柔性传感之水果冷害

★  研究背景

香蕉生产链的运输阶段对香蕉质量和其他生命周期参数有影响。某些因素，如冷害(CI)，对香蕉有不利影响，导致损失增加。常用的监测和评估方法，如机器视觉，在实现实时检测方面面临挑战，并且容易受到环境干扰，导致结果偏差。中国农业大学肖新清副教授课题组开发了一种柔性可见光/近红外实时传感系统(FVN )，用于实时监测香蕉的CI状态。基于多元线性回归(MLR)模型对香蕉颜色空间进行了分析和预测，结果表明a*的决定系数为0.97，残差预测偏差为4.95，预测达到了较高的精度，基于MLR模型的FVN可适用于大多数市场需求，开发的分类预测模型(SCP)预测准确率分别为98.3 %和95.5 %。此外，从功耗和成本方面对FVN进行了全面的对比分析，凸显了其巨大的优势。FVN的应用可以有效减少香蕉在市场供应链中的浪费，大大缓解水果冷害不可预测的问题，从而促进香蕉产业更加可持续和清洁的生产。

★  文章解析

FVN具有极好的柔韧性，可以放在香蕉表面进行光谱数据采集(图1a)。FVN采用AS726X系列光谱传感器，包括AS7262 可见光传感器和AS7263近红外传感器。Vis传感器接受450nm、500nm、550nm、570nm、600nm和650nm范围内的反射光。NIR传感器接受610nm、680nm、730纳米、760nm、810nm和860nm范围内的反射光。AS7263和AS7262分别采用2700 K LED和5700 K LED作为光源。AS726X内置一个16位分辨率模数转换器，可集成来自每个通道的光电二极管的电流。在用于电子快门应用的光谱转换板上制造了具有可编程电流的集成LED驱动器。当LED发出的光照射到样品表面时，光会与样品表面的化学元素和化学键发生折射，通过漫反射被光敏元件检测到(图1b)。

图1：原理图

视觉评估（VA）是最简单、最方便的方法，但很难准确判断CI是否发生在储存的早期，这可能会导致错误的分类。因此，人工去除具有不同CI倾向的香蕉通常发生在贮藏后期。一开始，通常只有非常浅的棕色条纹，但后来症状变得更加严重，棕色斑点变得更大、更暗。香蕉储存于13 °C保持正常状态，而香蕉在5 °C表现出明显的CI症状。主要原因是果实尚未成熟，但由于酚类物质的氧化和聚集，在CI后期，果皮的颜色从绿色或黄色变为较暗的颜色，甚至变为棕色或黑色 °C，很明显，在储存12d时存在非常明显的差异，来自三个不同产区的香蕉在两个温度下的WLR变化如图2所示，在5 °C时，香蕉的新陈代谢受到抑制，水分损失减少，WLR相对降低。成熟度较高的香蕉状况较好。在这项工作中，香蕉在不同温度下储存时的变化符合预期模式。

图 2：品质变化

图3显示了香蕉在不同状态下不同光谱带的平均光谱曲线。所有测量都遵循相同的光谱模式。其中，图4显示了在不同状态下光谱差异明显的6个谱带。香蕉CI在450范围内的光谱值 nm，500 nm，650 nm，810 nm和860 nm谱带呈线性下降趋势，且下降速度非常快。最明显的差异出现在500 nm。CI香蕉的光谱值呈缓慢下降趋势，而正常生长的香蕉则呈快速上升趋势。450 nm，500 nm，610 nm和650 nm与叶绿素的吸收峰相似。810 nm和860 nm类似于N-H的第二泛音以及O-H和C-H的第三泛音。这些条带为预测香蕉中是否发生CI提供了有利的基础。

图 3：光谱曲线

图4显示了校准和验证集的测量值和预测值的散点图。交叉验证结果如图4所示。RPD值是评估预测模型性能的一个重要参数。RPD值越大意味着做出更准确预测的概率越高，适应市场的能力也越强。a*的预测R2c值达到0.95，RPD值达到3.99，这表明a*的预报达到了几乎可以满足所有作业要求的高精度。L*和b*的预测RPD值高于2.2，这表明该模型可以应用于大多数市场需求。它还为后续的预测分类提供了强有力的支持。

图 4：模型预测结果

★  结论与展望

香蕉CI的实时监测对减少品质损失、提高水果运输的可持续性具有重要意义。因此，首先从香蕉供应链的角度分析了CI监控的重要作用。基于上述分析，设计并构建了一个柔性的Vis/NIR实时传感系统，该系统主要由光学传感模块、电池和云平台三部分组成。该系统在具有不同CI状态的香蕉上进行了测试和评估。结果表明，a*的R2P预测值为0.95，RPD值达到3.99，表明a*的预测精度较高。所建立的MLR模型可以应用于各种香蕉，几乎可以满足所有的工作要求。L*和b*的RPD预测值均在2.2以上，表明该模型可以更好地预测不同产区的香蕉，可以应用于大多数市场的需求。SCP在预测CI的发生和持续时间方面表现出明显的优势，预测准确率分别为98.3%和95.5%。SCP在预测CI是否发生方面具有绝对优势。在日预测方面，SCP仍然比SVM和LDA具有相当大的优势。最后，将SCP和MLR导入MCU，通过WIFI无线传输到云端，并开发和设计了ONNET接口。此外，从功耗和成本两个方面对FVN进行了全面的比较分析，突出了其巨大的优势。总之，所提出的FVN可以实现高效、快速、可靠的香蕉CI无损监测，可应用于水果供应链或储存场景，以提高经济效益，保持水果链中的水果质量。