小麥霉菌污染支持向量機判別模型的建立

呂都，唐健波，趙緒婷，劉永翔，李俊，陳中愛，王梅，馮亞超

（1.貴州省農業科學院生物技術研究所，貴州 貴陽 550006；2.遵義師范學院生物與農業科技學院，貴州 遵義 563006；3.葉縣食品檢驗檢測中心，河南 平頂山 467200）

小麥（Triticum aestivum），為禾本科植物，是一種在世界各地廣泛種植的谷類作物，在我國北方地區種植面積大，是主要糧食作物之一，約占全國糧食消費總額的20%[1-2]。小麥營養豐富，易被霉菌污染[3]，其富含淀粉、蛋白質、脂肪和礦物質是霉菌等微生物生長的良好培養基[4]。當小麥的儲藏條件適宜霉菌和其他微生物生長時，霉菌等微生物會快速繁殖消耗小麥的營養物質[5-6]，并產生有毒有害的代謝毒素，造成小麥發霉變質使其商品性降低，甚至會對人畜產生毒害作用[7]。

目前，常用的霉菌污染檢測方法主要有平板計數法[8]、酶聯免疫法[9]和熒光染色法[10]等，這些方法靈敏度和精準度較高，但是需要的試驗試劑多，試驗的操作過程比較繁瑣，試驗花費的時間較長，檢測的效率較低。近紅外光譜分析技術是由硬件、化學計量學軟件和模型三部分構成，傅里葉變換近紅外光譜儀用于采集樣品的近紅外光譜，化學計量學軟件用于建立預測模型，預測模型用于待測樣品的定量和定性預測分析[11-12]。

常用化學計量學分類算法主要有偏最小二乘判別分析法（partial least squares-discriminant analysis，PLS-DA）和支持向量機分類法（support vector machine classification，SVM）。PLS-DA是一種有監督模式的分析方法，根據已知樣品集的特征變量，選定適合的判別準則建立分析模型，將光譜數據與分類變量進行線性回歸，對未知樣品進行判別分析[13]。樣本數量越多、差異性越顯著，所建立的PLS-DA判別模型結果越準確[14]。SVM是一種研究小樣本統計學習規律理論，由Cortes和Vapnik，在1995年首次提出并闡述了其基本原理[15]。SVM采用結構風險最小化準則來控制學習機器的容量從而揭示了過度擬合與泛化能力之間的關系，在樣本量少的情況下，依然能夠很好地對樣本進行識別[16]。本研究以未污染霉菌的小麥和污染霉菌的小麥樣品為研究對象，運用近紅外光譜分析技術結合支持向量機分類方法，建立快速鑒別小麥霉菌污染的判別模型，旨在為小麥的儲藏安全提供快速檢測的技術手段。

1 材料與方法

1.1 材料與試劑

小麥：河南省豫糧糧食集團有限公司；黑曲霉（ATCC 16404）：中國工業微生物菌種保藏中心；馬鈴薯葡萄糖瓊脂培養基：上海博偉生物科技有限公司；75%乙醇（分析純）：天津科密歐化學試劑有限公司。

1.2 儀器與設備

60Co輻照場：貴州金農輻照科技有限責任公司；MPA型傅里葉變換近紅外光譜儀：德國Bruker公司；YXQ-LS-75SII型高壓滅菌鍋、SPX-150B-Z型生化培養箱：上海博迅實業有限公司醫療設備廠；SW-CJ-2D型超凈工作臺：蘇州凈化設備有限公司；AB104-N電子天平：上海第二天平儀器廠。

1.3 方法

1.3.1 樣品制備

用自封袋將小麥樣品分裝成200g/份，共分裝63份。放置在60Co輻照場內進行輻照處理，處理輻照劑量為15 kGy，確保小麥樣品中的霉菌和其他微生物都被殺滅。將輻照后的每份樣品分為兩份。一份不作任何處理，另一份進行模擬霉菌污染。將黑曲霉活化培養，并制備濃度1×106CFU/mL的菌懸液。加入菌懸液模擬霉菌污染，放置在恒溫恒濕箱中培養備用，共計126份樣品。

1.3.2 近紅外光譜的采集

以鍍金的漫反射體作參比校正，工作期間，每隔0.5 h掃描一次背景光譜。使用OPUS 7.5軟件，調用積分球不旋轉程序，掃描光譜區域選用3 594.9 cm-1～12 790.3 cm-1，分辨率為 16 cm-1，掃描次數為 64 次，每個樣品掃描3次。每隔1 h，進行1次背景光譜采集。

1.3.3 異常光譜的剔除與光譜數據降維

由于樣品制備和人員操作等原因會獲得少量異常光譜，這可能會導致模型偏差[17-18]。本試驗采用基于馬氏距離的主成分分析來剔除異常光譜。近紅外光譜吸收譜帶重疊嚴重，因此，需要對其進行降維處理。將原始光譜數據進行“壓縮”，獲得的少量能代表樣本差異和原始數據的變量集合稱為主成分[19]，并將獲得的主成分作為支持向量機的輸入變量。用獲得的主成分代替原始光譜數據計算馬氏距離，馬氏距離的閾值范圍由閾值權重系數決定，如果樣本的馬氏距離超過閾值范圍，則將該樣品定義為需要去除的異常樣品。

1.3.4 樣品訓練集和驗證集的劃分

在Matlab 2019b中使用基于聯合x-y距離的樣本集劃分法（sample set partitioning based on joint x-y distance，SPXY），將樣本按照訓練集和驗證集之比為3∶1進行劃分。

1.3.5 光譜的預處理

為了消除基線漂移、噪聲和散射效應對近紅外光譜圖的影響，本研究采用平滑（smoothing）、卷積平滑導數（savitzky golay derivative，SG derivative）、基線校正（baseline）、標準正態變換（standard normal variate，SNV）、多元散射校正（multiplicative scatter correction，MSC）、消除噪音（noise）、數據元素解析處理（deresolve）和歸一化處理（normalize）等預處理方法對輸入變量進行處理，以提高模型的穩健性和準確性[20-21]。

1.3.6 SVM判別模型的建立和優化

將主成分作為支持向量機分類判別模型的輸入變量，將無霉菌污染樣品定義為“1”類，霉菌污染樣品定義為“2”類，作為支持向量機分類判別模型的輸出變量，使用支持SVM方法建立判別模型。以訓練集準確度和內部交叉驗證準確度為指標，探究線性核函數（linear）、多項式核函數（polynomial）、徑向基核函數（radial basis function，RBF）和 S型核函數（sigmoid）的建模效果，然后采用網格全局尋優算法確定核函數參數C和g的最佳值。

1.3.7 判別模型驗證

將31份外部驗證集樣品（未參與判別模型建立的樣品）的近紅外光譜數據，帶入建好的判別模型中進行驗算獲得判定結果，對判別模型進行外部驗證，根據判別準確度來評價判別模型的預測能力。

1.4 數據處理

本實驗數據采用 OPUS 7.5、Unscrambler 10.4、Matlab 2019b、和Origin 9.5.0處理分析和作圖。

2 結果與分析

2.1 小麥樣品的近紅外光譜圖

小麥樣品的近紅外光譜圖見圖1。

圖1 小麥樣品的近紅外光譜圖Fig.1 Near infrared spectra of wheat samples

近紅外光譜圖主要反映的是有機物中含氫基團（包含C-H、O-H和N-H）振動吸收的情況。由圖1可知，未污染霉菌小麥樣品的近紅外光譜圖和污染霉菌小麥的近紅外光譜峰形相似，且吸收譜帶重疊嚴重，直接從近紅外光譜圖中獲取的信息較少，因此需要使用化學計量學知識和化學計量學數據軟件，對其進行更深的分析處理。

2.2 異常光譜的剔除

基于馬氏距離的主成分分析[22]剔除異常光譜圖，結果見圖2。

圖2 基于馬氏距離的主成分分析剔除異常光譜Fig.2 Elimination of abnormal spectra by principal component analysis based on Mahalanobis distance

由圖2可知，設置置信區間為95%時，有5個樣品被認定為異常樣品，將其從樣品中剔除掉，剩余有效樣品121份。

小麥樣品的近紅外光譜圖含有的信息非常多，將剔除異常光譜樣品剩余的121個有效樣品，進行主成分分析提取到8個主成分能夠代表原始樣本的98.80%，主成分分析結果見表1。

表1 樣品主成分分析結果Table 1 Results of principal component analysis of samples

2.3 樣品訓練集和驗證集的劃分

將121份有效樣品進行主成分分析獲得的主成分矩陣，按照訓練集與驗證集之比3∶1的比例，在Matlab 2019b軟件中使用SPXY樣本劃分方法，將樣本劃分為訓練集90份和驗證集31份。將訓練集90份樣品建立判別模型，驗證集31份樣品為外部驗證樣品，對判別模型進行檢驗。

2.4 最佳預處理方式的選擇

采用 smoothing、SG dericative、baseline、SNV、MSC、noise、deresolve和normalize等預處理方法對輸入變量進行處理，處理后的輸入變量，見圖3。

圖3 不同預處理方式處理后的輸入變量譜圖Fig.3 Input variable spectra after different preprocessing methods

選擇支持向量機分類模型核函數為RBF，核函數參數C取值1，參數g取值0.125。以訓練集準確度和內部交叉驗證準確度為指標，將預處理后的輸入變量使用支持向量機分類方法建立判別模型，結果見表2。

表2 不同預處理方式對判別模型的影響Table 2 The influence of different preprocessing methods on discriminant model

表2結果表明，noise方法處理后，模型的訓練集準確度達到100%，但是內部交叉驗證準確度只有52.22%，可能是此方法處理的輸入變量建立的判別模型出現了過擬合現象。綜合內部訓練集準確度和內部交叉驗證準確度，最終確定SNV為最佳預處理方式，與李軍濤[23]的研究結果一致，SNV預處理方式可以消除固體顆粒大小、表面散射以及光程變化對近紅外光譜的影響。SVM判別模型的內部訓練集準確度為96.67%，內部交叉驗證準確度為93.33%。

2.5 SVM判別模型的建立與優化

用最佳預處理方式處理后的輸入變量，選擇線性核函數（linear）、多項式核函數（polynomial）、徑向基核函數（radial basis function，RBF） 和 S型核函數（sigmoid），核函數參數C取值1，參數g取值0.125，建立SVM判別模型，以訓練集準確度和內部交叉驗證準確度為指標，結果見表3。

表3 不同核函數對判別模型的影響Table 3 The influence of different kernel functions on discriminant model

表3結果表明，選用的核函數為linear時，建立的判別模型，內部訓練集準確度為98.89%，內部交叉驗證準確度為97.78%。

以linear為支持向量機分類模型核函數，以訓練集準確度和內部交叉驗證準確度為指標，由于核函數為linear，核函數參數g值為1，采用網格全局尋優算法[24]確定參數C的最佳值。由于核函數參數C值取值范圍較廣，為了作圖方便，以lgC值為橫坐標，以判別模型的準確度為縱坐標，結果見圖4。

圖4 不同核函數參數C值對判別模型的影響Fig.4 The influence of different kernel function parameter C value on discriminant model

圖4結果表明，當核函數參數C值由0.01逐漸增大時，判別模型的訓練集準確度和內部交叉驗證準確度也隨著增大。當核函數參數C值為10時，建立的SVM判別模型，其內部訓練集準確度為100.00%，內部交叉驗證準確度為98.89%。當核函數參數值C大于10時，內部訓練集準確度為100.00%，但是內部交叉驗證準確度呈現下降趨勢，準確度為96.67%，因此，確定判別模型核函數參數C的最佳取值為10。

2.6 判別模型的驗證

將31個外部驗證集樣品的主成分作為輸入變量，帶入建立并優化好的SVM判別模型中，獲得樣品的判別結果，將判別結果與樣品的真實分類結果進行比較結果見表4。

由表4可知，16個無霉菌污染樣品，即定義為“1”類的樣品，全部判定正確；15個霉菌污染樣品，即定義為“2”類的樣品，全部判定正確。因此，本研究所建立的SVM判別模型識別能力強，可以用于小麥中霉菌污染的快速檢測。

表4 SVM判別模型對外部驗證集樣品的判別結果Table 4 Discriminant results of SVM discriminantmodel for samples of external verification set

3 結論

本研究采用近紅外光譜技術結合支持向量機分類法（SVM）建立快速鑒別小麥霉菌污染的判別模型，并對鑒別模型進行了優化和驗證。將小麥樣品的原始光譜進行主成分分析提取了8個主成分，能夠代表98.80%的樣本信息，輸入變量的預處理方式為SNV時，SVM判別模型內部訓練集準確度為96.67%，內部交叉驗證準確度為93.33%。繼續優化SVM判別模型的參數，當判別模型的核函數為linear時，SVM判別模型，內部訓練集準確度為98.89%，內部交叉驗證準確度為97.78%。進一步采用網格全局尋優算法優化核函數linear參數C值，當時核函數linear參數C值為10時，SVM判別模型，其內部訓練集準確度為100.00%，內部交叉驗證準確度為98.89%。將未參與建立模型的外部驗證集31份樣品光譜，帶入鑒別模型進行判斷，模型判斷正確率為100%。本研究建立的模型準確可靠，與傳統的培養法和化學分析法相比具有檢測時間短、操作便捷、檢測效率高等優點，可以為小麥的安全儲藏提供技術支持。