基于近紅外光譜和支持向量機回歸參數調優的羊肉含水量檢測

張立欣，楊翠芳，張曉，張楠楠，王亞明*

1(塔里木大學 信息工程學院，新疆 阿拉爾，843300)2(南京理工大學 理學院，江蘇 南京，210094)

由于新疆南疆綿羊生長于獨特的氣候、土壤、水源等環境，其羊肉具有膻味較輕、脂肪與膽固醇含量較低等優點，深受各族人民群眾的喜愛，是老百姓餐桌上不可或缺的健康養生美食，供不應求。在羊肉的加工、貯存過程中，水分含量直接影響其口感，因此，對羊肉含水量的檢測具有十分重要的意義。

傳統的實驗室測定肉類水分的方法費時費力，且具有破壞性，較難實現大批量的快速檢測。近紅外光譜分析技術以其速度快、成本低和易于實現等特點，廣泛用于肉制品的檢測，有對肉制品摻假的檢測[1-2]、產地鑒別[3]、品種的識別[4]、嫩度的檢測[5]、新鮮度的檢測[6]、肌紅蛋白含量的研究[7]、pH值和顏色檢測[8]、水分含量[9]的預測等。陳杰等[10]采用不同的預處理方法對羊肉水分含量建立了偏最小二乘回歸偏最小二乘回歸(partial least squares, PLS)模型進行檢測，但是水分含量的測量范圍偏窄。張立欣等[11]建立了羊肉含水量的極限學習機極限學習機(extreme learning machine, ELM)預測模型，運算速度比較快，但是沒有將光譜預處理方法和變量選擇方法結合起來考慮。

在近紅外光譜應用中，為消除噪音的干擾，需要對光譜數據進行預處理[12]，常用方法有一階導數(first derivative，1-DER)[13]、標準正態變換(standard normal transformation，SNV)[14]、多元散射校正(multivariate scatter correction，MSC)[15]、SG平滑變換(Savizkg Golag smooth transformation，SG)[16]、小波變換(wave transformation，WT)[17]等。由于全波段光譜中不可避免地含有大量無信息甚至是干擾信息，影響模型的預測性能，因此，建模時需要選取特征波長變量[18]，特征變量的選取方法有主成分分析(principal component analysis, PCA)[19]、連續投影算法(successive projection algorithm, SPA)[20]、競爭自適應重加權算法(competitive adaptive reweighted sampling, CARS)[21]等。在模型建立方面，有PLS[10]、支持向量機回歸(support vector regression, SVR)[22]、BP神經網絡(back propagation neural network)[23]，ELM[24]等。

不同的研究對象在結構、成分含量上的差異，導致光譜響應和敏感波段也不盡相同。神經網絡建立模型時，參數的隨機賦值，也會影響模型的穩健性。因此，本文在總結前人研究的基礎上，基于近紅外光譜技術和參數優化的SVR算法，以新疆阿拉爾的綿羊肉為研究對象，依據光譜數據和水分含量的實測數據，建立水分含量的最佳預測模型，為研制羊肉水分含量的無損檢測裝置提供理論參考。

1 材料與方法

1.1 數據材料

選用新疆阿拉爾市九團10月齡左右的綿羊，新宰殺后取后腿肉。剔除筋和膜，分割修整成6 cm×6 cm×4 cm規格的樣品，編號分裝入食品保鮮袋，放置于冰箱進行冷藏(4 ℃)。實驗前逐次拿出，待其恢復到室溫后開始實驗。

使用北京凱元盛世公司的JDSU-MicroNIR 1700便攜式近紅外光譜儀(900～1 700 nm)，在室溫20～25 ℃環境下進行實驗，樣品與光譜儀鏡頭保持2 mm的距離，對準中心位置，每個樣品間隔5 s掃描3次，取平均值作為樣品的光譜數值，通過自帶Micro NIR軟件導出為 Excel數據。

羊肉忠水分含量的測定采用國標法GB/5009.3—2016《食品安全國家標準 食品水分的測定》標準中第一法直接干燥法進行測定，每塊樣品測3次，取其平均值作為水分含量值。

1.2 研究方法

1.2.1 光譜數據的預處理

在光譜檢測的過程中，會受到樣品背景等隨機因素的影響，導致光譜數據中含有噪聲，為提高模型的準確性和穩健性，需要對數據進行預處理。本文中的采用的光譜數據預處理的方法有1-DER、SNV、MSC、WT、SG、傅里葉變換(Fourier transformation，FT)。

1.2.2 特征波長的提取

光譜能夠體現物質所含成分及含量，但同時包含大量的冗余信息，為降低模型的復雜性，需要提取特征波長。本文采取的方法有SPA和CARS。

1.2.3 建模方法

PLS法集主成分分析、典型相關分析和多元線性回歸分析3種分析方法的優點于一身，可以避免數據非正態分布、因子結構不確定性和模型不能識別等潛在問題。并且能較好地解決樣本個數少于變量個數等問題，特別當各變量內部高度線性相關時，用PLS法更有效。

SVR法是基于支持向量基的函數逼近回歸問題的學習方法，可用于小樣本問題的學習，計算速度快，預測能力強。

1.2.4 模型驗證

SPXY(sample set partitioning based on joint X-Y distance)算法在劃分訓練集和測試集時，將自變量和因變量間的距離同時考慮在內，使樣本更加均勻。按照SPXY算法劃分訓練集和測試集，以測試集的均方誤差(mean square error, MSE)、擬合優度(goodness of fit,R2)作為標準來評判模型的優劣，計算如公式(1)和公式(2)所示：

(1)

(2)

2 結果與分析

2.1 樣本劃分

所分割的每份羊肉樣品在 900～1 700 nm的波段范圍內原始光譜如圖1所示。

圖1 原始光譜圖Fig.1 Original spectrum

表1 訓練集和測試集Table 1 Training set and test set

由表1可以看出，最大值和最小值都出現在訓練集中，因此，數據的劃分是合理的。

2.2 數據預處理

在近紅外光譜應用時，經常會受到背景等隨機因素的干擾，因此需對光譜數據作預處理。分別采用1-DER、SNV、MSC、WT、SG、FT 6種方法對光譜數據預處理，對原始光譜數據(ORI)和預處理之后的光譜數據，分別采用PLS算法、SVR算法建立水分含量的預測模型。PLS算法建模時，以交叉驗證的均方誤差最小確定潛變量個數，SVR算法建模時，懲罰參數c和核函數參數g采用網格法在{2^(-10),2^(-8),...2^(10)}范圍內選取，結果如下表2所示。

表2 不同預處理下的建模效果Table 2 Modeling effects under different pretreatment

以測試集的MSE、相關系數為評價指標，可以看出，采用PLS算法建模，比較而言，SNV預處理的效果較好，訓練集的MSE為0.875 4，R2為0.869 4，測試集的為2.924 8和0.448 2，存在過擬合。采用SVR算法建模，1-DER預處理的效果較好，測試集的MSE為1.874 9，R2為0.672 7。為提高模型的預測效果，以下均采用1-DER和SNV預處理后的光譜數據。

2.3 波長選擇

光譜能夠體現所含物質的成分及含量，但也包含大量的冗余信息，為提高模型穩健性，需要選取特征波段建模。分別采用SPA算法、CARS算法選取特征波段。

采用SPA算法，以1-DER預處理之后的光譜數據為例，特征波段的選取過程如圖2所示。

圖2 變量的選取過程Fig.2 Variable selection process

由圖2可以看出，隨著參與建模的變量數目的增加，均方根誤差(root mean square error,RMSE)整體呈現衰減的趨勢，當變量數為13時，均方根誤差達到最小值1.328，之后隨著所選變量個數的增加，均方根誤差并無減少的趨勢，因此，選取13個波長變量，選取的波長變量如圖3所示，圖中小方塊對應的橫坐標為所選取的波長，即：908.10、932.88、945.27、951.47、970.05、976.24、988.63、1 001.02、1 007.21、1 013.40、1 019.60、1 180.65、1 242.60 nm。

圖3 選取的變量Fig.3 Selected variables

采用CARS算法進行變量選擇，以標準正態變換預處理之后的光譜數據為例，變量的選取過程如圖4所示。

a-變量優化過程；b-RMSE變化趨勢；c-回歸系數變化圖4 CARS 選取變量結果Fig.4 Variable selection results

由圖4可以看出，在第18次迭代時，交叉驗證的RMSE達到最小為1.573 1，此時選出的變量對應的波長為：932.88、939.08、945.27、982.44、988.63、994.82、1 001.02、1 013.40、1 038.19、1 044.38、1 081.54、1 093.93、1 124.90、1 143.49、1 162.07、1 168.27、1 186.85、1 354.09、1 366.48、1 378.87、1 385.07、1 391.26、1 416.04、1 447.01、1 453.20、1 471.79、1 521.35、1 539.93、1 552.31、1 589.48 nm。

2.4 模型建立

基于預處理之后選出的特征變量作為輸入量，建立PLS模型和SVR模型，對羊肉中的水分含量進行預測，結果如表3所示。

表3 不同預處理方法下不同的波長選擇方法的建模效果Table 3 Modeling effects of different wavelength selection methods under different pretreatment methods

由表3可以看出，1-DER-CARS-SVR模型的預測性能最佳，預測的MSE為1.461 6，R2為0.718 3。優于PLS模型的，這是因為羊肉內部成分結構復雜，除了線性結構外，還存在其他非線性結構。

2.5 SVR模型的參數調優

SVR做預測時，需要設置懲罰參數c和核函數參數g。一階導數預處理后數據，采用CARS方法選出特征變量建模，若隨機生成[0,1]范圍內的參數c和g，并利用這些參數訓練SVR模型，最后進行預測，10次運行的結果如表4所示。

表4 隨機選取參數的建模結果Table 4 Modeling results of randomly selected parameters

由表4可以看出，隨機選取的參數無法保證最后測試集的擬合效果。在實際操作中，可以先在大范圍內粗略尋找參數c和g，讓c和g的取值變化都為2^(-10),2^(-8),...2^(10)，計算對應參數的5折交叉驗證的均方根誤差，均方誤差的等高線如圖5所示。等高線表示c和g取相應值時，對應的5折交叉驗證的的MSE，3D視圖效果如圖6所示。

圖5 參數選擇的等高線圖Fig.5 Contour map with parameters selection

圖6 3D視圖Fig.6 3D view

由圖5和圖6可以看出，在保證均方誤差最小的情況下，c的范圍可縮小到[2^(-5),2^(5)]，g的范圍可縮小到[2^(-10),2^(3)]，這樣在上面粗略參數選擇的基礎上進行精細的參數選擇，逐步縮小參數c和參數g的搜索范圍，對參數進行精選。最后確定參數c和參數g的取值范圍分別為[2^(-1.5),2^0]和[2^(-5),2^(-3)]，在此精細的參數范圍內確定最佳的參數c和參數g的值，此時，1-DER-CARS-SVR模型的擬合效果如表5所示。

表5 1-DER-CARS-SVR的擬合效果Table 5 Fitting effect of 1-DER-CARS-SVR

3 結論

(1)將羊肉近紅外光譜數據分別進行1-DER、SNV、MSC、WT、SG、FT 6種預處理方法，采用PLS算法和SVR算法建立預測模型。結果表明，SNV和1-DER 預處理方法分別讓2種預測模型達到最優。

(2)分別采用SPA算法、CARS算法選取特征波段，建立PLS和SVR模型。最佳預測模型為1-DER-CARS-SVR模型，預測的MSE為1.461 6，R2為0.672 7，優于PLS模型。

(3)SVR算法進行建模時，懲罰參數c和核函數參數g的可以在大范圍內粗選，借助于等高線圖和3D視圖，逐步縮小參數的取值范圍，再進行精選，最終選出最佳參數c為0.701 1，g為0.088 4，此時1-DER-CARS-SVR模型預測的MSE為1.216 2，R2為0.739 5，優于隨機選取參數的預測效果。

本文研究了1種預處理方法、1種變量選擇方法下不同建模方法的預測效果，后續研究中可以進一步將多種預處理聯合用于原始光譜數據預處理，多種變量選擇方法相結合采用不同的算法建立模型，比較分析模型的預測效果。