用(yong)于(yu)現場苜(mu)蓿水(shui)分測(ce)量的(de)近(jin)紅外光譜(pu)系統的(de)設計和性能(neng)評估(gu)

一， 介紹(shao)

近年來，人(ren)們在農產品物(wu)理特性評價(jia)技(ji)術(shu)的研究和開(kai)發方面做出了巨大努力。 例如，作物(wu)的水(shui)分含量(liang) (MC) 是定義正確儲(chu)存(cun)(cun)過程的重要物(wu)理參數，應在收獲(huo)(huo)和儲(chu)存(cun)(cun)過程中進行(xing)監測。在不(bu)合適(shi)的條件下(xia)儲(chu)存(cun)(cun)農作物(wu)可(ke)能會(hui)導致可(ke)怕的后果，包(bao)括(kuo)火災。因此，有(you)必(bi)要在儲(chu)存(cun)(cun)前(qian)和儲(chu)存(cun)(cun)期(qi)間測量(liang)濕(shi)度(du)水(shui)平。 靜態（即儲(chu)存(cun)(cun)）和動態（即收獲(huo)(huo)）條件下(xia)的濕(shi)度(du)測量(liang)顯然(ran)存(cun)(cun)在不(bu)同程度(du)的難度(du)。

在(zai)儲存期(qi)間，水(shui)(shui)分(fen)測(ce)(ce)量(liang)可以(yi)通過取樣并使(shi)用水(shui)(shui)分(fen)分(fen)析(xi)儀進行(xing)(xing)(xing)分(fen)析(xi)來(lai)進行(xing)(xing)(xing)，或(huo)者使(shi)用濕度測(ce)(ce)試儀進行(xing)(xing)(xing)不(bu)太準確(que)的(de)分(fen)析(xi)。 由于必須執行(xing)(xing)(xing)測(ce)(ce)量(liang)的(de)操(cao)作條件，收獲(huo)(huo)期(qi)間的(de)水(shui)(shui)分(fen)測(ce)(ce)量(liang)要困難得多。首先，獲(huo)(huo)取信息的(de)時間是有限的(de)，并且取決于收割機。其(qi)次，許多有影響的(de)變量(liang)，例如機械振動、電(dian)氣和(he)光學干(gan)擾(rao)以(yi)及一般的(de)灰塵或(huo)污(wu)垢，都會嚴重影響測(ce)(ce)量(liang)。此外，為(wei)了不(bu)妨(fang)礙和(he)/或(huo)減慢(man)收割機的(de)操(cao)作，水(shui)(shui)分(fen)測(ce)(ce)量(liang)應在(zai)農作物捆運(yun)動時進行(xing)(xing)(xing)，非接觸式測(ce)(ce)量(liang)方(fang)法將是可取的(de)。

（圖(tu)片來(lai)自網絡）

迄(qi)今為止，有兩種技(ji)術可以實現非接觸式水分測(ce)量：微波衰減和近紅外光譜 (NIRS)。di一種技(ji)術提供(gong)了比(bi)第二種技(ji)術更大的檢(jian)查深度來(lai)檢(jian)查樣品的可能(neng)性，但(dan)是它對電磁(ci)環境和鐵磁(ci)結(jie)構的存在非常敏感(gan)。

來(lai)自(zi)摩德納·雷(lei)焦·艾(ai)米(mi)利亞大學的(de)(de)Luigi Rovati和(he)Giovanni Gibertoni在2022年發表(biao)了(le)一篇論文中評(ping)估(gu)(gu)了(le)NIRS方法進行水(shui)(shui)分測量(liang)的(de)(de)可(ke)行性。作(zuo)者設計了(le)一種新型(xing)便攜式半自(zi)動近(jin)紅外光譜系統(tong)，該(gai)系統(tong)可(ke)用于收割機。并且對測量(liang)系統(tong)的(de)(de)性能進行了(le)評(ping)估(gu)(gu)，其中介紹了(le)校(xiao)準、反射(she)靈(ling)敏度(du)、預熱(re)以及重(zhong)復性測試。苜蓿草中的(de)(de)水(shui)(shui)分可(ke)以通過利用水(shui)(shui)在近(jin)紅外光譜區(qu)域的(de)(de)吸收峰(feng)來(lai)評(ping)估(gu)(gu)，并且設計并實現了(le)田間作(zuo)物水(shui)(shui)分測量(liang)原型(xing)。

二，系統描述

左上角橙色區域(yu)為光(guang)(guang)學(xue)(xue)部件外(wai)殼，右側(ce)藍色區域(yu)為電子(zi)部件外(wai)殼。里面包(bao)含鹵素燈光(guang)(guang)源，INSION近紅(hong)外(wai)光(guang)(guang)譜儀，光(guang)(guang)學(xue)(xue)快(kuai)門，藍寶石(shi)漫反射窗口和控制單片機，散熱風扇等

圖1.近紅外光譜測量(liang)系(xi)統的組(zu)成(cheng)和結構

1. 系統框圖

   
   

所開發的測量系統的框圖功能圖如圖 2 所示。藍寶石光學窗口放置在非常靠近采集加工線上的待測樣品 (SUT) 表面的位置，可永 jiu保護(hu)光學(xue)元件免受灰塵(chen)和外部環(huan)境污染(ran)。 此外，可打(da)開和關閉(bi)的翻板機構允許控制(zhi)三個(ge)不同的測(ce)(ce)量(liang)(liang)階段（暗背景測(ce)(ce)量(liang)(liang)，參(can)考光譜測(ce)(ce)量(liang)(liang)和樣品光譜測(ce)(ce)量(liang)(liang)）。微控制(zhi)器單元用于收集和預(yu)處理光譜數據(ju)，zui終將這些(xie)數據(ju)發送到(dao) PC，在 PC 上，LabVIEW GUI 可以監視和控制(zhi)采(cai)集過程。

圖2. 所開(kai)發的測量系統的框圖功能(neng)圖

1.1 光源(yuan)照明部分

該系統采(cai)用 20 W 鹵(lu)素燈 DECOSTAR 51 ALU（OSRAM）。 該裝置除了保證低(di)成本(ben)外，還(huan)具有足夠長的(de)平均(jun)壽命，即4000小時。 選擇鹵(lu)素燈和光學(xue)窗口(kou)之間(jian)的(de)距離，以(yi)保證樣品表面上的(de)zui大輻照(zhao)(zhao)度(du)和足夠的(de)照(zhao)(zhao)明均(jun)勻度(du)。

1.2 光譜儀(yi)部分

為了(le)檢測漫反射光(guang)譜(pu)(pu)，該儀(yi)器(qi)采用(yong)德國INSION公司(si)的(de)(de)微型近紅外光(guang)譜(pu)(pu)儀(yi) NIR1.7，其測量范圍為 900 nm~ 1700 nm，像(xiang)(xiang)素分(fen)(fen)辨率為 8 nm（光(guang)學分(fen)(fen)辨率16nm）。 該光(guang)譜(pu)(pu)儀(yi)基于InGaAs陣列探測器(qi)（128像(xiang)(xiang)元）和預集成讀出電子器(qi)件，在(zai)精度(du)、靈敏度(du)和信噪比 (SNR) 方面提(ti)供高性能。 光(guang)譜(pu)(pu)儀(yi)的(de)(de)所有參數都可以(yi)(yi)由用(yong)戶(hu)設置和優化(hua)，以(yi)(yi)滿足(zu)不(bu)同(tong)應用(yong)的(de)(de)具體要求。NIR1.7 OEM模塊(kuai)包括基于16位(wei)分(fen)(fen)辨率的(de)(de)模數轉(zhuan)換器(qi)的(de)(de)讀出電子器(qi)件 (BIM-NIRP)。 光(guang)譜(pu)(pu)分(fen)(fen)析通(tong)過空腔波導設計(ji)進行，無任何移動部件，出廠后無需再校準(zhun)。 如圖(tu) 3 所示(shi)，光(guang)通(tong)過光(guang)纖耦合到光(guang)譜(pu)(pu)儀(yi)，直至(zhi)光(guang)譜(pu)(pu)儀(yi)入口(kou)狹縫。

圖(tu)3. Insion近紅外光譜(pu)儀 NIR1.7 S OEM光譜(pu)儀模塊

三(san)，系統性能

系(xi)(xi)統(tong)(tong)組(zu)裝完(wan)成后(hou)，各功能(neng)模塊的(de)功能(neng)和作用對整個系(xi)(xi)統(tong)(tong)進行(xing)了驗證(zheng)(zheng)(zheng)。之后(hou)，對該系(xi)(xi)統(tong)(tong)進行(xing)了仔細(xi)校準(zhun)，并在以(yi)下(xia)方(fang)面進行(xing)了表征:(i)預(yu)熱(re)，(ii)線性(xing)，(iii)可重(zhong)復性(xing)。通(tong)過將測(ce)量的(de)反射(she)率(lv)與經認證(zheng)(zheng)(zheng)的(de)反射(she)率(lv)標準(zhun)目標進行(xing)比較來執行(xing)校準(zhun)和表征程序。在預(yu)熱(re)期間，系(xi)(xi)統(tong)(tong)測(ce)得(de)的(de)平均反射(she)率(lv)下(xia)降，近似(si)呈指數衰減(jian)（R2 = 0.9876）。 觀察到的(de)平均反射(she)率(lv)降低約為(wei)(wei) 1.4%，衰減(jian)常數為(wei)(wei) 13.6 S。瞬態結束(shu)時(shi)，測(ce)量誤差為(wei)(wei) 0.6%。以(yi)測(ce)量值(zhi)相對于(yu)參考值(zhi)的(de)均方(fang)根偏差計算的(de)積(ji)分線性(xing)誤差為(wei)(wei) 0.93%。重(zhong)復性(xing)驗證(zheng)(zheng)(zheng)如(ru)下(xia)圖：

圖4, 重復性測(ce)試在 13 小時的時間內進行。 * 藍色標(biao)記代表 S050 反射(she)率(lv)測(ce)量(liang)。 紅色點劃線是平均反射(she)率(lv)值，淺綠色區域(yu)對應于(yu)整個(ge)集合的標(biao)準差界(jie)定(ding)的區域(yu)。

測(ce)量(liang)結果顯示平(ping)均值為 49.76%，樣本標準偏差為 0.71%。

四，現場(chang)結果(guo)

對采集(ji)的(de)數據進行預(yu)處理后，確定了(le)待測樣(yang)品水分(fen)(fen)預(yu)測的(de)光譜帶 BOI。 通(tong)過分(fen)(fen)析參考變量（即待測樣(yang)品水分(fen)(fen)和(he)密度 ρ）與預(yu)測變量（即 LASUT(λ) 的(de)一階導(dao)數）之間的(de)系(xi)數來(lai)選擇相關波長。圖5顯示(shi)了(le)獲得的(de)水分(fen)(fen)和(he)ρ系(xi)數相關性作為輻射波長的(de)函數。

圖(tu)5，參考變(bian)(bian)量(即(ji)待測(ce)樣本水分(fen)和(he)ρ)與(yu)預(yu)測(ce)變(bian)(bian)量(即(ji)LASUT(λ)的一階導數(shu))之(zhi)間的相(xiang)關(guan)(guan)系數(shu)。虛(xu)線與(yu)測(ce)樣本水分(fen)有關(guan)(guan)，橙色虛(xu)線與(yu)待測(ce)樣品ρ有關(guan)(guan)。淺藍色區域定義了感興趣的光譜帶(BOI)，其中LASUT的一階導數(shu)(λ)與(yu)SUT MC的相(xiang)關(guan)(guan)性zui大，與(yu)待測(ce)樣品ρ的相(xiang)關(guan)(guan)性zui小(xiao)。

圖(tu) 6 顯(xian)示(shi)了從(cong)校準中(zhong)獲得的(de) PLS 響(xiang)應變量作為(wei)水(shui)(shui)分(fen)參考值(zhi)的(de)函數，而從(cong)驗(yan)證(zheng)數據集獲得的(de)結果如圖(tu) 10 所示(shi)。為(wei)了完整起見，每(mei)個圖(tu)都顯(xian)示(shi)了 PLS 響(xiang)應變量，即水(shui)(shui)分(fen)的(de)對(dui)數變換(huan)(ln(MC(%)) (a)，以及線性(xing)標度(du)中(zhong)水(shui)(shui)分(fen)的(de)相應值(zhi) (b)。表 1 報告(gao)了開發(fa)的(de) PLS 模型(xing)的(de)統計(ji)數據，而圖(tu) 8 顯(xian)示(shi)了水(shui)(shui)分(fen)的(de)均方根相對(dui)誤差估(gu)計(ji) Er (MC)%。

盡管我(wo)們對少量樣(yang)本進行了(le)分(fen)析，但結(jie)果令(ling)人(ren)鼓(gu)舞，表明(ming)該儀器(qi)如何能夠以 7.1% 的(de)平均(jun)相對誤差估計作物的(de)水(shui)分(fen)。開發的(de)PLS模型利用了(le) NIRS 吸(xi)收光譜(pu)的(de)對數變(bian)換，該相對誤差在擬合范圍(wei)內保持相當恒定(ding)。

圖6，校準(zhun) PLS 響(xiang)應變(bian)量(liang)作為參考(kao)值的(de)函數(shu) (a)。校準(zhun)數(shu)據集的(de)預(yu)測水分含量(liang)與參考(kao)水分含量(liang) (b)

圖(tu)7，參考值函數的(de) PLS 響(xiang)應(ying)變(bian)量的(de)驗(yan)證 (a)。驗(yan)證數據(ju)集的(de)預測水(shui)分含量與參考水(shui)分含量 (b)。

圖8，水(shui)分估(gu)計(ji)的均(jun)方根(gen)相對誤差(cha)。 (a) 為(wei)校準(zhun)數據(ju)集獲得(de)的結果，(b) 為(wei)驗(yan)證(zheng)數據(ju)集獲得(de)的結果。 紅色虛點線(xian)是單(dan)次(ci)測量的平均(jun)值：(a) 中的 C_MEAN_ERR 和 V_MEAN_ERR。

表1 PLS模型的統計結果。C-RMSE和C-R2是指校準數據集的均方根誤差和R平方值； V-RMSE 和 V-R2請參閱驗證數據(ju)集(ji)的等(deng)效(xiao)項。 C_MEAN_ERR 和 V_MEAN_ERR 分別(bie)是(shi)校準和驗證數據(ju)集(ji)的平均相對誤差。

五，結論

用于田間(jian)作(zuo)物水(shui)分測(ce)量的 NIRS 測(ce)量系(xi)統已經開(kai)發(fa)出(chu)來，并對新鮮收獲(huo)的苜蓿樣品進(jin)行了初步測(ce)試。該(gai)系(xi)統的設計(ji)和實現非常謹慎，必須能夠在作(zuo)物收獲(huo)階段在田間(jian)運行。

未(wei)來的實驗階段應包括將儀器直接組裝在收(shou)割機上。這(zhe)將使我們能(neng)夠直接對農作(zuo)物捆進行水分測量。

六，應用

Insion光譜儀以(yi)其you秀的(de)抗(kang)振性和(he)穩定性等特點，已(yi)經在多種農(nong)(nong)業機械(xie)中有應用，比較(jiao)典型的(de)是青貯(zhu)收割(ge)和(he)飼料搬(ban)運鏟車等，不但可(ke)以(yi)有效的(de)檢(jian)測(ce)農(nong)(nong)作物，農(nong)(nong)產品(pin)，飼料的(de)水分(fen)信(xin)息(xi)，還可(ke)以(yi)同(tong)步(bu)檢(jian)測(ce)纖(xian)維，淀粉，粗蛋白(bai)等含量給到機械(xie)作業工人，機械(xie)作業工人會根據即時檢(jian)測(ce)的(de)信(xin)息(xi)判斷收割(ge)，搬(ban)運農(nong)(nong)產品(pin)/農(nong)(nong)作物的(de)品(pin)質信(xin)息(xi)，實現精(jing)細化(hua)，智能化(hua)的(de)管控。

關于昊量光電：

上海昊量(liang)光(guang)電設備有限(xian)公司是光(guang)電產品專業(ye)代理商，產品包(bao)括各類激光(guang)器、光(guang)電調制器、光(guang)學(xue)(xue)測量(liang)設備、光(guang)學(xue)(xue)元件等(deng)，涉及應用涵蓋了材料加(jia)工(gong)、光(guang)通訊(xun)、生物醫療、科學(xue)(xue)研究(jiu)、國防、量(liang)子光(guang)學(xue)(xue)、生物顯(xian)微、物聯(lian)傳感、激光(guang)制造等(deng)；可為客(ke)戶提供完整的設備安(an)裝，培(pei)訓(xun)，硬件開發，軟件開發，系統集成等(deng)服務(wu)。