椰糠基质有效氮近红外检测仪设计与试验

鲁 兵 王旭峰 何 珂 胡 灿 高 薪 汤修映

(1.中国农业大学工学院， 北京 100083； 2.塔里木大学机械电气化工程学院， 阿拉尔 843300)

0 引言

椰糠基质是由椰子外壳经过粉碎、脱盐和干燥等一系列加工形成的可再生栽培基质[1-2]。另外，椰糠基质具有较好的储水、蓄肥、透气性和重复使用等优点，被广泛应用于我国设施农业番茄、黄瓜和草莓等作物的无土栽培[3-7]。氮是作物生长所必需的大量营养元素之一，土壤/基质是作物生长氮素供应的重要来源[8-9]。有效氮表征土壤/基质的近期氮肥供应能力，通过测量其含量可实现氮肥精量科学施肥[10]。由于传统土壤养分检测方法具有耗时、费力和操作专业性强等缺点，生产中常采用过量施加氮肥来保障种植效益，造成水体富营养化等严重的农业面源污染。因此，研究椰糠基质氮肥快速检测技术十分必要。

近红外作为一种快速无污染的光学检测技术，近年来被广泛应用于农业、食品、石油化工和医学等领域的快速检测[11-14]。目前，国内外学者对土壤指标近红外光谱检测开展了大量的研究工作，但利用近红外光谱技术对栽培基质指标进行快速检测的研究鲜见报道。例如，张东兴等[15]、杨柳等[16]基于可见/近红外光谱技术开发出土壤水分快速测量传感器；焦彩霞等[17]利用可见-短近红外成像光谱数据实现土壤有机质含量的快速检测；周鹏等[18]基于土壤全氮和含水率检测的7个敏感波长开发出车载式原位土壤参数检测仪；刘燕德等[19]采用近红外漫反射技术实现赣南脐橙园土壤全磷和全钾同时快速检测；YANG等[20]利用卷积神经网络和递归神经网络相结合，实现土壤有机碳、阳离子交换量和pH值等指标的高精度近红外光谱预测；MUNNAF等[21]利用4种不同方法优化得到了土壤pH值和有机碳、磷、钾含量的最佳在线可见/近红外光谱预测模型；TARNIK等[22]提出最小方差结合贝叶斯算法实现土壤氮、有机碳和水分等9种指标的快速定量可见/近红外光谱检测；KODAIRA等[23]利用可见/近红外微型光谱仪实现土壤中铵态氮、硝态氮和总氮等12种指标的快速精确定量检测。综上所述，采用近红外光谱对椰糠基质有效氮含量进行快速光学检测具有较大的可行性。由于椰糠基质与土壤的物理指标、化学指标和生物学指标均存在显著性差异，土壤养分的可见/近红外光谱预测模型并不能用于椰糠基质的养分评价。因此，采用近红外光谱对椰糠基质有效氮含量进行快速检测研究具有重要的实际意义。

本文基于近红外漫反射光谱分析技术，设计椰糠基质有效氮近红外光谱检测仪，开发实时检测及控制软件，建立椰糠基质有效氮近红外光谱检测的最佳预测模型，并将建立的最优光谱预测模型嵌入到检测仪器的软件控制程序中，对检测仪器的性能进行试验验证，以实现椰糠基质有效氮的快速实时检测。

1 检测仪硬件设计

1.1 整机结构与工作原理

图1 椰糠基质有效氮近红外光谱检测仪Fig.1 NIR spectrum detecting instrument for available nitrogen in coco-peat substrate1.文丘里输送管 2.粉碎室漏斗 3.粉碎室 4.高速交流电机 5.前处理装置支撑架 6.前处理装置 7.物料输送软管 8.气力输送装置 9.气流软管 10.检测机箱 11.样品台 12.光源 13.重力式沉降样品室 14.光纤及光纤探头 15.近红外光谱检测装置 16.Flame NIR光谱仪 17.真空气动上料器 18.样品回收装置 19.控制系统 20.PU管 21.空气压缩机

为了实现椰糠基质有效氮含量的快速稳定检测，基于漫反射测量原理设计了检测波长范围为950～1 660 nm的椰糠基质有效氮近红外检测仪。该检测仪器主要由前处理装置、气力输送装置、重力式沉降样品室、近红外光谱检测装置、样品回收装置和空气压缩机等组成，总体结构如图1所示。其中，前处理装置主要由粉碎室、粉碎室漏斗、高速交流电机和前处理装置支撑架等组成；气力输送装置主要由软管、文丘里输送管、调压阀和电磁阀等组成；近红外光谱检测装置主要由Flame NIR光谱仪、光源、光纤及光纤探头、样品台及检测机箱等组成；样品回收装置主要由真空气动上料器、软管和旋风式除尘器等组成。控制系统不仅实现样本光谱数据采集及检测，还可以通过控制各装置的执行部件实现协同作业。

检测仪工作流程包含以下4个步骤：①前处理装置将采集的椰糠基质样本进行快速粉碎/干燥前处理。②旋转前处理装置180°，使前处理完成的椰糠基质样本颗粒从粉碎室漏斗出口处流出，利用气力输送装置将样本沿软管输送至重力式沉降样品室。③重力式沉降样品室将气力输送来的气固二相流进行沉降分离，使样本颗粒快速沉降到样品室的底部，再利用近红外光谱检测装置实现样品有效氮含量的快速检测。④利用样品回收装置将检测完成的样品从重力式沉降样品室中气力回收至旋风式除尘器，再利用旋风式除尘器完成样本颗粒的高效气固分离和样本回收，从而准备下一个样品的检测。重复完成上述4个步骤，即完成椰糠基质有效氮含量的快速高精度检测。

1.2 关键部件设计与选型

1.2.1前处理装置

固体颗粒样本粒度变化会引起不同程度的光谱散射现象，光谱散射对近红外光谱检测有显著性影响。同时，近红外光谱对水分中的羟基有敏感响应，样本水分含量变化也会对近红外光谱检测有显著性影响。实际采集椰糠基质样本颗粒粒度及含水率均存在显著性差异，上述样本的差异性对其有效氮近红外光谱检测精度产生显著性影响。为了快速高效地消除椰糠基质样本颗粒粒度及含水率差异性的影响，本文研制了具有快速粉碎及干燥功能的椰糠基质前处理装置，其结构如图2所示。

图2 前处理装置Fig.2 Pretreatment device1.密封圈 2.陶瓷加热片 3.粉碎刀固定件 4.40目筛网 5.粉碎室漏斗 6.粉碎室内腔 7.绝热层 8.粉碎刀 9.粉碎室 10.高速交流电机 11.前处理装置支撑架

由图2可知，前处理装置主要由粉碎刀、高速交流电机、陶瓷加热片、绝热层、粉碎室、粉碎室内腔、粉碎刀固定件、40目筛网、粉碎室漏斗、密封圈和前处理装置支撑架等组成。为了提高椰糠基质样本的前处理效率，在粉碎室内腔外壁安装加热部件，加热部件通过热辐射将热量从粉碎内腔外侧传递至粉碎室内腔中，实现椰糠基质快速粉碎及干燥一体化同时作业。加热部件由5个陶瓷加热片均匀布置在粉碎室内腔外侧组成，陶瓷加热片的中心加热温度为300℃。陶瓷加热片与粉碎室之间填充纳米气凝胶绝热材料，防止陶瓷加热片产生的热量向粉碎室外辐射。工作时，高速交流电机位于前处理装置下方，将取样器采集挤压后的椰糠基质样品加入前处理装置中进行快速粉碎/干燥作业。每个样品粉碎/干燥前处理6 min，再旋转高速交流电机180°，前处理完成样本通过40目筛网筛选进入粉碎室漏斗，并从粉碎室漏斗出口处进入文丘里输送管，从而完成样品快速高效物理前处理。

1.2.2气力输送装置

气力输送装置主要由文丘里输送管、调压阀、电磁阀和软管等组成，其结构如图3所示。空气压缩机产生的压缩气体经调压阀进入气力输送管道，通过控制系统控制电磁阀可实现样品气力输送过程的启/停控制。输送气体流经文丘里输送管时，在文丘里输送管与粉碎室漏斗连接处产生局部负压，使粉碎室漏斗中的样品连续进入文丘里输送管中，并与输送气体一起形成气固二相流继续向前输送。输送气压是样品平稳输送以及后续顺利沉降的关键参数，通过试验确定气力输送的最佳气流压力为0.1 MPa，利用调压阀调节气流输送压力至最佳值。

1.2.3重力式沉降样品室

重力式沉降样品室是椰糠基质有效氮近红外光谱检测仪的核心部件之一，其主要作用是将气力输送过来的气固二相流进行气固沉降分离，使粉尘颗粒样本沉降到样品室底部的待检测部位，未分离的粉尘颗粒样本随气流继续向前输送。本文采用重力沉降原理设计了重力式沉降样品室，其结构如图4所示。另外，重力式沉降样品室的底部采用高透过率的光学玻璃进行密封。检测光源透过光学玻璃照射到重力式样品室内部样品的下表面，光纤及光纤探头位于光学玻璃的正下方。通过固定重力式沉降样品室与光纤及光纤探头的相对位置，即可保证每个检测样品待检测表面与光纤及光纤探头距离的一致性，也保证了两个检测光源的照射焦点始终位于样品待检测表面上。

图4 重力式沉降样品室Fig.4 Gravity settling sample chamber1.沉降样品室 2.光学玻璃

重力沉降主要利用椰糠基质粉尘样本颗粒与空气的密度存在显著差异，使椰糠基质样本颗粒在输送过程中自然沉降，从而实现样本气固分离[24-25]。为了实现椰糠基质粉尘颗粒的自然沉降，样品沉降室的长度和高度必须满足

(1)

(2)

式中L——沉降样品室的长度，m

V——气固二相流流速，m/s

H——沉降样品室的高度，m

VS——椰糠基质样本粉尘颗粒沉降速度，m/s

g——重力加速度，m/s2

ρ1——椰糠基质粉尘颗粒密度，kg/m3

ρ0——空气密度，kg/m3

φ——椰糠基质粉尘颗粒直径，m

μ——空气粘度，Pa·s

将式(2)代入式(1)，再进行不等式变换可得

(3)

根据沉降样品室的实际安装空间尺寸要求，首先确定重力式沉降样品室的高度H为0.01 m。通过查阅相关文献资料和实际测量得出，空气粘度μ取0.000 180 8 Pa·s，气固二相流流速V为1.15 m/s，重力加速度g取9.8 m/s2，椰糠基质密度ρ1为95.6 kg/m3，空气密度ρ0为1.29 kg/m3，椰糠基质粉尘颗粒样本平均直径φ取0.000 38 m。根据式(3)，沉降样品室的长度L≥70.1 mm。

重力式样品沉降室的气固二相流沉降分离量为Q，则沉降样品室的宽度B为

(4)

通过测量，重力式沉降样品室需要处理的气固二相流沉降分离量Q为0.000 36 m3/s。根据式(4)，沉降样品室的宽度B=0.000 36/(1.15×0.01)=0.031 3 m。综上所述，对上述设计得到的数据进行取整，则沉降样品室的长L、宽B和高H分别为71、31、10 mm。

1.2.4样品回收装置

样品回收装置主要由真空气动上料器、软管、旋风式除尘器和样品回收箱组成，其结构如图5所示。该装置主要利用高速气体在经过真空气动上料器时产生负压，再利用负压将重力式沉降样品室中的样品进行气动清理，清理后的样品随高速气流一起向前输送至旋风式除尘器。通过旋风式除尘器将样品与高速气体进行高效分离，最终实现样品回收和洁净气体返回大气[26-27]。另外，重力式沉降样品室中未能实现沉降分离的气固二相流也通过旋风式除尘器进行二次气固分离。根据重力式沉降样品室对样本的实际清理需求，选取ZG3/8型双头真空气动上料器作为样品回收装置的气力回收动力源部件，该真空气动上料器的耗气量为0.25 m3/min。

图5 样品回收装置Fig.5 Sample recycling device1.重力式沉降样品室 2.软管 3.真空气动上料器 4.旋风式除尘器 5.样品回收箱

本文设计的旋风式除尘器主要利用气固二相流在除尘器内部进行高速旋转产生的离心力使椰糠基质粉尘样本颗粒从气固二相流中分离，其结构如图6所示。根据椰糠基质粉尘颗粒样本回收的气固分离要求，选取切线进口的斯维夫特型旋风分离器作为旋风式除尘器的最终结构，其各部分结构尺寸比例如表1所示[28-30]。

图6 旋风式除尘器Fig.6 Cyclone dust collector

根据旋风式除尘器需要分离的气固二相流处理量，旋风式除尘器圆柱体直径可表示为[28]

(5)

式中D——旋风式除尘器圆柱体直径，m

Q1——旋风式除尘器的最大气固二相流处理量，m3/s

V1——旋风式除尘器入口处的气固二相流速度，m/s

进一步分析可知，样品回收装置的最大气固二相流为自真空气动上料器气力输送的样品，则Q1取0.25 m3/min。采用风速计测得旋风式除尘器入口处的气固二相流流速约为25 m/s。将Q1和V1的取值代入式(5)，可得旋风式除尘器的圆柱体直径D约为40.8 mm。根据直径D的取值，通过表1中的比例关系可确定旋风式除尘器各部分的具体结构参数。

2 椰糠基质有效氮光谱预测模型建立

2.1 试验材料

采用Sail Substrates椰糠砖制备试验样品，该椰糠砖产自印度。试验前通过去离子水将椰糠砖浸泡成松散状态，再通过晾晒形成风干的基质样本。利用微型粉碎机对风干样本进行快速粉碎处理，粉碎后的样本过40目标准筛网以供制备不同有效氮含量样本使用。为了制备有效氮含量覆盖范围广的椰糠基质样本集，在相同质量的空白椰糠基质样本中依次添加等体积不同浓度的氮肥溶液，再将样品静置吸收24 h，从而完成不同有效氮含量的试验样本制备。静置完成的椰糠基质样本在105℃条件下进行干燥处理，以供光谱建模使用。试验共制备不同有效氮含量的椰糠基质样本135份，每份样品质量约为10 g。

表1 斯维夫特型旋风式除尘器结构尺寸比例Tab.1 Structure dimensions of Swift type cyclone dust collector

2.2 光谱采集及参考值测定

试验采用设计的椰糠基质有效氮近红外检测仪硬件系统进行漫反射光谱数据采集。开启检测仪光源预测30 min，待检测光源稳定之后再进行光谱数据采集。另外，在采集样本光谱数据之前，采用聚四氟乙烯标准白板进行检测仪黑/白参考校正。每个样本采集3个点的光谱数据，将3个点的光谱数据求平均值作为该样品的最终原始光谱数据。试验最终成功获取135个样本的漫反射光谱数据，如图7所示。

图7 椰糠基质漫反射光谱Fig.7 Diffuse reflectance spectrum of coco-peat substrate

由图7可知，不同椰糠基质样本的反射率随波长变化的趋势基本相同，不同样本光谱曲线差异主要体现在各波长对应反射率幅值的变化，该结果表明采集的样本光谱数据不存在明显的异常数据。上述光谱曲线在965、1 120、1 450、1 570 nm处存在光谱能量吸收。965 nm和1 570 nm处的吸收峰与NH基团的倍频振动吸收有关，其变化反映了椰糠基质氮含量[31-32]；1 450 nm处的吸收峰主要反映水或纤维素中的OH基团信息，或者表示椰糠基质木质素中的CH2基团信息[33]；1 120 nm处的吸收峰与C—H(CH2，CH3)中的二级倍频和组合频的振动吸收有关[31]。试验样本完成光谱数据采集以后，采用国家林业标准LY/T 1229—1999中规定的化学方法进行样品有效氮参考值测量[34]。

2.3 光谱预处理与模型建立

2.3.1样品集合划分

采用国家林业标准LY/T 1229—1999对135个椰糠基质样本进行有效氮含量(质量比)参考值测量，并根据浓度梯度法以比例3∶1对全部样本进行校正集和验证集样本划分，其划分结果如表2所示。

表2 椰糠基质校正集和验证集样本有效氮含量参考值分布情况Tab.2 Reference measurement of available nitrogen content of coco-peat substrate samples in calibration and prediction sets

由表2可知，校正集有效氮含量参考值范围包含验证集范围，并且校正集和验证集的平均值和标准差之间无明显差异。上述样本集划分满足建立预测性能较优模型的基本要求。

2.3.2光谱预处理

试验采集的椰糠基质有效氮近红外光谱数据中还包含一些与检测指标无关的噪声和干扰信息，如样品背景、基线漂移、散射和电噪声等[35-36]。为了减小上述因素的干扰和提高获取数据的信噪比，采用导数、S-G平滑(Savitzky-Golay smooth)、标准正态变量变换(Standard normal variable transformation, SNV)和多元散射校正(Multiplicative scatter correction, MSC)等对采集的光谱数据进行预处理[37-38]。

2.3.3有效氮光谱预测模型建立

利用获取的全部椰糠基质样本光谱数据组合形成光谱矩阵X，采用国标法测量全部样本的有效氮参考值组合形成有效氮参考值矩阵Y。利用偏最小二乘回归(Partial least square regression, PLSR)建立原始和各种预处理光谱矩阵X与有效氮参考值矩阵Y之间的定量预测模型。主成分数选取是建立预测性能稳定的PLSR模型的关键，采用交互验证法来选取椰糠基质有效氮PLSR模型的最佳主成分数。利用校正集相关系数(Correlation coefficient of calibration,RC)、验证集相关系数(Correlation coefficient of validation,RV)、校正集均方根误差(Root mean square error of calibration, RMSEC)、验证集均方根误差(Root mean square error of validation, RMSEV)和残差预测偏差(Residual prediction bias, RPD)等指标对预测模型性能进行评价。不同预处理光谱数据建模结果如表3所示。

由表3可知，光谱预处理对椰糠基质有效氮光谱预测模型性能有显著性影响，所有预处理均对模型的预测性能有不同程度的提升效果。一阶导数、MSC和SNV预处理对模型的预测精度改善效果不明显，二阶导数预处理对模型的预测精度略有提高。导数结合S-G平滑预处理对模型的精度有较为明显的提高。SNV和MSC预处理的主要作用是消除检测样本固体颗粒粒度差异和表面散射的影响，故SNV和MSC预处理后的光谱建模结果相近。试验的椰糠基质样本均采用微型粉碎机进行粉碎和40目标准筛网过筛处理，椰糠基质样本粒度差异性和表面散射影响均较小，故MSC和SNV预处理效果不显著。对比上述各种预处理方式的建模结果，采用S-G平滑预处理结合PLSR可建立椰糠基质有效氮的最优光谱预测模型。最优模型的RC和RV分别为0.973和0.965，RMSEC和RMSEV分别为14.025 mg/(100 g)和15.757 mg/(100 g)，模型的RPD为3.72。上述结果表明，采用近红外光谱技术可实现椰糠基质有效氮的高精度快速检测。

表3 不同预处理光谱数据的建模结果Tab.3 Modeling results of different preprocessed spectral data

3 检测仪软件开发

基于Microsoft Visual Studio中的MFC开发工具，利用OmniDriver和aaeonEAPI二次开发包中的封装函数编写了检测仪的控制系统软件，如图8所示。整个控制系统软件包括数据显示模块、参数设置模块、光谱检测模块、前处理模块、输送模块和无线传输模块。数据显示模块主要用于显示采集样品的光谱数据曲线；参数设置模块对光谱采集的积分时间、平均次数和平均宽度等参数进行人机交互设置；光谱检测模块实现光谱仪通信连接控制、黑/白校正和检测触发；前处理模块主要实现前处理时间设置及前处理操作控制；输送模块主要实现样品气力输送以及气力清样过程控制；无线传输模块主要用于将检测结果无线发送至下位机。整个软件程序的流程如图9所示。

图8 椰糠基质有效氮近红外检测仪软件界面Fig.8 Software interface of coco-peat substrate available nitrogen NIR detecting instrument

图9 椰糠基质有效氮近红外检测仪工作流程图Fig.9 Working flowchart of coco-peat substrate available nitrogen NIR detecting instrument

4 检测仪性能测试

为了验证检测仪的实际检测性能，采用蛇形取样法在广东省农业技术推广总站温室采集实际种植番茄的椰糠基质样本，每次采集样本15个，每间隔5 d采集一次试验样本，试验共采集3次样本，总共获取45个椰糠基质样本。通过对采集的椰糠基质样本进行有效氮光谱检测验证检测仪的检测性能。所有采集样品在进行近红外光谱检测之前，均采用椰糠基质有效氮近红外检测仪的前处理装置进行粉碎/干燥前处理。最终，45个椰糠基质样本有效氮国标测量值与仪器检测值的散点分布图如图10所示。

图10 检测仪测试结果散点图Fig.10 Scatter plot of test results of detecting instrument

将上述45个试验样本形成测试集，并对椰糠基质有效氮近红外检测仪进行性能测试。由图10可知，测试集样本的有效氮仪器检测值与国标测量值之间的相关系数(Correlation coefficient of prediction,RP)为0.883，测试集均方根误差(Root mean square error of prediction, RMSEP)为18.605 mg/(100 g)。结果表明，测试集样本的实际检测精度较高，所研制的椰糠基质有效氮近红外检测仪性能满足实际快速检测要求。

5 结论

(1)采用近红外光谱漫反射测量原理，研发了椰糠基质有效氮近红外检测仪，主要包括前处理装置、气力输送装置、重力式沉降样品室、近红外光谱检测装置、样品回收装置和空气压缩机等。通过该仪器可实现椰糠基质样本前处理、气力输送装样、有效氮光谱检测和检测样本高效气力回收等功能。

(2)基于椰糠基质有效氮检测仪硬件系统，采集了椰糠基质950～1 660 nm的漫反射光谱数据。利用导数、S-G平滑和MSC等方法进行光谱预处理，建立椰糠基质有效氮含量的PLSR模型。椰糠基质有效氮最优模型的RC和RV分别为0.973和0.965，RMSEC和RMSEV分别为14.025 mg/(100 g)和15.757 mg/(100 g)，RPD为3.72。

(3)基于MFC开发工具，采用C/C++语言开发了检测仪硬件控制及检测分析软件界面，并将建立的椰糠基质有效氮最优光谱预测模型移植到软件程序中。通过软件界面可实现对检测仪前处理装置、气力输送装置和气力回收装置的操作控制和有效氮光谱检测的一键式操作。

(4)验证了所研制椰糠基质有效氮近红外检测仪的检测性能。有效氮的测试集相关系数RP和均方根误差(RMSEP)分别为0.883和18.605 mg/(100 g)。结果表明，该检测仪可实现椰糠基质有效氮含量的快速实时检测。