近紅外光譜引擎micronir1700；智能手機(jī)為android平臺的智能手機(jī)；小型近紅外光譜儀和手機(jī)均可外接移動電源。

本實(shí)施例采用美國jdsu公司生產(chǎn)的一款小型近紅外光譜儀micronir-1700，雖然其具有體積小，重量輕的優(yōu)點(diǎn)，但是由于并沒有儀器控制和光譜采集的功能，所以只利用其配套的軟件，無法實(shí)現(xiàn)對光譜數(shù)據(jù)的分析檢測。為了能夠利用micronir-1700在實(shí)際的工作中進(jìn)行檢測分析，需要在micronir-1700的基礎(chǔ)上進(jìn)行二次開發(fā)，編寫軟件，能夠?qū)庾V儀采集的數(shù)據(jù)完成數(shù)據(jù)采集，數(shù)據(jù)預(yù)處理，檢測分析操作。micronir-1700光譜儀是專為手持式、便攜式、以及嵌入式在線感應(yīng)式等應(yīng)用而設(shè)計(jì)的，在食品、農(nóng)業(yè)、制藥、環(huán)境以及石油化工等多個領(lǐng)域得到了廣泛應(yīng)用。micronir-1700光譜儀主要應(yīng)用用于食品、農(nóng)業(yè)、醫(yī)藥、環(huán)境保護(hù)以及石油化工等多個需求在線感應(yīng)的領(lǐng)域，其特點(diǎn)是特點(diǎn)是緊湊、成本低廉，且具有便攜的優(yōu)點(diǎn)。jdsumicronir-1700光譜儀系統(tǒng)自身集成了光源、集光元件、電子元件和基本操作軟件等。其關(guān)鍵部件的分光元件是線性漸變?yōu)V光片(lvf,linearvariablefilter)。lvf是由jdsu公司自主設(shè)計(jì)和制造的一種特別的帶通濾光片，采用了先進(jìn)的光學(xué)鍍膜和制造技術(shù)，因?yàn)橥◣У闹行牟ㄩL與膜層的厚度有關(guān)，所以為了起到分光的效果，在制造時(shí)在特定方向形成楔形鍍層，以便濾光片的穿透波長在楔形方向發(fā)生了線性變化。將lvf與線陣ingaas(非制冷銦鎵砷)器耦合構(gòu)成近紅外傳感器，可以應(yīng)用于諸多領(lǐng)域，提供需要的光譜信息。micronir-1700近紅外光譜儀在φ45×42mm的體積上集光源、濾光片和檢測器等于一體，無需額外的移動部件，而且重量很輕，僅有60g。其中光源采用雙集成真空鎢燈，壽命為1.8萬小時(shí)。檢測器采用ingaas二極管陣列檢測器，探測器共有128像元，波長范圍950-1650nm，分辨率為12.5nm，積分時(shí)間最小為100us。micronir-1700近紅外光譜儀采用usb供電，主機(jī)接口為usb2.0，最高速度達(dá)480mb/s，儀器的控制和光譜數(shù)據(jù)的采集由控制終端上的軟件觸發(fā)，控制終端可采用筆記本電腦和基于android系統(tǒng)的平板電腦和手機(jī)，便于現(xiàn)場采樣和實(shí)時(shí)測量。

本發(fā)明按照usb通信模式編寫驅(qū)動模塊，開發(fā)了應(yīng)用安裝包nirbtbu.apk，用于驅(qū)動小型近紅外光譜儀響應(yīng)智能手機(jī)端發(fā)出的指令。驅(qū)動模塊的工作流程如圖7所示。驅(qū)動模塊對manifest文件和usb通信進(jìn)行如下設(shè)置：

(1)android中manifest文件的需求

存在一些android系統(tǒng)的設(shè)備無法準(zhǔn)確地支持usb主機(jī)的apis接口的情況，因此為了識別外接設(shè)備，需要在manifest文件中定義android.hardware.usb.host。對manifest文件主要做以下開發(fā)：

①獲得usb讀取權(quán)限。在manifest程序文件寫入<uses-permissionandroid:name＝"android.hardware.usb.host"android:required＝"false"/>語句。

②定義外接usb設(shè)備。通過<uses-featureandroid:name＝"android.hardware.usb.host"android:required＝"true"/>定義外接usb設(shè)備，并通過android:required＝"true"語句判定外接設(shè)備的接入后，程序才能正常工作。

③測試對外界設(shè)備能夠有效讀取。需要使用<uses-permissionandroid:name＝"android.permission.write_external_storage"/>語句讀寫sdcard，包括其他storage，比如內(nèi)部flash，usb等。

④實(shí)現(xiàn)智能手機(jī)外接usb設(shè)備自動提示功能。在activity中的<intent-filter>和<meta-data>元素中添加android.hardware.usb.action.usb_device_attached意圖，并在<meta-data>中添加android:resource＝"@xml/device_filter”語句指向額外的device_filter.xml資源文件，從而對探測到的設(shè)備進(jìn)行信息驗(yàn)證。

驅(qū)動模塊需要完成軟件對硬件的識別和判斷。因此，在驅(qū)動模塊文件開發(fā)過程中，需要在device_filter.xml資源文件進(jìn)行<usb-device>元素聲明。具體操作過程是在項(xiàng)目工程中的res結(jié)點(diǎn)手動創(chuàng)建device_filter.xml文件，并在文件中聲明usb外接設(shè)備的vid/pid參數(shù)。本專利所用的微型近紅外光譜儀micronir1700的vid/pid參數(shù)能夠通過jdsuspectralengine屬性框中的查看詳細(xì)信息屬性獲得，micronir1700設(shè)備的vid參數(shù)為158e，pid參數(shù)為2801。我們所查看的屬性值為十六進(jìn)制，為了配置使用，需要將其轉(zhuǎn)化為十進(jìn)制，即vid為5518，pid為10241。并在<resources>中進(jìn)行如下聲明：

<resources><usb-devicevendor-id＝"5518"product-id＝"10241"/></resources>。

(2)usb設(shè)備工作

android手機(jī)與外接usb設(shè)備進(jìn)行通信時(shí)，需要獲得一個usbmanager。usbmanager的獲得主要通過查詢外接的usbdevice來實(shí)現(xiàn)。獲得準(zhǔn)確的usb接口和該接口所對應(yīng)的usb端點(diǎn)后，打開usbdeviceconnection后進(jìn)行手機(jī)與外設(shè)的信息交流，usb通信流程如圖8所示。

當(dāng)將usb設(shè)施通過數(shù)據(jù)線與android智能手機(jī)連接在一起時(shí)，為了實(shí)現(xiàn)android系統(tǒng)可以對手機(jī)中的相關(guān)應(yīng)用軟件與外接的usb設(shè)施的適用度進(jìn)行自動判斷，首先需要枚舉已經(jīng)連接的usb設(shè)備為發(fā)現(xiàn)的配件尋找合適的接口；其次，在用戶操作使用usb設(shè)施時(shí)，需要對沒有獲得許可權(quán)的用戶進(jìn)行一定的權(quán)限設(shè)置及驗(yàn)證；第三，在接入的斷點(diǎn)進(jìn)行讀寫數(shù)據(jù)，完成手機(jī)應(yīng)用軟件與外接設(shè)備的信息交互。具體開發(fā)過程如下：

①采用manager＝(usbmanager)getsystemservice(context.usb_service)獲取一個usbmanager的實(shí)例和外接設(shè)備的狀態(tài)，并且進(jìn)行通信。并定義usbdevicelist數(shù)組，經(jīng)過getdevicelist()函數(shù)方法枚舉總線上的設(shè)施數(shù)量，并將usb設(shè)備數(shù)量放到數(shù)組usbdevicelist中。

②尋找接口并分配結(jié)點(diǎn)。使用getinterfacecount()函數(shù)方法查看外接接口個數(shù)，普遍情況是一個接口。在這個接口上有兩個端點(diǎn)，一個是in，一個是out，需要對這兩個端點(diǎn)進(jìn)行分配。定義兩個usbendpoint實(shí)例來保存分配到的端點(diǎn)。

③實(shí)現(xiàn)外設(shè)與android設(shè)施直接的連接。使用connection＝manager.opendevice(musbdevice)函數(shù)打開外設(shè)，connection.claiminterface(minterface,true)判斷為真后進(jìn)行端點(diǎn)分配，在端點(diǎn)分配時(shí)主要通過usbdeviceconnection函數(shù)和usbinterface函數(shù)實(shí)現(xiàn)端點(diǎn)分配問題。

④依據(jù)設(shè)備hid，進(jìn)行通信設(shè)置。獲得了通訊端口的out和in端點(diǎn)后，需要根據(jù)外接設(shè)備的hid研究設(shè)備的命令發(fā)送/接收方式將要發(fā)送的命令打包成命令包進(jìn)行發(fā)送。不同的設(shè)備發(fā)送/接收命令模式不同，同一設(shè)備不同命令的發(fā)送/接收模式也需要具體處理。本文所用的外接設(shè)備micronir1700的發(fā)送命令(out)模式為發(fā)送預(yù)發(fā)送命令+發(fā)送命令+接收發(fā)送成功信息；接收命令(in)模式為：發(fā)送預(yù)接收命令+接收數(shù)據(jù)+接收數(shù)據(jù)成功信息。

在軟件安裝之前，需要將整個檢測硬件搭配完整，即micronir1700除了外接移動電源外，還需要借助于y型線與智能手機(jī)連接在一起，確保檢測系統(tǒng)中的各個硬件設(shè)備能正常通信。本發(fā)明按照usb通信模式編寫驅(qū)動模塊，開發(fā)了應(yīng)用安裝包nirbtbu.apk，用于驅(qū)動小型近紅外光譜儀響應(yīng)智能手機(jī)端發(fā)出的指令。當(dāng)安裝軟件時(shí)，根據(jù)“選擇適用于usb設(shè)備的應(yīng)用程序”提示語句，選擇nirbtbu.apk進(jìn)行安裝。軟件安裝完成后，在手機(jī)主界面中生成一個nirbtbu軟件的快捷方式。當(dāng)用戶使用時(shí)，只需點(diǎn)擊該快捷方式就可以快速啟動檢測軟件。

軟件安裝完成以后連接微型光譜引擎，并在手機(jī)觸摸屏上點(diǎn)擊nirbtbu軟件，進(jìn)入光譜檢測界面，如圖1所示。

本實(shí)施例中，軟件設(shè)置的默認(rèn)的積分時(shí)間為9000ms，采樣次數(shù)為50次。用戶可以根據(jù)檢測對象的特性設(shè)置合適的積分時(shí)間和采樣次數(shù)。在“積分時(shí)間文本編輯框”中手動輸入積分時(shí)間后點(diǎn)擊“積分時(shí)間”按鈕，實(shí)現(xiàn)對積分時(shí)間的設(shè)定。在“采樣次數(shù)文本編輯框”中手動輸入需求的采樣次數(shù)后點(diǎn)擊“采樣次數(shù)”按鈕，完成對采樣次數(shù)的設(shè)定。軟件參數(shù)設(shè)置完成后，根據(jù)探頭特性首要需要采集暗電流光譜數(shù)據(jù)，將探頭對準(zhǔn)校正白板后點(diǎn)擊“暗電流”按鈕，進(jìn)行光譜數(shù)據(jù)采集，如圖2所示。

暗電流光譜數(shù)據(jù)掃描完成后，需要進(jìn)行背景光譜數(shù)據(jù)掃描。通過點(diǎn)擊手機(jī)應(yīng)用軟件界面中的“100％背景”按鈕，獲取背景光譜數(shù)據(jù)，如圖3所示。

100％背景光譜數(shù)據(jù)采集完成后，將探頭對準(zhǔn)檢測對象，點(diǎn)擊界面中的“掃描”按鈕，實(shí)現(xiàn)對檢測對象的快速品質(zhì)分析，并將分析結(jié)果顯示在界面中，如圖4所示。

本發(fā)明利用上述便攜式近紅外光譜食品快速檢測與建模一體化系統(tǒng)，實(shí)現(xiàn)一種便攜式近紅外光譜食品快速檢測與建模一體化方法，該一體化方法在android平臺下對便攜式近紅外光譜儀進(jìn)行二次開發(fā)，首先通過校正集食品樣本的組分指標(biāo)參數(shù)的濃度參考值和近紅外光譜數(shù)據(jù)建立食品檢測校正模型，再通過校正模型對待測集的未知食品樣本的組分參數(shù)進(jìn)行檢測，得到未知食品樣本的待測組分濃度檢測值；本發(fā)明在進(jìn)行檢測中可通過調(diào)整模型參數(shù)，得到針對具體檢測食品對象的最佳檢測校正模型。檢測包括如下步驟：

1)采集具有代表性的食品樣本，作為校正集食品樣本；

2)通過便攜式近紅外光譜儀測得校正集食品樣本的近紅外光譜數(shù)據(jù)；

3)通過化學(xué)分析方法測得校正集食品樣本的待測組分的濃度，作為相應(yīng)組分指標(biāo)參數(shù)的濃度參考值；

4)對步驟2)獲得的校正集食品樣本的近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理；

5)利用步驟3)得到的校正集食品樣本的待測組分的濃度和步驟4)得到的進(jìn)行預(yù)處理后的校正集食品樣本的近紅外光譜數(shù)據(jù)，針對需要檢測的組分指標(biāo)參數(shù)，通過多元線性回歸方法建立校正模型；

6)對待測集食品樣本，通過便攜式近紅外光譜儀測得近紅外光譜數(shù)據(jù)；

7)對步驟6)獲得的待測集食品樣本的近紅外光譜數(shù)據(jù)進(jìn)行光譜預(yù)處理；

8)針對需要檢測的組分指標(biāo)參數(shù)，利用步驟5)獲得的校正模型對待測集食品樣本的相應(yīng)的組分參數(shù)進(jìn)行檢測，得到待測集食品樣本的組分濃度檢測值；

9)對步驟5)中建立的校正模型采用模型評價(jià)參數(shù)對所述校正模型進(jìn)行評價(jià)；模型評價(jià)參數(shù)可包括殘差、校正標(biāo)準(zhǔn)偏差、交互驗(yàn)證的校正標(biāo)準(zhǔn)偏差、預(yù)測標(biāo)準(zhǔn)偏差或決定系數(shù)；

步驟4)和步驟7)中，近紅外光譜數(shù)據(jù)預(yù)處理過程利用基于android開發(fā)的便攜式近紅外光譜系統(tǒng)進(jìn)行操作；其中，光譜數(shù)據(jù)需要通過y數(shù)據(jù)線傳輸至android端。

步驟4)和步驟7)光譜預(yù)處理具體是通過采用插值法方法對食品樣本的近紅外光譜圖進(jìn)行預(yù)處理。目前常用的插值算法主要有線性插值法、三次樣條插值法以及樣條插值法等。其中，應(yīng)用最廣泛的是線性插值算法。線性插值在估計(jì)兩個主干點(diǎn)之間的點(diǎn)值、擬合基本曲線方面有著廣泛的應(yīng)用。當(dāng)采用線性插值無法擬合準(zhǔn)確的平滑曲線時(shí)，可以采用樣條插值法進(jìn)行曲線擬合。樣條法的基本原理是首先構(gòu)造一條平滑的曲線，并根據(jù)曲線中存在的主干點(diǎn)采用多項(xiàng)式(一般采用三次曲線)進(jìn)行曲線擬合。

步驟5)中光譜模型的建立采用多元線性回歸方法。多元線性回歸算法的中心思想是研究多個自變量對一個因變量的影響，分析原因變量對結(jié)局變量的貢獻(xiàn)，并用已知的原因變量對結(jié)果變量的變化進(jìn)行預(yù)測。其數(shù)學(xué)模型為公式4-16：

公式1中，y為因變量，xj(j＝1,2,…,m)為m個自變量，βj(j＝0,1,2,…,m)為m+1個未知參數(shù)，為隨機(jī)誤差。對于n組觀測值yi,x1i,x2i,…,xmi(i＝1,2,…,n)，其方程組形式為公式2：

將公式2寫成矩陣形式，為公式3：

即

其中為因變量的觀測值向量；為自變量的觀測值矩陣；為總體回歸方程參數(shù)向量，為隨機(jī)誤差向量。

總體回歸方程表示為：e(y)＝xβ。

在多元線性回歸模型中，多元線性回歸模型將偏回歸系數(shù)作為回歸系數(shù)可以有效地表達(dá)出各個自變量對因變量的影響。運(yùn)用樣本觀測值(x1i,x2i,…,xmi；yi)對未知參數(shù)β0,β1,β2,…，βm采用最小二乘法進(jìn)行估計(jì)，得到參數(shù)估計(jì)值為將估計(jì)值代入模型得樣本回歸方程其中，為參數(shù)估計(jì)值，為yi的樣本擬合值。

采用偏最小二乘法進(jìn)行參數(shù)估計(jì)時(shí)，樣本回歸方程的矩陣表達(dá)形式為公式4：

樣本回歸方程求解后得到的因變量估計(jì)值與實(shí)際觀測值yi的偏差稱為殘差εi：

在采用模型進(jìn)行檢測時(shí)，需要對結(jié)果進(jìn)行統(tǒng)計(jì)檢驗(yàn)，以剔除誤差比較大的數(shù)據(jù)，以保證建模的準(zhǔn)確性。

步驟9)中的模型評價(jià)參數(shù)殘差(d)，代表第i個樣本的檢測值與實(shí)際值的差值，表達(dá)式為公式11：

di＝y(tǒng)i,predicted-yi,actual(式11)

公式1中，di代表第i個樣本的殘差，yi,predicited代表第i個樣本的檢測值，yi,actual代表第i個樣本的真值。

步驟9)中的模型評價(jià)參數(shù)交叉驗(yàn)證均方根誤差(rmsecv)，采用交叉驗(yàn)證算法對模型算法和預(yù)測能力的可行性進(jìn)行評價(jià)。按照公式12進(jìn)行計(jì)算：

公式12中，yi代表校正集中第i個樣本的化學(xué)值，代表樣本集中第i個樣本剔除后建立的模型測量樣本i的結(jié)果，n為校正集總樣本數(shù)。

步驟9)中的模型評價(jià)參數(shù)預(yù)測均方根誤差(rmsep)，該指標(biāo)對所建模型對預(yù)測樣本集預(yù)測能力進(jìn)行評判，是用校正模型檢測預(yù)測集樣本結(jié)果得到的均方根誤差，rmsep值越小，代表校正模型進(jìn)行定量預(yù)測的能力越好。按照公式13計(jì)算：

公式13中，和yi分別表示第i個預(yù)測樣本的月蹙額結(jié)果和真實(shí)測量值，n為預(yù)測集總樣本數(shù)量。

步驟9)中的模型評價(jià)參數(shù)相關(guān)系數(shù)(r²):用來計(jì)算樣本通過光譜方法的預(yù)測值和通過常規(guī)檢測方法得到的實(shí)際測定值之間的相關(guān)性。在濃度范圍相同的前提下，r²越接近1，就表明預(yù)測結(jié)果和真實(shí)值之間的關(guān)聯(lián)性越好。按照公式14計(jì)算：

公式14中，yi和分別代表第i個樣本的預(yù)測結(jié)果、真實(shí)測量結(jié)果和所有樣本真實(shí)測量結(jié)果的平均值。

本次試驗(yàn)以面粉為檢測對象，將探頭對準(zhǔn)面粉后，該檢測軟件能夠?qū)γ娣壑械幕曳?、水分、面筋含量進(jìn)行初步快速檢測，并將檢測的含量值顯示在界面中，方便用戶查看。

本次實(shí)驗(yàn)的測試樣本是從古船面粉廠采集的14種小麥粉樣本共計(jì)400個，為了建立適用性廣、準(zhǔn)確的定量分析模型需要保證樣本多樣性、均勻分布及一定的濃度范圍，所以從中選取了300個樣本作為校正集樣本，100個作為驗(yàn)證集樣樣本。樣本種類及樣本數(shù)如表1所示。

表1面粉樣本種類及個數(shù)

面粉是一種不透明的粉末狀固體物質(zhì)，用投射的方式對面粉進(jìn)行近紅外光譜掃描難以達(dá)到準(zhǔn)確的測量結(jié)果，因此本次實(shí)驗(yàn)采用漫反射的方式進(jìn)行光譜數(shù)據(jù)掃描。

除了選擇的測樣方式外，檢測儀器的參數(shù)指標(biāo)和外界實(shí)驗(yàn)環(huán)境條件也能夠影響整個測量過程的檢測、分析結(jié)果。對光譜采集過程中的關(guān)鍵參數(shù)的設(shè)置需要考慮以下幾方面：

(1)確定合適的設(shè)備檢測溫度。在用近紅外光譜儀對面粉樣本進(jìn)行光譜數(shù)據(jù)掃描時(shí)，光譜儀自身的溫度能夠影響光譜數(shù)據(jù)的準(zhǔn)確性。因此，在測量時(shí)，為了將設(shè)備溫度改變造成的光譜誤差降低到最小，需要保證光譜儀能夠在相對合適的溫度范圍內(nèi)運(yùn)行。本次采集光譜時(shí)需要保持室內(nèi)環(huán)境溫度保持20℃左右。

(2)選擇恰當(dāng)?shù)墓庾V區(qū)間。光譜的各個區(qū)間內(nèi)不僅含有豐富的樣本光譜信息，而且還不可避免的存在一些雜質(zhì)信號。在選取的過程中，應(yīng)該在選取的區(qū)間段包含大量有效的物質(zhì)信息的前提下，盡可能的剔除雜質(zhì)信息譜區(qū)。通常情況下將全部譜圖納入分析范圍。本次實(shí)驗(yàn)選取950nm～1650nm全譜段進(jìn)行光譜采集。

(3)積分時(shí)間的選擇。通常情況下，積分時(shí)間與能量之間是正比例關(guān)系，能量隨著積分時(shí)間的增加而提高，但是容易出現(xiàn)信號飽和現(xiàn)象導(dǎo)致信號失真；信號強(qiáng)度也隨著積分時(shí)間的減小而變?nèi)?。通常情況下，積分時(shí)間的范圍取決于不同的檢測物質(zhì)和應(yīng)用情況。本次實(shí)驗(yàn)中積分時(shí)間設(shè)置為0.9s。

(4)選取正確的掃描次數(shù)。不同的掃描次數(shù)，根據(jù)近紅外光譜數(shù)據(jù)簡歷的模型的穩(wěn)定度也不同。近紅外光譜的穩(wěn)定性受掃描次數(shù)的影響不容忽視。如果掃描次數(shù)太少，就會出現(xiàn)光譜數(shù)據(jù)準(zhǔn)確度降低的現(xiàn)象；反之，如果掃描次數(shù)太多，就會出現(xiàn)“過擬合”現(xiàn)象，從而導(dǎo)致光譜數(shù)據(jù)發(fā)生變化，而且增加了整個檢測實(shí)驗(yàn)時(shí)間。在盡可能的降低標(biāo)準(zhǔn)差，增大信噪比的前提下，本次實(shí)驗(yàn)中掃描次數(shù)選擇50次。

(5)選擇合理的樣本測量次數(shù)。在實(shí)驗(yàn)過程中，難以保證裝樣的一致和樣本始終均勻分布，從而難以避免由于隨機(jī)誤差的存在而引起的對檢測結(jié)果的影響。為了盡可能地降低隨機(jī)誤差對檢測精度的不良影響，本次實(shí)驗(yàn)對樣本進(jìn)行3次光譜掃描，然后去3次光譜數(shù)據(jù)的平均值作為計(jì)算值。

綜上，本次測試試驗(yàn)采用漫反射測樣方式，檢測系統(tǒng)參數(shù)設(shè)置如下：波數(shù)范圍采用全光譜范圍即950nm～1650nm，掃描次數(shù)設(shè)置為50次，外界環(huán)境溫度20℃左右，并對同一樣本測量3次后取平均值作為樣本最終光譜數(shù)據(jù)。部分面粉樣本的近紅外漫反射光譜圖如圖5所示。

本次測試的面粉樣本數(shù)目為400個，其中300個樣本用于建立模型，調(diào)整模型參數(shù)，100個樣本用于模型評價(jià)分析。其中，水分含量分布為12.8％--14.5％，灰分含量分布為0.4％--1.0％，面筋含量分布28.9％--40.4％。所有面粉樣本數(shù)據(jù)特性如表2所示。

表2面粉樣本數(shù)據(jù)特性

本測試試驗(yàn)利用本發(fā)明提供的便攜式近紅外光譜檢測系統(tǒng)對400個不同生產(chǎn)批次、不同種類的面粉樣本進(jìn)行了光譜數(shù)據(jù)掃描，并建立了面粉的多元線性回歸模型。通過多元線性回歸算法建立校正集模型，并用驗(yàn)證集評價(jià)所建模型的準(zhǔn)確性和精度，用r2、rmsecv和rmsep作為模型的評價(jià)指標(biāo)。面粉的全光譜數(shù)據(jù)中包含了大量有效信息，因此，采用全光譜范圍建立面粉水分、灰分、面筋模型。多元線性回模型的建模結(jié)果如表3所示，預(yù)測結(jié)果如圖6所示。

表3水分、灰分、面筋的定量模型評價(jià)指數(shù)

需要注意的是，公布實(shí)施例的目的在于幫助進(jìn)一步理解本發(fā)明，但是本領(lǐng)域的技術(shù)人員可以理解：在不脫離本發(fā)明及所附權(quán)利要求的精神和范圍內(nèi)，各種替換和修改都是可能的。因此，本發(fā)明不應(yīng)局限于實(shí)施例所公開的內(nèi)容，本發(fā)明要求保護(hù)的范圍以權(quán)利要求書界定的范圍為準(zhǔn)。