基于可見/近紅外光譜與化學計量學的杏品種無損鑒別方法

高 峰,邢雅閣,羅華平,張遠華,郭 玲*

1. 塔里木大學機械電氣化工程學院,新疆 阿拉爾 843300 2. 自治區教育廳普通高等學校現代農業工程重點實驗室,新疆 阿拉爾 843300 3. 塔里木大學園藝與林學學院,新疆 阿拉爾 843300 4. 新疆生產建設兵團塔里木盆地生物資源保護利用重點實驗室,新疆 阿拉爾 843300

引 言

新疆南疆地區得益于其獨特的自然地理環境,孕育了極其豐富而又復雜的杏種質資源。 根據2021年FAO數據記載,我國杏樹種植面積為2.46萬ha,年產量為6.90萬t,產量為2.8 t·ha-1,而南疆是我國杏種植面積最大的地區,鮮果遠銷到全國各地。 杏果肉富含多糖、 多酚、 類胡蘿卜素、 類黃酮和有機酸等多種活性物質[1-3],具有很高的營養價值。 不同品種的杏在品質和價格方面差異很大,僅僅通過外觀難以區分和鑒定,化學分析法可以實現杏的品種鑒別[4],但檢測時間長、 成本高,不利于推廣使用。 隨著杏鮮果產業的興起,實現杏果實的在線分揀鑒定顯得尤其重要。

光譜分析技術通過利用化學計量學方法在樣品光譜數據和待測屬性之間建立聯系,實現定性和定量分析,具有分析速度快、 成本低、 無破壞性等特點,經過近半個世紀的發展,已經較為成熟[5],廣泛應用于食品[6]、 醫療[7]、 環境[8]等各個方面。 在食品與農副產品的摻假鑒別、 品種識別、 產地溯源等定性分析方面,Zhang等[9]使用近紅外光譜結合模式識別方法,實現摻假食用明膠的鑒定。 Li等[10]和Cortes等[11]使用近紅外光譜實現了蘋果品種的鑒別。 Tong等[12]使用近紅外光譜與化學計量學方法實現水稻的品種和來源的鑒別。 何勇等[13]使用中紅外光譜和反向傳播神經網絡(BPNN)模型實現核桃產地及品種的鑒別。 Dan[14]利用近紅外光譜與機器學習方法,實現對橙子產地的鑒別。 Qian等[15]使用傅里葉近紅外光譜和偏最小二乘判別實現綠豆產地和品種的判別。 在杏品種鑒別方面,采用光譜分析技術實現杏品種鑒別的研究有待開展。 以新疆南疆地區的6個品種杏為研究對象,采集樣品在350～1 000和1 000～2 500 nm兩個范圍的光譜數據,結合化學計量學算法檢測杏的品種,建立杏品種的準確鑒別模型。

1 實驗部分

1.1 材料與試劑

在新疆生產建設兵團第一師阿拉爾市分別采集“黃杏”、 “橄欖杏”、 “小白杏”、 “小米杏”、 “庫買提杏”、 “小吊干杏”6個品種杏樣品,使用便攜式車載冰箱冷藏保存后帶回實驗室,待樣品恢復至室溫后采集光譜。 挑選同一品種中大小均勻一致、 表面色澤鮮亮且無損傷的樣品,最終每個品種挑選出90個作為實驗對象,共計540個樣品。

1.2 儀器與設備

使用美國海洋光學公司的USB-650紅潮(Red Tide)光譜儀(350～1 000 nm)、 ISP-REF反射式積分球(自帶光源)、 標準白板(STAN-SSH)采集樣本可見/近紅外(visible/near infrared,VIS/NIR)范圍光譜; 使用美國賽默飛世爾的Antaris Ⅱ FT(NIR型傅里葉近紅外光譜儀(1 000～2 500 nm)采集樣本近紅外(near infrared,NIR)范圍光譜。

1.3 方法

1.3.1 光譜采集

將樣品從車載冰箱中取出后,使用紙巾將樣品表面擦拭干凈,等待恢復至室溫后開始采集光譜。 采集樣品VIS/NIR范圍光譜時,對海洋光學USB-650光譜儀及ISP-REF反射式積分球(自帶光源)進行預熱30min,使光源趨于穩定。 以標準漫反射白板作為參考,去除背景噪聲,將樣品放置于反射式積分球上,采集樣品赤道部位光譜,光譜儀設置為自動參比,光譜平均次數為4,光譜平滑次數為1,并按照采集順序保存光譜數據。 使用Antaris Ⅱ FT-NIR傅里葉近紅外光譜儀采集樣品NIR范圍光譜時,提前預測光譜儀自帶光源30 min,之后以儀器內部空氣為背景進行參比,將樣品放置于光譜采集裝置上,采集樣品赤道部位光譜,確保光譜采集區域與VIS/NIR范圍光譜一致。 設置譜區采集范圍: 1 000～2 500 nm,光譜分辨率: 4 cm-1,掃描次數: 32次,增益: 4倍,之后保存光譜數據。

1.3.2 數據處理

光譜采集時受儀器噪聲及環境光影響會產生一定噪聲,對光譜數據進行Savitzky-Golay(SG)卷積平滑處理(設置窗口數為5,擬合3次多項式),以降低光譜信號中背景噪聲與基線漂移。 不同品種杏的表皮光滑程度不同,因此對光譜進行多元散射校正(multiple scatter correction,MSC)處理,以消除杏表皮差異帶來的散射影響。

全波段光譜數據中可能含有對品種分類沒有幫助的冗余信息,且全光譜數據建立的模型復雜程度較高、 工作效率低,不利于實際應用; 利用化學計量學方法對光譜數據降維,從而簡化模型,提高工作效率[16-17]。 使用主成分分析(principal component analysis,PCA)、 競爭性自適應加權算法(competitive adaptive re-weighted sampling,CARS)、 隨機蛙跳算法(random frog,RF)、 連續投影算法(successive projection algorithm,SPA)4種方法對光譜數據進行降維,降低光譜數據共線性。

為獲取可靠分類結果,選用線性判別法(linear discriminant analysis,LDA)、 樸素貝葉斯(Naive Bayesian,NB)、 k近鄰法(K-nearest neighbor,KNN)、 支持向量機(support vector machine,SVM)4種方法建立分類模型并進行對比。 KNN模型設置最近鄰數量為5,SVM模型使用線性內核。 使用混淆矩陣計算分類精度,準確率(accuracy)為分類模型的評價指標。 準確率越接近1,說明模型預測效果越好。

(1)

式(1)中:TP實際為正,預測為正的數量;TN實際為負,預測為負的數量;FP實際為負,預測為正的數量;FN實際為正,預測為負的數量。

2 結果與討論

2.1 不同品種杏的光譜曲線特征分析

由于350～400 nm范圍光譜包含大量噪聲,選擇400～1 000和1 000～2 500 nm范圍內光譜進行后續分析。 圖1(a)和(b)為6個品種的杏經過預處理后的平均光譜。 由圖1可以看出,各類光譜有著相同的變化趨勢,光譜圖中波峰、 波谷位置基本一致,說明杏果實所含的水分、 糖分、 有機酸等成分有相同之處,光譜吸收峰強度差異可能與品種間各組分含量有關。 圖1(a)中,400～500 nm可見光譜反射值較低,對應為類胡蘿卜素光譜吸收范圍,680 nm處出現明顯吸收峰對應C—H振動,540～680和720～920 nm兩處出現較寬的反射峰對應果肉中多種有機物的含氫基團。 圖1(b)可見光譜中,1 200 nm附近吸收峰對應C—H的第三泛頻帶,1 450 nm附近吸收峰與O—H鍵的一級倍頻伸縮振動有關,1 950 nm附近吸收峰對應C—H和C—O的組合帶,與杏果肉中的果膠、 類胡蘿卜素、 有機酸等物質在近紅外光譜的吸收有關。

圖1 杏可見光光譜(a)與近紅外光譜(b)Fig.1 Visible spectrum (a) and Near infrared spectrum (b) of Apricot

2.2 基于全波段光譜的杏品種分類模型

將樣本按照3∶1的比例劃分為訓練集和預測集,基于全波段光譜數據建立LDA、 NB、 KNN和SVM分類模型,預測集預測結果如表1所示。 在VIS/NIR范圍內,4種模型的總分類正確率均大于80%,其中SVM模型的總分類正確率高達95.7%。 同時,“庫買提杏”和“小吊干杏”在4種模型中分類正確率均較高,可能與其光譜在540～680 nm范圍與其他品種杏有較大差異有關。 NIR范圍內,NB與KNN模型的分類效果較差,正確率僅為64.5%、 65.2%,而LDA與SVM模型的分類效果較好,正確率分別為97.8%、 90.6%。 在4種模型中,不同品種杏的分類正確率無較大差異,原因可能是NIR范圍內不同品種杏的光譜無明顯差異。 由以上結果可知,基于全光譜數據結合合適的建模方法可以較好地實現對不同品種杏的鑒別分析,且VIS/NIR范圍內模型的平均分類正確率更高,更適用于杏品種的區分; 4種分類模型中,NB與KNN模型在NIR范圍的分類正確率較低,說明NB和 KNN可能不適用于NIR范圍內杏品種的判別分析。 由于全光譜模型運算效率低,不利于實際應用,部分模型預測效果較差可能與全光譜數據中存在的與分類無關的冗余信息有關,因此有必要對光譜數據降維。

表1 基于全波段光譜的分類模型對比Table 1 Comparison of classification models based on full-band spectrum

2.3 全波段光譜的主成分分析

PCA基于數學變換原理,降維后的數據能保留原始變量的信息,且變量彼此間互不相關。 前20個主成分的累積貢獻率如圖2(a,b)所示。 在兩個光譜范圍內,取前3個主成分時,累積貢獻率都在95%以上,說明前3個主成分已經能很好地表達原始光譜數據中的信息。 前3個主成分的空間分布圖如圖3(a,b)所示。 在VIS/NIR范圍內,6類杏樣本的空間分布有一定差異,但無法實現準確區分,在NIR范圍內,6類杏樣本的空間分布有很大程度重疊交織,無法實現品種區分。 取前三個主成分時,能很好表達原始光譜信息,但無法實現很好的分類效果,使用PCA降維后的數據進行杏品種分類識別時,應當對比分析選擇不同主成分數目時的建模結果。

圖2 杏光譜主成分分析的累積貢獻率(a): 可見光譜; (b): 近紅外光譜Fig.2 Cumulative contribution rate of PCA for apricot spectra(a): Visible spectrum; (b): Near-infrared spectrum

圖3 杏光譜主成分分析的前三個主成分分布圖(a): VIS; (b): NIRFig.3 Principal components analysis score plot of apricots(a): VIS; (b): NIR

2.4 基于PCA降維的杏品種分類模型

為了探究PCA降維對各模型分類結果的影響,基于PCA選取不同主成分數目對原始光譜數據進行降維,結合4種建模方法建立不同分類模型,結果如圖4(a,b)所示。 由圖4(a,b)可知,主成分數目對各模型分類結果有較大影響,且各模型的分類正確率變化趨勢一致; 4種分類模型中,LDA、 NB、 SVM三種模型的分類效果優于KNN模型; 兩個范圍光譜的模型中,VIS/NIR范圍內的模型分類效果優于NIR范圍內的模型。 對比PCA降維模型與全光譜模型的預測結果可知,在VIS/NIR范圍內,LDA與NB模型的總分類正確率得到顯著提升,分別由80.4%、 81.2%提升至最高97.8%、 94.2%; 在NIR范圍內,NB模型的總分類正確率相比于全光譜模型得到顯著提升,由64.5%提升至89.1%; 兩個范圍光譜中,KNN和SVM模型對全光譜與PCA降維數據的判別結果無明顯差異; NIR范圍內,LDA模型的分類正確率低于全光譜模型,但由圖4趨勢可知,當主成分數目繼續增加時,其分類正確率會與全光譜模型結果一致。 以上結果表明,PCA降維能夠簡化模型,提高部分模型的預測效果。

圖4 主成分數目對模型分類結果的影響(a): VIS; (b): NIRFig.4 The effect of PCs on the classification results(a): VIS; (b): NIR

2.5 特征波長提取

2.5.1 基于CARS的特征波長提取

CARS采用隨機取樣方法,選擇一部分樣本建立偏最小二乘模型,重復迭代N次,最終選擇交互驗證均方根誤差(RMSECV)最小的一組變量。 CARS選擇特征波長的過程如圖5(a,b)所示,設置迭代次數50次,最大主成分數為20,交互驗證次數為10次,隨著迭代次數增加,RMSECV呈現先降后升的趨勢。 在VIS/NIR范圍內,第14次采樣時RMSECV最小,選擇了132個特征波長,占全波段的21.96%; NIR范圍內,第17次采樣時RMSECV最小,選擇了177個特征波長,占全波段的11.36%。 由于使用CARS方法選擇的特征波長數量較多,可能仍包含與分類無關的信息,因此使用SPA方法進一步篩選特征波長。 經SPA進一步篩選后,在VIS/NIR范圍內,選擇的特征波長數量由132降為25,在NIR范圍內,特征波長數量由177降為26,分別占全波段的4.16%、 1.67%。

圖5 CARS選擇杏光譜特征波長結果(a): 可見光譜; (b): 近紅外光譜Fig.5 Result for variable selecting by CARS in the spectra of apricot(a): Visible spectrum; (b): Near-infrared spectrum

2.5.2 基于RF的特征波長提取

RF基于初始變量提取子集進行多次迭代計算,最終給出每個變量的選擇概率,選擇概率較高的變量則為特征波長。 選擇特征波長時,設置初始抽樣變量為2,模擬蛙跳次數2 000次,閾值為0.2。 對全波段光譜使用RF選擇特征波長,結果如圖6(a,b)所示。 在VIS/NIR范圍內,選取了173個特征波長,占全波段的27.79%,NIR范圍內,選擇了142個特征波長,占全波段的9.12%。 由于使用RF選擇的特征波長數量仍然較多,使用SPA方法進一步優化篩選特征波長。 經過SPA再次篩選后,在VIS/NIR范圍內,選擇的特征波長由173降為10,在NIR范圍內,特征波長數量由142降為25,分別占全波段數量的1.66%、 1.60%。

圖6 RF選擇杏光譜特征波長結果(a): 可見光譜; (b): 近紅外光譜Fig.6 Result for variable selecting by RF in the spectra of apricot(a): Visible spectrum; (b): Near-infrared spectrum of apricot

2.5.3 基于SPA的特征波長提取

SPA基于向量的投影分析,將波長投影到其他波長上,選擇不同波長向量投影中最大的波長為特征波長,將這些特征波長點組成波長子集,最終選擇的波長組合即為特征波長組合,能夠有效降低數據共線性。 選擇特征波長時,設置特征波長上限為50。 對全波段光譜使用SPA篩選特征波長,結果如圖7(a,b)所示。 在VIS/NIR范圍內,選取了10個特征波長,占全波段的1.66%; NIR范圍內選擇了27個特征波長,占全波段的1.73%。

2.6 基于特征波長建立的杏品種分類模型

為了驗證CARS、 RF與SPA選擇的特征波長對各模型分類結果的影響,基于特征波長建立不同分類模型,結果如表2、 表3所示。 由表2可知,在VIS/NIR波段,CARS-SPA-LDA與SPA-SVM模型的分類正確率最高,均為95.7%,但SPA-SVM僅使用了10個特征波長,因此模型更為簡潔。 由表3可知,在NIR波段,RF-SPA-LDA分類正確率最高,達到95.7%,對應的特征波長數量為25。 對比表2與表3,VIS/NIR范圍光譜建立的模型分類效果更優; 4種分類模型中,LDA與SVM模型的分類效果優于NB與KNN模型; VIS/NIR范圍內,SPA方法選擇的特征波長建模效果最優,NIR范圍內,RF-SPA方法選擇的特征波長建模效果最優。 通過比較表1與表2、 表3可知,經過三種方法選擇特征波長后,僅有VIS/NIR范圍內的LDA模型的分類精度得到明顯提升,由80.4%提升至最高95.7%。 整體上VIS/NIR范圍內其他三種模型與NIR范圍內4種模型的分類效果均略低于全光譜模型,原因可能是選擇特征波長時,部分對分類有用的信息被剔除,影響了分類結果。

表2 基于VIS/NIR降維數據的模型分類結果Table 2 Classification model results based on VIS/NIR dimensionality reduction data

表3 基于NIR降維數據的模型分類結果Table 3 Classification model results based on NIR dimensionality reduction data

通過比較表1、 圖4、 表2、 表3結果可知,整體上VIS/NIR范圍內模型的分類效果優于NIR范圍內模型。 最優預測模型為VIS/NIR范圍內的PCA-LDA模型,分類正確率高達97.8%,且僅使用了前14個主成分; 經過降維后LDA模型分類正確率得到有效提升; NB與KNN模型在降維前后分類精度變化不大,模型較為穩定,但總體分類效果較差; SVM模型在降維前后分類效果變化幅度較小,且能保持較高分類正確率。 LDA與SVM模型更適用于杏品種的鑒別。

3 結 論

基于“黃杏”、 “橄欖杏”、 “小白杏”、 “小米杏”、 “庫買提杏”、 “小吊干杏”在VIS/NIR與NIR兩個范圍的光譜結合化學計量學方法建立了一種杏品種快速無損鑒別的方法。 結果表明: 全光譜數據建立的模型可以實現不同品種杏的鑒別,最高鑒別正確率達到97.8%; 經過降維后,模型依然能保持較高的正確率,VIS/NIR范圍內,部分模型的鑒別正確率提高,NIR范圍內,模型鑒別正確率無明顯提升,表明選擇合適的降維及建模方法能夠簡化模型、 提高模型預測能力。 對比不同模型結果可知,基于VIS/NIR范圍光譜建立的模型鑒別能力較好; 幾種降維方法中PCA降維效果最優,不僅能簡化模型還提升了部分模型的鑒別正確率; 4種分類器中,LDA與SVM更適用于杏品種的鑒別,降維后仍能保持較高正確率。 研究結果表明,基于VIS/NIR范圍光譜結合PCA與LDA可以實現不同品種杏的鑒別分析,對杏果實的在線分揀鑒定有一定的指導意義。 在今后的研究中,將對其他品種杏進行分析,建立更為完善的杏品種鑒別模型。 同時,考慮經濟效益,應當將杏的品質指標與光譜建立聯系,探究一種能同時實現品種定性判別與品質定量檢測的方法。