面向大米分類的高光譜特征波長(zhǎng)提取方法

趙 劉， 齊海軍， 金 秀， 溫淑嫻， 李紹穩(wěn)

(安徽農(nóng)業(yè)大學(xué)信息與計(jì)算機(jī)學(xué)院，安徽合肥 230036

大米是我國(guó)主要糧食之一，含有許多營(yíng)養(yǎng)物質(zhì)，如蛋白質(zhì)、直鏈淀粉等，具有健脾養(yǎng)胃、益精強(qiáng)體的功能。針對(duì)大米進(jìn)行質(zhì)量檢測(cè)和品種識(shí)別已成為研究的熱點(diǎn)。國(guó)內(nèi)外學(xué)者已經(jīng)對(duì)大米的品質(zhì)、屬性包括外觀(大小、形狀、色彩、白堊和無(wú)缺陷和衰變)和內(nèi)部質(zhì)量方面(水分、糖、蛋白質(zhì)[1-3]、直鏈淀粉含量[4-7]內(nèi)容)等均做過有價(jià)值的研究，有關(guān)大米品種分類方面的研究則較少。雖然大米可以根據(jù)其顏色、生產(chǎn)地和硬度等檢查分類，但是這種視覺檢查方法有不少不足。如一些大米看起來(lái)相似，它們的質(zhì)量屬性會(huì)有很大的波動(dòng)，這將影響到最終產(chǎn)品的質(zhì)量。通過化學(xué)計(jì)量分析分辨大米品種，盡管能較精確地檢測(cè)出大米內(nèi)部成分的差異從而有效區(qū)分出不同的大米，可是使用這些方法時(shí)會(huì)浪費(fèi)很多時(shí)間、消耗大量人力物力，不便于應(yīng)用[8]。

高光譜成像技術(shù)是一種圖譜合一的新技術(shù)，能同時(shí)檢測(cè)到物質(zhì)的內(nèi)部信息和外部信息。光譜信息的提取分析方式有2種：一是對(duì)采集到的所有波段進(jìn)行分析；二是通過分析樣本和光譜信息的關(guān)系，提取與其相關(guān)的波長(zhǎng)，這種方法稱為提取特征波長(zhǎng)，是指從原有的光譜數(shù)據(jù)中提取與樣品化學(xué)物質(zhì)相關(guān)的波長(zhǎng)與波段[9-11]?；谌ǘ喂庾V通?？梢缘玫綐悠吩跍y(cè)量波段范圍內(nèi)的每一個(gè)波長(zhǎng)的光譜信息，會(huì)產(chǎn)生大量數(shù)據(jù)以供分析。這些光譜數(shù)據(jù)中存在數(shù)據(jù)共線問題和大量的冗余無(wú)效的信息，使模型復(fù)雜化，建模工作量也增大，而且會(huì)導(dǎo)致建模效果差。如果可以選擇全波段中與待預(yù)測(cè)的物質(zhì)屬性有關(guān)的有效波段，不但會(huì)減少信息的共線性和數(shù)據(jù)冗余，減少輸入數(shù)據(jù)變量個(gè)數(shù)，再建立有效模型可以提高模型的準(zhǔn)確度，而且也減少了數(shù)據(jù)的運(yùn)算的時(shí)間和模型的復(fù)雜度，減少模型計(jì)算量，簡(jiǎn)化模型[12]。特征波長(zhǎng)的提取有許多算法，使用這些算法可以提取有用的波段，但每一種算法所提取的波段是不同的[13]。為了建立較準(zhǔn)確的模型，筆者采用自適應(yīng)競(jìng)爭(zhēng)性重加權(quán)法(competitive adaptive reweighted sampling，CARS)[14]、連續(xù)投影法(successive projection algorithm，SPA)[15]、無(wú)變量信息消除法(uninformative variable elimination，UVE)[16]、隨機(jī)蛙跳(shufffed frog leaping algorithm，SFLA)[17]等多種特征波長(zhǎng)提取算法提取大米的光譜數(shù)據(jù)。

1 材料與方法

1.1 試驗(yàn)材料

試驗(yàn)采用肥西大米、泰國(guó)香米、五常大米、圓糯米、雜交米、長(zhǎng)糯米共6種類型大米，購(gòu)自當(dāng)?shù)亓闶凵蹋糠N大米選取27粒，總共162個(gè)樣本。

1.2 試驗(yàn)儀器

高光譜圖像采集系統(tǒng)見圖1，由2個(gè)50 W鹵素?zé)?、高光譜相機(jī)、精密云臺(tái)和計(jì)算機(jī)等部件組成。其中高光譜相機(jī)為推掃式高光譜(HyperScan VNIR Micro)，測(cè)量光譜范圍是 400～1 000 nm，光譜分辨率為1.8 nm。高光譜數(shù)據(jù)分析軟件采用ENVI(ITT，USA)和Matlab(The Math Works，Natick，USA)。

1.3 高光譜圖像采集

根據(jù)系統(tǒng)本身所能采集圖像的大小，以及方便在圖像中提取大米的信息，最終確定每種大米采集3張圖像，每張圖像采集9個(gè)樣本，6種大米共采集了18張圖像。采集圖像時(shí)將大米以九宮格布局?jǐn)[放，其距離為1 cm，掃描角度為-10°～10°，掃描速度為1.844°/s，鏡頭焦距為60 nm，相機(jī)暴光時(shí)間為10 ms。為減少試驗(yàn)過程中外界自然光及采集系統(tǒng)本身對(duì)圖像的影響，用黑白板校正原始高光譜圖像。掃描標(biāo)準(zhǔn)白板所得到的圖像，然后關(guān)閉光源和鏡頭蓋，采集到的圖像作為全黑圖像，利用白板圖像和全黑圖像對(duì)原圖像進(jìn)行校正，校正公式為

(1)

式中：R為校正后的圖像；I為原始圖像；W為白板圖像；B為全黑圖像[18]。

1.4 特征波長(zhǎng)選取

競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法(CARS)是一種較新的變量選擇理論，該方法在對(duì)無(wú)信息變量進(jìn)行有效去除的同時(shí)，還可以盡可能減少共線性變量對(duì)模型的影響[19]。本研究將該方法應(yīng)用于大米高光譜數(shù)據(jù)的變量選擇中，通過變量選擇建立針對(duì)大米種類鑒別預(yù)測(cè)模型。CARS算法流程見圖2。

連續(xù)投影算法(SPA)可以從大量的光譜信息中充分剔除帶有冗余信息的變量組，將剩余的光譜信息代替原始的光譜數(shù)據(jù)，從而降低數(shù)據(jù)的維度，同時(shí)減少了數(shù)據(jù)變量的個(gè)數(shù)，因此可以建立快速高效的模型，已被廣泛應(yīng)用于光譜分析領(lǐng)域[20-22]。SPA的流程見圖3。

無(wú)變量信息消除法(UVE)是建立在對(duì)PLS回歸系數(shù)分析上的算法，用來(lái)消除無(wú)用的變量。基本思想是生成一個(gè)與自變量矩陣相同大小的隨機(jī)矩陣，并和自變量矩陣合并，利用交叉驗(yàn)證法建立偏最小二乘法模型[23]。獲得回歸系數(shù)b，求回歸系數(shù)b的平均值和標(biāo)準(zhǔn)差，得到二者的商C，C的絕對(duì)值大小決定所選取的特征波長(zhǎng)個(gè)數(shù)。公式如下：

(2)

隨機(jī)蛙跳(SFLA)是近幾年來(lái)新興的一種特征波長(zhǎng)選取算法。用少量的信息變量代替眾多的變量建立回歸或分類模型，是一種有效降低數(shù)據(jù)維度的方法。SFLA計(jì)算出每個(gè)變量被選擇的概率，從而進(jìn)行變量的選擇。

1.5 數(shù)據(jù)建模方法

支持向量機(jī)(support vector machine，SVM)是一種建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的新型學(xué)習(xí)機(jī)器，預(yù)測(cè)的可靠性高且泛化能力強(qiáng)。用SVM擬合函數(shù)的主要思路是把訓(xùn)練集數(shù)據(jù)從輸入空間非線性地映射到一個(gè)多維度的特征空間，然后在多維度的特征空間中通過最小化某種損失函數(shù)可獲得一個(gè)線性的擬合函數(shù)[24-27]。

2 結(jié)果與分析

2.1 大米的原始光譜曲線

在18張樣本的高光譜圖像上選取每1粒大米作為1個(gè)ROI(感興趣區(qū)域)，統(tǒng)計(jì)每個(gè)ROI得到162條光譜曲線(圖4)。通過ENVI軟件導(dǎo)出光譜數(shù)據(jù)至Matlab，對(duì)獲得的400～1 000 nm波長(zhǎng)范圍內(nèi)的162×339個(gè)光譜數(shù)據(jù)進(jìn)行后續(xù)分析。

從圖4可以看出，在400～500、950～1 000 nm波長(zhǎng)范圍內(nèi)的光譜有外界干擾噪聲，因此切去這些有明顯噪聲的波長(zhǎng)部分，采用剩下330個(gè)波段的光譜進(jìn)行分析[28]。按照支持向量機(jī)算法(SVM)將樣本分成約3 ∶1的訓(xùn)練集和預(yù)測(cè)集，其中訓(xùn)練集126個(gè)樣本，預(yù)測(cè)集36個(gè)樣本。用1、2、3、4、5、6分別代表肥西大米、泰國(guó)香米、五常大米、圓糯米、雜交米、長(zhǎng)糯米6種大米的標(biāo)簽，不同類型的大米建模集和預(yù)測(cè)集樣本數(shù)分別為21、6。

2.2 基于特征波長(zhǎng)光譜的分類識(shí)別結(jié)果

CARS是利用蒙特卡洛采樣過程采樣的，具有隨機(jī)性。經(jīng)過100次運(yùn)行得到其中最優(yōu)的試驗(yàn)結(jié)果，當(dāng)采樣次數(shù)為57次時(shí)，RMSECV值最小為1.27，此時(shí)選中的特征波長(zhǎng)個(gè)數(shù)為16個(gè)。采用SPA用于特征波長(zhǎng)的提取，最小波長(zhǎng)點(diǎn)個(gè)數(shù)設(shè)置為15，并以最小RMSECV值下的波長(zhǎng)個(gè)數(shù)為特征波長(zhǎng)數(shù)，獲得13個(gè)特征波長(zhǎng)。經(jīng)過UVE算法分析，最終選擇15個(gè)特征波長(zhǎng)。根據(jù)SFLA算法選擇不同的變量時(shí)具有不同的選擇可能性，對(duì)大米全波段分析，本研究設(shè)定選擇概率的閾值為0.8，共選擇20個(gè)特征波長(zhǎng)(表1)。

從表1可以看出，在不同選擇算法下得到了不同的特征波長(zhǎng)，可以清楚地看到不僅特征波長(zhǎng)個(gè)數(shù)不同，而且選擇的特征波長(zhǎng)的差距也比較大。選擇特征波長(zhǎng)使原有的300個(gè)波段變量減少到十幾個(gè)，大大減少了建模的速度，同時(shí)模型的預(yù)測(cè)能力也得到了增強(qiáng)。選擇的特征波長(zhǎng)不同與選擇方法不同是息息相關(guān)的[29]。

表1 不同算法選擇的特征波長(zhǎng)

將CARS、SPA、UVE、SFLA分析所得到的波段作為輸入變量分別建立SVM模型。在本次試驗(yàn)中，用徑向基(radial basis function，RBF)核函數(shù)作為SVM的核函數(shù)，模型中的懲罰參數(shù)C和RBF核函數(shù)中的參數(shù)G通過利用留一交叉驗(yàn)證(CV)法來(lái)最終確定。

從表2可以看出，通過CARS算法所選取的特征波長(zhǎng)建立SVM模型，預(yù)測(cè)集有36個(gè)樣本，其中正確分出30個(gè)樣本，有6個(gè)樣本分類錯(cuò)誤。CARS算法對(duì)大米種類分類正確率達(dá)83.33%，當(dāng)懲罰參數(shù)C和核函數(shù)參數(shù)G分別為16和0.062 5時(shí)，大米分類準(zhǔn)確率能夠達(dá)到最高。通過SPA算法所選取的特征波長(zhǎng)建立SVM模型，預(yù)測(cè)集有36個(gè)樣本，其中正確分出27個(gè)樣本，有9個(gè)樣本分類錯(cuò)誤。SPA算法對(duì)大米種類分類正確率達(dá)75.00%，當(dāng)懲罰參數(shù)C和核函數(shù)參數(shù)G分別為16和0.062 5時(shí)，大米分類準(zhǔn)確率能夠達(dá)到最高。通過UVE算法所選取的特征波長(zhǎng)建立SVM模型，預(yù)測(cè)集有36個(gè)樣本，其中正確分出28個(gè)樣本，有8個(gè)樣本分類錯(cuò)誤。UVE算法對(duì)大米種類分類正確率達(dá)77.78%，當(dāng)懲罰參數(shù)C和核函數(shù)參數(shù)G分別為16和0.062 5時(shí)，大米分類準(zhǔn)確率能夠達(dá)到最高。通過SFLA算法所選取的特征波長(zhǎng)建立SVM模型，預(yù)測(cè)集有36個(gè)樣本，其中正確分出19個(gè)樣本，有17個(gè)樣本分類錯(cuò)誤。SFLA算法對(duì)大米種類分類正確率達(dá)52.78%，當(dāng)懲罰參數(shù)C和核函數(shù)參數(shù)G分別為16和0.062 5時(shí)，大米分類準(zhǔn)確率能夠達(dá)到最高。結(jié)果表明，通過CARS算法選取特征波長(zhǎng)所建立的大米品種鑒別模型是可行的。

表2 基于特征波長(zhǎng)的SVM模型的預(yù)測(cè)結(jié)果

2.3 基于全波段光譜的分類識(shí)別結(jié)果

將獲得的原始高光譜數(shù)據(jù)采用SVM算法建立大米分類模型。采用交叉驗(yàn)證法優(yōu)化SVM建模的RBF核函數(shù)的2個(gè)重要參數(shù)，最終SVM模型的分類結(jié)果見圖5。從圖5可以看出，預(yù)測(cè)集有36個(gè)樣本，其中正確分出28個(gè)樣本，有8個(gè)樣本分類錯(cuò)誤。通過基于全波段的SVM算法對(duì)大米種類分類正確率達(dá)到77.78%，當(dāng)懲罰參數(shù)C和核函數(shù)參數(shù)G分別為16和0.0625時(shí)，大米分類準(zhǔn)確率能夠達(dá)到最高。結(jié)果表明，基于全波段的SVM分類算法可以把不同品種的大米有效區(qū)分開來(lái)。

3 結(jié)論

筆者利用高光譜技術(shù)對(duì)大米品種識(shí)別進(jìn)行了方法研究，分析得到高光譜數(shù)據(jù)并建立SVM模型，分別采用CARS、SPA、UVE、SLFA提取特征波長(zhǎng)，基于全波段光譜、特征波長(zhǎng)建立PLS模型。在全波段下SVM的識(shí)別率達(dá)到77.78%；基于CARS特征波長(zhǎng)下的SVM模型的識(shí)別率為83.33%；基于SPA特征波長(zhǎng)下的SVM模型的識(shí)別率為75.00%；基于UVE特征波長(zhǎng)下的SVM模型的識(shí)別率為77.78%；在SLFA選取的特征波長(zhǎng)下所建立的SVM模型的識(shí)別率為52.78%。研究結(jié)果表明，基于高光譜技術(shù)在CARS下建立SVM模型對(duì)大米品種分類是有效可行的，利用CARS選取特征波長(zhǎng)可以有效替代全波段信息進(jìn)行大米品種分類。