用于水果质量监测的柔性可穿戴光学无线传感系统

★ 研究背景

传统的刚性光电系统需要改进，以适应当前的食品质量监测。本文旨在提出和开发一种通过激光雕刻聚对苯二甲酸乙二醇酯/聚酰亚胺/铜（PET/PI/Cu）薄膜作为基底的柔性可穿戴光学无线传感系统（FWOS）。FWOS可以由不同的传感器阵列组成，以适应不同的水果大小。FWOS可以获取水果的光谱数据，并通过蓝牙（BT）将其传输到智能手机或个人电脑（PC）。仿真用于确定最合适的雕刻功率和速度，并使用显微镜测量柔性Cu电路的表面特性。FWOS具有工艺简单、操作简单、成本低、功耗低、可实时监控、物理体积小等特点。使用FWOS评估苹果、葡萄、桃子和樱桃的可溶性固形物含量（SSC）。结果表明，FWOS在各种水果质量监测中具有潜在的应用前景。它可以降低水果浪费率，确保食品质量和安全。

★ 创新点

中国农业大学肖新清课题组提出了用于水果质量监测的近红外柔性可穿戴光学无线传感方法。FWOS可以直接可穿戴在大多数水果上，并无线传输数据。利用MLR和支持向量机对FWOS监测水果SSC的准确性进行了评价。总的来说，在葡萄和樱桃上得到了非常有趣的结果。与我们实验室之前进行的常规传感器监测相比，FWOS成功地克服了传感器固定和人工抓取影响的问题。该传感器阵列还解决了只能测量一个点的问题。应用时对果实的损伤小，实现了无损检测。新的FOSM可以作为构建物联网的连接。应用于水果生长、冷链运输、储存、销售时，无需打开冷库或水果保鲜膜即可实现远程监控。该系统总成本仅为40美元，可以在水果各个过程中安装大量可穿戴传感器，收集更大量的数据，获得更准确的成熟度预测。

★ 文章解析

图1说明了FWOS的设计。柔性光学传感器阵列由PU胶带、PET薄膜、PI薄膜、Cu电路、PDMS薄膜和电子元件组成（图1a）。PET薄膜和PI薄膜作为柔性Cu电路的基板，电子元件焊接在柔性Cu电路上，PDMS薄膜防水并防止柔性Cu电路氧化。PU生物胶带无毒、防水、对电路无腐蚀。光学测量系统的结构如图1b所示。柔性传感器阵列和柔性单传感器的结构如图1c-d。AS7263是核心器件，用于测量水果反射的光。AS7263具有超低功耗、小尺寸（4.5x4.7x2.5毫米）、工厂校准、宽工作温度范围（-40至+85°C）以及集成干扰滤波器直接沉积到互补金属氧化物半导体(CMOS)硅上的特点。AS7263有2个可编程 LED驱动器和2个可选接口（UART和I²C）。2700kLED能够发出适合AS7263监控范围的光。Flash存储了控制AS7263的程序。Bluno接受代码指令并处理传感器数据，然后通过BT4.0将这些数据传输到智能手机或PC进行进一步处理。由于相同的光学传感器具有相同的地址，因此必须使用I2c 多路复用器来同时接收数据。光学传感阵列具有良好的可弯曲性（图1e-g）。带有蓝牙功能的设备可以通过无线方式实时获取水果品质的变化（图1f）。

图1： FWOS的总体示意图

图2显示了COMSOL仿真的结果。经测试，单次烧蚀10μm会导致局部温度高，稳态无解，故采用单次烧蚀5μm，烧蚀两次。不同功率和温度下激光烧蚀深度的线性拟合均高于0.97（图2a）。图2b显示了20μm的PI薄膜的温度随时间变化的曲线。图2c-e显示了刚好超过5μm的烧蚀功率和速度的模拟形态和温度变化。

图 2：COMSOL激光仿真结果

图3说明了柔性电路制备工艺。紫外激光打标机包括PC、紫外纳秒激光器、工业冷水机和振镜（图3a）。工业冷水机直接作用于紫外纳秒激光，全程保持低温。激光波长为355nm，激光束的脉冲宽度约为15nm。清洗干燥后未被烧蚀的薄膜，固定在Al基板上。将设计好的电路导入PC机的激光烧蚀软件进行操作。当激光作用于Cu膜时，Cu迅速剥离升华。通过对PET/PI/Cu薄膜进行两次烧蚀获得柔性Cu电路（图3b）。清洗干燥后即可得到柔性电路（图c和d）。经过两次烧蚀后，Cu表面失去了导电性，并且具有良好柔韧性（图3e-h）。

图 3：柔性电路制备

图4展示了柔性传感器阵列测量水果质量的原理。柔性传感器阵列包裹在水果周围，LED发出的光照射在水果表面，通过漫反射进入AS7263的小孔（图4a、d、e）。NIR介于可见光(Vis)(380-780nm)和中红外(MIR)(2526nm-25μm)和远红外(FIR)(25-1000μm)之间。已经证明，几乎所有的有机结构和官能团都可以在NIR光谱中测量，具有相当稳定的光谱。NIR光谱测量的原理是利用原子或分子的非谐性使其吸收发生变化（图4b和c）。当分子或原子振动时，原子或分子被拉伸、剪切、振荡和弯曲，从而发生从基态到激发态的能量跃迁的状态称为分子或原子的非谐性.组合吸收和泛音吸收是光谱独特吸收的两类。化学键在波数和基频处的各种振动形式产生的特征吸收称为组合吸收。由化学键基频的倍数产生的独特吸收被称为泛音。NIR光谱区域表达了C-O、C=O、O-H和H2O等关键化学键的吸收信息，可以反映水果的内部品质。AS7263有6个NIR传感通道（610nm、680nm、730nm、760nm、810nm和860nm，每个通道的半峰全宽为20nm，如图f所示）。取平均值作为浆果的最终光谱值。630和690nm对应于叶绿素峰，730nm对应于OH伸缩的第三泛音，810和860nm对应于糖的OH基团的组合波段。

图 4：水果品质近红外监测原理

在SSC参数中，SD约为参数最大值和最小值之差的20%，表明标定是有意义的。每个水果的数据涵盖范围大且不同，这显示了不同水果之间的变异性。不同水果的测量过程和结果如图5所示。图5a和b采用单传感器测量（葡萄和樱桃）。图5c和d采用传感器阵列测量（苹果和桃子）。传感器阵列测量方法节省时间，但需要水果有足够的空间放置这些传感器，因此苹果和桃子都使用这种方法进行测量。当柔性光学传感器阵列贴附在水果表面时，对水果表面的影响很小，大约两秒后数据将处于稳定状态。值得注意的是，适当的预处理方法可以在一定程度上提高模型的预测精度，但有时应用不当会降低精度。葡萄的预测最好，桃子的结果最差，这可能与它们的吸光度有关（图5e）。图5f-i显示了最优SSC预测模型对四种水果的效果图。桃子、苹果和樱桃预测模型的RPD值约为1.5，表明FWOS能够区分其SSC的高值和低值。葡萄预测模型的RPD值在2左右，表明单传感器光学测量系统可以粗略地区分葡萄的SSC。在分类模型中，葡萄的成功率为73.1%，樱桃的成功率为80%。