面向大米分類的高光譜特征波長提取方法

趙 劉， 齊海軍， 金 秀， 溫淑嫻， 李紹穩

(安徽農業大學信息與計算機學院，安徽合肥 230036

大米是我國主要糧食之一，含有許多營養物質，如蛋白質、直鏈淀粉等，具有健脾養胃、益精強體的功能。針對大米進行質量檢測和品種識別已成為研究的熱點。國內外學者已經對大米的品質、屬性包括外觀(大小、形狀、色彩、白堊和無缺陷和衰變)和內部質量方面(水分、糖、蛋白質[1-3]、直鏈淀粉含量[4-7]內容)等均做過有價值的研究，有關大米品種分類方面的研究則較少。雖然大米可以根據其顏色、生產地和硬度等檢查分類，但是這種視覺檢查方法有不少不足。如一些大米看起來相似，它們的質量屬性會有很大的波動，這將影響到最終產品的質量。通過化學計量分析分辨大米品種，盡管能較精確地檢測出大米內部成分的差異從而有效區分出不同的大米，可是使用這些方法時會浪費很多時間、消耗大量人力物力，不便于應用[8]。

高光譜成像技術是一種圖譜合一的新技術，能同時檢測到物質的內部信息和外部信息。光譜信息的提取分析方式有2種：一是對采集到的所有波段進行分析；二是通過分析樣本和光譜信息的關系，提取與其相關的波長，這種方法稱為提取特征波長，是指從原有的光譜數據中提取與樣品化學物質相關的波長與波段[9-11]。基于全波段光譜通常可以得到樣品在測量波段范圍內的每一個波長的光譜信息，會產生大量數據以供分析。這些光譜數據中存在數據共線問題和大量的冗余無效的信息，使模型復雜化，建模工作量也增大，而且會導致建模效果差。如果可以選擇全波段中與待預測的物質屬性有關的有效波段，不但會減少信息的共線性和數據冗余，減少輸入數據變量個數，再建立有效模型可以提高模型的準確度，而且也減少了數據的運算的時間和模型的復雜度，減少模型計算量，簡化模型[12]。特征波長的提取有許多算法，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]。為了建立較準確的模型，筆者采用自適應競爭性重加權法(competitive adaptive reweighted sampling，CARS)[14]、連續投影法(successive projection algorithm，SPA)[15]、無變量信息消除法(uninformative variable elimination，UVE)[16]、隨機蛙跳(shufffed frog leaping algorithm，SFLA)[17]等多種特征波長提取算法提取大米的光譜數據。

1 材料與方法

1.1 試驗材料

試驗采用肥西大米、泰國香米、五常大米、圓糯米、雜交米、長糯米共6種類型大米，購自當地零售商，每種大米選取27粒，總共162個樣本。

1.2 試驗儀器

高光譜圖像采集系統見圖1，由2個50 W鹵素燈、高光譜相機、精密云臺和計算機等部件組成。其中高光譜相機為推掃式高光譜(HyperScan VNIR Micro)，測量光譜范圍是 400～1 000 nm，光譜分辨率為1.8 nm。高光譜數據分析軟件采用ENVI(ITT，USA)和Matlab(The Math Works，Natick，USA)。

1.3 高光譜圖像采集

根據系統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個樣本，6種大米共采集了18張圖像。采集圖像時將大米以九宮格布局擺放，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，相機暴光時間為10 ms。為減少試驗過程中外界自然光及采集系統本身對圖像的影響，用黑白板校正原始高光譜圖像。掃描標準白板所得到的圖像，然后關閉光源和鏡頭蓋，采集到的圖像作為全黑圖像，利用白板圖像和全黑圖像對原圖像進行校正，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 特征波長選取

競爭性自適應重加權算法(CARS)是一種較新的變量選擇理論，該方法在對無信息變量進行有效去除的同時，還可以盡可能減少共線性變量對模型的影響[19]。本研究將該方法應用于大米高光譜數據的變量選擇中，通過變量選擇建立針對大米種類鑒別預測模型。CARS算法流程見圖2。

連續投影算法(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據，從而降低數據的維度，同時減少了數據變量的個數，因此可以建立快速高效的模型，已被廣泛應用于光譜分析領域[20-22]。SPA的流程見圖3。

無變量信息消除法(UVE)是建立在對PLS回歸系數分析上的算法，用來消除無用的變量。基本思想是生成一個與自變量矩陣相同大小的隨機矩陣，并和自變量矩陣合并，利用交叉驗證法建立偏最小二乘法模型[23]。獲得回歸系數b，求回歸系數b的平均值和標準差，得到二者的商C，C的絕對值大小決定所選取的特征波長個數。公式如下：

(2)

隨機蛙跳(SFLA)是近幾年來新興的一種特征波長選取算法。用少量的信息變量代替眾多的變量建立回歸或分類模型，是一種有效降低數據維度的方法。SFLA計算出每個變量被選擇的概率，從而進行變量的選擇。

1.5 數據建模方法

支持向量機(support vector machine，SVM)是一種建立在統計學習理論基礎上的新型學習機器，預測的可靠性高且泛化能力強。用SVM擬合函數的主要思路是把訓練集數據從輸入空間非線性地映射到一個多維度的特征空間，然后在多維度的特征空間中通過最小化某種損失函數可獲得一個線性的擬合函數[24-27]。

2 結果與分析

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ROI(感興趣區域)，統計每個ROI得到162條光譜曲線(圖4)。通過ENVI軟件導出光譜數據至Matlab，對獲得的400～1 000 nm波長范圍內的162×339個光譜數據進行后續分析。

從圖4可以看出，在400～500、950～1 000 nm波長范圍內的光譜有外界干擾噪聲，因此切去這些有明顯噪聲的波長部分，采用剩下330個波段的光譜進行分析[28]。按照支持向量機算法(SVM)將樣本分成約3 ∶1的訓練集和預測集，其中訓練集126個樣本，預測集36個樣本。用1、2、3、4、5、6分別代表肥西大米、泰國香米、五常大米、圓糯米、雜交米、長糯米6種大米的標簽，不同類型的大米建模集和預測集樣本數分別為21、6。

2.2 基于特征波長光譜的分類識別結果

CARS是利用蒙特卡洛采樣過程采樣的，具有隨機性。經過100次運行得到其中最優的試驗結果，當采樣次數為57次時，RMSECV值最小為1.27，此時選中的特征波長個數為16個。采用SPA用于特征波長的提取，最小波長點個數設置為15，并以最小RMSECV值下的波長個數為特征波長數，獲得13個特征波長。經過UVE算法分析，最終選擇15個特征波長。根據SFLA算法選擇不同的變量時具有不同的選擇可能性，對大米全波段分析，本研究設定選擇概率的閾值為0.8，共選擇20個特征波長(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，可以清楚地看到不僅特征波長個數不同，而且選擇的特征波長的差距也比較大。選擇特征波長使原有的300個波段變量減少到十幾個，大大減少了建模的速度，同時模型的預測能力也得到了增強。選擇的特征波長不同與選擇方法不同是息息相關的[29]。

表1 不同算法選擇的特征波長

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。在本次試驗中，用徑向基(radial basis function，RBF)核函數作為SVM的核函數，模型中的懲罰參數C和RBF核函數中的參數G通過利用留一交叉驗證(CV)法來最終確定。

從表2可以看出，通過CARS算法所選取的特征波長建立SVM模型，預測集有36個樣本，其中正確分出30個樣本，有6個樣本分類錯誤。CARS算法對大米種類分類正確率達83.33%，當懲罰參數C和核函數參數G分別為16和0.062 5時，大米分類準確率能夠達到最高。通過SPA算法所選取的特征波長建立SVM模型，預測集有36個樣本，其中正確分出27個樣本，有9個樣本分類錯誤。SPA算法對大米種類分類正確率達75.00%，當懲罰參數C和核函數參數G分別為16和0.062 5時，大米分類準確率能夠達到最高。通過UVE算法所選取的特征波長建立SVM模型，預測集有36個樣本，其中正確分出28個樣本，有8個樣本分類錯誤。UVE算法對大米種類分類正確率達77.78%，當懲罰參數C和核函數參數G分別為16和0.062 5時，大米分類準確率能夠達到最高。通過SFLA算法所選取的特征波長建立SVM模型，預測集有36個樣本，其中正確分出19個樣本，有17個樣本分類錯誤。SFLA算法對大米種類分類正確率達52.78%，當懲罰參數C和核函數參數G分別為16和0.062 5時，大米分類準確率能夠達到最高。結果表明，通過CARS算法選取特征波長所建立的大米品種鑒別模型是可行的。

表2 基于特征波長的SVM模型的預測結果

2.3 基于全波段光譜的分類識別結果

將獲得的原始高光譜數據采用SVM算法建立大米分類模型。采用交叉驗證法優化SVM建模的RBF核函數的2個重要參數，最終SVM模型的分類結果見圖5。從圖5可以看出，預測集有36個樣本，其中正確分出28個樣本，有8個樣本分類錯誤。通過基于全波段的SVM算法對大米種類分類正確率達到77.78%，當懲罰參數C和核函數參數G分別為16和0.0625時，大米分類準確率能夠達到最高。結果表明，基于全波段的SVM分類算法可以把不同品種的大米有效區分開來。

3 結論

筆者利用高光譜技術對大米品種識別進行了方法研究，分析得到高光譜數據并建立SVM模型，分別采用CARS、SPA、UVE、SLFA提取特征波長，基于全波段光譜、特征波長建立PLS模型。在全波段下SVM的識別率達到77.78%；基于CARS特征波長下的SVM模型的識別率為83.33%；基于SPA特征波長下的SVM模型的識別率為75.00%；基于UVE特征波長下的SVM模型的識別率為77.78%；在SLFA選取的特征波長下所建立的SVM模型的識別率為52.78%。研究結果表明，基于高光譜技術在CARS下建立SVM模型對大米品種分類是有效可行的，利用CARS選取特征波長可以有效替代全波段信息進行大米品種分類。