基于近紅外光譜的庫(kù)爾勒香梨等級(jí)判別模型研究

范振岐，張含笑，王彥群,2*

（1塔里木大學(xué)信息工程學(xué)院，新疆 阿拉爾 843300）

（2華中農(nóng)業(yè)大學(xué)信息學(xué)院，湖北 武漢 430070）

庫(kù)爾勒香梨是新疆特色水果，也是中國(guó)最優(yōu)質(zhì)的地方梨品種之一，香梨果皮薄、質(zhì)脆，果肉白色、多汁味甜、近果心處略酸、香味濃郁，是國(guó)家地理標(biāo)志產(chǎn)品［1］，以其優(yōu)異的品質(zhì)在國(guó)內(nèi)外享有盛譽(yù)，是當(dāng)?shù)毓r(nóng)創(chuàng)匯增收的主要來(lái)源，已成為當(dāng)?shù)刂еa(chǎn)業(yè)之一［2］。庫(kù)爾勒香梨品質(zhì)的好壞，一個(gè)重要的指標(biāo)就是糖度（Brix），也常常作為香梨等級(jí)評(píng)判的重要標(biāo)準(zhǔn)。根據(jù)庫(kù)爾勒香梨標(biāo)準(zhǔn) NY/T 585—2002［3］，香梨糖度大于或等于12.5為特級(jí)，大于或等于12而小于12.5為一級(jí)，大于或等于11而小于12為二級(jí)。所以，糖度的測(cè)定是香梨等級(jí)評(píng)判的關(guān)鍵。糖度中大部分的成分是可溶性固形物，常用可溶性固形物含量反映糖度。傳統(tǒng)的檢測(cè)糖度方法是采用數(shù)字式糖度計(jì)或阿貝折射儀測(cè)量果汁的可溶性固形物含量［4-5］，以此作為果肉的糖度，但此方法是有損檢測(cè)，很難用于果品品質(zhì)無(wú)損檢測(cè)儀以及基于內(nèi)部品質(zhì)的果品工業(yè)化分級(jí)設(shè)備的研發(fā)中。因此，急需尋找一種簡(jiǎn)單、快速、無(wú)損的檢測(cè)方法來(lái)檢測(cè)香梨糖度從而進(jìn)行分級(jí)，而近紅外光譜分析技術(shù)正好滿足這些要求。

近紅外光譜分析技術(shù)可以測(cè)試物質(zhì)對(duì)光的吸收、透射和反射的能力以確定特定成分含量，是一種快速、高效、低成本的檢測(cè)技術(shù)，已廣泛用于農(nóng)產(chǎn)品品質(zhì)無(wú)損檢測(cè)。在蜜柑、蘋果、芒果的糖度[6-8]，甜瓜、蜜瓜、土豆、洋蔥、臍橙、獼猴桃等可溶性固形物含量及干物質(zhì)含量[9-11]，草莓維生素C[12]和鳳梨的水、纖維素[13]的檢測(cè)方面得到了較好應(yīng)用。關(guān)于梨的品質(zhì)研究方面，已經(jīng)有對(duì)梨表面色澤［14］、梨酸度［15］、砂梨的糖度［16］、南果梨的可溶性固形物［17］、翠冠梨可溶性固形物含量［18］和梨堅(jiān)實(shí)度［19］等方面的研究。庫(kù)爾勒香梨皮薄多汁的屬性為無(wú)損檢測(cè)技術(shù)應(yīng)用提供了很好的條件。將振動(dòng)頻譜技術(shù)［2］、介電譜技術(shù)［4,20］、可見(jiàn)/近紅外光譜技術(shù)［5］、高光譜技術(shù)［21］分別用于無(wú)損檢測(cè)庫(kù)爾勒香梨的可溶性固形物含量，已經(jīng)取得了較好的預(yù)測(cè)效果。當(dāng)前，庫(kù)爾勒香梨果實(shí)品質(zhì)成為人們研究的熱點(diǎn)，但是利用近紅外光譜技術(shù)進(jìn)行庫(kù)爾勒香梨等級(jí)判別的研究很少見(jiàn)。考慮到水果品種的差異性，糖分在不同水果中的光譜響應(yīng)也不盡相同，因此需要綜合系統(tǒng)地比較各種近紅外光譜變量篩選方法和建模理論在庫(kù)爾勒香梨含糖量預(yù)測(cè)中的性能，從而獲取適用于庫(kù)爾勒香梨等級(jí)評(píng)判的近紅外光譜的最佳建模理論。

本試驗(yàn)以香梨糖度作為檢測(cè)指標(biāo)，使用近紅外光譜儀采集波段范圍在900～1 700 nm內(nèi)的數(shù)百個(gè)香梨樣本光譜數(shù)據(jù)，對(duì)原始光譜選擇合適的預(yù)處理方法，篩選特征波段，以糖度特征光譜數(shù)據(jù)作為參數(shù)，利用最近鄰域法、支持向量機(jī)、隨機(jī)森林方法建立庫(kù)爾勒香梨等級(jí)判別模型，并針對(duì)模型的優(yōu)劣進(jìn)行比較，從而建立適用于庫(kù)爾勒香梨的基于近紅外光譜的等級(jí)判別模型。

1 材料與方法

1.1 試驗(yàn)材料

選購(gòu)大小均勻、無(wú)損傷的庫(kù)爾勒香梨350個(gè)作為樣本集。對(duì)樣本清洗以去除表面灰塵并進(jìn)行依次編號(hào)后，放在室溫中24 h以消除溫度對(duì)所構(gòu)建模型性能的影響。在采集光譜數(shù)據(jù)前，對(duì)樣本沿赤道部位每隔120°進(jìn)行采樣區(qū)域標(biāo)記，每個(gè)樣本共標(biāo)記3個(gè)采樣區(qū)。

1.2 數(shù)據(jù)采集

采用Micro NIR 1700便攜式光譜儀，掃描獲得樣本吸光度原始光譜，對(duì)每個(gè)樣本采集3次光譜數(shù)據(jù)，取平均值作為最終的試驗(yàn)數(shù)據(jù)，進(jìn)行進(jìn)一步分析。待采集完光譜數(shù)據(jù)后，將樣品按原編號(hào)放回儲(chǔ)存，以便后期進(jìn)行糖度的測(cè)定。重復(fù)此步驟，直到采集完350份樣品的光譜圖像，掃描的光譜數(shù)據(jù)以Excel表格的形式導(dǎo)出。

光譜數(shù)據(jù)采集后，在樣品的3個(gè)標(biāo)記區(qū)域各切取一塊帶皮的果肉，分別人工壓汁并過(guò)濾，用手持糖度計(jì)進(jìn)行測(cè)量，記錄3個(gè)糖度值，并對(duì)3個(gè)值取平均作為該樣本糖度最終參考值。依次獲取350個(gè)樣本的糖度。

1.3 光譜預(yù)處理方法

本試驗(yàn)通過(guò)4種方法對(duì)原始光譜數(shù)據(jù)進(jìn)行預(yù)處理與分析，分別為一階差分、二階差分、標(biāo)準(zhǔn)正態(tài)變量變換(standard normal variate transformation，SNV)、多元散射校正（multiplicative scatter correction，MSC）方法。

1.4 樣本劃分

從復(fù)雜的信息中有效地提取具有代表性的信息建立模型，需要對(duì)樣本進(jìn)行選擇，最常用的方法是基于歐式距離和濃度的樣本選擇方法(sample set partitioning based on joint x-y distance，SPXY)。將每個(gè)香梨的光譜數(shù)據(jù)建模為數(shù)據(jù)向量，近紅外光譜吸光度作為特征值。使用SPXY算法將近紅外光譜建模樣本集按4∶1進(jìn)行劃分，80%樣本組成訓(xùn)練集，20%樣本組成預(yù)測(cè)集。從訓(xùn)練集提取光譜特征，作為預(yù)測(cè)階段的特征集合。

1.5 特征波長(zhǎng)提取方法

由于原始光譜數(shù)據(jù)中包含了大量的噪聲及冗余信息，如果將原始光譜都用于分析建模，會(huì)導(dǎo)致建模時(shí)間長(zhǎng)且計(jì)算量大，所建預(yù)測(cè)模型復(fù)雜且穩(wěn)定性較差。因此，要從原始光譜數(shù)據(jù)中選取具有一定代表性的特征波長(zhǎng)，使模型簡(jiǎn)化、消除非線性或無(wú)關(guān)變量，從而使模型具有更強(qiáng)的預(yù)測(cè)能力和更好的穩(wěn)健性。本研究采用相關(guān)系數(shù)法對(duì)近紅外光譜數(shù)據(jù)進(jìn)行降維，篩選出相關(guān)性異常顯著的特征波長(zhǎng)用于建模。

1.6 模型建立與評(píng)價(jià)

以糖度特征光譜數(shù)據(jù)作為參數(shù)，利用最近鄰域法(k-nearest neighbors，KNN)、支持向量機(jī)(support vector machine，SVM)、隨機(jī)森林(random forest，RF)方法建立庫(kù)爾勒香梨等級(jí)判別模型，采用正確率來(lái)評(píng)價(jià)模型的優(yōu)劣。其中，正確率越接近1，則說(shuō)明所建模型的分類結(jié)果越好。

綜上所述，基于近紅外光譜的香梨等級(jí)判別模型的主要流程如圖1所示。

圖1 基于近紅外光譜的香梨等級(jí)判別模型主要流程

2 結(jié)果與分析

2.1 香梨糖分含量

香梨樣本糖度分布如圖2所示。由香梨糖度測(cè)定統(tǒng)計(jì)結(jié)果可得，糖度最大值為16.58，最小值為11.02，平均值為13.60，標(biāo)準(zhǔn)偏差為1.14。香梨樣品根據(jù)SPXY算法按照4∶1的比例分為訓(xùn)練集和預(yù)測(cè)集。訓(xùn)練集與預(yù)測(cè)集的指標(biāo)如表1所示。

表1 訓(xùn)練集與預(yù)測(cè)集的指標(biāo)

圖2 香梨樣本糖度分布

2.2 樣品原始光譜及處理后光譜

圖3a為香梨原始光譜。可以看出：光譜采集波段在900～1 700 nm之間，存在噪聲和大量散射基線漂移，因此需要對(duì)原始光譜數(shù)據(jù)進(jìn)行預(yù)處理。利用一階差分、二階差分、SNV、MSC四種處理方法處理，并進(jìn)行比較分析，得出最優(yōu)處理方法。四種處理方法處理效果如圖3b、3c、3d、3e所示，可以看出，經(jīng)過(guò)MSC預(yù)處理后的光譜有效地去除了噪聲、散射、基線漂移影響，光譜特征增強(qiáng)，優(yōu)于另外3種方法，有利于特征波長(zhǎng)的選擇。

圖3 樣品原始光譜及處理后光譜

2.3 特征波長(zhǎng)選擇

糖類物質(zhì)主要含O—H、C—H鍵，游離O—H鍵對(duì)應(yīng)的近紅外光譜吸收波段為960～980 nm、1 360～1 390 nm和1 400～1 420 nm；結(jié)合O—H鍵的近紅外光譜吸收波段為1 000～1 130 nm；C—H鍵對(duì)應(yīng)的近紅外光譜吸收波段為1 150～1 200 nm和1 410～1 450 nm。利用相關(guān)系數(shù)法結(jié)合農(nóng)產(chǎn)品各成分近紅外光譜吸收波長(zhǎng)對(duì)光譜數(shù)據(jù)進(jìn)行降維，根據(jù)圖4所示的波峰及波谷，選取出糖分含量的十二個(gè)特征波長(zhǎng)分別為914 nm、933 nm、951 nm、970 nm、976 nm、1 001 nm、1 131 nm、1 150 nm、1 397 nm、1 404 nm、1 416 nm和1 540 nm，這些特征波長(zhǎng)幾乎都與糖類物質(zhì)近紅外光譜敏感基團(tuán)對(duì)應(yīng)，可用于后續(xù)模型的建立。

圖4 相關(guān)系數(shù)法進(jìn)行特征波長(zhǎng)選擇

2.4 判別模型建立

香梨樣品已經(jīng)根據(jù)SPXY算法按照4∶1比例分為訓(xùn)練集和預(yù)測(cè)集。基于訓(xùn)練集，采用3種方法對(duì)特征譜段進(jìn)行建模。在Anaconda開(kāi)發(fā)環(huán)境中，利用python中sklearn軟件包進(jìn)行數(shù)據(jù)建模。KNN模型中KNeighborsClassifier函數(shù)使用默認(rèn)參數(shù)，RF模型中RandomForestClassifier函數(shù)的參數(shù)max_depth設(shè)為2，random_state為0，SVM模型kernel參數(shù)設(shè)為線性核函數(shù)。糖度大于或等于12.5為特級(jí)，定義為0；大于或等于12而小于12.5為一級(jí)，定義為1；大于或等于11而小于12為二級(jí)，定義為2。然后利用建好的模型對(duì)36個(gè)預(yù)測(cè)集樣本進(jìn)行分類。三種模型的分類結(jié)果如表2所示，不同等級(jí)香梨的預(yù)測(cè)正確率如表3所示。

表2 不同模型下的分類結(jié)果

表3 不同等級(jí)香梨的預(yù)測(cè)正確率 %

三種模型分類結(jié)果與真實(shí)值的比較如圖5所示。結(jié)合表2、表3及圖5可以看出，KNN模型的準(zhǔn)確率為100%。再比較模型的運(yùn)行時(shí)間，KNN模型運(yùn)行時(shí)間較短，介于另兩種模型之間。接著，比較不同等級(jí)香梨的預(yù)測(cè)能力，三種模型對(duì)特級(jí)、二級(jí)香梨的預(yù)測(cè)正確率較高；對(duì)于一級(jí)香梨，SVM模型的預(yù)測(cè)正確率最低，RF模型稍高，KNN模型的正確率最高。其中，SVM模型將一級(jí)樣本（樣本27）判定為特級(jí)、一級(jí)樣本（樣本35、36）判定為二級(jí)，RF模型將一級(jí)樣本（樣本35、36）判定為二級(jí)，都是誤判。

圖5 三種模型分類結(jié)果與真實(shí)值的比較

綜上所述，KNN模型在分類結(jié)果和運(yùn)行時(shí)間方面較優(yōu)，可用于構(gòu)建香梨等級(jí)評(píng)判模型。

3 討論

對(duì)于原始光譜的預(yù)處理方法，多元散射校正方法有效地去除了原始光譜的噪聲、散射、基線漂移影響，光譜特征增強(qiáng)，明顯優(yōu)于一階差分、二階差分、標(biāo)準(zhǔn)正態(tài)變量變換等方法，這符合預(yù)期。對(duì)于特征波長(zhǎng)的選擇，研究中使用了相關(guān)系數(shù)法，以后可以嘗試用連續(xù)投影算法或遺傳算法來(lái)進(jìn)行特征波長(zhǎng)的選擇，進(jìn)行對(duì)比，找出最優(yōu)方法。

在構(gòu)建庫(kù)爾勒香梨等級(jí)判別模型方面，KNN模型準(zhǔn)確率高于RF模型和SVM模型，運(yùn)行時(shí)間也較為理想。在不同等級(jí)香梨的預(yù)測(cè)能力方面，三種模型均對(duì)特級(jí)、二級(jí)的預(yù)測(cè)準(zhǔn)確率高；KNN模型對(duì)于一級(jí)的預(yù)測(cè)準(zhǔn)確率優(yōu)于另外兩種模型。綜合考慮這些因素，KNN模型是較理想的庫(kù)爾勒香梨等級(jí)判別模型。

后期的研究方向?qū)⒗没旌现悄軆?yōu)化算法，如遺傳算法改進(jìn)SVM方法或基于遺傳算法優(yōu)化RF方法建立香梨等級(jí)判別模型，再與KNN模型比較，來(lái)驗(yàn)證KNN模型是否仍有較高的準(zhǔn)確率。

4 結(jié)論

通過(guò)一階差分、二階差分、SNV、MSC預(yù)處理方法對(duì)香梨原始光譜進(jìn)行預(yù)處理分析，結(jié)果表明，MSC方法更適合于香梨近紅外光譜數(shù)據(jù)的預(yù)處理。

研究香梨糖分的近紅外光譜響應(yīng)，并使用相關(guān)系數(shù)法提取12個(gè)特征波長(zhǎng)變量，根據(jù)庫(kù)爾勒香梨標(biāo)準(zhǔn)NY/T 585—2002，以糖度特征光譜數(shù)據(jù)作為參數(shù)，利用KNN、SVM、RF方法建立庫(kù)爾勒香梨等級(jí)判別模型，并比較模型性能。結(jié)果表明，KNN模型在分類結(jié)果和運(yùn)行時(shí)間方面較好，可用于構(gòu)建基于糖度的庫(kù)爾勒香梨近紅外光譜等級(jí)評(píng)判模型。MSC+KNN處理方法可用于構(gòu)建庫(kù)爾勒香梨等級(jí)評(píng)判模型，這可為進(jìn)一步研究庫(kù)爾勒香梨等級(jí)評(píng)判的便攜式檢測(cè)裝置提供理論參考。