柑橘内部品质在线检测软件系统的设计与实现

它不但具有应用程序框架自动生成、类管理灵活方便、可开发多种程序(如:应用软件、ActiveX控件及动态连接库等)、代码编写和界面设计集成交互操作等优点，而且通过简单的设置就可使其生成的应用程序框架支持数据库接口和3D控件界面等。目前，它已经成为开发Win32应用程序的主要开发工具。它具有一个功能庞大的MFC类库，该类库封装了许多常用的Windows API函数，是Visual C++程序设计的核心，绝大多数基于Visual C++的应用程序都是在该类库基础上构造的。本检测软件系统就是基于Visual C++ 6.0开发环境开发完成的。

本文来源于中国科技核心期刊《电子产品世界》2016年第6期第70页，欢迎您写论文时引用，并注明出处。

3.1 C++类的设计

每一个功能模块均建立独立的C++类，并封装为动态链接库(DLL)，方便维护与升级。软件系统构成图如图3所示。

3.2 软件界面及功能

在功能上，该近红外动态检测软件实现了与微型光纤光谱仪的通讯、多种图形显示模式、光谱的采集以及以一定的间隔时间(如100ms)自动采集光谱和针对像素点或对应波长下的透射率查询等功能。最终实现的系统主界面图如图4所示，①为当前选择信息窗口、②为波形显示窗口、③为参数调整窗口、④为结果显示窗口、⑤为查询窗口、⑥为主要功能按钮、⑦为硬件控制窗口。

4 结果分析

4.1 实验材料

本次实验选用了产自湖南的芷江舞水牌柑橘，共100个，直接购于太原市水果超市。实验之前，对柑橘进行筛选，保证无表面损伤、无病虫害，然后将筛选后的100个果实表皮清洗干净，并依序进行编号和标记(在每个样品的赤道圈上的正交位置上做好标记)。

4.2 模型建立

该近红外动态检测软件采用事先建立模型，然后编入软件，从而为后期动态检测做好准备;我们随机选取其中60个柑橘，对其进行动态采集近红外光谱数据，然后对其进行实际糖度值的测量，建立柑橘糖度预测模型。图5所示为使用光纤光谱仪静态采集所得的光谱，图6为动态采集所得的光谱。建模方法选用Stepwise multiple linear regression(SMLR)，静态的SMLR建模结果如图7所示，动态的SMLR建模结果如图8所示。

4.3 实验结果分析

通过图7和图8的相关性分析可以看出，不管是静态检测还是动态检测，所得的逐步线性回归方程的验证实验的结果都很好，可以快速、方便地检测水果糖酸度含量，说明该软件提高了分析效率，对水果内部品质无损检测技术的应用推广具有重要意义。

5 结论

本文介绍了柑橘糖酸度实时检测软件系统的设计目标、系统功能和系统的实现。该系统采用C++编程技术，不仅缩短了开发周期，而且提高了软件质量，可以实现：实时光谱的显示、光谱文件的管理、光谱信号的实时处理以及光谱预测模型的选择，基本上可以实现基于试验台的水果糖酸度检测。以柑橘糖度可见/近红外光谱检测为例，阐述了基于试验台的整个实验操作流程、建模过程和结果分析，说明了此技术具有较强的通用型和可扩展性，在科学计算和工程应用中值得推广。

参考文献：

[1] 严衍禄. 近红外光谱分析的原理、技术与应用[M]. 北京：中国轻工业出版社，2013.

[2] 杰尔·沃克曼，洛伊斯·文依. 近红外光谱解析实用指南[M]. 北京：化学工业出版社，2009.

[3] 安泉鑫，陈莉，庞林江，等. 近红外光谱技术在食品中的应用进展[J]. 食品与机械， 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] 徐彦，李忠海，付湘晋，等. 近红外光谱技术在稻米品质快速检测中的应用[J]. 食品与机械，2011, 27(1): 158-161.

[6] 李庆波，阎侯赖，李倩暄，等. 近红外光谱采集与处理软件系统的设计与实现[J]. 实验技术与管理，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. 一种基于最小二乘支持向量机算法的近红外光谱判别分析方法[J].分析化学，2006, 34(4): 561-564.

[10] 刘锐宁，梁水，李伟明. Visual C++编程之道[M]. 北京：人民邮电出版社，2011.

[11] 赵宏. C++程序设计语言[M]. 天津：南开大学出版社，2012.