近紅外譜區(1)是指位于可見譜區與中紅外譜區之間的一段電磁波譜，即介于780-2526nm的光區。近紅外光譜（Near-infrared Spectroscopy, NIRS）可劃分為短波長近紅外波段和長波長近紅外波段，其波段范圍分別為780-1100nm和1100-2526nm。由于頻率較高，NIR譜區分子對其吸收主要是分子振動的倍頻與合頻吸收。NIRS分析技術是通過被分析物質中的含氫基團，如OH、CH、NH、SH、PH等在近紅外區域內表現有特征吸收，利用計算機技術及化學計量學方法，對掃描測試樣品的光學數據進行一系列的分析處理，最后完成該樣品有關成分的定量分析任務。由于它具有不破壞樣品且快速、準確等優點，是20世紀90年代以來發展最快、最引人注目的光譜分析技術 [2，3]。目前它在谷物檢測領域已有著廣泛的應用，如水分、蛋白、脂肪和纖維等指標的測定，近紅外檢測技術已經成為了一種公認的標準檢測方法[4]。但是現有的近紅外光譜分析儀器大多體積龐大，價格昂貴，不利于現場分析；或者功能單一，不易擴展和維護。

虛擬儀器[5]的概念，是美國國家儀器公司（National Instruments Corp.簡稱NI）于1986年提出的，它是在以計算機為核心的硬件平臺上，其功能由用戶設計和定義，具有虛擬面板，其測試功能由測試軟件實現的一種計算機儀器系統。本文結合虛擬儀器技術和近紅外光譜分析技術，搭建了一個快速無損檢測整粒小麥成分含量的系統。

基于虛擬儀器的近紅外整粒小麥成分測量系統主要包括儀器軟、硬件和建模軟件。儀器軟、硬件均采用模塊化設計。硬件模塊化主要由光路、檢測器及信號調理電路和虛擬儀器的數據采集板卡組成；軟件模塊化主要由信號獲取模塊、I/O控制模塊、數據分析模塊、數據保存和顯示模塊組成。軟件平臺采用的是圖形化的編程語言LabVIEW，建模采用逐步回歸分析[6]方法。

1.硬件設計

1.1光路設計

光源部分由14個近紅外發光二極管(LED)組成，每個發光二極管對應通過一個波長位于890nm～1050nm之間的近紅外窄帶干涉濾光片，形成單色的近紅外光，近紅外光經菲涅爾透鏡匯聚到被測樣品上，在樣品中被散射吸收后，由檢測器接收，由于LED的電流決定了它的光強，每支LED都有單獨可以調節的恒流電路，以保證光源的穩定。

窄帶干涉濾光片的帶寬為10nm，所使用的范圍為890nm～1050nm。測量的時候，先用各個波長依次照射樣本，得到各波長樣本的光譜數據，然后通過逐步回歸算法挑出對待測成分有顯著影響的波長。預測的時候，只需將所挑出波長的吸光度帶入模型計算。

本系統采用單一的檢測器，將14個波長的窄帶濾光片盡可能緊密地排布在圓形的支架上，在通過同樣電流的情況下LED在不同波長處的光強不同，因此，將LED發光較弱波長的濾光片（即波長與890nm和940nm相差較大的濾光片）排布在接近圓心的位置，以增強有效光強。

菲涅爾透鏡的焦距是20mm，透鏡距離支架是40mm，距檢測器是20mm。菲涅爾透鏡、支架、檢測器垂直固定在通過它們中心的一條直線上。樣品池厚度為20mm（扣除樣品池壁后），樣品池透光的兩側為磨砂面，以進一步增強光源的均勻性。樣品池在測量范圍內對各個波長近紅外的透過率近似一致。因此由樣品池引起的誤差對各個波長來說近似一樣。

1.2光源部分電路設計

本系統的光源采用近紅外發光二極管，因為其光強小，對樣品不會造成損壞，適用于無損檢測，且使用壽命達到十年以上。選用波長分別為890nm、940nm，帶寬為40nm~50nm。通過調整每支LED的電流，使各個波長通過窄帶濾光片以后的光強近似一致。用電路控制LED輪流發光，以分時獲得樣品在單一波長下的光度值。為保證LED的電流穩定可調，采用恒流源電路。

1.3信號轉換電路設計

檢測器選擇在短波近紅外區相應敏感的硅光電池。由于光電池產生的短路電流與光強有良好的線性關系，通過I/V轉換，可以得到提供AD轉換的電壓。由于光源LED的發光角度較小，有較好的單向性，可近似于平行光源。將LED放在菲涅爾透鏡的2倍焦距處，檢測器放在另一側1倍焦距處，選用圓形的硅光電池，與濾光片的排布相對。

光電池工作在零偏置即光伏模式，實現精確的線性工作。光電池偏置由運算放大器的虛地維持在零電位上，短路電流被轉換成電壓。切換增益電阻的開關選擇小型5V繼電器，由數據采集卡中的I/O口通過一個三極管來控制通斷，在測量空白光路的時候選擇較小電阻，測量樣品時，由于樣品的吸收，光強較弱，選擇較大電阻，獲得較高的增益。

1.4數據采集卡

本系統采用的采集板為微機系統的擴展卡形式，數據采集卡是NI公司的PCI-6040E，用到的還有它的附件CB-68LP，其中CB-68LP是用來將PCI卡上的引腳引到主機外面方便連線的。

軟件設計

虛擬儀器技術的核心思想是利用計算機的硬/軟件資源，使本來需要硬件實現的技術軟件化(即虛擬化)，以便最大限度地降低系統成本，增強系統的功能與靈活性?；谲浖赩I系統中的重要作用，美國NI公司提出了“軟件就是儀器”的口號。本系統所用的程序模塊以及它們之間的層次關系如下圖所示：

2.1程序前面板設計

前面板相當于真實儀器可操作的面板，可以通過操作此面板來完成需要的任務，此前面板包括：開始運行按鈕，數字I/O線控制按鈕，通道選擇，輸入采集次數控制量，顯示均值和圖形顯示幾個控件。

2.2程序框圖設計

在LabVIEW中，程序框圖相當于真實儀器內部的器件和連線，這才是軟件編程中的靈魂。這部分主要包括信號獲取模塊，I/O控制模塊，信號分析模塊，數據獲取模塊和數據顯示模塊。

圖2為系統框圖程序，其中包括所用到的各種控制器和顯示器及各種函數和它們對應的設置。

應用實驗及結果分析

本系統掃描了40個已知粗蛋白含量的整粒小麥樣品，得到40個光譜圖數據（如圖3）。

然后用36個樣品(4個被剔除)的光譜數據對整理小麥粗蛋白含量進行建模和預測，其中26個作為校準集，用于建立小麥粗蛋白含量與光譜數據之間的校準模型；10個作為預測集，用于檢驗模型的預測能力。

校準集樣品的建模模型為：

C=4.77-60.24A890+122.17A910-40.63A940+83.83A1020-89.66A1050

其中，C為整粒小麥樣品粗蛋白的含量，A890，A910，A940，A1020，A1050為對應波長點的吸光度。

根據此關系模型，將掃描到的光譜圖中對應波長的吸光度值代入，即可得到某一整粒小麥粗蛋白含量值。其中校準集中預測值與化學值的相關系數為R=0.845，標準差為SEC=0.84。預測集中預測值與化學值的相關系數為R=0.834，標準差為SEP=0.93。

由于建模樣品量少以及儀器本身掃描光譜也存在一定的誤差，其預測結果與真實化學值之間存在一定偏差，由上面的圖可以看出，盡管如此，在精度要求不很精密的場合（如現場測量、快速檢測等），已經可以用于對整粒小麥粗蛋白含量進行快速無損檢測了。

本文結合虛擬儀器技術和近紅外光譜分析技術，搭建了一個定量測量近紅外整粒小麥成分（粗蛋白含量）的系統，系統包括硬件設計與調試、軟件設計與調試以及實驗驗證三部分。此系統利用計算機豐富的軟件資源，實現了部分硬件的軟件化，節省了物質資源，其硬件和軟件都采用標準化、模塊化和系統化的設計原則，系統性能穩定，調試、擴展和維護方便，人機界面友好，增加了系統的靈活性，能直接實時地對測試數據進行分析和處理。同時將本軟件程序打包成可執行程序，可在沒有安裝LabVIEW軟件的電腦上運行，使其不依賴于編程軟件來執行，增加了它的適用范圍和靈活性。本文作者創新點：將虛擬儀器技術和近紅外光譜技術這兩種新技術結合起來搭建的測量整粒小麥成分的系統。