用于現(xiàn)場苜蓿水分測量的近紅外光譜系統(tǒng)的設計和性能評估

一， 介紹

近年來，人們在農產品物理特性評價技術的研究和開發(fā)方面做出了巨大努力。 例如，作物的水分含量 (MC) 是定義正確儲存過程的重要物理參數(shù)，應在收獲和儲存過程中進行監(jiān)測。在不合適的條件下儲存農作物可能會導致可怕的后果，包括火災。因此，有必要在儲存前和儲存期間測量濕度水平。 靜態(tài)（即儲存）和動態(tài)（即收獲）條件下的濕度測量顯然存在不同程度的難度。

在儲存期間，水分測量可以通過取樣并使用水分分析儀進行分析來進行，或者使用濕度測試儀進行不太準確的分析。 由于必須執(zhí)行測量的操作條件，收獲期間的水分測量要困難得多。首先，獲取信息的時間是有限的，并且取決于收割機。其次，許多有影響的變量，例如機械振動、電氣和光學干擾以及一般的灰塵或污垢，都會嚴重影響測量。此外，為了不妨礙和/或減慢收割機的操作，水分測量應在農作物捆運動時進行，非接觸式測量方法將是可取的。

（圖片來自網絡）

迄今為止，有兩種技術可以實現(xiàn)非接觸式水分測量：微波衰減和近紅外光譜 (NIRS)。di一種技術提供了比第二種技術更大的檢查深度來檢查樣品的可能性，但是它對電磁環(huán)境和鐵磁結構的存在非常敏感。

來自摩德納·雷焦·艾米利亞大學的Luigi Rovati和Giovanni Gibertoni在2022年發(fā)表了一篇論文中評估了NIRS方法進行水分測量的可行性。作者設計了一種新型便攜式半自動近紅外光譜系統(tǒng)，該系統(tǒng)可用于收割機。并且對測量系統(tǒng)的性能進行了評估，其中介紹了校準、反射靈敏度、預熱以及重復性測試。苜蓿草中的水分可以通過利用水在近紅外光譜區(qū)域的吸收峰來評估，并且設計并實現(xiàn)了田間作物水分測量原型。

二，系統(tǒng)描述

左上角橙色區(qū)域為光學部件外殼，右側藍色區(qū)域為電子部件外殼。里面包含鹵素燈光源，INSION近紅外光譜儀，光學快門，藍寶石漫反射窗口和控制單片機，散熱風扇等

圖1.近紅外光譜測量系統(tǒng)的組成和結構

1. 系統(tǒng)框圖

   
   

所開發(fā)的測量系統(tǒng)的框圖功能圖如圖 2 所示。藍寶石光學窗口放置在非?？拷杉庸ぞ€上的待測樣品 (SUT) 表面的位置，可永 jiu保護光學元件免受灰塵和外部環(huán)境污染。 此外，可打開和關閉的翻板機構允許控制三個不同的測量階段（暗背景測量，參考光譜測量和樣品光譜測量）。微控制器單元用于收集和預處理光譜數(shù)據(jù)，zui終將這些數(shù)據(jù)發(fā)送到 PC，在 PC 上，LabVIEW GUI 可以監(jiān)視和控制采集過程。

圖2. 所開發(fā)的測量系統(tǒng)的框圖功能圖

1.1 光源照明部分

該系統(tǒng)采用 20 W 鹵素燈 DECOSTAR 51 ALU（OSRAM）。 該裝置除了保證低成本外，還具有足夠長的平均壽命，即4000小時。 選擇鹵素燈和光學窗口之間的距離，以保證樣品表面上的zui大輻照度和足夠的照明均勻度。

1.2 光譜儀部分

為了檢測漫反射光譜，該儀器采用德國INSION公司的微型近紅外光譜儀 NIR1.7，其測量范圍為 900 nm~ 1700 nm，像素分辨率為 8 nm（光學分辨率16nm）。 該光譜儀基于InGaAs陣列探測器（128像元）和預集成讀出電子器件，在精度、靈敏度和信噪比 (SNR) 方面提供高性能。 光譜儀的所有參數(shù)都可以由用戶設置和優(yōu)化，以滿足不同應用的具體要求。NIR1.7 OEM模塊包括基于16位分辨率的模數(shù)轉換器的讀出電子器件 (BIM-NIRP)。 光譜分析通過空腔波導設計進行，無任何移動部件，出廠后無需再校準。 如圖 3 所示，光通過光纖耦合到光譜儀，直至光譜儀入口狹縫。

圖3. Insion近紅外光譜儀 NIR1.7 S OEM光譜儀模塊

三，系統(tǒng)性能

系統(tǒng)組裝完成后，各功能模塊的功能和作用對整個系統(tǒng)進行了驗證。之后，對該系統(tǒng)進行了仔細校準，并在以下方面進行了表征:(i)預熱，(ii)線性，(iii)可重復性。通過將測量的反射率與經認證的反射率標準目標進行比較來執(zhí)行校準和表征程序。在預熱期間，系統(tǒng)測得的平均反射率下降，近似呈指數(shù)衰減（R2 = 0.9876）。 觀察到的平均反射率降低約為 1.4%，衰減常數(shù)為 13.6 S。瞬態(tài)結束時，測量誤差為 0.6%。以測量值相對于參考值的均方根偏差計算的積分線性誤差為 0.93%。重復性驗證如下圖：

圖4, 重復性測試在 13 小時的時間內進行。 * 藍色標記代表 S050 反射率測量。 紅色點劃線是平均反射率值，淺綠色區(qū)域對應于整個集合的標準差界定的區(qū)域。

測量結果顯示平均值為 49.76%，樣本標準偏差為 0.71%。

四，現(xiàn)場結果

對采集的數(shù)據(jù)進行預處理后，確定了待測樣品水分預測的光譜帶 BOI。 通過分析參考變量（即待測樣品水分和密度 ρ）與預測變量（即 LASUT(λ) 的一階導數(shù)）之間的系數(shù)來選擇相關波長。圖5顯示了獲得的水分和ρ系數(shù)相關性作為輻射波長的函數(shù)。

圖5，參考變量(即待測樣本水分和ρ)與預測變量(即LASUT(λ)的一階導數(shù))之間的相關系數(shù)。虛線與測樣本水分有關，橙色虛線與待測樣品ρ有關。淺藍色區(qū)域定義了感興趣的光譜帶(BOI)，其中LASUT的一階導數(shù)(λ)與SUT MC的相關性zui大，與待測樣品ρ的相關性zui小。

圖 6 顯示了從校準中獲得的 PLS 響應變量作為水分參考值的函數(shù)，而從驗證數(shù)據(jù)集獲得的結果如圖 10 所示。為了完整起見，每個圖都顯示了 PLS 響應變量，即水分的對數(shù)變換(ln(MC(%)) (a)，以及線性標度中水分的相應值 (b)。表 1 報告了開發(fā)的 PLS 模型的統(tǒng)計數(shù)據(jù)，而圖 8 顯示了水分的均方根相對誤差估計 Er (MC)%。

盡管我們對少量樣本進行了分析，但結果令人鼓舞，表明該儀器如何能夠以 7.1% 的平均相對誤差估計作物的水分。開發(fā)的PLS模型利用了 NIRS 吸收光譜的對數(shù)變換，該相對誤差在擬合范圍內保持相當恒定。

圖6，校準 PLS 響應變量作為參考值的函數(shù) (a)。校準數(shù)據(jù)集的預測水分含量與參考水分含量 (b)

圖7，參考值函數(shù)的 PLS 響應變量的驗證 (a)。驗證數(shù)據(jù)集的預測水分含量與參考水分含量 (b)。

圖8，水分估計的均方根相對誤差。 (a) 為校準數(shù)據(jù)集獲得的結果，(b) 為驗證數(shù)據(jù)集獲得的結果。 紅色虛點線是單次測量的平均值：(a) 中的 C_MEAN_ERR 和 V_MEAN_ERR。

表1 PLS模型的統(tǒng)計結果。C-RMSE和C-R2是指校準數(shù)據(jù)集的均方根誤差和R平方值； V-RMSE 和 V-R2請參閱驗證數(shù)據(jù)集的等效項。 C_MEAN_ERR 和 V_MEAN_ERR 分別是校準和驗證數(shù)據(jù)集的平均相對誤差。

五，結論

用于田間作物水分測量的 NIRS 測量系統(tǒng)已經開發(fā)出來，并對新鮮收獲的苜蓿樣品進行了初步測試。該系統(tǒng)的設計和實現(xiàn)非常謹慎，必須能夠在作物收獲階段在田間運行。

未來的實驗階段應包括將儀器直接組裝在收割機上。這將使我們能夠直接對農作物捆進行水分測量。

六，應用

Insion光譜儀以其you秀的抗振性和穩(wěn)定性等特點，已經在多種農業(yè)機械中有應用，比較典型的是青貯收割和飼料搬運鏟車等，不但可以有效的檢測農作物，農產品，飼料的水分信息，還可以同步檢測纖維，淀粉，粗蛋白等含量給到機械作業(yè)工人，機械作業(yè)工人會根據(jù)即時檢測的信息判斷收割，搬運農產品/農作物的品質信息，實現(xiàn)精細化，智能化的管控。

關于昊量光電：

上海昊量光電設備有限公司是光電產品專業(yè)代理商，產品包括各類激光器、光電調制器、光學測量設備、光學元件等，涉及應用涵蓋了材料加工、光通訊、生物醫(yī)療、科學研究、國防、量子光學、生物顯微、物聯(lián)傳感、激光制造等；可為客戶提供完整的設備安裝，培訓，硬件開發(fā)，軟件開發(fā)，系統(tǒng)集成等服務。