柑橘內(nèi)部品質(zhì)在線檢測軟件系統(tǒng)的設計與實現(xiàn)

3.1 C++類的設計

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

3.2 軟件界面及功能

　　在功能上，該近紅外動態(tài)檢測軟件實現(xiàn)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間(如100ms)自動采集光譜和針對像素點或對應波長下的透射率查詢等功能。最終實現(xiàn)的系統(tǒng)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(shù)調(diào)整窗口、④為結果顯示窗口、⑤為查詢窗口、⑥為主要功能按鈕、⑦為硬件控制窗口。

4 結果分析

4.1 實驗材料

　　本次實驗選用了產(chǎn)自湖南的芷江舞水牌柑橘，共100個，直接購于太原市水果超市。實驗之前，對柑橘進行篩選，保證無表面損傷、無病蟲害，然后將篩選后的100個果實表皮清洗干凈，并依序進行編號和標記(在每個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，從而為后期動態(tài)檢測做好準備;我們隨機選取其中60個柑橘，對其進行動態(tài)采集近紅外光譜數(shù)據(jù)，然后對其進行實際糖度值的測量，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，動態(tài)的SMLR建模結果如圖8所示。

4.3 實驗結果分析

　　通過圖7和圖8的相關性分析可以看出，不管是靜態(tài)檢測還是動態(tài)檢測，所得的逐步線性回歸方程的驗證實驗的結果都很好，可以快速、方便地檢測水果糖酸度含量，說明該軟件提高了分析效率，對水果內(nèi)部品質(zhì)無損檢測技術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時檢測軟件系統(tǒng)的設計目標、系統(tǒng)功能和系統(tǒng)的實現(xiàn)。該系統(tǒng)采用C++編程技術，不僅縮短了開發(fā)周期，而且提高了軟件質(zhì)量，可以實現(xiàn)：實時光譜的顯示、光譜文件的管理、光譜信號的實時處理以及光譜預測模型的選擇，基本上可以實現(xiàn)基于試驗臺的水果糖酸度檢測。以柑橘糖度可見/近紅外光譜檢測為例，闡述了基于試驗臺的整個實驗操作流程、建模過程和結果分析，說明了此技術具有較強的通用型和可擴展性，在科學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. 近紅外光譜解析實用指南[M]. 北京：化學工業(yè)出版社，2009.

　　[3] 安泉鑫，陳莉，龐林江，等. 近紅外光譜技術在食品中的應用進展[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，李倩暄，等. 近紅外光譜采集與處理軟件系統(tǒng)的設計與實現(xiàn)[J]. 實驗技術與管理，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，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++程序設計語言[M]. 天津：南開大學出版社，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. 多元線性回歸的預測建模方法[J]. 北京航空航天大學學報，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：清華大學出版社，2012.

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