基于高光譜與集成學習的單粒玉米種子水分檢測模型

吳靜珠 張 樂 李江波 劉翠玲 孫曉榮 余 樂

(1.北京工商大學食品安全大數據技術北京市重點實驗室， 北京 100048；2.北京農業智能裝備技術研究中心， 北京 100097)

0 引言

隨著機械化的提升，玉米播種方式從傳統的“一穴多粒”逐漸轉變為單粒精量播種[1]。而單粒精量播種技術的關鍵核心之一是高質量種子的篩選。根據GB 4404.1—2008，水分是我國農作物種子質量四大必檢項目之一[2]。當玉米種子含水率高于14%時會導致種子呼吸增大、養分消耗過多、引起種子活力下降[3]。因此單粒玉米種子水分檢測對于單粒精量播種技術具有重要的實際意義。傳統的種子水分檢測方法如烘干法等，雖然檢測精度較高，但存在試樣破壞性、耗時長以及無法進行單粒檢測等弊端。近年來高光譜技術以其“圖譜合一”的技術優點，在單粒種子水分快速、無損檢測領域表現出極大的應用潛力[3-9]。

我國在2010年發布了GB/T 24900—2010[10]用于玉米種子批水分測定，表明近紅外光譜技術在玉米種子批水分檢測領域具有實際應用可行性。田喜等[11]在波長1 000～2 500 nm范圍內分別提取了玉米籽粒全表面結構和胚結構區域的高光譜信息，采用競爭性自適應重加權變量選擇算法、遺傳算法、連續投影算法篩選特征波段，建立并比較偏最小二乘回歸模型對水分含量的預測效果。結果表明，提取玉米籽粒胚結構的圖譜信息較全表面光譜信息更高效。COGDILL等[12]在波長750～1 090 nm范圍內建立了一種基于高光譜成像預測單粒玉米種子的水分和油脂含量的模型。采用偏最小二乘回歸和主成分回歸作為建模算法，并比較了標準正態變換、去趨勢項、多元散射校正、遺傳算法和不經過預處理對模型預測性能的影響。結果表明，基于主成分回歸的水分預測模型性能遠優于偏最小二乘回歸法，最佳交叉驗證標準誤差為1.20%，相對性能決定因子為2.74。

上述研究表明高光譜技術檢測單粒玉米種子水分具有較好的理論基礎和可行性，但是由于現有的光譜檢測模型大都為單一模型，模型易受光譜采集引入的噪聲、樣本表面差異帶來的光譜信息偏差，以及水分檢測結果異常等敏感樣本擾動，模型缺乏穩健性。集成學習是通過組合多個弱監督模型來得到更全面的強監督模型[13]的一種代表性機器學習方法，可以有效提升模型的穩健性。因此本文重點探索將高光譜檢測技術與集成學習相結合建立預測精度高、穩健性好的單粒玉米種子水分檢測模型，以期為玉米精量播種技術提供高效的種子質量檢測方法。

1 材料與方法

1.1 實驗材料

玉米種子品種為鄭單958，去掉蟲蛀孔洞、霉變、破損顆粒，選取完整飽滿的種子，100粒為一份樣本，共80份樣本，均分為A、B、C、D 4組。為了擴大樣本含水率范圍，將樣本放入高溫(40～50℃)、高濕(相對濕度100%)實驗箱中，并在第0、1、2、3天后分批次取出，再分別對每份樣本晾曬0、2、4、6、8 h，充分混合、密封后放置在冷柜內保存。

1.2 高光譜圖像采集

采用芬蘭Specim公司的SisuCHEMA高光譜成像系統，相機型號為SWIR。高光譜成像系統參數設置如下：波長范圍為968.05～2 575.05 nm；空間分辨率384像素/行；波段數288個；幀頻39.06 Hz；曝光時間1.89 ms。將樣本排列整齊，尖端方向一致，保證行列對齊。由于玉米種子組織結構在種子表面兩側存在明顯差異，且高光譜成像系統采用的是反射式，為建立精細化的種子水分預測模型，分別采集了種子胚朝上、胚朝下的高光譜圖像，并分別建立種子水分模型進行分析比較。

1.3 水分含量測定

依據GB/T 10362—2008《糧油檢驗 玉米水分測定》[14]中“整粒試樣”方法對樣本進行含水率測定，以質量分數表示，計算式為

(1)

式中S——玉米含水率，%

m2——干燥前質量，g

m1——干燥后質量，g

1.4 數據處理方法

1.4.1數據預處理

利用Evince軟件進行黑白板校正，對原始光譜圖像上所有像素點光譜矩陣進行主成分分析，圖1為原始高光譜圖像PCA分布圖，由于背景像素點和種子樣本像素點的光譜具有顯著差異，因此在主成分空間存在完全不同的分布聚集。選擇主成分空間中的種子像素點，將背景剔除以減小干擾，如圖2所示，得到單粒玉米種子RGB圖像，從而獲得單粒玉米種子的平均光譜信息。

圖1 原始高光譜圖像PCA分布圖Fig.1 PCA distribution of raw hyperspectral image

圖2 通過PCA獲取單粒玉米種子RGB圖像Fig.2 RGB image of single maize seed by PCA

采用合適的光譜預處理方法可以提取有效的光譜信息，提升光譜質量[15]。多元散射校正可以有效消除近紅外漫反射光譜中由于樣品的鏡面反射及不均勻造成的噪聲[16]，消除光譜的基線漂移現象及光譜的不重復性，經過散射測試后得到的光譜數據可以有效地消除散射的影響, 增強了與成分含量相關的光譜吸收信息。因此本研究采用多元散射校正(Multiplicative scatter correction，MSC)方法對單粒玉米種子的光譜進行預處理。

1.4.2集成學習

集成學習通過組合多個弱監督模型以得到一個更全面的強監督模型，彌補了單一模型受敏感樣本擾動大，缺乏穩健性的缺陷。集成學習分為兩類：bagging和boosting[17]。其中bagging代表算法是隨機森林(Random forest，RF)，boosting特點是自適應加權，代表算法是AdaBoost。

RF采用Bootstrap抽樣的方式保證了每棵決策樹的訓練集不同且具有隨機性，使得RF模型不易陷入過擬合，并且具有較好的抗噪能力，比單個模型具有更穩定的預測能力[18]。最終將所有決策樹的預測結果取均值后作為模型的輸出，但是由于訓練集通常不平衡，對某些貢獻度較大的樣本數據，通常需要有小的訓練誤差，某些對集成模型貢獻度較大的決策樹無法發揮更大的作用。

AdaBoost根據弱學習器誤差率的表現自適應地更新訓練樣本的權重，最后通過集合策略整合[19]，提高模型的精度。與RF不同的是，AdaBoost每一輪訓練集相同，容易受敏感樣本的擾動。

結合RF的Bootstrap抽樣，以及AdaBoost自適應加權的特點對隨機森林的預測模塊進行改進，改進RF模型總體流程如圖3所示。

圖3 改進RF流程圖Fig.3 Improved random forest flow chart

對待測的單粒玉米種子水分含量進行預測的具體步驟如下：

(1)首先根據歐氏距離公式計算待測的單粒玉米種子樣本光譜與隨機森林模型中第i棵決策樹樣本集光譜中心的距離di，計算式為

(2)

式中PX——待測樣本的光譜信息

(2)根據歐氏距離確定在待測單粒玉米種子樣本時每棵決策樹的權重，第i棵決策樹的權重ai為

(3)

式中N——樣本個數

(3)對步驟(2)的每棵決策樹的權重進行加權，輸出待測單粒玉米種子樣本水分含量的預測值Y，即

(4)

式中yi——第i棵決策樹對待測單粒玉米種子樣本水分含量的預測值

2 結果與分析

2.1 光譜圖譜

80份單粒玉米種子樣本胚朝上、胚朝下的光譜數據如圖4所示，圖像數據如圖5所示。可以看出，玉米種子的近紅外光譜分布較寬，胚朝上和胚朝下的光譜趨勢基本一致，波長1 190、1 450、1 940 nm附近有明顯的特征峰。水分子由2個氫原子和1個氧原子結合而成的結構使得水分子具有多個原子鍵振動能級，其中波長1 190 nm處的特征峰為氫氧鍵伸縮振動的一級倍頻和合頻，1 450 nm處的特征峰主要為氫氧鍵伸縮振動的一級倍頻，1 940 nm處的特征峰也為氫氧鍵伸縮振動的合頻[20]，這些特征峰均明顯地反映了玉米種子中的水分子對不同波長的近紅外光的吸收程度。

圖4 樣本光譜數據Fig.4 Sample spectral data

圖5 樣本高光譜圖像數據Fig.5 Sample hyperspectral image

2.2 樣本水分含量測定結果

將A、B、C組作為訓練集，共60份樣本；D組作為測試集，共20份樣本。表1為模型數據集的含水率統計信息。訓練集和測試集的含水率整體分布較為合理，保證了建模樣本具有較好的代表性，滿足了建立定量分析模型的條件。

表1 玉米種子含水率統計信息Tab.1 Corn seed moisture content

2.3 基于單一模型與不同集成學習模型的建模對比

利用Matlab 2018b軟件對單粒玉米種子樣本的胚朝上和胚朝下的原始光譜數據進行多元散射校正，處理后的光譜如圖6所示，可以看出，原始光譜曲線的噪聲、基線漂移、共線性現象消除效果較好。

圖6 經多元散射校正預處理后的樣本光譜Fig.6 Spectra of sample pretreated by MSC

利用Pycharm軟件，基于偏最小二乘回歸(Partial least squares regression，PLSR)、決策樹建立的單一模型與RF、AdaBoost和改進RF 3種集成學習算法分別對原始光譜數據以及經過多元散射校正后的數據進行建模分析，根據經驗及多次實驗，確定RF和改進RF模型中ntree、mtry均分別取10和2。以相關系數R和訓練集均方根誤差(Root mean square error of correction set，RMSEC)、測試集均方根誤差(Root mean square error of prediction set，RMSEP)作為模型性能評價指標，模型性能統計結果見表2和圖7，并觀察單一模型(決策樹)以及集成模型(改進RF模型)測試集RMSEP隨著運行次數增加的變化情況，結果見圖8。

從表2和圖7可以看出，光譜經過多元散射校正處理后，模型的預測結果更好，進一步證明多元散射校正有效地提升了單粒玉米種子樣本的光譜質量。

表2 基于單一模型與不同集成學習算法的定量模型性能比較Tab.2 Comparison of quantitative models based on different ensemble learning algorithms

圖7 MSC處理后的光譜數據集成模型預測效果Fig.7 Prediction effects of spectral data integration model after MSC processing

圖8 基于決策樹和改進RF模型預測效果Fig.8 Prediction effect of decision tree and improved RF model

從圖8可以看出，相比基于決策樹建立的單一模型，基于改進RF算法建立的集成模型不僅顯著提升了預測準確性，并且具有更好的穩定性。證明集成學習通過構建多個學習模型的方法在處理單粒玉米種子含水率回歸問題上具有可行性，比單一模型具有更強的穩健性。

在3種集成模型中，基于AdaBoost建立的模型在訓練集上效果最好，通過自適應地改變訓練樣本的權重，學習多個模型，并將這些模型進行線性的組合，提供了預測精度。但是在測試集上AdaBoost的表現卻最差，這是因為AdaBoost每輪訓練時樣本集相同，對異常樣本敏感，異常樣本在迭代中可能獲得較大權重，影響強學習器的預測準確性，新數據集樣本間的差異性將很難保證。而RF采用Bootstrap抽樣的方式反復地進行模擬原小樣本數據集，用重復的計算提升小樣本的精度，構建滿足分析與建模需要的新數據集。因此在測試集上RF比AdaBoost預測效果好。

改進RF結合了RF的Bootstrap抽樣以及AdaBoost的自適應權重策略，并考慮到光譜信息的波長變量之間的相關性，在胚朝上、胚朝下的訓練集和測試集上預測效果都較好，其中利用胚朝上光譜信息建立的模型測試集R達到0.881，在RF基礎上提升了11.7%；RMSEP為0.404%，在RF基礎上降低了5.39%。

利用單粒玉米種子胚朝上的光譜信息建立的改進RF模型訓練集R為0.969，RMSEC為 0.094%，測試集R為0.881，RMSEP為0.404%；利用單粒玉米種子胚朝下的光譜信息建立的改進RF模型訓練集R為0.966，RMSEC為0.100%，測試集R為0.793，RMSEP為0.544%。比較分析可知，使用胚朝上光譜信息建立的含水率檢測模型效果優于使用胚朝下建立的含水率檢測模型。由于玉米種子的胚部處于整個種子的凹面，當掃描胚朝上時，種子表面凹凸不平，使得光譜反射信息更加豐富，當掃描胚朝下時，種子表面較為光滑平整，光譜反射率差異性小，說明單粒玉米種子的含水率與胚部區域光譜關系顯著。

3 結論

(1)分別采集了單粒玉米種子胚朝上和胚朝下的高光譜圖像并提取單粒種子平均光譜信息，采用多元散射校正法消除單粒種子采集高光譜時由于顆粒形態等引起的噪聲干擾，然后對隨機森林算法進行了改進，利用加權策略取代傳統集成算法常用的取多個弱學習器的平均值，使與被測樣本光譜波長變量相關性更大的決策樹能夠對模型起到更關鍵的作用，使得集成模型的準確率有了大幅提升。

(2)建立并比較了基于PLSR、決策樹的單一模型和基于RF、AdaBoost、改進RF的集成模型針對單粒玉米種子水分含量的檢測效果。使用胚朝上光譜信息建立基于改進RF模型性能最優，訓練集R為0.969，RMSEC為0.094%，測試集R為0.881，RMSEP為0.404%。實驗結果表明：相比單一模型，集成學習有效提升了模型的穩健性，受敏感樣本擾動小。利用胚朝上的光譜信息相比胚朝下的光譜信息對檢測單粒玉米種子含水率更高效。基于Bootstrap抽樣和自適應加權的改進RF對單粒玉米種子含水率檢測效果較好，有助于提升單粒玉米種子水分高光譜快速無損檢測實際應用可行性，有望為玉米精量播種技術的推廣和發展提供可行的檢測手段。