材料发散近红外线，活跃材料中的分子，通过分析由分子振动反射的光线，就能根据光线的独特光学特征识别，由此确定材料的化学成分组成。2015年Huseyin Ayvaz等利用micro PHAZIRTMRx手持式红外光谱仪和Cary630傅里叶红外光谱仪对薯片内丙烯酰胺的含量进行筛选[2]。Field Spec Hand Held2TM （ADS公司生产）手持式近红外光谱仪配有彩色液晶显示屏，使用该仪器可测定马铃薯的多酚含量番茄红素和可溶性固形物含量[3]，微型光谱仪的使用逐渐在科学领域推广开来。
虽然国内对近红外光谱仪的研制起步较晚，近几年部分科研机构和生产企业对仪器的研制和软件开发取得了一定的进展，但仍需更多的理论研究和技术创新。由于应用行业缺乏对近红外光谱分析技术的理解与使用，科研行业大多使用精度更高的大型光谱仪器，这就导致国内近红外技术发展缓慢[4]。本研究根据我国近红外光谱仪的发展状况，提出对光谱仪软件的应用加入仪器的远程自检和故障诊断功能，做到“光谱仪器（或传感器）+智能移动控制平台+移动网络=移动云光谱检测系统”，可以让一位具备精通数据处理和光谱分析的高手远程为仪器的使用者提供及时准确的服务，真正意义上做到数据共享、资源共享和人才共享[5]。
通常应用在食品检测领域的光谱仪体积大、价格昂贵。应用“分析仪器+互联网技术”模型，以智能手机为基础的光学仪器开发，能够大幅节约成本，便于推广[6]。因此基于智能手机的食品添加剂光谱检测仪兼具有很大的研究价值。虽然智能手机的激发光波长有限，但很多食品含有各种色素添加剂以及果蔬含有叶绿素等，其化学成分不同[7]，对R、G、B3种光的吸收与反射也不同，加上手机的R、G、B3种光本身都具有一定的带宽，因此从理论上保证了本系统具有一定的实用价值。
1 系统设计
本项目设计出一套软件[8]，使其可以通过程序控制手机屏幕的颜色改变激发光的波长，利用手机的前置相机采集红色（R）、綠色（G）及蓝色（B）激发光照射下的图像，获取一套基于智能手机的食品质量检测方法，嵌入到智能手机上，本软件的流程图如图l所示[9]。
部分设计代码如下：
（1）打开手机相册获取图片后截取图片[10]。
（2）使用getPixel获取图片各点的像素值，并通过OnTouchListener传递屏幕触摸点的像素值[11]。
（3）将各点像素值相加然后除以点数，得到平均RGB值[12]。
2 实验及讨论
2.1 常见色素水溶液实验
实验选取棕色色素和葡萄紫色素[13]，分别取两个玻璃杯，用烧杯量取150mL的水加在玻璃杯中，然后每次分别向每个玻璃杯中加入1mL的棕色色素和葡萄紫色素，进行5次，检测其像素值变化。见图2所示。进行7组实验后[14]，求得各组数据的平均值以减小实验误差。可见在有些肉眼不太好辨别的情况下，RGB像素值可以很明显反应颜色由浅到深的变化，RGB的趋势变化见图3、图4所示[15]。
2.2芬达饮料和色素实验
取10mL的芬达饮料[16]，分别加入1/3mL果绿色色素、2/3mL果绿色色素。测得的数据如表3所示，RGB的趋势变化见图5。
由于样本容量比较小，一次加入色素之后颜色发生了明显的变化，像素值也发生了较大的改变，其中R、B的斜率变化特别大，可见绿色的饮料对于R、B的响应很好，而对于G的响应较差[17]。饮料的保质期较短，带色饮料的颜色也会随时间改变而变浅，因此我们也可以通过测定饮料的像素值来制定一个标准，像素值在一定范围类的饮料为安全饮料[18]。
2.3芒果成熟度實验
实验选取了3个芒果，记为1、2、3号。1号较特殊（一半未成熟为青色，一半已成熟），2号较成熟，3号完全成熟（图6）。进行5次实验以减小误差[19]。芒果的测试数据如表4所示。
由图7、图8芒果成熟度折线图可以分析出，芒果由青色到成熟R和G的上升是很明显的，R和B有一种线性上升的趋势，而B值几乎不变，可以初步猜测芒果的B值与其成熟度关系不太大[20]。对于成熟芒果的3种情况对比，3个芒果的RGB值几乎为一个直线，变化很小，可以初步猜测当芒果的R和G值超过某一阈值如205和160就成熟了。
由于智能手机自身的内存小，处理能力有限，还需要进一步改进代码来提升软件的处理速度。在未来研究中，数据分析水平需要提高，以及获取的数据需要进一步扩展，以获得更加准确且具有特征性的数值[21]。
3 结论
随着科技的发展，基于智能手机的检测方法飞速进步是必然的趋势，手机检测将走进人们的生活。此外，智能手机的更新换代也是十分快速的，相关的配件也越来越精密，如摄像头、光学传感器、手机性能、手机屏幕。可见，基于智能手机的检测方法有着很好的发展前景。同时，随着这个食品质量检测系统的不断成熟与完善，食品安全和人民身体健康将会得到保障，在其应用价值和应用范围上有着重大的意义[22]。
参考文献
[1] 史建政.便携式手机光谱仪的研制及其软件开发[D].广州：广东工业大学，2015.
[2] 杨悦城，基于LABVIEW的便携式光谱信号采集与处理系统[D].福州：福建师范大学，2012.
[3] 刘康.微型光谱仪关键技术及其应用研究[D].杭州：浙江大学，2013.
[4] 田立楠.智能手机三原色光谱解析法在分析化学中的应用研究[D].保定：河北大学，2015.
[5] 刘厦，刘惕，李楠，等.智能手机应用于便携式检测技术的研究进展[J]分析试验室，2017（1）：120-124.
[6] 黄小花RGB与CMYK色彩模式[J]信息通信，2012 （6）：21-22.
[7] 李永祥，李美龄，李贞景，等.源于不同数据库的食源性有机分子红外光谱比较[J].农业工程，2013 （6）：86-90.
[8] 刘跃.基于手机的光谱仪数据传输及处理[D].哈尔滨：哈尔滨工业大学，2017.
[9] 郭娟.智能手机可读条形码式样的有机磷农残定量检测[D].太原：太原理工大学，2015.
[10] 史建政.便携式手机光谱仪的研制及其软件开发[D].广州：广东工业大学，2015.
[11] 耿德春.基于Android平台近红外光谱仪控制及工作状态监测的开发研究[D].南京：江苏大学，2016.
[12] 陈通.Android系统的微型近红外光谱仪开发及在食品质量检测中的应用[D].南京：江苏大学，2016.
[13] 樊书祥，黄文倩，张保华，等.便携式苹果糖度光谱检测仪的设计与试验[J].红外与激光工程，2014，43 （Sl）：219224.
[14] 李俊峰基于RGB色彩空间自然场景统计的无参考图像质量评价[J].自动化学报，2015，41（9）：1601-1615.
[15] 龚文静.基于Android平台的保健食品移动监管系统的研究与开发[D].南昌：南昌航空大学，2015.
[16] 王野，基于Android的二维码食品药品回溯系统[D].长春：吉林大学，2015
[17] 乔爽，基于Android的食品配料表识别系统研究[D].武汉：武汉理工大学，2014
[18] 傅乘风.基于物联网技术的食品可追溯系统的设计和实现[D].厦门：厦门大学，2014.
[19]
Choodum A.， Parabun K.， Klawach M， et al. Real time quantitative colourimetric test for methamphetamine detection using digital and mobile phone technology[J]. Forensic Science International.2014， 235：8 13.
[20] Kehoe E.， Penn R. L. Introducing Colorimetric Analysis with Camera Phones and Digital Cameras： An Activity for High School or General Chemistry[Jl. Journal of Chemcal Education. 2013， 90： 1191-1195.
[21]
Stark E.Luchter K.IbidEMl.New York：Marcel Dekker Publishers. 1985.
[22] Hetmaniok E， Slota D， Zielonka A.Using the swarm intelligence algorithms in solution of The two- dimensionall nverse
Stefan
problem[J]. Computers & Mathematics with Applications， 2015.