基于高光譜的小米產地溯源策略與模型研究

孫紅敏，董元，李曉明，孔繁澤

（東北農業大學電氣與信息學院，哈爾濱 150030）

小米是我國重要糧食作物之一[1]，主要產區分布于黃河流域，包括內蒙古、陜西、甘肅等北方各省半干旱地區[2]，受氣候、土壤等因素影響，不同產區小米營養成分具有一定差異性[3]。在經濟利益驅動下，一些不法商家假冒小米地理源信息，擾亂市場秩序，增加小米及其他農產品質量安全監控難度，對小米產地溯源方法和技術提出更高要求。因此，研究高效、精準的小米產地溯源方法對我國糧食安全及農產品地理標志保護具有重要意義[4]。

光譜技術因其高效無損的判別特性，在農作物溯源領域具有良好適用性[5]。宋雪健等利用近紅外漫反射光譜技術結合因子化法等方法精準判別肇州、肇源兩地小米[6]；李佳潔等利用近紅外光譜技術結合馬氏距離法、線性判別法判別分析3個產地小米[7]；李楠等利用近紅外光譜技術結合費舍爾線性判別和多層感知器神經網絡模型判別多個產地小米[8]；田雪等采用傅里葉變化紅外光譜和二維相關紅外光譜分析技術鑒別4個小米品種[9]。上述研究表明光譜技術應用于小米產地溯源具有可行性，但普遍存在研究選取樣本產地數量較少、多產地樣本判別準確率偏低等問題。基于圖像、光譜信息融合優勢，高光譜成像技術已逐漸應用于農產品溯源研究[10]，王慶國等利用偏最小二乘法實現玉米種子產地和年份鑒別[11]；王朝輝等利用高光譜9個特征波長判別分析2種大米[12]；林瓏等利用HOG特征建立基于單波長圖像特征的支持向量機模型識別東北和非東北大米[13]；Deng等利用高光譜結合半監督分類算法識別水稻種子[14]；Bao等利用高光譜成像結合線性判別分析、支持向量機和極限學習機基于全波長和特征波長建立分類模型識別小麥[15]；吉海彥等基于高光譜成像技術，利用線性判別分析和支持向量機、邏輯回歸結合的遞歸特征消除模型判別5種小米產地[16]。

目前研究主要集中于糧食作物產地、品種、物質含量等方面的光譜檢測，但高光譜技術在小米產地溯源方面研究尚少，且現有溯源判別準確度有待提高。

研究表明，小米產地是影響其營養物質含量的主要因素之一。劉為紅等利用近紅外線分光光度計對5種小米樣本開展試驗，驗證不同氣候因子對小米中蛋白質和脂肪含量的影響，發現蛋白質和脂肪受不同環境的積溫、降水量、日照時長及土壤化學成分影響顯著[17]；梁克紅等對比5個地區小米營養物質含量，得出不同產地溫度及土壤中礦物質元素含量是影響小米蛋白質合成關鍵因素，此外，產地因素對小米中膳食纖維含量影響大于品種因素[18]；劉曉東等研究發現品種和地域因素對小米中礦物元素含量影響顯著[19]；王瑞等發現相同品種小米種植在不同地區含量差異最大的營養物質是直鏈淀粉、維生素、粗蛋白和粗脂肪[20]。

綜上所述，產地對小米中脂肪、蛋白質、膳食纖維和礦物元素等營養物質含量影響顯著。其中，脂肪和蛋白質含量差異較為明顯，小米中脂肪含量變幅為1%~4%。蛋白質含量變幅為9%~13%，不同產地小米物質含量差異性在其高光譜數據中也有體現，說明基于高光譜技術研究小米產地溯源具有理論意義及可行性。本研究以3個產區7個產地小米樣本為研究對象，提出新的小米產地溯源策略，建立基于該策略的小米產地判別模型。

1 材料與方法

1.1 樣本收集

本研究收集小米樣本共126份，來自全國3個小米主產區，包括54份西北地區小米樣本（甘肅、陜西、寧夏），36份東北地區小米樣本（內蒙古、黑龍江），36份中部地區小米樣本（河南、山西），采集樣本均真空密封保存于同一避光干燥環境。待測樣本均勻鋪滿直徑50 mm、高10 mm一次性培養皿，保持表面平整，每份樣本采集8條平均光譜反射率，共收集到1 008條平均光譜反射率數據，如表1所示。

表1 小米樣本數據Table 1 Data of millet samples

1.2 高光譜成像系統與數據采集

試驗數據采集使用Headwall公司生產高光譜成像系統見圖1。系統硬件部分包括高光譜圖像攝像儀（HyperSpecVNIR）、CCD相機（1 392×1 024）、鏡頭（Compact Schneider Xenoplan）、可調節高光譜升降臺、100 mm或250 mm運動距離精準直流伺服線性控制器、150 W可調功率光纖鹵素燈（Illumination Techonologies USA）、電控移動平臺、標準反射白板以及計算機構成。光譜范圍為400~1 000 nm，采樣波段間隔為0.74 nm，分辨率為2~3 nm，空間分辨率為0.15 mm。系統由計算機控制，通過Hyperspec軟件控制移動速度、曝光時間、掃描步長、掃描寬帶、壓縮倍數等試驗參數。

圖1 高光譜成像系統裝置Fig.1 Schematic diagram of hyperspectral imaging system

為保證試驗光源一致性，減少外部光源影響，試驗于密閉黑箱中完成，將系統開機預熱180 s后采集圖像，設置參數如下：曝光時間0.250 s，物距450 mm，載物臺起始位置90 mm，終止位置130 mm，移動速度8.5 mm·s-1。為降低高光譜圖像采集時由于系統光源因素或攝像頭暗電流干擾產生大量噪聲，每組樣本拍攝完畢后，對高光譜成像系統開展一次黑白標定校正，獲取標準白板標定和全黑標定圖像，開展亮、暗電流校正[21]，校正公式如公式（1）所示：

R為校正后圖像；Rsample為樣本圖像；Rwhite為標準白板標定圖像；Rdark為全黑標定圖像[22]。

1.3 數據分析方法與模型評價指標

試驗采集126份小米樣本高光譜圖像，共提取1 008條平均光譜反射率數據，使用ENVI Classic 5.3軟件（美國Exelis Visual Information Solutions公司）對每張高光譜圖像選取8個面積約4 mm×4 mm ROI區域，計算所選取ROI區域內像素平均光譜反射率，并將得到的ROI平均光譜反射率計算結果，作為該樣本一條試驗光譜反射率數據。

為提高高光譜信噪比，減少試驗時受光線散射、光程變化、基線漂移等多種因素引起的大量噪聲，使用標準正態變換處理（Standard normal vari?ate，SNV）、平滑處理（Savitzky-golay，SG）方法，對采集到的光譜反射率作數據預處理[23]。

采用主成分分析（Principal component analysis,PCA）和偏最小二乘判別分析（Partial least squarediscriminant analysis，PLS-DA）方法對高光譜數據作定性判別分析，通過PCA判別結果獲取小米產地溯源可行性，計算主成分得分以判定各樣本間差異性，通過PLS-DA建立小米樣本產地判別模型；建模軟件使用Matlab（R2019b），采用殘差統計剔除異常值，置信水平設為95%（P<0.05）；為避免過擬合，在校正模型中使用“venetian blinds”法作交互驗證（CV），數據級隨機劃分8次，保留樣本比率13%；試驗利用Kennard-Stone法對得到的光譜樣本數據集作劃分處理，劃分75%樣本集作校正集，建立校正集定性判別模型，劃分25%樣本作為驗證集對校正集建立的定性模型作驗證[24]；模型性能定性分析用模型靈敏度、特異度、分類誤差評價，模型靈敏度、特異度越接近于1，分類誤差越接近于0，說明定性判別效果越好；以下公式用于計算評價指數，式（2）為靈敏度計算公式，式（3）為特異度計算公式，式（4）為分類誤差計算公式。

其中，TP為真陽性樣本個數；TN為真陰性樣本個數；FP為假陽性樣本個數；FN為假陰性樣本個數。

2 結果與分析

2.1 小米產地溯源主成分分析

對7個產地小米樣本高光譜數據作P CA判別，得到7個產地小米樣本主成分載荷圖見圖2。在圖2（a）中，第一、第二主成分分別占總變異系數22.40%和11.56%，內蒙古、黑龍江兩個產地樣本點全部分布在第一主成分正半軸，陜西樣本點大多分布在第一主成分正半軸，少量落在負半軸，內蒙古、黑龍江、陜西3個產地相互重疊且分布集中、聚類明顯，寧夏樣本點少量分布在第一主成分正半軸，多數分布在負半軸，其余甘肅、河南、山西3個產地分布在第一主成分負半軸；在第一主成分上，內蒙古、黑龍江、陜西3個產地和寧夏、河南、山西、甘肅4個產地有明顯區分。寧夏、甘肅兩個產地樣本點相互重疊全部分布在第二主成分正半軸，河南、山西兩個產地樣本點相互重疊分布在第二主成分負半軸，沿第二主成分，寧夏、甘肅與山西、河南有明顯區分。在圖2（a）中，內蒙古、陜西、黑龍江聚類明顯，寧夏、甘肅聚類明顯，山西、河南聚類明顯，三類樣本點可顯著區分，但每類各產地間重疊嚴重無法有效區分。

在圖2（b）中，第三主成分占總變異系數8.01%，甘肅樣本點分布在第三主成分正半軸，寧夏樣本點分布在負半軸，山西樣本點大量分布在第三主成分正半軸，少量分布在負半軸，河南樣本點大量分布在負半軸，少量分布在正半軸，對比圖2（a），在第一、二主成分中聚類明顯的甘肅、寧夏兩個產地在第三主成分上有明顯區分，樣本點幾乎無重疊；在第一、二主成分中聚類明顯的河南、山西在第三主成分上可區分，樣本點僅有少量重疊；內蒙古、陜西、黑龍江仍無法明顯區分，但重疊情況有所改善。對7個產地小米樣本溯源分析發現，高光譜信息具有溯源小米產地的可行性。在上述分析中，不同產區樣本聚類明顯，可能與相鄰產地間土壤、海拔、氣候及降水量等環境因素相近有關。

圖2 小米產地溯源主成分分析載荷圖Fig.2 Principal component analysis load diagram of millet origin traceability

2.2 小米產地溯源判別模型

基于7個產地小米樣本建立PLS-DA鑒別模型，利用高光譜數據對不同產地小米作溯源分析，模型判別結果如表2所示，與主成分分析結果相同，各產地PLS-DA判別表現依次為：甘肅>山西>寧夏>河南>內蒙古>黑龍江>陜西，其中甘肅表現最好，靈敏度為0.993，特異度為1.000，分類誤差為0.003；山西、寧夏、河南靈敏度分別為0.979、0.972、0.944，特異度分別為0.994、0.992、0.964；分類誤差分別為0.013、0.018、0.046；內蒙古、黑龍江、陜西表現較差，靈敏度分別為0.958、0.896、0.826，特異度分別為0.894、0.836、0.870，分類誤差分別為0.074、0.134、0.152。在7個產地小米樣本光譜數據溯源分析模型中，各產地溯源模型靈敏度、特異度兩項評價標準均高于0.80。結果表明，利用7個產地小米樣本高光譜數據建立的溯源判別模型對小米產地溯源具有可行性，但判別結果準確性有待提高。

表2 小米產地溯源PLS-DA模型判別結果Table 2 Discriminant results of millet origin traceability PLS-DA model

7個產地小米樣本溯源模型分析結果見圖3，同一產區不同產地間存在相互干擾，圖3（a）與表2中數據結果一致，甘肅不受其他產地影響，區分效果明顯；圖3（b）中對陜西的判別結果受其他產地影響較大；圖3（c）中對河南的判別結果主要受山西干擾；圖3（d）和圖3（e）中對黑龍江的判別主要受內蒙古、寧夏影響，對內蒙古的判別主要受黑龍江、陜西影響，其中黑龍江和內蒙古兩個產地相互干擾最為嚴重；圖3（f）和圖3（g）中對寧夏、山西的判別幾乎不受其他產地影響，區分情況較好。

圖3 小米產地溯源PLS-DA判別分析圖Fig.3 PLS-DA discriminant analysis chart of millet origin traceability

2.3 小米產地溯源策略

在溯源分析中不同產區（東北、西北、中部）小米樣本存在明顯聚類現象，這一聚類現象可能影響模型溯源準確度。在不同產地小米樣本PLSDA模型判別分析中發現，同一產區不同產地小米樣本間相互干擾情況較嚴重，證實“聚類現象會影響模型判別準確度”這一觀點，提出同一產區不同產地小米樣本間相互影響可能是造成模型判別準確度較低的原因。結合相關研究[25-28]，發現PLSDA模型判別樣本范圍越小，變量間相關性越高，模型性能越好，在基于PLS判別模型中也顯示出相似結果。

綜上，為提升鑒別模型準確度，消除不同產地小米樣本間相互干擾，提出基于高光譜成像技術的小米“產區-產地”二級溯源策略，如圖4所示。基于“產區-產地”二級溯源策略對本研究多分類模型作拆解和集成，在本研究中拆解依據是根據產區劃分不同產地，基于溯源策略將原本一級溯源模型疊加成二級溯源模型，以減小不同產區樣本聚類現象，提高分類精度。

圖4 小米產地溯源策略流程Fig.4 Flow chart of millet origin tracing strategy

實施步驟如下：首先對提取的小米光譜平均反射率預處理，建立PLS-DA模型對小米產區溯源，判定小米所屬產區（東北、西北、中部），基于產區判定結果，進一步建立PLS-DA模型對小米產地作溯源分析。

2.4 小米溯源策略可行性分析

基于“產區-產地”溯源策略對不同產區小米光譜數據作可行性分析，得到主成分得分圖如圖5所示。第一主成分和第二主成分分別占總變異系數23.62%和11.99%，東北地區樣本點分布在第一主成分正半軸，西北地區、中部地區樣本點分布在第一主成分負半軸，在第一主成分上，東北地區與西北地區、中部地區有明顯區分；在第二主成分上，西北地區樣本點分布在正半軸，中部地區樣本點分布在負半軸，西北地區與中部地區區分顯著；對3個產區小米樣本作溯源分析發現，高光譜信息具有溯源小米產區的可行性；且各產區間區分顯著。

圖5 小米產區溯源主成分分析載荷圖Fig.5 Principal component analysis load graph of different origins

在此基礎上，進一步建立不同地區小米樣本PLS-DA判別模型，模型結果如表3所示。東北地區、西北地區、中部地區靈敏度分別為0.997、1.000、1.000，特異度分別為0.997、0.999、1.000，分類錯誤分別為0.003、0.001、0.000，3個地區均取得良好判別結果，驗證溯源策略可行性。

表3 小米產區溯源PLS-DA模型判別結果Table 3 Discriminant results of traceability PLS-DA model for millet production areas

2.5 基于小米“產區-產地”二級溯源策略判別模型

基于上述分析結果，建立小米產地PLS-DA溯源模型，模型結果如表4所示。7個省份PLS-DA模型，靈敏度分別為：甘肅1.000、陜西0.958、河南1.000、黑龍江0.917、內蒙古0.910、寧夏1.000、山西0.993；特異度分別為：甘肅1.000、陜西0.976、河南0.993、黑龍江0.958、內蒙古0.965、寧夏1.000、山西1.000；分類誤差分別為：甘肅0.000、陜西0.033、河南0.003、黑龍江0.063、內蒙古0.063、寧夏0.000、山西0.003。對比分析可知，基于小米“產區-產地”二級溯源策略的小米產地溯源模型準確度顯著提升。

表4 基于小米產地溯源策略建立的PLS-DA模型判別結果Table 4 Discriminant results of PLS-DA model based on millet origin traceability strategy

小米產地PLS-DA溯源模型判別分析結果如圖6所示，前文中明顯聚類的甘肅、寧夏和河南、山西此時分類效果較好，可顯著區分；內蒙古、陜西、黑龍江聚類情況得到改善，3個產地間干擾明顯減弱。可見，溯源策略有效提升小米產地溯源模型判別準確度。

圖6 基于小米產地溯源策略建立的PLS-DA模型判別分析Fig.6 Discriminant analysis of PLS-DA model based on the strategy of millet origin traceability

3 結論

本文針對我國3個產區7個產地小米樣本，運用高光譜成像技術（400~1 000 nm）和化學計量學方法，開展小米產地溯源研究，提出“產區-產地”二級溯源策略，建立基于該策略的小米產地溯源模型，通過試驗驗證，該模型可有效解決不同產區小米樣本聚類現象和同一產區不同產地小米樣本互相干擾問題，為小米及其他農產品產地溯源和食品安全保障提供新思路和方法。

a.采用主成分分析（PCA）和偏最小二乘判別分析（PLS-DA）分別對預處理后小米樣本高光譜數據作產地溯源可行性分析和模型建立，試驗結果誤差為：甘肅0.003、陜西0.152、河南0.046、黑龍江0.134、內蒙古0.074、寧夏0.018、山西0.013。結果表明，高光譜成像技術和化學計量學方法應用于小米產地溯源具有可行性，但模型對陜西省和黑龍江省小米樣本判別結果較差，且同一產區不同產地小米樣本在溯源分析上互相干擾。

b.樣本間互相干擾及聚類現象因相鄰產地間土壤、海拔、氣候及降水量等環境因素造成，受環境影響，相鄰產地小米中蛋白質、水分、礦物質、脂肪及其他營養物質含量同樣具有相似性。結合相關研究發現，PLS-DA模型判別樣本范圍越小，變量間相關性越高，模型性能越好，在基于PLS判別模型中也顯示出相似結果。針對上述問題，提出小米“產區-產地”二級溯源策略，利用同一產區小米樣本的高光譜數據對小米樣本進行兩次溯源判別，達到縮小樣本范圍，提高變量相關性目的。

c.構建基于“產區-產地”二級溯源策略的小米產地判別模型，通過試驗驗證，結果誤差為：甘肅0.000、陜西0.033、河南0.003、黑龍江0.063、內蒙古0.063、寧夏0.000、山西0.003，對比初始試驗結果，基于“產區-產地”二級溯源策略的小米產地判別模型準確率顯著提升，表明該策略和基于該策略的模型具有較強可操作性，有效解決樣本間互相干擾問題和聚類現象，為小米產地溯源及農產品安全提供技術支持。