４８ 传感器与微系统（Ｔｒａｎｓｄｕｃｅｒ ａｎｄ Ｍｉｃｒｏｓｙｓｔｅｍ Ｔｅｃｈｎｏｌｏｇｉｅｓ） ２０１７年第３６卷第１０期 ＤＯＩ：１０．１３８７３／Ｊ．１０００－９７８７（２０１７）１０－００４８－０３ 基于近红外光谱的水蜜桃采摘期的鉴别方法 李剑 ，李臻峰 ，宋飞虎 ，步正延 （１．江南大学机械工程学院，江苏无锡２１４１２２； ２．江苏省食品先进制造装备技术重点实验室。江苏无锡２１４１２２） 摘要：提出了一种利用近红外漫反射光谱技术结合光纤传感技术建立水蜜桃采摘期的鉴别方法。从无 锡阳山镇的某大棚采摘了距最佳采摘期天数为３，２，１以及处于最佳采摘期的水蜜桃各４８个，用近红外光 谱仪对样品进行了光谱采集。对原始光谱进行平滑、一阶微分和多元散射校正预处理，采用主成分分析 （ＰＣＡ）结合偏最小二乘（ＰＬＳ）法建立了水蜜桃采摘期的鉴别模型。研究显示：一阶微分和平滑组合预处 理后的鉴别模型效果最好，校正集模型和预测集模型的决定系数分别为０．９２７９和０．９１３８；模型的内部交 叉验证均方差（ＲＭＳＥＣＶ）和预测均方根偏差（ＲＭＳＥＰ）分别为０．３００３和０．３３４９；水蜜桃样品校正集和预 测集的鉴别正确率分别为９５．１３％和９３．７５％。结果表明：利用近红外漫反射光谱技术对水蜜桃采摘期的 鉴别具有很好的应用前景。 关键词：近红外光谱；水蜜桃；采摘期；偏最小二乘法 中图分类号：Ｓ１２３ 文献标识码：Ａ 文章编号：１０００－９７８７（２０１７）１０－００４８－０３ Ｉｄｅｎｔｉｉｆｃａｔｉｏｎ ｍｅｔｈｏｄ ０ｆ ｐｉｃｋｉｎｇ ｐｅｒｉｏｄ ０ｆ ｊ ｕｉｃｙ ＤｅａＣｎｅＳ Ｄａｓｅｄ Ｏｎ ｎｅａｒ ｉｎｔｒａｒｅｄ ＳＤｅｃｔｒｏｓｃｏｏｙ ● １ １ ■ ｎ ＿－ ＬＩ Ｊｉａｎ ，ＬＩ Ｚｈｅｎ．ｆｅｎｇ ， ，ＳＯＮＧ Ｆｅｉ—ｈｕ ＇ ，ＢＵ Ｚｈｅｎｇ—ｙａｎ （１．Ｓｃｈｏｏｌ ｏｆ Ｍｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｊｉａｎｇｎａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ ２１４１２２，Ｃｈｉｎａ； ２．Ｊｉａｎｇｓｕ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ａｄｖａｎｃｅｄ Ｆｏｏｄ Ｍａｎｕｆａｃｔｕｒｉｎｇ Ｅｑｕｉｐｍｅｎｔ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｘｉ ２１４１２２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａ ｎｅａｒ ｉｎｆｒａｒｅｄ ｄｉｆｆｕｓｅ ｓｐｅｃｔｒｏｓｃｏｐｙ ｔｅｃｈｎｏｌｏｇｙ ｃｏｍｂｉｎｅｄ ｗｉｔｈ ｏｐｔｉｃａｌ ｆｉｂｅｒ ｓｅｎｓｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｉｓ ｕｓｅｄ ｔｏ ｅｘｐｌｏｒｅ ｎｏｎｄｅｓｔｒｕｃｔｉｖｅ ｔｅｓｔｉｎｇ ｍｅｔｈｏｄｓ ｔｏ ｉｄｅｎｔｉｆｙ ｔｈｅ ｐｉｃｋｉｎｇ ｐｅｒｉｏｄ ｏｆ ｊｕｉｃｙ ｐｅａｃｈｅｓ．４８ ｅａｃｈ ｏｆ ｊｕｉｃｙ ｐｅａｃｈｅｓ ｏｆ ３，２ ａｎｄ １ ｄａｙｓ ｆｒｏｍ ｔｈｅ ｂｅｓｔ ｐｉｃｋｉｎｇ ｐｅｒｉｏｄ ａｎｄ ｔｈｅ ｄａｙ ｉｎ ｔｈｅ ｂｅｓｔ ｐｉｃｋｉｎｇ ｐｅｒｉｏｄ ｆｒｏｍ ａ ｇｒｅｅｎｈｏｕｓｅ ｉｎ Ｙａｎｇｓｈａｎ ｔｏｗｎ ｏｆ Ｗｕｘｉ．Ｔｈｅ ｓａｍｐｌｅｓ ａｒｅ ｃｏｌｌｅｃｔｅｄ ｂｙ ｎｅａｒ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｍｅｔｅｒ．Ｔｈｒｅｅ ｐｒｅ—ｐｒｏｃｅｓｓｉｎｇ ｍｅｔｈｏｄｓ ｉ．ｅ．ｓｍｏｏｔｈｉｎｇ，ｆｉｒｓｔ ｄｅｒｉｖａｔｉｖｅ ａｎｄ ｍｕｔｉｐｌｉｃａｔｉｖｅ ｓｃａｔｔｅｒ ｃｏｒｒｅｃｔｉｏｎ ａｒｅ ｕｓｅｄ．Ｉｄｅｎｔｉｉｆｃａｔｉｏｎ ｍｏｄｅｌｓ ｏｆ ｐｉｃｋｉｎｇ ｐｅｒｉｏｄ ａｒｅ ｄｅｖｅｌｏｐｅｄ ｂｙ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ（ＰＣＡ）ａｎｄ ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅ（ＰＬＳ）ｒｅｇｒｅｓｓｉｏｎ．Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｆｉｒｓｔ ｄｅｒｉｖａｔｉｖｅ ａｎｄ ｓｍｏｏｔｈｉｎｇ ｃｏｍｂｉｎａｔｉｏｎ ｐｒｅｐｒｏｃｅｓｓｉｎｇ ｃｏｎｓｔｕｃｔｒ ｔｈｅ ｂｅｓｔ ｐｒｅｄｉｃｔｅｄ ｍｏｄｅ１．Ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ ｏｆ ｃａｌｉｂｒａｔｉｏｎ ａｎｄ ｖａｌｉｄａｔｉｏｎ ｍｏｄｅｌ ａｒｅ ０．９２７ ９ ａｎｄ ０．９１３ ８ ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅ ｒｏｏｔ ｍｅａｎ ｓｑｕａｒｅ ｅｒｒｏｒ ｏｆ ｃｒｏｓｓ ｖａｌｉｄａｔｉｏｎ（ＲＭＳＥＣＶ）ａｎｄ ｔｈｅ ｒｏｏｔ ｍｅａｎ ｓｑｕａｒｅ ｅｒｒｏｒ ｏｆ ｐｒｅｄｉｃｔｉｏｎ（ＲＭＳＥＰ）ａｒｅ ０．３００３ ａｎｄ ０．３３４９ ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅ ｒｅｃｏｇｎｉｔｉｏｎ ｒａｔｅｓ ｉｎ ｔｈｅ ｃａｌｉｂｒａｔｉｏｎ ｓｅｔ ａｎｄ ｐｒｅｄｉｃｔｉｏｎ ｓｅｔ ｏｆ ｊｕｉｃｙ ｐｅａｃｈｅｓ ａｒｅ ９５．１３％ａｎｄ ９３．７５％ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｒｅｓｕｈｓ ｓｈｏｗｓ ｔｈａｔ ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｕｓｉｎｇ ｔｈｅ ｎｅａｒ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ ｔｅｃｈｎｏｌｏｇｙ ｔｏ ｉｄｅｎｔｉｆｙ ｔｈｅ ｐｉｃｋｉｎｇ ｐｅｒｉｏｄ ｏｆ ｊｕｉｃｙ ｐｅａｃｈｅｓ ｈａｓ ａ ｖｅｒｙ ｇｏｏｄ ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｓｐｅｃｔ． Ｋｅｙ ｗｏｒｄｓ：ｎｅａｒ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ；ｊｕｉｃｙ ｐｅａｃｈｅｓ；ｐｉｃｋｉｎｇ ｐｅｒｉｏｄ；ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅ（ＰＬＳ）ｍｅｔｈｏｄ ０引 言 成本低、无前处理、无破坏性和无污染等特点，堪称“绿色 检测技术” 。包含定性分析和定量分析，结合化学计量 现阶段的水蜜桃质量检测和分级通常只能从外观进行 人为判断，受主观性较强，检测效率低。研究水蜜桃的最佳 学方法建立数学模型分析样品内部品质和近红外光谱的相 关性 Ｊ。 收获期，对于提高产品附加值，实现自动化具有重要意义。 近红外光谱技术具有多种成分同时检测、采集速度快、 近年来，国内外利用近红外光谱技术对苹果 、梨 、 收稿日期：２０１６—１１－２５ 基金项目：国家自然科学基金资助项目（５１４０６０６８）；江苏省政策引导类计划ｔ产学研合作）一前瞻性联合研究项目（２０１５０１９—１６）；江苏省 食品先进制造装备技术重点实验室开放基金资助项目（ＦＭ－２０１５０４） 第ｌＯ期 李剑，等：基于近红外光谱的水蜜桃采摘期的鉴别方法 ４９ 李子Ｅ ］、枣Ⅲ］、芒果 等水果进行了研究，取得了很多成 就。在近红外光谱技术对桃 的研究应用方面，也相应取 得了不少进展。潘磊庆等人 利用傅里叶近红外光谱技 术，采用多元散射校正、一阶导数和卷积平滑处理方法对样 ／ 品原始光谱进行预处理，结合偏最小二乘法建立数学模型， 对货架期水蜜桃糖度进行了预测，得到了比较好的预测效 果。冯晓元等人 副利用近红外光谱漫反射技术预测了久 保桃的内部可溶性固形物含量，研究发现，采用一阶微分对 光谱的预处理结合改进偏最小二乘法建立的预测模型的相 关性较高。目前，国内还没有关于不同采摘期的水蜜桃的 鉴别研究。本文利用近红外漫反射系统对不同采摘期的水 蜜桃进行了光谱采集，通过Ｍａｔｌａｂ软件对原始光谱进行了 预处理，并建立了偏最小二乘数学模型，对距离最佳采摘期 不同天数的水蜜桃进行了鉴别，为水蜜桃的采摘和生长管 理提供了品质保证。 １材料与方法 １．１试验材料 选定产于无锡阳山镇的某大棚的“湖景”水蜜桃，分别 采摘距最佳采摘期天数为３，２，１以及处于最佳采摘期的水 蜜桃各４８个，共１９２个。当天运实验室，所有水蜜桃表面 清理干净，分别编号，贮藏于恒温恒湿培养箱内。定义水蜜 桃类别为３，２，１，０。校正集由每个类别里随机选择的３６个 样品组成，共１４４个。预测集由４个类别里余下的１２个样 品组成，共４８个。 １．２近红外光谱检测系统 近红外光谱漫反射系统的硬件由近红外光谱仪、光纤、 光纤探头、光源（５０ Ｗ石英卤素灯）以及计算机等组成，系 统如图１所示。近红外光谱漫反射系统的运作过程为：光 源发出的光通过光纤进入水蜜桃内部组织中漫射，从水蜜 桃内部漫射光从光纤射出并进入近红外光谱仪。近红外光 谱仪和计算机通过Ａ／Ｄ转换器对光谱信号进行数字化处 理，计算机运行近红外光谱仪自带光谱控制软件实现光谱 数据获取、转换和光谱存储。实验采用光谱仪的光谱采集 范围为９００－２ ５００ ｎｍ。光谱采集软件为Ｍｏｒｐｈｏ光谱仪控 制软件。采集的光谱数据以Ｅｘｃｅｌ形式导出。系统采用小 功率双光源，使得整个果实表面得到全面照射，获得更多的 光谱信息，同时保护了果实表面。 １．３近红外光谱采集 光谱仪预热０．５ ｈ后，对样品分别进行漫反射光谱采 集。实验选用直径为７５ ｍｍ的聚四氟乙烯球作为参比去除 大部分直接由样品表面散射进入光纤探头的光。在每个水 蜜桃赤道部位等距采集４次光谱，然后将４次光谱值取平 均，作为每个水蜜桃的原始光谱，并尽可能避免样品明显的 托盘 图１ 近红外光谱漫反射检测系统 表面缺陷。 ２结果与分析 ２．１光谱数据预处理 由图２可以看出：４种类型的光谱图具有一定的相似 性，但波峰强度存在较大的差异，主要是由于处于不同采摘 期的水蜜桃的内部化学成分和组织结构存在差异。由于水 蜜桃自身表面的物理特性和内部细胞变化等因素的影响， 导致光谱基线偏移和漂移，产生了光散射和高频噪声，因 此，需要对样品的原始光谱进行预处理。为比较预处理方 法对模型效果的影响，分别利用原始光谱，平滑，一阶微分 和标准正态变量转换（ＳＮＶ）及相关组合预处理的光谱数据 建立数学模型。平滑的目的主要是消除随机噪声，一阶微 分能够比较好地去除样品由颜色差异产生的光谱的基线偏 移与漂移，而ＳＮＶ可以减少水蜜桃样品的表面散射特性和 光程变化对光谱带来的影响。 ３．５ ２．０ ０．５ ０ ８００ ｌ ０００ｌ ２００１４００ｌ ５００２０００１ ８００２２００２４００２６００ 波长／ｎｍ 图２不同采摘期水蜜桃典型漫反射近红外原始光谱 如表１所示，相比较原始光谱和其他３种预处理建立 的模型，一阶微分加平滑组合预处理后的数学模型效果最 好，其校正集和预测集的决定系数 和 均比较高，分别 为０．９２７９和０．９１３８，校正均方根误差（ＲＭＳＥＣＶ）和预测均 方根误差（ＲＭＳＥＰ）均比较低，分别为０．３００３和０．３３４９，有 较好的鉴别效果。因此，选择一阶微分加平滑组合预处理 后的光谱数据进行后续的数学建模。 表１ 不同光谱预处理方法的ＰＬＳ模型预测结果 ５０ 传感器与微系统 第３６卷 ２．２主成分分析结果 主成分分析在不丢失大部分光谱信息的条件下，选取 少数几个综合指标来替代原来的变量。预处理后的光谱矩 阵为 ，选用Ｍａｔｌａｂ中多元统计分析函数ｐｒｉｎｃｏｍｐ（Ｘ）实现 主成分分析。一阶微分加平滑预处理后主成分累积贡献率 结果如表２所示，第一主成分到第十主成分的累积贡献率 已高达９１．２２％。说明该１０个主成分能够代表近红外原始 光谱的大部分信息。 表２一阶微分加平滑预处理后主成分贡献率 主成分 ｌ ２ ３ ４ ５ ６ ７ ８ ９ １０ 累积贡献率／％４５．５７ ６７．５０ ７５．５１ ７９．４７ ８２．８３ ８５．２２ ８７．２８ ８８．８４ ９０．１８ ９１．２２ ２．３模型的建立与验证 选用偏最小二乘法建立水蜜桃光谱与采摘期的数学模 型。实验选取了ｌ４４个水蜜桃组成校正样本集，选取样品 的全波段近红外光谱和距离最佳采摘期的天数（真实值）建 立关联模型，利用该模型预测４８个预测集样品距离最佳采 摘期的天数。光谱数据矩阵为 ，样品距离最佳采摘期的 天数为 ，调用Ｍａｔｌａｂ软件函数ｐｌｓｒｅｇｒｅｓｓ（ ， ）实现。图３ 为水蜜桃校正集样品真实类别与模型预测类别结果，其决 定系数为０．９２７９，校正均方根误差为０．３００３。图４为水蜜 桃预测集样品真实类别与模型预测类别结果，其决定系数 为０．９１３８，预测均方根误差为０．３３４ ９。如表３所示，模型 的校正集和预测集的鉴别正确率分别为９５．１３％和 ９３．７５％。由此可见，经一阶微分结合平滑预处理后建立的 偏最ｄｘ－－乘数学模型具有较好的鉴别效果。说明近红外光 谱对水蜜桃采摘期的鉴别有实际的应用价值。 ４．０ ３．５ ３．０ 咔、 １．０ ０．５ ０ －０．５ 真实值，ｄ 图３水蜜桃校正集样品真实类别与模型预测类别结果 ４．０ ３．５ ３．０ １．０ ０．５ ０ ０．５ 真实值，ｄ 图４水蜜桃预测集样品真实类别与模型预测类别结果 表３预处理后的偏最小二乘模型的校正和预测结果 样本 样本总数鉴别错误的样本数不确定的样本数鉴别正确率／％ ３结论 通过近红外光谱漫反射检测系统对不同采摘期的水蜜 桃进行了光谱采集，采用一阶微分和平滑对原始近红外光 谱进行了预处理。选取了原始光谱通过预处理后的全部波 段进行了建模，采用主成分分析进行了特征提取，结合偏最 小二乘法建立了水蜜桃采摘期的鉴别模型。校正集模型和 预测集模型的决定系数分别为０．９２７９和０．９１３８，模型的内 部交叉验证均方差和预测均方根偏差分别为０．３００ ３和 ０．３３４９。模型的鉴别正确率分别为９５．１３％和９３．７５％。 说明所建模型具有较好的鉴别效果。该研究为水蜜桃采摘 期的鉴别提供了一种简便有效的方法，为水蜜桃的采摘和 生长管理提供了品质保证，为在线无损检测水蜜桃的最佳 采摘期提供了理论参考。 参考文献： ［１］ 李军涛．近红外反射光谱快速评定玉米和小麦营养价值的研 究［Ｄ］．北京：中国农业大学，２０１４． ［２］吴静珠，吴胜男，刘翠玲，等．近红外和高光谱技术用于小麦 籽粒蛋白含量预测探索［Ｊ］．传感器与微系统，２０１３，３２（２）： ６０－６２． ［３］吴静珠，刘倩，陈岩，等．基于近红外与高光谱技术的小 麦种子多指标检测方法［Ｊ］．传感器与微系统，２０１６，３５（７）： ４２－－４４． ［４］ 严衍禄，赵龙莲，韩东海，等．近红外光谱分析基础与应用［Ｍ］． 北京：中国轻工业出版，２００５：３－－４． ［５］ 刘莹，胡云龙．基于ＡＲＭ９的近红外山茶油无损检测仪研 究［Ｊ］．传感器与微系统，２０１３，３２（４）：７２－－７５． ［６］ 应义斌，刘燕德，傅霞萍．苹果有效酸度的近红外漫反射无损 检测［Ｊ］．农业机械学报，２００４，３５（６）：１２４－－１２６． ［７］ 傅霞萍，应义斌，刘燕德．苹果糖度近红外光谱检测的初步试 验研究［Ｊ］．中国食品学报，２００５，５（２）：１０３－－１０７． ［８］ 张楠，程玉来，李东华，等．近红外透射光谱测定水晶梨糖 度的初步研究［Ｊ］．食品工业科技，２００７，２８（３）：２１５－－２１６， ２２８． ［９］ 潘璐，王加华，李鹏飞，等．砂梨糖度近红外光谱波段遗传 算法优化［Ｊ］．光谱学与光谱分析，２００９，２９（５）：１２４６－１２５０． ［１０］Ｓｌａｕｇｈｔｅｒ Ｄ Ｃ，Ｔｈｏｍｐｓｏｎ Ｊ Ｆ，Ｔａｎ Ｅ Ｓ．Ｎｏｎｄｅｓｔｒｕｃｔｉｖｅ ｄｅｔｅｒｍｉ－ ｎａｔｉｏｎ ｏｆ ｔｏｔａｌ ａｎｄ ｓｏｌｕｂｌｅ ｓｏｌｉｄｓ ｉｎ ｆｒｅｓｈ ｐｒｕｎｅ ｕｎｉｎｇ ｎｅａｒ ｉｎｆｒａ－ ｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ［Ｊ］．Ｐｏｓｔ Ｈａｒｖｅｓｔ Ｂｉｏｌｏｇｙ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， ２００３，２８（３）：４３７－４４４． ［１１］张淑娟，王凤花，张海红，等．鲜枣品种和可溶性固形物含量 近红外光谱检测［Ｊ］．农业机械学报，２００９，４０（４）：１３９－－１４２． ［１２］虞佳佳，何勇，鲍一丹．基于光谱技术的芒果糖度酸度无损 检测方法研究［Ｊ］．光谱学与光谱分析，２００８，２８（１２）：２８３９— ２８４２． （下转第５６页） ５６ 传感器与微系统 ４结论 第３６卷 否达到要求。当ＭＥＭＳ加速度计６个锚点中任意一个锚点 的最大剪应力小于７．５×１０＿。ｇ￡／ｐ，ｍ ，则判定该加速度计 的键合工艺不合格，只有当６个锚点的最大剪应力均大于 硅玻璃阳极键合质量是影响ＭＥＭＳ器件可靠性的重 要因素之一，利用推拉力剪切仪对硅一玻璃阳极键合进行剪 ７．５ ｘｌＯ ｇｆ／ｐ．ｍ ，方可判定该加速度计的键合工艺良好。 切破坏测试，测得键合破坏的极限载荷，并结合材料力学的 相关理论，得到了键合强度表征方法。通过对实验数据的 分析，制定键合强度失效判据，提出了一种评价硅玻璃键合 工艺质量的有效方法，有利于提高ＭＥＭＳ器件的质量和可 靠性。 参考文献： ［１］姚雅红，吕 苗．微传感器制造中的硅一玻璃静电键合技 术［Ｊｊ．半导体技术，１９９９，２４（４）：１９－－２３． 薯２５ 彝２０ ０ １５ 恩 ５ ｊ永 图５锚点的最大剪应力 ［２］Ｈｅｎｍｉ Ｈ．Ｖａｃｕｕｍ ｐａｃｋａｇｉｎｇ ｆｏｒ ｍｉｃｒｏｓｅｎｓｏｒｓ ｂｙ ｇｌａｓｓ—ｓｉｌｉｃｏｎ ａｎｏｄｉｃ ｂｏｎｄｉｎｇ［Ｊ］．Ｓｅｎｓｏｒｓ＆Ａｃｔｕａｔｏｒｓ Ａ：Ｐｈｙｓｔｅａｌ，１９９４， ４３（１）：２４３－２４８． 将每个ＭＥＭＳ加速度计中６个锚点的最大剪应力随机 分为２组，构成三维坐标对描绘在一个三维图中，并用直线 相连，得到加速度计锚点的最大剪切力的三维空间分布，如 图ｆｉ所示。由图可知，良品锚点的三维坐标对分布在图中 聚类１，坏品锚点的三维坐标对分布在图中聚类２，可见聚 类１和聚类２不存在交集。 当新测试的加速度计的三维坐标对同时分布在聚 类１，则可判定该加速度计的键合工艺良好，如图７中样品 １所示；当加速度计的三维坐标对同时分布在区域２，则可 判定该加速度计的键合工艺不合格，如图７中样品３所示； 当加速度计的三维坐标对横跨２个聚类，也判定为键合工 ［３］ 张廷凯，甘志银，张鸿海．两电极多层阳极键合实验研究［Ｊ］． 传感器与微系统，２００９，２８（７）：２１－２３． ［４］ Ｂｅｌｌａｒｅｄｊ Ｍ，Ｂｏｕｒｂｏｎ Ｇ，Ｗａｌｔｅｒ Ｖ，ｅｔ ａ１．Ａｎｏｄｉｃ ｂｏｎｄｉｎｇ ｕｓｉｎｇ ＳＯ１ ｗａｆｅｒ ｆ０ｒ ｆａｂｒｉｃａｔｉｏｎ ｏｆ ｃａｐａｃｉｔｉｖｅ ｍｉｃｒｏｍａｅｈｉｎｅｄ ｕｌｔｒａｓｏｎｉｃ ｔｒａｎｓｄｕｅｅｒｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｍｉｃｒｏｍｅｃｈａｎｉｃｓ＆Ｍｉｃｒｏｅｎｇｉｎｅｅｒｉｎｇ， ２０１４，２４（２）：１１３５－－１１４０． ［５］ 林智鑫，王盛贵，刘琦，等．带有Ｓｉ。Ｎ 薄膜的玻璃硅玻 璃三层结构的阳极键合［Ｊ］．传感器 微系统，２０１３，３２（８）： ６３－－６６． ［６］ 肖滢滢，王建华，黄庆安，等．硅片键合强度测试方法的进 展［Ｊ］．电子器件，２００４，２７（２）：３６０－－３６５． ［７］Ｆａｒｒｅｎｓ Ｓ Ｎ，Ｈｕｎｔ Ｃ Ｅ，Ｒｏｂｅｒｄｓ Ｂ Ｅ，ｅｔ ａ１．Ｋｉｎｅｔｉｃｓ ｓｔｕｄｙ ｏｆ ｔｈｅ ｂｏｎｄ ｓｔｒｅｎｇｔｈ ｏｆ ｄｉｒｅｃｔ ｂｏｎｄｅｄ ｗａｆｅｒｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｅｌｅｃｔｒｏ— 艺不合格，如图７中样品２所示。 ｎ ｃｈｅｍｉｃａｌ Ｓｏｃｉｅｔｙ，１９９３，１４１：３２２５－－３２３０． ［８］ 陈立国，孙立宁，黄庆安，等．硅片键合强度测试系统研 恳 棣 嘣 究［Ｊ］．测试技术学报，２００５，１９（２）：１３７－－１４０． ［９］ 李仁锋．微电子机械系统键合强度检测方法研究进展［Ｊ］．傲 纳电子技术，２００９，４６（１１）：６７８－－６８３． ［１０］曹欣，李宏，杜芸．阳极键合强度及其评价方法［Ｊ］．传 感器与微系统，２００７，２６（３）：１０－－１２． 图６加速度计良品和坏品的聚类 ｎ ［１１］郇［１２］阮勇，张泰华，杨业敏，等．微力学测试仪在ＭＥＭＳ键合强 勇，贺学锋，张大成，等．微米尺度下键合强度的评价方法 度测试中的应用［Ｊ］．机械强度，２００５，２７（３）：３３１－－３３４． 和测试结构［Ｊ］．微电子学与计算机，２００５，２２（８）：１１０－－１１３． 橡 斗＜ ［１３］范钦珊，章梓茂，殷雅俊．材料力学［Ｍ］．北京：高等教育出版 社．２００５：１２０－－１３８． 作者简介： 谷专元（１９９０一），男，硕士研究生，研究方向为ＭＥＭＳ可靠性。 何燕华，女，通讯作者，助理工程师，Ｅ—ｍａｉｌ：１００１２１３４４５＠ｐｋｕ． 图７新测试样品的聚类判断 、０ｐ ｐ ｐ ＼， ；≯ ［１５］冯晓元，王宝刚，李文生，等 近红外漫反射光谱预测久保桃 ［１３］Ｐｅｉｒｉｓ Ｋ Ｈ Ｓ，Ｄｕｌｌ Ｇ Ｇ，Ｌｅｆｌｆｅｒ Ｒ Ｇ，ｅｔ ａ１．Ｎｅａｒ—ｉｎｆｒａ－ｅｄ ｓｐｅｃｔｒｏ— ｍｅｔｒｉｃ ｍｅｔｈｏｄ ｆｏｒ ｎｏｎｄｅｓｔｒｕｃｔｉｖｅ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ ｓｏｌｕｂｌｅ ｓｏｌｉｄｓ 可溶性固形物初步实验研究［Ｊ］．食品工业科技，２００８（３）： ２７３－－２７５． ｃｏｎｔｅｎｔ ｏｆ ｐｅａｃｈｅｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｍｅｒｉｃａｎ Ｓｏｃｉｅｔｙ ｆｏｒ Ｈｏｒｔｉ— ｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅ，１９９８，１２３（５）：８９８－９０５． 作者简介： 李剑（１９９１一），男，硕士研究生，研究方向为机械电子工程， Ｅ—ｍａｉｌ：ｌｉｊｉａｎ０６＠１２６．ｃｏｎｌ。 ［１４］潘磊庆，刘明，韩东海，等．水蜜桃货架期内糖度的近红外 光谱检测［Ｊ］．南京农业大学学报，２０１３（４）：ｌ１６－－１２０． 李臻峰（１９６８一），男，通讯作者，博士，高级教授，研究方向为 机械电子工程，Ｅ—ｍａｉｌ：１０７８７０９１０５＠ｑｑ．ｃｏｒｎ。