基于RF 三层传感器和Android 的摄入食物糖含量检测系统设计

董 贺，李佳欣，张 丹，华 杰，汪 津

非侵入式医疗设备由于可无创评估个人健康状况，迅速成为风靡一时的医疗检测工具［1-2］.但是，针对糖尿病患者的血糖检测仍需提取血液，增加了患者的痛苦及感染风险.近年来，随着先进的葡萄糖传感器相继出现，研究人员开始不断提出新的葡萄糖含量检测方式［3-4］.

当前皮下植入连续葡萄糖监测方案得到研究者的普遍认可［5］，对于糖尿病的诊断和治疗具有非常重要的意义.然而，目前广泛使用的电化学连续葡萄糖传感器在体内存在电极退化及信号漂移等难以克服的缺点，并且绝大部分产品中的酶电极需要进行频繁更换，增加了患者生理及心理上的痛苦.随着纳米科学技术的发展，新的光学监测和管理方式在糖尿病的诊断和治疗方面展现出巨大的潜力.特别是将荧光纳米粒子作为一种荧光探针，与生物酶特异识别系统相结合，开发出了性能优异的植入型葡萄糖传感器件.但是，以上方式均是针对患者自身血糖值的检测，针对患者饮食糖量监测的系统还少有报道.本文设计了一种基于纳米材料的射频识别（RF）葡萄糖传感器制作的智能筷子，可以对口腔中的食物流体进行采样，利用无源RF 技术将信号传递给手机，由手机中的监测系统对接收到的信号频率进行分析，进而实现对进食糖量监测的目的.该葡萄糖无线监测系统操作简单，对用户没有伤害，在确保最大程度靠近口腔食物的同时，减少对使用者的影响.

1 系统硬件设计

葡萄糖含量检测传感器是本系统的关键组成部件.本文应用RF 三层传感器检测食物中的葡萄糖含量［6］.该RF 三层传感器采用基于超材料的方法，改变传统宽边耦合裂环谐振 器（Broadside Coupled Split Ring Resonator，BC-SRR）形状，在两个堆叠的、反向SRR 之间插入含有丝膜或响应性水凝胶的生物反应夹层，结构示意图如图1 所示.

图1 RF三层传感器结构示意图

BC-SRR 外形尺寸小、谐振频率较低，非常适合与传统RF 读写器配合使用.中间层通过吸收周围溶剂发生膨胀（厚度和介电常数不断变化），使得传感器的谐振频率和幅度发生改变，谐振频率与中间层厚度之间的变化关系如图2 所示［7-9］.

图2 RF三层传感器谐振频率随中间层厚度的变化曲线

系统主要由筷体、RF 葡萄糖传感器、网络分析仪、无线信息传输单元、监测分析应用系统等组成，具有口腔内食物糖含量检测、进食糖量数据分析和预警等功能［10-13］.系统基本组成框图如图3 所示.其中，筷体由握持部和夹持部组成.RF 三层传感器安装在夹持部，对口腔中的生物流体进行采样，采集传感器因食物中糖含量浓度变化而产生的频率变化数据.在用户摄入食物时，安装该传感器的筷体会置于口腔中，由于食物种类的不同，葡萄糖含量会有相应变化，生物反应层吸收食物中的葡萄糖会膨胀，其厚度会发生相应改变，使得传感器的谐振频率发生变化.通过分析谐振频率变化，即可得到食物中糖的含量，从而达到监测摄入糖量的目的.

图3 口腔内食物糖含量检测系统基本组成框图

2 系统软件设计

基于以上硬件结构设计，系统软件设计分为3 大模块：糖含量检测控制模块、数据存储与分析模块和用户交互模块.糖含量检测控制模块用来控制RF 读写器与智能筷子上RF 葡萄糖传感器交互并采集数据；数据存储与分析模块是将传感器采集到的原始数据存储到云端数据中心，并对数据进行处理和比对分析；用户交互模块主要实现人机交互体验，发布检测及数据分析、查询等指令.

2.1 糖含量检测控制模块设计

糖含量检测控制模块的核心是Android 系统控制网络分析仪与RF 三层传感器之间的通信传输.本文设计采用可通过蓝牙连接到Android 系统的便携式矢量网络分析仪（mini-VNA Tiny）实现通信传输［14-15］.该VNA 本质上是一种高频源测量单元，它可以将RF 三层传感器激发到一系列RF 频率，测量反射回的响应幅度和相位，其测量范围为1～3 GHz.检测控制模块流程如图4 所示.

图4 糖含量检测控制模块流程图

便携式矢量网络分析仪通电后，通过蓝牙模块与Android 系统终端应用程序进行握手连接，通信成功后反馈有效标识并启动VNA初始化命令，完成糖含量检测的硬件准备.在应用程序中选择传感器的通道（可手动设置或使用系统默认通道），确定RF 三层传感器与VNA 通信的数据通道，完成糖含量检测的数据通道设置.然后设定VNA 对RF 进行测量的谐振频率范围，并启动糖含量数据实时采集程序.数据采集过程中，VNA 首先需要在频率范围内以一定步长调整功率并向RF 传递能量，直至获取传感器返回信号，成功建立数据通信链路.之后，持续实时采集RF 三层传感器的数据信息，等待数据采集结束命令，完成糖含量检测控制模块任务.

2.2 数据存储与分析模块设计

数据存储与分析模块将传感器持续采集的食物糖含量数据通过VNA 收集后，实时发送给应用程序进行存储并完成糖含量分析.VNA 收集的数据中同时包含有效数据和噪声，可通过数据预处理，剔除野值，获得有效数据.对有效数据进行拟合分析、标准库对比等操作可得出葡萄糖浓度参考值，完成数据存储与分析模块的功能需求.数据存储与分析模块流程如图5 所示.

图5 数据存储与分析模块流程图

VNA 将收集到食物糖含量数据，通过网络实时发送给应用程序，并转存至云端数据中心.由于环境污染、食物多样化等问题，VNA收集的数据中同时包含有效数据和噪声信息，需对数据进行处理后再存储到数据中心.数据预处理可选用阈值筛选、频率剔除、相关性分析、多项式拟合等多种方式剔除野值，实现有效数据的提取与识别.

启动数据分析命令可对数据预处理后的有效数据进行分析.按照不同的食物类别分类读取有效数据，拟合同一类食物的谐振频率值，通过比对标准库数据可获取该类食物的谐振频率参考值，进而计算出该类食物的葡萄糖浓度参考值.此参考值可应用机器学习算法实时更新到标准数据库.同时，食物的葡萄糖含量参考值以友好界面推送给用户，完成分析任务.利用此数据存储与分析模块，可不断扩充知识库，完善新品种食物的葡萄含量分析.

2.3 用户交互模块设计

用户交互模块基于Android 系统开发，具有交互性强、界面美观、易于操作、按用户类别推送等特点.应用程序中将用户分为一般用户和家庭医生两类.应用程序为一般用户建立包括个人基本情况、健康状况、糖含量摄入情况、饮食结构建议等信息的健康档案，用户使用具有唯一标识号的传感器进行糖含量获取，并通过应用程序查看个人的糖含量摄入量、近期健康状况分析及饮食结构建议等.糖含量摄入量由数据中心通过分析直接获得，近期健康状况分析和饮食结构建议由家庭医生通过分析数据，结合专业知识给出.家庭医生用户通过数据中心查询用户的个人基本信息、健康状况信息、近期的糖含量摄入情况，结合专业知识给出用户饮食结构建议，为用户健康提供服务.Android 程序结构及用户交互过程如图6 所示.

应用程序通过用户手动启动，登录用户名、密码进行身份确定，完成用户的身份识别，并开启相应的功能；根据用户的设置通过蓝牙与VNA 通信，确认传感器的糖含量检测功能是否开启；同时通过互联网与数据中心握手，为用户读取数据做准备.应用程序为多线程结构，各模块功能可并行实现.

图6 用户交互方式示意图

当用户为一般用户时，可设置传感器开启或关闭糖含量检测模块，添加或修改个人基本情况、既往病史、最近健康状况、生活习惯信息，也可根据个人需要访问数据中心查询个人糖含量摄入情况及家庭医生给出的饮食结构建议等.

当用户为家庭医生时，可通过数据中心查询用户的基本情况、既往病史、最近健康状况、生活习惯、糖含量摄入情况，并根据数据中心的糖含量分析，结合专业知识给出适合用户的饮食结构建议，为用户健康提供服务.

3 系统测试

为了评估系统对口腔内液态食物糖含量响应的可重复性和稳定性，对系统的性能进行了测试.首先，将安装传感器的筷子，反复浸入去离子水和葡萄糖（0.5 g·L-1）溶液中，采集传感器谐振频率和幅度的变化，如图7（a）所示.数据结果表明，随着溶液的变化，系统的幅度和频移没有明显变化，具有可重复性.

之后，逐渐改变溶液的葡萄糖浓度（在此过程中，保持筷子上的传感器一直浸入在溶液中），采集到的传感器谐振频率变化如图7（b）所示.结果表明传感器的谐振频率会随着葡萄糖浓度的增加而增加，这是因为葡萄糖的增加会降低溶液的有效介电常数.可推算出传感器在1 g·L-1葡萄糖中的灵敏度约为0.8 MHz，满足口腔中食物糖分检测所需的范围.

图7 系统性能测试数据分析图

4 结论

本文提供了一种基于RF 三层传感器和Android 的口腔内食物糖含量检测系统设计方案，给出了实现此方案的硬件组成及检测软件设计.初步实验结果表明该系统操作便捷，对人体口腔内食物糖含量检测数据准确，具有较高的可靠性和可重复性.另外，从初步测试数据分析结果可以看出，若改变RF 传感器的生物活性层，此系统可以快速实现更多流体敏感特性目标（如酒精含量、盐量、温度）的检测.