柑橘內部品質(zhì)在線(xiàn)檢測軟件系統的設計與實(shí)現

3.1 C++類(lèi)的設計

　　每一個(gè)功能模塊均建立獨立的C++類(lèi)，并封裝為動(dòng)態(tài)鏈接庫(DLL)，方便維護與升級。軟件系統構成圖如圖3所示。

3.2 軟件界面及功能

　　在功能上，該近紅外動(dòng)態(tài)檢測軟件實(shí)現了與微型光纖光譜儀的通訊、多種圖形顯示模式、光譜的采集以及以一定的間隔時(shí)間(如100ms)自動(dòng)采集光譜和針對像素點(diǎn)或對應波長(cháng)下的透射率查詢(xún)等功能。最終實(shí)現的系統主界面圖如圖4所示，①為當前選擇信息窗口、②為波形顯示窗口、③為參數調整窗口、④為結果顯示窗口、⑤為查詢(xún)窗口、⑥為主要功能按鈕、⑦為硬件控制窗口。

4 結果分析

4.1 實(shí)驗材料

　　本次實(shí)驗選用了產(chǎn)自湖南的芷江舞水牌柑橘，共100個(gè)，直接購于太原市水果超市。實(shí)驗之前，對柑橘進(jìn)行篩選，保證無(wú)表面損傷、無(wú)病蟲(chóng)害，然后將篩選后的100個(gè)果實(shí)表皮清洗干凈，并依序進(jìn)行編號和標記(在每個(gè)樣品的赤道圈上的正交位置上做好標記)。

4.2 模型建立

　　該近紅外動(dòng)態(tài)檢測軟件采用事先建立模型，然后編入軟件，從而為后期動(dòng)態(tài)檢測做好準備;我們隨機選取其中60個(gè)柑橘，對其進(jìn)行動(dòng)態(tài)采集近紅外光譜數據，然后對其進(jìn)行實(shí)際糖度值的測量，建立柑橘糖度預測模型。圖5所示為使用光纖光譜儀靜態(tài)采集所得的光譜，圖6為動(dòng)態(tài)采集所得的光譜。建模方法選用Stepwise multiple linear regression(SMLR)，靜態(tài)的SMLR建模結果如圖7所示，動(dòng)態(tài)的SMLR建模結果如圖8所示。

4.3 實(shí)驗結果分析

　　通過(guò)圖7和圖8的相關(guān)性分析可以看出，不管是靜態(tài)檢測還是動(dòng)態(tài)檢測，所得的逐步線(xiàn)性回歸方程的驗證實(shí)驗的結果都很好，可以快速、方便地檢測水果糖酸度含量，說(shuō)明該軟件提高了分析效率，對水果內部品質(zhì)無(wú)損檢測技術(shù)的應用推廣具有重要意義。

5 結論

　　本文介紹了柑橘糖酸度實(shí)時(shí)檢測軟件系統的設計目標、系統功能和系統的實(shí)現。該系統采用C++編程技術(shù)，不僅縮短了開(kāi)發(fā)周期，而且提高了軟件質(zhì)量，可以實(shí)現：實(shí)時(shí)光譜的顯示、光譜文件的管理、光譜信號的實(shí)時(shí)處理以及光譜預測模型的選擇，基本上可以實(shí)現基于試驗臺的水果糖酸度檢測。以柑橘糖度可見(jiàn)/近紅外光譜檢測為例，闡述了基于試驗臺的整個(gè)實(shí)驗操作流程、建模過(guò)程和結果分析，說(shuō)明了此技術(shù)具有較強的通用型和可擴展性，在科學(xué)計算和工程應用中值得推廣。

參考文獻：

　　[1] 嚴衍祿. 近紅外光譜分析的原理、技術(shù)與應用[M]. 北京：中國輕工業(yè)出版社，2013.

　　[2] 杰爾·沃克曼，洛伊斯·文依. 近紅外光譜解析實(shí)用指南[M]. 北京：化學(xué)工業(yè)出版社，2009.

　　[3] 安泉鑫，陳莉，龐林江，等. 近紅外光譜技術(shù)在食品中的應用進(jìn)展[J]. 食品與機械， 2012, 28(5): 239-242.

　　[4] J.M. Andr'es, M.T. Bona. Analysis of coal by diffuse reflectance near-infrared spectroscopy[J]. Analytica Chimica Acta, 2005, 535(1):123-132.

　　[5] 徐彥，李忠海，付湘晉，等. 近紅外光譜技術(shù)在稻米品質(zhì)快速檢測中的應用[J]. 食品與機械，2011, 27(1): 158-161.

　　[6] 李慶波，閻侯賴(lài)，李倩暄，等. 近紅外光譜采集與處理軟件系統的設計與實(shí)現[J]. 實(shí)驗技術(shù)與管理，2010, 27(5):105-110.

　　[7] J.M.Andres, M.T.Bona. Analysis of coal by diffuse reflectance near-infrared spectroscopy[J]. Analytica Chimica Acta, 2005(535):123-132.

　　[8] Roman M. Balabin, Ravilya Z. Safieva, Ekaterina I. Lomakina.Comparison of linear and nonlinear calibration models based on near infrared (NIR) spectroscopy data for gasoline properties prediction [J]. Chemometr Intell Lab, 2007, 88(2):183–188.

　　[9] 虞科，程翼羽. 一種基于最小二乘支持向量機算法的近紅外光譜判別分析方法[J].分析化學(xué)，2006, 34(4): 561-564.

　　[10] 劉銳寧，梁水，李偉明. Visual C++編程之道[M]. 北京：人民郵電出版社，2011.

　　[11] 趙宏. C++程序設計語(yǔ)言[M]. 天津：南開(kāi)大學(xué)出版社，2012.

　　[12] 孟威，劉慧寧. C++程序設計教程[M]. 北京：機械工業(yè)出版社，2009.

　　[13] 王惠文，孟潔. 多元線(xiàn)性回歸的預測建模方法[J]. 北京航空航天大學(xué)學(xué)報，2007, 33(4):500-504.

　　[14] Steffen Schumann, Lutz-P. Nolte, Guoyan Zheng. Comparison of partial least squares regression and principal component regression for pelvic shape prediction[J]. Journal of Biomechanics, 2013, 46:197-199.

　　[15] 王桂增，葉昊編. 主元分析與偏最小二乘法[M]. 北京：清華大學(xué)出版社，2012.

本文來(lái)源于中國科技期刊《電子產(chǎn)品世界》2016年第6期第70頁(yè)，歡迎您寫(xiě)論文時(shí)引用，并注明出處。