機器學習在紅外光譜瀝青品牌識別中的應用

馬子嶸

(福建省交通科研院有限公司,福州 350004)

1 引言

改性瀝青是在基質瀝青品質基礎上的改性，性能優良的基質瀝青是改性瀝青路用性能優良的重要保障。在瀝青生產方面很少有造假現象，但經過第三方“二次加工”的改性瀝青則不一樣。由于最終用戶僅接收成品改性瀝青，對基質瀝青無法監管，以次充好、勾兌造假以及品牌造假等現象頻現。目前檢測單位一般只對到場的改性瀝青檢測，而對基質瀝青的真假偽劣情況無從知曉，難以管理。

為了保證瀝青路面質量，更好地服務公路建設發展，通過技術手段實現對基質瀝青品牌的識別具有十分重要的現實意義。紅外光譜技術能夠對材料物質結構特性進行便捷、快速、高效的研究分析。近年來，該技術被廣泛應用于瀝青材料的研究上。

2 目標與試驗方法

2.1 目標

各種化合物都具有其特征的紅外光譜，瀝青也不例外，可以通過對其的特殊官能團紅外光譜分析進行定性分析和定量測定[1，2]。通過對不同品牌瀝青的紅外測試，開展譜圖數據庫建設工作，建立瀝青紅外指紋譜圖快速檢測系統，用于識別瀝青品牌，避免瀝青品牌假冒、混兌調和、以次充好的問題。

2.2 儀器設備

采用德國布魯克TENSOR Ⅱ型紅外光譜儀與純金剛石晶體ATR配件。在紅外譜圖繪制方面采用OPUS軟件。

2.3 試驗方法

使用ATR配件，將瀝青樣品用不同方式制成厚薄較均勻的薄膜狀，直接置于設備的測量窗上進行測試。試驗中總共采用了固態壓膜成型法、溶劑法與熔融成膜法3種方法。最終確定采用第三種方法即熔融成膜法進行。具體方法為：將瀝青樣本135℃加熱攪拌均勻后，放至70℃烘箱內保溫待用。加熱金屬樣品匙，在不同取樣位置，點取瀝青并均勻涂抹在金剛石樣品窗上后，進行測試[3]。

采用該法進行瀝青樣本的紅外譜圖繪制，整個測試過程步驟少，操作簡單；一次試驗后采用煤油與無水乙醇進行清潔試驗窗與樣品臺的工作，安全便捷；試驗背景單一，即背景的差異性對瀝青樣本的紅外譜圖數據影響非常小；試驗中僅需要考慮水汽與二氧化碳的影響即可。從結果上看，測試的精確度很高，重復性與復現性好。

3 數據處理

3.1 數據獲取

實驗室收集了多種品牌大量的瀝青樣本。對每個樣品在5個不同位置取樣，進行4000 cm-1～400cm-1波段的測試，繪制紅外譜圖。

3.2 數據分析

儀器輸出的紅外光譜圖，橫坐標為波數，總計2520個波數，縱坐標為吸光度。全譜吸光度樣本量：110×5,即550個樣本，特征量即波數，2520個。

從紅外光譜圖來看，各品牌瀝青無法通過人眼進行區分，需要借助數據分析算法實現品牌鑒別。同時，樣本數據集不均衡，4個品牌瀝青的樣本量分布為70∶17∶10∶3，絕大多數常見的機器學習算法對于不平衡數據集都不能很好地工作，分類判決總會傾向于多數類,導致了對少數類樣本的識別率低下；另外該數據集呈現出明顯的低樣本高特征量的特征，特征量為2520個，是樣本量的4.58倍，導致無法使用通用的分析工具如SPSS直接建模。

針對上述問題，解決方案如下：

使用Octave軟件進行數據的處理、分析工作；

采用特征構造的方法實現降維，對原始特征進行優化、組合，將組合后的特征作為新特征輸入模型。擬采用的兩種特征構造方法為：主成分分析(PCA)、峰面積替代特征峰數據；

采用分類器集成的方式，即通過結合多個分類器的輸出，來增強分類器準確率；

將多分類問題，即原來的四分類問題轉化為二分類問題，屬于A品牌的歸為正類，其他類歸為負類。

3.3 數據處理

3.3.1波段積分計算峰面積，生成峰面積樣本數據集

運用光譜儀自帶的OPUS軟件，針對瀝青選取了10個特殊峰段，如“2990-2878”、“1636-1546”、“825-787”等峰段采用A、B兩種方法進行積分計算，得到峰面積結果。結果大量數據分析，A方法比B方法的差異性更大，對不同瀝青有更強的判斷能力，最終應用A方法來處理。

3.3.2使用Z-score標準化方法對數據進行歸一化處理。3.3.3主成分分析，對原始特征進行降維重構

S_lambda(i)>= 0.99，計算結果K=9，即提取前9個新的特征代替原始特征，累積貢獻率分別為：0.69447、0.91346、 0.93802、0.95825、0.97033、0.97897、0.98389、0.98746、0.99018。

3.3.4將樣本數據集按7∶3的比例隨機劃分訓練集、測試集

經過數據預處理，得到6份數據集：吸光度訓練集、吸光度測試集；吸光度PCA訓練集、吸光度PCA測試集；峰面積訓練集、峰面積測試集。

4 機器學習模型及應用

4.1 目的

在對現有樣本建模的基礎上，找到可以進行品牌準確分類的模型。當新樣本入庫時，能夠快速鑒別其品牌屬性。

4.2 建模思路

多個分類器集成的方式，對適用的分類器算法逐一進行訓練、測試。根據訓練集、測試集的準確率，進行初步篩選，剔除欠擬合或過擬合，且無法調優的模型；再對保留下來的分類器算法進行集成。

4.3 模型選擇及構建

初步選定8個模型：基于吸光度PCA數據的邏輯回歸、多項式邏輯回歸模型、神經網絡模型、FISHER判別分析模型；基于峰面積數據的多元線性邏輯回歸模型、多元非線性邏輯回歸模型、FISHER判別分析模型；考慮到神經網絡作為近年來發展最快速的機器學習模型，具備較強的學習能力，能夠支持低樣本高特征量的數據集，因此嘗試對原始特征即基于吸光度數據建立神經網絡模型[4-6]。

神經網絡模型：采用3層神經網絡，即兩層隱藏層+一層輸出層。其中隱藏層的神經元數量作為超參數，在建模過程中進行調優，輸出層神經元數量為1；激活函數采用sigmoid函數。因為樣本量較少，直接使用全樣本批次梯度下降算法，優化網絡參數。

邏輯回歸模型：邏輯回歸(Logistic Regression)是機器學習中的一種分類模型，由于算法的簡單和高效，在實際中應用非常廣泛。首先，生成特征量的線性函數；其次，將其作為sigmoid函數的參數建立相應的決策函數，當計算結果大于等于閾值，視為正類，否則為負類；最后通過梯隊下降算法進行參數求解。通過邏輯回歸分析，可以判別一個新樣本屬于A品牌的概率。

多項式邏輯回歸模型：在邏輯回歸模型的基礎上進行改進，嘗試增加模型容量，即提升算法的復雜度，為樣本添加二項式特征項。

FISHER判別分析模型：在已知研究對象分成若干類型，且已取得各種類型的一批已知樣品的觀測數據，在此基礎上根據某些準則建立判別式，確定的原則是使兩類間的類間離差最大，而類內離差最小；當建立了判別式以后，可以將新樣品的特征值代入判別式求出Y值，然后與判別臨界值對比歸類。

針對神經網絡、邏輯回歸模型，均采用梯隊下降算法進行參數求解。模型中涉及的超參數分別有神經網絡層數、隱藏層神經元數量、正則化了λ、分界閾值。本文采用驗證集訓練以上超參數，最終確定的超參數為：神經網絡隱藏層為2、神經元數量為5、正則化λ依次為0.005(吸光度PCA+神經網絡)、0.01(吸光度神經網絡)、0.01(峰面積邏輯回歸)、1(峰面積多項式邏輯回歸)、分界閾值為0.7。

4.4 模型評估

經過訓練、驗證和測試，最終生成8個模型的準確率，見表1。

表1 模型評估

吸光度PCA的邏輯回歸模型訓練集準確率為89%、驗證集為65%，吸光度PCA的FISHER判別模型準確率僅為66.7%，模型欠擬合，不予采用；

吸光度PCA的多項式邏輯回歸模型，訓練集準確率達到98%，驗證集僅為35%，說明該模型出現過擬合，只有繼續需要增加樣本量才能進行優化；

其它5個模型均有不錯的表現，訓練集、驗證集準確率均較高。因此將這5個模型進行進一步的集成。

4.5 分類器集成

分類器集成即通過構建并結合多個學習器來完成學習任務，也被稱為多分類器系統。可以獲得比單一學習器更加顯著的泛化性能。

一般結構是：先產生一組“個體學習器”，再用某種策略將它們結合起來。結合策略主要有平均法、投票法和學習法等。本文要解決的是分類問題，因此使用投票法選擇輸出最多的類，即少數服從多數。

4.6 模型應用

建模完成后項目組先后收集了兩次共計10個瀝青樣本，每個樣品依例在5個不同位置取樣，編制盲樣進行紅外光譜繪制，并采用以上5個分類器集成的模型進行分類，輸出結果均與實際值一致，準確率達到100%。

5 結論及發展方向

采用紅外光譜分析技術和機器學習算法，對入庫瀝青進行特征提取及品牌識別。經過模型驗證，機器學習算法能夠正確識別瀝青品牌。在實際應用環境中能夠發揮打擊不良商家，保護正規廠商利益的作用，同時避免客戶使用假冒偽劣產品，確保工程質量。

但是瀝青品牌眾多，樣本的收集需要與瀝青廠商直接對接，且市面上沒有瀝青品牌開放數據庫，樣本數據的收集具有一定的難度。因此，后續會在逐步收集、完善各品牌瀝青譜圖數據庫的同時，進一步探索小樣本量特別是單樣本量的品牌鑒別模型，借鑒目前深度學習較為成熟的人臉識別領域中的一次學習算法，在下階段多品牌小樣本的條件下，嘗試探索Siamese網絡在瀝青紅外光譜品牌識別方面，進行遷移學習的可能性。