★??研究背景

傳統的剛性光電系統需要改進，以適應當前的食品質量監測。本文旨在提出和開發一種通過激光雕刻聚對苯二甲酸乙二醇酯/聚酰亞胺/銅（PET/PI/Cu）薄膜作為基底的柔性可穿戴光學無線傳感系統（FWOS）。FWOS可以由不同的傳感器陣列組成，以適應不同的水果大小。FWOS可以獲取水果的光譜數據，并通過藍牙（BT）將其傳輸到智能手機或個人電腦（PC）。仿真用于確定最合適的雕刻功率和速度，并使用顯微鏡測量柔性Cu電路的表面特性。FWOS具有工藝簡單、操作簡單、成本低、功耗低、可實時監控、物理體積小等特點。使用FWOS評估蘋果、葡萄、桃子和櫻桃的可溶性固形物含量（SSC）。結果表明，FWOS在各種水果質量監測中具有潛在的應用前景。它可以降低水果浪費率，確保食品質量和安全。

?★? 創新點

中國農業大學肖新清課題組提出了用于水果質量監測的近紅外柔性可穿戴光學無線傳感方法。FWOS可以直接可穿戴在大多數水果上，并無線傳輸數據。利用MLR和支持向量機對FWOS監測水果SSC的準確性進行了評價。總的來說，在葡萄和櫻桃上得到了非常有趣的結果。與我們實驗室之前進行的常規傳感器監測相比，FWOS成功地克服了傳感器固定和人工抓取影響的問題。該傳感器陣列還解決了只能測量一個點的問題。應用時對果實的損傷小，實現了無損檢測。新的FOSM可以作為構建物聯網的連接。應用于水果生長、冷鏈運輸、儲存、銷售時，無需打開冷庫或水果保鮮膜即可實現遠程監控。該系統總成本僅為40美元，可以在水果各個過程中安裝大量可穿戴傳感器，收集更大量的數據，獲得更準確的成熟度預測。

★? 文章解析

圖1說明了FWOS的設計。柔性光學傳感器陣列由PU膠帶、PET薄膜、PI薄膜、Cu電路、PDMS薄膜和電子元件組成（圖1a）。PET薄膜和PI薄膜作為柔性Cu電路的基板，電子元件焊接在柔性Cu電路上，PDMS薄膜防水并防止柔性Cu電路氧化。PU生物膠帶無毒、防水、對電路無腐蝕。光學測量系統的結構如圖1b所示。柔性傳感器陣列和柔性單傳感器的結構如圖1c-d。AS7263是核心器件，用于測量水果反射的光。AS7263具有超低功耗、小尺寸（4.5x4.7x2.5毫米）、工廠校準、寬工作溫度范圍（-40至+85°C）以及集成干擾濾波器直接沉積到互補金屬氧化物半導體(CMOS)硅上的特點。AS7263有2個可編程LED驅動器和2個可選接口（UART和I2C）。2700kLED能夠發出適合AS7263監控范圍的光。Flash存儲了控制AS7263的程序。Bluno接受代碼指令并處理傳感器數據，然后通過BT4.0將這些數據傳輸到智能手機或PC進行進一步處理。由于相同的光學傳感器具有相同的地址，因此必須使用I2c多路復用器來同時接收數據。光學傳感陣列具有良好的可彎曲性（圖1e-g）。帶有藍牙功能的設備可以通過無線方式實時獲取水果品質的變化（圖1f）。

圖1：?FWOS的總體示意圖

圖2顯示了COMSOL仿真的結果。經測試，單次燒蝕10μm會導致局部溫度高，穩態無解，故采用單次燒蝕5μm，燒蝕兩次。不同功率和溫度下激光燒蝕深度的線性擬合均高于0.97（圖2a）。圖2b顯示了20μm的PI薄膜的溫度隨時間變化的曲線。圖2c-e顯示了剛好超過5μm的燒蝕功率和速度的模擬形態和溫度變化。 ?

圖 2：COMSOL激光仿真結果

圖3說明了柔性電路制備工藝。紫外激光打標機包括PC、紫外納秒激光器、工業冷水機和振鏡（圖3a）。工業冷水機直接作用于紫外納秒激光，全程保持低溫。激光波長為355nm，激光束的脈沖寬度約為15nm。清洗干燥后未被燒蝕的薄膜，固定在Al基板上。將設計好的電路導入PC機的激光燒蝕軟件進行操作。當激光作用于Cu膜時，Cu迅速剝離升華。通過對PET/PI/Cu薄膜進行兩次燒蝕獲得柔性Cu電路（圖3b）。清洗干燥后即可得到柔性電路（圖c和d）。經過兩次燒蝕后，Cu表面失去了導電性，并且具有良好柔韌性（圖3e-h）。

圖 3：柔性電路制備

圖4展示了柔性傳感器陣列測量水果質量的原理。柔性傳感器陣列包裹在水果周圍，LED發出的光照射在水果表面，通過漫反射進入AS7263的小孔（圖4a、d、e）。NIR介于可見光(Vis)(380-780nm)和中紅外(MIR)(2526nm-25μm)和遠紅外(FIR)(25-1000μm)之間。已經證明，幾乎所有的有機結構和官能團都可以在NIR光譜中測量，具有相當穩定的光譜。NIR光譜測量的原理是利用原子或分子的非諧性使其吸收發生變化（圖4b和c）。當分子或原子振動時，原子或分子被拉伸、剪切、振蕩和彎曲，從而發生從基態到激發態的能量躍遷的狀態稱為分子或原子的非諧性.組合吸收和泛音吸收是光譜獨特吸收的兩類。化學鍵在波數和基頻處的各種振動形式產生的特征吸收稱為組合吸收。由化學鍵基頻的倍數產生的獨特吸收被稱為泛音。NIR光譜區域表達了C-O、C=O、O-H和H2O等關鍵化學鍵的吸收信息，可以反映水果的內部品質。AS7263有6個NIR傳感通道（610nm、680nm、730nm、760nm、810nm和860nm，每個通道的半峰全寬為20nm，如圖f所示）。取平均值作為漿果的最終光譜值。630和690nm對應于葉綠素峰，730nm對應于OH伸縮的第三泛音，810和860nm對應于糖的OH基團的組合波段。

圖 4：水果品質近紅外監測原理

在SSC參數中，SD約為參數最大值和最小值之差的20%，表明標定是有意義的。每個水果的數據涵蓋范圍大且不同，這顯示了不同水果之間的變異性。不同水果的測量過程和結果如圖5所示。圖5a和b采用單傳感器測量（葡萄和櫻桃）。圖5c和d采用傳感器陣列測量（蘋果和桃子）。傳感器陣列測量方法節省時間，但需要水果有足夠的空間放置這些傳感器，因此蘋果和桃子都使用這種方法進行測量。當柔性光學傳感器陣列貼附在水果表面時，對水果表面的影響很小，大約兩秒后數據將處于穩定狀態。值得注意的是，適當的預處理方法可以在一定程度上提高模型的預測精度，但有時應用不當會降低精度。葡萄的預測最好，桃子的結果最差，這可能與它們的吸光度有關（圖5e）。圖5f-i顯示了最優SSC預測模型對四種水果的效果圖。桃子、蘋果和櫻桃預測模型的RPD值約為1.5，表明FWOS能夠區分其SSC的高值和低值。葡萄預測模型的RPD值在2左右，表明單傳感器光學測量系統可以粗略地區分葡萄的SSC。在分類模型中，葡萄的成功率為73.1%，櫻桃的成功率為80%。

圖 5：FWOS在水果品質監測中的應用評價?

編輯：黃飛

?