SMCC 特征提取融合BP 神經網絡實現玉米種子活力快速分級

楊冬風 時闖 陳爭光 李愛傳 關海歐 尹淑欣 馬鐵民 高樹仁

(1、黑龍江八一農墾大學信息與電氣工程學院,黑龍江 大慶 163319 2、黑龍江八一農墾大學農學院,黑龍江 大慶 163319)

種子的活力水平測定在玉米育種、種子生產、種子加工、種子收購、種子貯藏、種子檢驗及種子調運等環節中是不可缺少的重要方法[1]。隨著農業現代化水平的提高,經濟步調的加快,實現高效、快速、無損的種子活力檢驗無疑是未來的發展趨勢。

近紅外光譜技術(NIRS)分析技術操作簡便,具有快速、高效、無損、測試成本低等特點。在應用NIRS 對種子活力進行快速分級方面,目前的分類建模方法主要采用偏最小二乘和支持向量機,可以實現二分類或三等級分類,但分類精度不高。在NIRS 特征提取方面,主要采用PCA 方法,其優點是用較少綜合變量可以保留盡可能多的原始信息；但對主成分的解釋不像原始變量的含義那么清楚、確切,而且提取的主成分數較少,導致預測精度不高。因此,本文針對玉米種子活力NIRS 多等級、快速、精確分級的要求,使用BP 神經網絡[2,3]作為預測模型,對比了基于PCA 特征提取和SMCC 特征波長篩選的模型預測效果。

1 實驗部分

1.1 材料與儀器

實驗用種子為黑龍江省農墾科學院作物所玉米育種研究室雜交培育的墾粘一號玉米品種。實驗用儀器為德國Bruker 公司Tango 近紅外光譜儀,采用積分球漫反射測量方式,分辨率為8cm-1,樣品和背景的掃描時間均為32 秒,譜區范圍11550-3950cm-1。光譜分析及建模采用的軟件為Matlab R2020。

1.2 實驗方法

1.2.1 不同活力種子的制備

實驗前,對種子進行篩選,清除干癟、瘦小、損傷的種子。將種子分成5 組：D0、D2、D4、D6、D8(0 表示不進行老化處理,2 表示老化時間為2 天,以此類推)。D0 組樣本30 個,其余各組樣本26 個,樣本總數為134 個,將樣本裝入尼龍袋中并編號。D0 組不做任何處理,D2、D4、D6、D8 組進行人工加速老化處理,設置溫度45°C,相對濕度RH92%。

1.2.2 近紅外光譜的采集

圖1 原始光譜

為了擴大樣本數目,將每個樣本重復裝樣3 次,每次測3 條光譜取平均。所有樣本光譜采集的環境條件相同,溫度22℃,相對濕度30%。經過光譜采集后,共得到402 條光譜數據。如圖1所示,不同老化時間的樣本光譜的整體趨勢、波峰位置高度相似,屬于高相似度樣本分類問題。

圖2 為5 種不同老化程度樣本的平均光譜圖。不同老化程度的種子樣本的平均吸收光譜強度有所差異,未經老化處理的樣本吸光度最大,老化8d 的種子樣本吸光度最小,其余各組按老化程度依次排列。其內在原因是經過高溫高濕老化處理后,構成玉米種子的重要成分粗脂肪、可溶性糖、可溶性蛋白和脯氨酸的含量發生變化[4],表現為種子近紅外吸收光強的差異。

圖2 不同老化等級的平均光譜

1.2.3 光譜數據預處理

對比了單獨使用高斯濾波、卷積平滑兩種平滑方法、單獨使用多元散射校正、標準正太變量變換方法及其組合對模型性能的影響,最后選擇了使用高斯濾波和標準正態變量變換去除隨機噪聲、消除樣品顆粒大小和表面散射光對樣品真實光譜的影響。

1.2.4 特征光譜的選擇

為了減少模型的輸入規模,提高模型的效率,分別采用了PCA 和SMCC 對光譜數據進行特征提取和降維。SMCC 方法[5]以樣品類間相關系數和的最小為準則對光譜數據進行逐步篩選。首先計算出各類別的平均光譜；設定需要篩選出的特征波長點數K；以D0 為參照,求出D0 平均光譜中的最大值點D01 和最小值點D02,分別求出其他類別中與D01 和D02 橫坐標(波數)相同的兩個點,作為該類別特征波長的兩個初始值。假定第N(N>=3)個特征點的波數位置后計算D0、D2類間第N 個特征點之間的相關系數：

其中：D0i(i=1,2,…,N)、D2i(i=1,2,…,N 是已經選定的特征點,為D0、D2類的平均光譜。求出D0類此點與其他類對應點之間的相關系數之和,讓第N 個特征點的位置遍歷未確定的點,計算得到所有相關系數和,其中相關系數和最小的波數位置,確定為第N 個特征點。重復步驟上一步驟,直到尋找到K 個波長點為止。

1.2.5 預測方法

本研究中采用具有sigmoid 激活函數的隱層和具有softmax損失函數的輸出層的兩層BP 模型。使用交叉熵(CE)和混淆矩陣評價預測結果。采用K-S 樣本集劃分方法,按70%,15%,15%的比例,將402 個樣本數據劃分為訓練集(282)、驗證集(60)和測試集(60),最大迭代次數設為1000。

2 結果與討論

2.1 模型設定

建立了兩種檢測模型,M1 模型,采用PCA 特征提取。M2 模型采用SMCC 特征提取。兩種模型均使用BP 神經網絡作為預測算法。

2.2 特征提取對模型預測性能的影響

M1 模型采用PCA 對經過預處理的光譜數據進行特征提取。得到不同主成分的累計方差貢獻率和第1 主成分的載荷,主成分1 的方差貢獻率為70%；主成分2 的方差貢獻率為18%；主成分3 的方差貢獻率為7%。主成分4、5、6 的方差貢獻率分別為2%、2%和1%。將6 個主成分作為BP 神經網絡的輸入,建立BP 預測模型。

M2 模型使用SMCC 算法進行特征波長篩選,篩選出32 個特征波長作為BP 神經網絡的輸入。對M1、M2 模型反復訓練,得到M2 模型的準確率達到了100%,M1 的準確率為94.8%；M2交叉熵的數量級為10-7,遠小于M1 模型的0.047097；說明M2模型的預測損失更小,模型更優；這也表明使用SMCC 提取特征波長不僅完成了數據降維還完整地提取了樣本所包含的特征信息,非常適合近紅外光譜分類問題的波長篩選。

3 結論

研究表明應用近紅外光譜技術結合SMCC 特征波長篩選和BP 神經網絡建立的玉米種子活力檢測模型具有無損、準確、快速的特點,研究的結論對于基于近紅外光譜的分類問題具有一定的指導意義。本研究的模型的精度達到100.0%,最佳檢測時間是1.039341s。如何應用NIRS 檢測技術實現對種子活力指標,比如發芽率、發芽勢的快速、準確檢測是下一步要研究的方向。