高光譜結合優化算法的多品種高粱混合的淀粉含量檢測

補友華，姜鑫娜，田建平，胡新軍，黃浩平，高 劍，黃 丹，羅惠波

(四川輕化工大學機械工程學院1，宜賓 644000)四川輕化工大學生物工程學院2，宜賓 644000) (四川釀酒專用糧工程技術研究中心3，宜賓 644000)

高粱作為一種生禾本科植物，在發展中國家約有5億人將其作為主食[1]。高粱除了用來作為主食，由于高粱中淀粉含量高，大約占高粱的65%～70%，蛋白質、單寧、脂肪等含量也適當，也常用于醬香型白酒的釀造[2]。高粱中的淀粉由直鏈淀粉和支鏈淀粉組成，它們是產生酒精的來源和發酵微生物的物質[3]。對于不同品種的高粱，其直鏈淀粉和支鏈淀粉含量也不相同，酒廠常使用多種混合品種的高粱作為釀造原料。由于不同比例配比下高粱的直鏈淀粉和支鏈淀粉含量會影響白酒的品質和風味，因此檢測不同比例配比下高粱的直鏈淀粉和支鏈淀粉含量尤為重要。目前，高粱淀粉含量的檢測主要采用化學分析方法和無損檢測方法。化學方法中常使用碘親和力滴定法和雙波長分光光度法對淀粉含量進行測定，但是此類方法耗時長，且屬于破壞性檢測[4, 5]；無損檢測中常用近紅外光譜技術對淀粉含量進行非破壞性測定[6, 7]，但只能實現單點檢測且檢測精度不高；因此需要一種快速無損方法獲取不同混合比例配比下高粱的淀粉含量。

高光譜成像技術作為一種新興檢測技術，可以同時獲取待測樣本的圖像和光譜信息，可用來全面、客觀地分析樣品，這使得它在食品的安全檢測和控制方面比傳統光譜技術和圖像技術更具有優勢[8]。該技術已被廣泛用于各種物質含量檢測，如大曲的酸度、水分和還原糖含量[9-11]，花生仁的脂肪含量[12]，大米、水稻籽粒和馬鈴薯的淀粉含量[13-15]。用高光譜成像技術對淀粉含量和其他物質含量檢測方面的研究均取得較好的結果，為使用高光譜技術檢測不同混合比例配比下高粱的淀粉含量提供了可行性。

本實驗以不同混合比例配比下的高粱樣本作為研究對象，使用可見光高光譜成像系統采集高粱樣本的高光譜圖像，使用基于擴展極大值變換改進后的分水嶺算法對光譜圖像進行了高粱籽粒分割，并提取了籽粒的光譜數據；對不同預處理方法后的光譜數據分別建立了偏最小二乘法回歸(PLSR)模型，確定了最佳預處理；使用主成分分析(PCA)、PLSR算法提取了光譜特征；基于遺傳算法-BP神經網絡(GA-BPNN)和粒子群算法-支持向量機回歸(PSO-SVR)分別建立了高粱淀粉含量的預測模型。

1 材料與方法

1.1 樣本制備

由于醬香型白酒主要以紅纓子糯高粱作為主要釀造原料[16]，然后混合小比例的其他糯高粱品種，因此本研究選用貴州某高粱育種中心的紅纓子(HYZ)作為被混合的高粱品種，選擇四川、山東某高粱育種中心的美國高粱(MG)及鐵桿(TG)2個品種作為混合的高粱品種。將3個高粱品種進行兩兩組合得到3組混合樣本(MG+HYZ、TG+HYZ、TG+MG)。每組混合樣本的總質量為15 g，按照5種不同的混合比例(10%、16.67%、23.33%、33.33%、43.33%)配比的高粱進行樣本制備，每個混合比例的樣本制作20個平行樣本，共制備300個樣本(3×5×20 = 300)作為淀粉含量預測模型的訓練集和預測集。另外制備了10個樣本作為外部驗證集用于驗證最優模型的穩當性和準確性(MG+HYZ、TG+HYZ不同混合比例各1個)。樣本制備完成后，所有高粱樣本在未采集數據前都進行常溫密封保存。不同混合比例配比的高粱樣本具體信息如表1所示。

表1 不同混合比例配比的高粱樣本制備

1.2 儀器與設備

高光譜成像的采集設備使用美國推掃式成像系統，采集軟件為LUMO-scanner。該系統主要由Specim FX10系列高光譜相機、2組150 W的鹵素燈光源、電控移動平及平臺支架組成。高粱質量的測定設備使用OHAUS精密天平，量程為320 g，精度為0.001 g。高粱淀粉含量測定的主要儀器有BJ-800A多功能粉碎機，BGZ-140電熱鼓風干燥箱，TG-16高速離心機，UV Professional分光光度計，BSC-400恒溫恒濕箱等。

1.3 高光譜圖像采集及校正

使用高光譜成像系統前，為了獲得穩定的高粱樣本的高光譜圖像，需要在數據采集系統設置最佳采集參數。在使用高光譜相機采集數據時，將采集參數白板標定峰值調整為3 616，相機的曝光頻率和曝光時間分別設置為50 Hz和4.02 ms，移動平臺掃描速度設置為16.57 mm/s。采集參數設置完成后，將高粱樣本平鋪在直徑為150 mm的培養皿中，然后放在電控移動平臺進行數據采集。

為了減少相機探測器的暗電流對樣本的整體影響，并消除環境光照不均勻對高粱顆粒的影響，需要利用白色參考圖像和暗電流參考圖像對原始高光譜圖像進行校正對原始高光譜圖像進行圖像校正[17]。對高粱的原始光譜圖像用式(1)進行校正。

(1)

式中：Ir為校正前的原始光譜圖像；Iw為白色參考圖像；Id為暗電流參考圖像；Ic為校正后的參考圖像。

1.4 高粱直鏈、支鏈淀粉測定

高粱樣本的高光譜數據采集完成后，使用GB 7648—1987測定每個高粱樣本的直鏈、直鏈淀粉含量。其測定原理為淀粉遇碘生成淀粉-碘復合物，且直鏈淀粉遇碘生成深藍色復合物，支鏈淀粉遇碘生成棕紅色復合物。當淀粉總量不變時，不同比例的直鏈、支鏈淀粉分散液在一定的波長與酸度條件下與碘作用生成由紫紅到深藍的一系列顏色，使用分光光度計可以測定分散液中的直鏈、支鏈淀粉的含量。

1.5 數據處理方法

1.5.1 高光譜數據提取及處理

由于高粱樣本的高光譜圖像包含了無關的背景信息和高粱籽粒的信息，并且高粱籽粒之間存在粘結現象。為了剔除無關的背景信息和分割存在粘結現象的高粱籽粒，故對高粱樣本的圖像采用圖像處理技術中形態學方法和分水嶺算法[18]，確定樣本中所有高粱籽粒的位置，然后精確提取高粱籽粒感興趣區域(ROI)內的光譜數據。根據式(2)對每顆高粱籽粒ROI的光譜數據取平均值作為得到高粱籽粒的平均光譜數據[19]。

(2)

在提取了高粱樣本中每顆高粱籽粒的光譜數據后，將樣本中所有高粱籽粒的光譜數據取平均值作為每個高粱樣本的光譜數據，用于后續數據分析。

1.5.2 光譜預處理及樣本劃分

為了消除高粱樣本顆粒在培養皿中分布不均勻，且高粱顆粒大小的不同而引起的散射對其光譜的影響，采用多元散射校正(MSC)對高粱顆粒的光譜數據進行處理，從而獲得理想的光譜[20]。為了提高光譜的信噪比，減少隨機噪聲對光譜的影響，使用Savizky-Golay濾波器(SG)對高粱樣本的光譜進行平滑處理[21]。也采用MSC與SG結合的方式光譜進行預處理[22]。另外，本研究采用光譜-理化共生距離(SPXY)[23]對高粱樣本進行樣本集劃分，將300個高粱樣本按照4∶1的比例劃分為校正集和預測集，用于后續淀粉含量的定量預測模型的訓練和預測。

1.5.3 光譜特征提取方法

采用2種方法提取高粱光譜數據的特征。使用PCA算法分別計算高粱光譜數據的主成分，然后選擇累計貢獻率最大的幾組主成分對應的得分矩陣作為光譜特征[24]。使用自變量(高粱樣本的光譜數據)和因變量(高粱樣本的淀粉含量)建立PLSR模型[25]，然后選擇PLSR模型累計貢獻率最大的前幾組潛在變量對應的得分矩陣作為光譜特征，用于后續預測高粱淀粉含量模型的建立。

1.5.4 高粱淀粉預測模型建立

1.5.4.1 GA-BPNN預測模型

BPNN算法是一種經典的多層前饋算法，可用于解決相對復雜的非線性問題，在光譜分析中得到了廣泛的應用[26]。BPNN的網絡結構由一個輸入層、多個隱藏層和一個輸出層組成。該算法的基本原理：在學習過程由輸入信號(光譜數據)的正向傳播與誤差的反向傳播兩個過程組成。本研究將GA算法和BPNN神經網絡結合起來，對神經網絡的初始的權值和閾值進行整體優化[27]。其中種群規模設置為100，遺傳迭代次數為50，交叉概率為0.6，變異概率為0.05。

1.5.4.2 PSO-SVR預測模型

SVR以其優異的泛化能力被廣泛用于解決光譜數據的分類與回歸問題[28]。SVR作為支持向量機里的一個分支，常用于回歸分析。SVR的基本原理是通過使用核函數，將低維空間的非線性問題映射到高維空間，在高維空間中構造線性決策函數來實現原空間中的非線性決策，從而實現線性回歸[29]。由于懲罰系數c和松弛系數g的取值直接決定了SVR模型的泛化能力，所以通過PSO算法對SVR模型的懲罰因子c和核函數參數g進行參數尋優[30]。

1.5.5 模型評估

本研究基于全波長和特征光譜分別建立了預測高粱的淀粉含量GA-BPNN和PSO SVR模型。通過校正決定系數(Rc2)，校正均方根誤差(RMSEC)，預測決定系數(Rp2)，預測均方根誤差(RMSEP)來綜合評價模型的性能，選擇最優的預測模型。通常RMSEC、RMSEP反映了模型的預測精度，其值越接近0說明模型精度越高；Rc2、Rp2反映了對數據變化的解釋程度，其值越接近1代表模型的解釋程度越高[31]。

2 結果與分析

2.1 高粱樣本的淀粉含量測定值統計

將高粱樣本的光譜數據和對應的直鏈、支鏈淀粉含量劃分為校正集、預測集。劃分樣本后的淀粉含量統計結果如表2所示，預測集的淀粉含量范圍(0.902 3～2.163 1 g)分布在校正集的淀粉含量范圍(0.906 4～2.213 2 g)之內，且校正集和測試集內直鏈淀粉含量的均值、標準差基本一致，說明劃分的樣本分布均勻，劃分結果較為合理。

表2 高粱淀粉含量參考值統計

2.2 高粱樣本的圖像處理及光譜提取

首先，對高粱樣本的RGB圖像進行灰度變換，使得高粱籽粒的目標區域和背景區域明顯分開；然后對灰度圖像進行二值化，再對其二值圖像使用基于擴展極大值變換改進后的分水嶺圖像分割算法，找到高粱籽粒的分水嶺脊線；最后，將分水嶺脊線圖像反色，再與二值圖像進行與運算，得到分割后的高粱籽粒，高粱樣本圖像的關鍵處理過程如圖1所示。將分割后每個高粱籽粒作為ROI，提取每個高粱籽粒ROI的平均光譜數據，再對每個高粱籽粒ROI的平均光譜數據取平均，得到高粱樣本的平均光譜數據。

圖1 高粱樣本的圖像處理過程

2.3 高粱樣本的光譜分析

不同混合比例配比下的高粱樣本的可見光光譜如圖2所示。不同混合比例配比下高粱樣本的光譜曲線呈現相同的趨勢。光譜在500 nm附近有輕微的吸收峰，在其余的波段位置沒有明顯的吸收峰，但是反射率具有明顯的差異。

圖2 高粱光譜曲線

2.4 光譜數據的預處理分析

利用MSC、SG、MSC-SG預處理方法對不同混合比例配比下的高粱樣本的光譜數據進行預處理，將預處理后的光譜數據結合PLSR建模預測高粱的淀粉含量，預測效果如表3所示。經比較發現未使用預處理的光譜數據建立的預測直鏈淀粉含量的PLSR模型預測能力最好，RMSEP=0.045 1，Rp2=0.989 7；發現使用MSC-SG預處理后的光譜數據建立的預測支鏈淀粉含量的PLSR模型預測能力最好，RMSEP=0.206 7，Rp2=0.871 0，這可能是因為MSC-SG可以降低高粱顆粒大小的不同而引起的散射對其光譜的影響，且減少光譜噪聲。因此后續研究選取未預處理和MSC-SG預處理后的光譜數據分別作為高粱直鏈淀粉和支鏈淀粉含量預測的光譜數據預處理手段。MSC-SG預處理后光譜曲線如圖2b所示。

表3 光譜數據預處理后的建模效果

2.5 光譜特征提取

2.5.1 PCA算法提取光譜特征

在可見光光譜范圍內，采集的光譜數據包含了448個波段，其存在大量的冗余和共線性信息的問題，使得模型的精度和運算速度降低。為了消除光譜數據中的冗余和干擾變量，簡化模型，因此需要對光譜數據進行降維。該研究使用PCA算法對光譜數據進行主成分分析，光譜數據的前4個主成分的累計貢獻率達到99.87%(PC1：54.36%、PC2：42.09%、PC3：3%、PC4：0.42%)。因此提取了前4個主成分對應的主成分得分矩陣(300×4)作為光譜特征用于后續多元模型的建立。

2.5.2 PLSR算法提取光譜特征

PSLR算法是一種基于特征變量的回歸方法，其實質是按照協方差極大化準則，在分解自變量數據矩陣X(高粱光譜數據)的同時，也在分解因變量數據(淀粉含量)，并且建立相互對應的潛在變量與因變量數據之間的回歸關系方程。如圖2所示，該研究初始選擇35個潛在變量數建立預測高粱淀粉的PLSR模型，然后通過十折交叉驗證，根據最小的均方根誤差(RMSE)選擇最佳的潛在變量數。由圖3a可知，當潛在變量數為7時，預測直連淀粉含量的RMSE值達到最小為0.028 75，由圖3c可知，前7個潛在變量的累計貢獻率達到了97.63%，因此選擇前7個潛在變量對應的得分矩陣(300×7)作為光譜特征用于后續建立直連淀粉含量的預測模型。同樣，對于支鏈淀粉的光譜特征提取，由圖3b可知，當潛在變量數為5時，預測支鏈淀粉含量的RMSE值達到最小為0.1779 8，由圖3d可知，前5個潛在變量的累計貢獻率達到了84.11%，因此選擇前5個潛在變量對應的得分矩陣(300×5)作為光譜特征用于后續建立支鏈淀粉含量的預測模型。

圖3 PLSR模型的潛在變量

2.6 多元模型分析

基于全波長的光譜數據、PCA和PLSR提取的光譜特征，利用未預處理和MSC-SG預處理后的光譜數據分別建立了GA-BPNN和PSO-SVR模型，預測不同混合比例配比下高粱的淀粉含量。對于GA-BPNN的網絡結構和參數設計：確定trainlm為神經網絡的訓練函數，隱含層為1層帶有15個點神經元，確定tansig為隱含層節點的傳遞函數，purelin為輸出層節點傳遞函數，網絡學習函數為BP學習規則learngdm，學習率為0.001，迭代次數為1 000，訓練目標為4.43e-7。對于PSO優化SVR模型的參數：粒子群的種群數N=20，粒子速度范圍[0.1,1.0]，最大的迭代次數Gmax=200，學習因子C1和C2為1.5和1.7，建模結果如表4所示。

從表4中可見，對于高粱直鏈淀粉含量的預測結果，在GA-BPNN模型中使用PCA提取的光譜特征建立的模型效果最佳，其RMSEP，Rp2分別為0.014 6，0.992 2；在PSO-SVR模型中使用PLSR提取的光譜特征建立的模型效果最佳，其RMSEP，Rp2分別為0.044 7，0.991 0。以上2種模型效果相對于全波長建模的效果來說，在保證模型的預測精度的前提下不僅簡化了模型，也提高了模型的預測精度；GA-BPNN和PSO-SVR這2種模型之間，采用PCA提取的光譜特征建立的GA-BPNN模型效果最好。對于高粱支鏈淀粉含量的預測結果，同樣是采用PCA提取的光譜特征建立的GA-BPNN模型效果最好，其RMSEP，Rp2分別為0.151 9，0.933 6。這是因為PCA算法對光譜數據進行主成分分析，前4個主成分的累計貢獻率高達99%以上，因此提取前4個主成分對應的得分矩陣作為光譜特征，能夠很好的解釋光譜數據的差異性，因此PCA提取的光譜特征建立模型效果最好；而PLSR算法的最佳潛在變量的累計貢獻率低于98%，導致PLSR提取的光譜特征建立模型效果略差。

圖4展示了基于PCA提取光譜特征建立的GA-BPNN的模型預測集和訓練集的擬合結果。

表4 多元模型的效果

圖4 預測集和校正集的擬合效果

可以看出高粱直鏈淀粉含量的擬合效果較好，其淀粉含量的測量值和預測值均分布在紅色斜線附近，說明直鏈淀粉含量的預測誤差小。高粱支鏈淀粉含量的擬合效果略差，其淀粉含量的測量值和預測值均分布在紅色斜線的較遠區域，這是因為支鏈淀粉含量在8～10.5 g，支鏈淀粉的預測值與測量值的誤差略大。

2.7 最優模型外部驗證

為了進一步驗證最優模型的準確性和穩定性，采用外部驗證方式驗證模型效果，將未參與建模10個外部驗證集代入最優模型進行預測，同時與測量值進行比較，對比結果見表5。

表5 淀粉測量值與預測值結果對比

3 結論

本研究探討了可見光高光譜成像技術在不同混合比例配比下高粱的淀粉含量檢測中的應用，結果表明可見光高光譜成像技術結合優化算法能夠準確地檢測不同混合比例配比下高粱的淀粉含量。利用原始和不同預處理方式(MSC、SG、MSC-SG)處理后的光譜數據建立PLSR模型預測高粱淀粉含量，發現MSC-SG建立的模型預測高粱支鏈淀粉含量的效果最好(Rp2=0.871 0，RMSEP=0.206 7)。利用PCA算法從高粱樣本的光譜數據提取了300×4的特征光譜矩陣；利用PLSR算法對于直鏈淀粉和支鏈淀粉分別提取了300×7和300×5的光譜特征矩陣。基于全波長的光譜數據、PCA和PLSR提取的光譜特征建立了GA-BPNN和PSO-SVR模型預測高粱樣本的淀粉含量，發現用PCA提取的光譜特征建立的GA-BPNN模型最優(直鏈淀粉：Rp2=0.992 2、RMSEP=0.041 6；支鏈淀粉：Rp2=0.933 6、RMSEP=0.151 9)，有效簡化了模型，提高了模型精度。總體研究結果表明，可見光高光譜成像技術結合優化算法能夠快速獲取高粱的淀粉含量，同時也可以為檢測其他谷類的淀粉含量提供一種新的方法。