基于數(shù)據(jù)增強(qiáng)策略和卷積神經(jīng)網(wǎng)絡(luò)的近紅外光譜分析研究

摘要 近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)算法已廣泛應(yīng)用于食品和藥品等領(lǐng)域的定性和定量分析。然而，傳統(tǒng)化學(xué)計(jì)量學(xué)方法，特別是線性分類(lèi)方法，在解決多分類(lèi)問(wèn)題時(shí)的效果不佳。卷積神經(jīng)網(wǎng)絡(luò)（CNN）能夠提取數(shù)據(jù)中的深層次特征，適合處理非線性關(guān)系，但其建模性能依賴(lài)樣本量的大小和多樣性，而近紅外光譜樣本數(shù)據(jù)的采集和預(yù)處理過(guò)程通常耗時(shí)且費(fèi)力，獲取樣本成本較高。本研究提出了一種基于數(shù)據(jù)增強(qiáng)策略和CNN 的近紅外光譜定性分析方法。此數(shù)據(jù)增強(qiáng)策略分為兩步：（1） 分別采用Bootstrap 重采樣和生成對(duì)抗網(wǎng)絡(luò)（GAN）方法對(duì)3 個(gè)近紅外光譜數(shù)據(jù)集（藥片、咖啡和葡萄）進(jìn)行樣本擴(kuò)增；（2） 將原始樣本（Y）分別與Bootstrap 擴(kuò)增樣本（B）和GAN 擴(kuò)增樣本（G）進(jìn)行組合，得到3 種增強(qiáng)數(shù)據(jù)集（Y-B、Y-G 和Y-B-G）。在此基礎(chǔ)上，設(shè)計(jì)了適用于此數(shù)據(jù)集的CNN 模型結(jié)構(gòu)，由2 個(gè)一維卷積層、1 個(gè)最大池化層和1 個(gè)全連接層組成。與偏最小二乘判別分析（PLS-DA）、支持向量機(jī)（SVM）和BP 神經(jīng)網(wǎng)絡(luò)（BP）的最優(yōu)模型相比，基于Y-B 數(shù)據(jù)集的CNN 模型對(duì)藥片（2 類(lèi)）分析的平均準(zhǔn)確率分別提升了3.998%、9.364%和4.689%；基于Y-B-G 數(shù)據(jù)集的CNN 模型對(duì)咖啡（7 類(lèi)）分析的平均準(zhǔn)確率分別提升了6.001%、2.004%和7.523%；基于Y-B 數(shù)據(jù)集的CNN 模型對(duì)葡萄（20 類(lèi)）分析的平均準(zhǔn)確率分別提升了33.408%、51.994%和34.378%。此結(jié)果表明，基于數(shù)據(jù)增強(qiáng)策略和CNN 在不同數(shù)據(jù)集和分類(lèi)類(lèi)別中建立的模型均表現(xiàn)出更好的分類(lèi)準(zhǔn)確率和泛化性能。

關(guān)鍵詞 數(shù)據(jù)增強(qiáng)；近紅外光譜；卷積神經(jīng)網(wǎng)絡(luò)；化學(xué)計(jì)量學(xué)

近紅外光譜（NIRS）技術(shù)是一種快速、準(zhǔn)確且非破壞性的分析方法[1-2]。目前， NIRS 結(jié)合化學(xué)計(jì)量學(xué)算法已被廣泛應(yīng)用于食品和藥品的分類(lèi)鑒別[3-4]、產(chǎn)地溯源[5]和摻假檢測(cè)[6]等領(lǐng)域。然而，傳統(tǒng)的化學(xué)計(jì)量學(xué)方法，如偏最小二乘判別分析（PLS-DA）[7]、BP 神經(jīng)網(wǎng)絡(luò)（BP）[8]和支持向量機(jī)（SVM）[9]等在進(jìn)行定性分析時(shí)，容易出現(xiàn)過(guò)擬合的問(wèn)題。此外，隨著定性分析中類(lèi)別的增加，傳統(tǒng)化學(xué)計(jì)量學(xué)方法特別是線性分類(lèi)方法在面對(duì)多分類(lèi)問(wèn)題時(shí)效果通常不佳[10]。近年來(lái)，隨著深度學(xué)習(xí)算法和理論的不斷發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)（CNN）在近紅外光譜定性分析中的應(yīng)用得到了深入研究[11]。相較于傳統(tǒng)建模方法， CNN 憑借其“局部連接、權(quán)值共享”的特性和深層次特征提取的優(yōu)勢(shì)，提升了模型的訓(xùn)練效率和建模效果[12]。但是， CNN 的建模效果與樣本數(shù)據(jù)的豐富度和多樣性密切相關(guān)，而近紅外光譜樣本數(shù)據(jù)的采集和預(yù)處理過(guò)程耗時(shí)費(fèi)力，特別是一些珍貴樣本數(shù)據(jù)通常不易獲取[13]。

針對(duì)上述問(wèn)題，可采用數(shù)據(jù)增強(qiáng)方法進(jìn)行樣本擴(kuò)增[14]，并在此基礎(chǔ)上設(shè)計(jì)CNN 的模型結(jié)構(gòu)，以充分利用CNN 的優(yōu)勢(shì)，實(shí)現(xiàn)建模效率和效果的共同提升。目前，關(guān)于一維光譜數(shù)據(jù)增強(qiáng)方法的研究主要集中在左右平移、隨機(jī)線性疊加和疊加噪聲等方面[15]。Chakravartula 等[16]采用CNN 模型結(jié)合傅里葉變換近紅外光譜（FT-NIR）進(jìn)行咖啡的摻假預(yù)測(cè)，通過(guò)引入隨機(jī)偏移、乘法和斜率效應(yīng)擴(kuò)增光譜數(shù)據(jù)。結(jié)果表明，基于擴(kuò)增數(shù)據(jù)的CNN 具有更好的預(yù)測(cè)性能。TENG 等[17]采用噪聲添加法對(duì)芝麻油產(chǎn)品的樣本數(shù)據(jù)進(jìn)行擴(kuò)增，并使用CNN 模型進(jìn)行摻假分析，最終得到CNN 的準(zhǔn)確率高達(dá)100%；WOHLERS 等[18]采用改進(jìn)的高斯噪聲方法進(jìn)行數(shù)據(jù)增強(qiáng)，研究結(jié)果顯示，基于數(shù)據(jù)增強(qiáng)的CNN 性能優(yōu)于PLS，并且可以有效防止過(guò)擬合現(xiàn)象；HUANG 等[19]結(jié)合噪聲添加和線性疊加方法對(duì)新冠患者和健康人體血清的拉曼光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)，所得CNN 模型的分類(lèi)準(zhǔn)確率達(dá)到96.77%。由此可見(jiàn)，與基于原始數(shù)據(jù)集的CNN 模型相比，采用平移、線性疊加或噪聲添加方法進(jìn)行樣本擴(kuò)增后的增強(qiáng)數(shù)據(jù)集對(duì)CNN 模型的性能均有不同程度的提升，但這些方法僅對(duì)樣本數(shù)據(jù)進(jìn)行了簡(jiǎn)單擴(kuò)充，其數(shù)據(jù)的多樣性還有待提升。目前，關(guān)于生成對(duì)抗網(wǎng)絡(luò)（GAN）的一維光譜數(shù)據(jù)增強(qiáng)方法的研究較少。YU 等[20]采用GAN 方法對(duì)3 種菌株（溶血葡萄球菌（Staphylococcus hominis）、溶藻弧菌（Vibrio alginolyticus）和地衣芽孢桿菌（Bacillus licheniformis））的拉曼光譜進(jìn)行樣本擴(kuò)增，結(jié)果表明， GAN 數(shù)據(jù)增強(qiáng)方法不僅解決了訓(xùn)練數(shù)據(jù)不足的問(wèn)題，還能夠較全面地整合光譜的所有信息節(jié)點(diǎn)，模型的分類(lèi)準(zhǔn)確率可達(dá)到100%。ZHANG 等[21]采用兩種GAN 變體（DCGAN和CGAN）對(duì)單倍體玉米籽粒的高光譜（HSI）進(jìn)行數(shù)據(jù)擴(kuò)增，發(fā)現(xiàn)兩種方法均能將各分類(lèi)模型的準(zhǔn)確率提高10%以上，并且CGAN 的效果高于DCGAN。綜上， GAN 數(shù)據(jù)增強(qiáng)方法對(duì)原始數(shù)據(jù)的特征提取較全面，并且擴(kuò)增樣本更具多樣性，其增強(qiáng)的數(shù)據(jù)集可提升建模性能。然而，基于GAN 和Bootstrap 重采樣法的數(shù)據(jù)增強(qiáng)策略在近紅外光譜研究中尚未見(jiàn)報(bào)道。

本研究提出了一種基于數(shù)據(jù)增強(qiáng)策略和CNN 的近紅外光譜定性分析方法，即利用GAN 和Bootstrap重采樣法對(duì)3 個(gè)近紅外光譜數(shù)據(jù)集（藥片、咖啡和葡萄）進(jìn)行樣本擴(kuò)增，并將原始樣本（Y）分別與Bootstrap擴(kuò)增樣本（B）和GAN 擴(kuò)增樣本（G）進(jìn)行組合，得到3 種增強(qiáng)數(shù)據(jù)集（Y-B、Y-G 和Y-B-G）。在此基礎(chǔ)上，結(jié)合設(shè)計(jì)的CNN 模型，與3 種傳統(tǒng)建模方法（PLS-DA、SVM 和BP）進(jìn)行了分類(lèi)效果對(duì)比，旨在滿(mǎn)足CNN模型的樣本需求并為提升CNN 模型在不同數(shù)據(jù)集與分類(lèi)類(lèi)別中的泛化能力提供新思路。

1 實(shí)驗(yàn)及原理

1.1 數(shù)據(jù)來(lái)源

1.1.1 藥片數(shù)據(jù)集

藥片樣本來(lái)源于公開(kāi)數(shù)據(jù)（https：//ucphchemometrics.com/datasets/）。研究對(duì)象為2 種不同活性物質(zhì)劑量（15 和20 mg）的藥片，每類(lèi)包含80 個(gè)樣本。其近紅外光譜數(shù)據(jù)波數(shù)范圍為7398.337～10507.3 cm–1，即波長(zhǎng)范圍為951.7193～1351.6551 nm。每個(gè)樣本進(jìn)行128 次掃描，并取平均值作為讀數(shù)。藥片樣本的近紅外光譜如圖1A 所示。

1.1.2 咖啡數(shù)據(jù)集

咖啡樣本來(lái)源于公開(kāi)數(shù)據(jù)（https：//nirpyresearch.com/analysis-ground-coffee-nir-spectroscopy/）。研究對(duì)象為7 種不同強(qiáng)度的咖啡，每類(lèi)包含10 個(gè)樣本。其近紅外光譜數(shù)據(jù)波長(zhǎng)范圍為1100～2300 nm， 波長(zhǎng)間隔為2 nm，每個(gè)樣本進(jìn)行20 次掃描，并取平均值作為讀數(shù)。咖啡樣本的近紅外光譜如圖1B 所示。

1.1.3 葡萄數(shù)據(jù)集

葡萄樣本來(lái)源于公開(kāi)數(shù)據(jù)（https：//hdl.handle.net/10261/124880）。研究對(duì)象為20 種不同品種的葡萄，每類(lèi)包含20 個(gè)樣本。其近紅外光譜數(shù)據(jù)波長(zhǎng)范圍為1595.7～2396.3 nm， 波長(zhǎng)間隔為8.7 nm， 每個(gè)樣本進(jìn)行5 次掃描，并取平均值作為讀數(shù)。葡萄樣本的近紅外光譜如圖1C 所示。

1.2 模型原理

1.2.1 模型代碼和實(shí)驗(yàn)環(huán)境

本研究所用模型的詳細(xì)代碼和參數(shù)請(qǐng)見(jiàn)https：//github.com/Cuzzzzy/Bootstrap_GAN_CNN/tree/master。

研究所用數(shù)據(jù)分析軟件包括Python3.11 和MATLAB R2024a；硬件設(shè)備包括Intel（R） Core（TM） i7-12650H2.30 GHz 處理器、512G 內(nèi)存和NVIDIA GeForce RTX 4050 顯卡。

1.2.2 GAN和Bootstrap 擴(kuò)增原理

分別采用GAN 和Bootstrap 兩種方法對(duì)藥片、咖啡和葡萄數(shù)據(jù)集進(jìn)行樣本擴(kuò)增。在藥片（2 類(lèi)）中，每類(lèi)擴(kuò)增至1600 個(gè)樣本，兩種方法共生成6400 個(gè)樣本；在咖啡（7 類(lèi)）中，每類(lèi)擴(kuò)增至200 個(gè)樣本，共生成2800 個(gè)樣本；在葡萄（20 類(lèi)）中，每類(lèi)擴(kuò)增至400 個(gè)樣本，共生成16000 個(gè)樣本。

GAN 的模型結(jié)構(gòu)（以藥片為例）如圖2 所示，由生成器（Generator）和判別器（Discriminator）兩部分組成，生成器用于生成數(shù)據(jù)，判別器用于判別數(shù)據(jù)的真?zhèn)巍⑸善骱团袆e器的輸入層、全連接層和輸出層分別命名為Input1、Input2、FC1、FC2、Fc1、Fc2、Output1 和Output2，其中， FC1 和FC2 層后設(shè)置了批量歸一化（BN）層，模型主要參數(shù)見(jiàn)表1。Bootstrap 方法是對(duì)原始樣本進(jìn)行重復(fù)采樣，即多次有放回的隨機(jī)采樣（圖4），每次生成1 個(gè)新的樣本數(shù)據(jù)集，從而實(shí)現(xiàn)樣本擴(kuò)增。

1.2.3 CNN模型原理

設(shè)計(jì)的CNN 模型結(jié)構(gòu)（以藥片為例）如圖3 所示，由2 個(gè)一維卷積層、1 個(gè)最大池化層和1 個(gè)全連接層組成，分別命名為C1、C2、M1 和F1，模型主要參數(shù)見(jiàn)表2。

1.3 模型評(píng)價(jià)

1.3.1 數(shù)據(jù)集劃分

本研究對(duì)3 個(gè)近紅外光譜數(shù)據(jù)集（藥片、咖啡和葡萄）與各自對(duì)應(yīng)的3 種增強(qiáng)數(shù)據(jù)集（Y-B、Y-G 和Y-B-G）采用Kennard-Stone（KS）方法按8∶2 的比例，選取樣本數(shù)據(jù)作為訓(xùn)練和測(cè)試集，用于后續(xù)實(shí)驗(yàn)。

1.3.2 增強(qiáng)數(shù)據(jù)質(zhì)量評(píng)價(jià)指標(biāo)

通過(guò)引入皮爾遜相關(guān)系數(shù)（PCC）、結(jié)構(gòu)相似性指數(shù)（SSIM）和切比雪夫距離（CD）評(píng)價(jià)增強(qiáng)數(shù)據(jù)與真實(shí)數(shù)據(jù)之間的差異。

PCC、SSIM 和CD 值分別用于度量?jī)蓚€(gè)數(shù)據(jù)集P 和Q 之間的相關(guān)性、結(jié)構(gòu)相似性和最大差異。當(dāng)PCC 和SSIM 值接近于1、CD 值接近于0 時(shí)，表示增強(qiáng)數(shù)據(jù)的質(zhì)量好，反之亦反。PCC、SSIM 和CD 值可由公式（1）～（3）計(jì)算：

其中， P 代表原始數(shù)據(jù)集的平均光譜；Q 代表增強(qiáng)數(shù)據(jù)集的平均光譜；P 和Q分別代表P 和Q 的平均值；i 代表數(shù)據(jù)集中第i 個(gè)波長(zhǎng)點(diǎn)；n 代表數(shù)據(jù)集的波長(zhǎng)點(diǎn)總數(shù)； PQ 代表P 和Q的協(xié)方差； p和Q 代表P和Q 的標(biāo)準(zhǔn)差；c1 和c2為常數(shù)項(xiàng)。

1.3.3 模型效果評(píng)價(jià)指標(biāo)

準(zhǔn)確率（Acc）是定性分析中最常用的評(píng)價(jià)指標(biāo)，指模型分類(lèi)預(yù)測(cè)正確的樣本數(shù)與樣本總數(shù)的比率，通常情況下，模型的準(zhǔn)確率越接近于1，說(shuō)明模型的分類(lèi)效果越好。本研究采用30 次平均準(zhǔn)確率作為建模效果評(píng)價(jià)指標(biāo)，即計(jì)算模型運(yùn)行30 次所得準(zhǔn)確率的平均值。Acc通過(guò)公式（4）計(jì)算：

Acc （%） = Np/Nt × 100 （4）

其中， NP 為正確分類(lèi)的樣本數(shù)， Nt 為樣本的總數(shù)。

2 結(jié)果與討論

2.1 GAN 和Bootstrap 擴(kuò)增過(guò)程

GAN 方法在3 個(gè)數(shù)據(jù)集（藥片、咖啡和葡萄）上的擴(kuò)增過(guò)程分別如圖4A～4C 所示，隨著迭代次數(shù)增加，逐漸與原始樣本（Y）的光譜特征相似，最佳迭代次數(shù)分別為600、1000 和1400 次。Bootstrap 方法在3 個(gè)數(shù)據(jù)集（藥片、咖啡和葡萄）上的擴(kuò)增過(guò)程分別如圖4D～4F 所示，對(duì)每個(gè)類(lèi)別均進(jìn)行20 次重采樣，最終擴(kuò)增樣本總數(shù)分別為3200、1400 和8000。

2.2 增強(qiáng)數(shù)據(jù)集的質(zhì)量評(píng)價(jià)

由表3 可知，在藥片、咖啡和葡萄數(shù)據(jù)集中，各自對(duì)應(yīng)的3 種增強(qiáng)數(shù)據(jù)集（Y-B、Y-G 和Y-B-G）的PCC 和SSIM 值均接近于1，而CD 值均接近于0。這說(shuō)明增強(qiáng)數(shù)據(jù)集與原始數(shù)據(jù)集的線性相關(guān)性、結(jié)構(gòu)相似性較高且波長(zhǎng)間差異較小，增強(qiáng)數(shù)據(jù)的質(zhì)量較好。

2.3 增強(qiáng)數(shù)據(jù)集的建模效果

在3 個(gè)數(shù)據(jù)集（藥片、咖啡和葡萄）中，各自對(duì)應(yīng)的3 種增強(qiáng)數(shù)據(jù)集（Y-B、Y-G 和Y-B-G）和原始數(shù)據(jù)集（Y）的平均光譜對(duì)比分別如圖5A～5C所示，可以看出曲線擬合效果非常好，說(shuō)明接近真實(shí)采樣數(shù)據(jù)。

分別使用PLS-DA、SVM、BP 和CNN 對(duì)3 個(gè)原始數(shù)據(jù)集進(jìn)行建模分析，并與基于增強(qiáng)數(shù)據(jù)集的CNN 模型進(jìn)行分類(lèi)效果對(duì)比，在不同數(shù)據(jù)集上得到的平均準(zhǔn)確率見(jiàn)表4。在藥片原始數(shù)據(jù)集中， 4 種模型（PLS-DA、SVM、BP 和CNN）的平均準(zhǔn)確率分別為96.156%、90.979%、95.521%和91.146%；基于3 種增強(qiáng)數(shù)據(jù)集的CNN 模型（Y-B-CNN、Y-G-CNN 和Y-B-G-CNN）的平均準(zhǔn)確率分別為100.000%、99.514%和99.992%。在咖啡原始數(shù)據(jù)集中， 4 種模型（PLS-DA、SVM、BP 和CNN）的平均準(zhǔn)確率分別為92.429%、54.762%、92.857%和67.095%；基于增強(qiáng)數(shù)據(jù)集的CNN 模型（Y-B-CNN、Y-G-CNN 和Y-B-GCNN）的平均準(zhǔn)確率分別為99.739%、97.268%和99.843%。在葡萄原始數(shù)據(jù)集中， 4 種模型（PLS-DA、SVM、BP 和CNN）的平均準(zhǔn)確率分別為73.458%、25.642%、72.792%和55.667%；基于增強(qiáng)數(shù)據(jù)集的CNN 模型（Y-B-CNN、Y-G-CNN 和Y-B-G-CNN）的平均準(zhǔn)確率分別為100.000%、96.238%和99.855%。

以上結(jié)果表明，基于3 種原始數(shù)據(jù)集的4 種模型（PLS-DA、SVM、BP 和CNN）的分類(lèi)準(zhǔn)確率隨著分類(lèi)類(lèi)別數(shù)增多而逐漸呈下降趨勢(shì)；與基于原始數(shù)據(jù)集的4 種模型相比，基于增強(qiáng)數(shù)據(jù)集的CNN 模型在不同的數(shù)據(jù)集和分類(lèi)類(lèi)別中均保持較高的分類(lèi)準(zhǔn)確率。這說(shuō)明本研究設(shè)計(jì)的CNN 模型通過(guò)大量擴(kuò)增樣本數(shù)據(jù)的訓(xùn)練，提取到了較完整的特征信息，提升了分類(lèi)準(zhǔn)確率和泛化性能，在3 種不同類(lèi)型的定性分析過(guò)程中均具有優(yōu)異且穩(wěn)定的性能。

2.4 傳統(tǒng)分類(lèi)模型在不同預(yù)處理下的建模效果

對(duì)3 個(gè)原始數(shù)據(jù)集（藥片、咖啡和葡萄）分別采用5 種預(yù)處理方法：標(biāo)準(zhǔn)正態(tài)分布（SNV）、多元散射校正（MSC）、一階導(dǎo)數(shù)平滑（SGD）、多元散射校正+一階導(dǎo)數(shù)平滑（MSC-SGD）和標(biāo)準(zhǔn)正態(tài)分布+一階導(dǎo)數(shù)平滑（SNV-SGD）。結(jié)合3 種傳統(tǒng)分類(lèi)模型（PLS-DA、SVM 和BP）進(jìn)行分類(lèi)預(yù)測(cè)，得到的平均準(zhǔn)確率見(jiàn)表5。在藥片數(shù)據(jù)集中，與無(wú)預(yù)處理相比， PLS-DA 和BP 經(jīng)5 種預(yù)處理后的建模效果均有所下降；SVM經(jīng)SGD 預(yù)處理后與無(wú)預(yù)處理相比，建模效果有所提升，平均準(zhǔn)確率提升至91.438%，而經(jīng)SNV、MSC、MSC-SGD 和SNV-SGD 預(yù)處理后的平均準(zhǔn)確率下降。在咖啡數(shù)據(jù)集中，與無(wú)預(yù)處理相比， PLS-DA 經(jīng)5 種預(yù)處理后的建模效果均有所提升，其中效果最好的是SGD 預(yù)處理，平均準(zhǔn)確率提升至94.191%； 與無(wú)預(yù)處理相比， SVM 經(jīng)5 種預(yù)處理后，建模效果提升較大，其中效果最好的是SGD 預(yù)處理，平均準(zhǔn)確率提升至97.881%；與無(wú)預(yù)處理相比， BP 經(jīng)5 種預(yù)處理后建模效果下降。在葡萄數(shù)據(jù)集中，與無(wú)預(yù)處理相比，PLS-DA 經(jīng)SNV、MSC 和SGD 預(yù)處理后的建模效果有所提升，而經(jīng)SNV-SGD 和MSC-SGD 預(yù)處理后平均準(zhǔn)確率下降；與無(wú)預(yù)處理相比， SVM 經(jīng)5 種預(yù)處理后的建模效果均有所提升，其中效果最好的是MSCSGD預(yù)處理，平均準(zhǔn)確率提升至65.792%；與無(wú)預(yù)處理相比， BP 經(jīng)SNV、MSC 和SGD 預(yù)處理后的建模效果有所提升，而經(jīng)SNV-SGD、MSC-SGD 預(yù)處理后的平均準(zhǔn)確率下降。因此，并非所有預(yù)處理都能提升建模效果。

2.5 最優(yōu)建模方法對(duì)比

3 個(gè)近紅外光譜數(shù)據(jù)集（藥片、咖啡和葡萄）中分別對(duì)應(yīng)的3 種增強(qiáng)數(shù)據(jù)集（Y-B、Y-G 和Y-B-G）與原始數(shù)據(jù)集（Y）的最優(yōu)建模方法對(duì)比如圖6 所示。在藥片（2 類(lèi)）中， PLS-DA、SVM、BP 和CNN 模型的最優(yōu)建模方法的平均準(zhǔn)確率分別為96.156%、91.438%、95.521%和100.000%。在咖啡（7 類(lèi)）中， PLSDA、SVM、BP 和CNN 模型的最優(yōu)建模方法的平均準(zhǔn)確率分別為94.191%、97.881%、92.857%和99.843%。在葡萄（20 類(lèi)）中， PLS-DA、SVM、BP 和CNN 模型的最優(yōu)建模方法的平均準(zhǔn)確率分別為74.958%、65.792%、74.417%和100.000%。上述結(jié)果表明，基于增強(qiáng)數(shù)據(jù)集的CNN 建模方法在不同數(shù)據(jù)集和分類(lèi)類(lèi)別情況下的準(zhǔn)確率均得到最優(yōu)結(jié)果，表明本方法具有很好的分類(lèi)效果和泛化能力。

3 結(jié)論

基于CNN 的近紅外光譜分析模型對(duì)于樣本的數(shù)量和多樣性需求較高，本研究采用GAN 和Bootstrap兩種方法進(jìn)行樣本擴(kuò)增，并將其與原始樣本組合，得到了具備豐度和深度的增強(qiáng)數(shù)據(jù)集。在此基礎(chǔ)上，設(shè)計(jì)了一種適用于此數(shù)據(jù)集的CNN 模型結(jié)構(gòu)，并應(yīng)用于3 個(gè)近紅外光譜數(shù)據(jù)集（藥片、咖啡和葡萄）中。與傳統(tǒng)分類(lèi)模型進(jìn)行建模效果相比，基于數(shù)據(jù)增強(qiáng)策略的CNN 模型對(duì)于3 個(gè)不同數(shù)據(jù)集和二分類(lèi)、多分類(lèi)問(wèn)題中均具有更好的分類(lèi)準(zhǔn)確率和泛化能力。結(jié)果表明，在3 種數(shù)據(jù)集中，本研究提出的數(shù)據(jù)增強(qiáng)策略不僅生成了與原始樣本差異較小、質(zhì)量高的虛擬樣本數(shù)據(jù)，經(jīng)過(guò)組合后還提升了樣本數(shù)據(jù)的多樣性，這使得CNN 模型得到充分訓(xùn)練，并提取到較全面的特征信息，進(jìn)而提升了模型的分類(lèi)準(zhǔn)確率和泛化能力。此外，在數(shù)據(jù)增強(qiáng)過(guò)程中發(fā)現(xiàn)， Bootstrap 方法的樣本擴(kuò)增步驟較GAN 更簡(jiǎn)便，并且質(zhì)量評(píng)價(jià)和分類(lèi)效果在各數(shù)據(jù)集中表現(xiàn)更好，這可能是因?yàn)? 個(gè)數(shù)據(jù)集的共性特征較強(qiáng)，而本方法是否適用于更多類(lèi)別或定量分析還有待進(jìn)一步驗(yàn)證。盡管GAN 方法在各數(shù)據(jù)集中取得較好的擴(kuò)增效果，但此模型受數(shù)據(jù)集和參數(shù)影響較大，并且需要調(diào)節(jié)的參數(shù)較多，因此有必要進(jìn)一步開(kāi)發(fā)自適應(yīng)的GAN 模型以增強(qiáng)其普適性。

References

[1] GOPAL J， MUTHU M. TrAC， Trends Anal. Chem. ， 2024， 171： 117504.

[2] CHEN Y， GAO S K， DONG Y Y， MA X， LI J R， GUO M M， ZHANG J C. J. Anal. Test. ， 2022， 6（4）： 393-400.

[3] HUO Xue-Song， CHEN Pu， DAI Jia-Wei， WANG Hai-Peng， LIU Dan， LI Jing-Yan， XU Yu-Peng， CHU Xiao-Li. J. Instrum.Anal. ， 2022， 41（9）： 1301-1313.

霍學(xué)松， 陳瀑， 戴嘉偉， 王海朋， 劉丹， 李敬巖， 許育鵬， 褚小立. 分析測(cè)試學(xué)報(bào)， 2022， 41（9）： 1301-1313.

[4] YUN Y H， LI H D ， DENG B C， CAO D S. TrAC， Trends Anal. Chem. ， 2019， 113： 102-115.

[5] DENG Z W， WANG T， ZHENG Y， ZHANG W L， YUN Y H. Trends Food Sci. Technol. ， 2024， 144： 104344.

[6] WANG Z Z， WU Q Y， KAMRUZZAMAN M. Food Control， 2022， 138： 108970.

[7] CHEN Xiao， HUAN Ke-Wei， ZHAO Huan， FAN Heng-Ye， HAN Xue-Yan. Chin. J. Anal. Chem. ， 2021， 49（10）： 1743-1749.

陳笑， 宦克為， 趙環(huán)， 范恒曄， 韓雪艷. 分析化學(xué)， 2021， 49（10）： 1743-1749.

[8] ZHANG J， LIU G， LI Y， GUO M， PU F， WANG H. J. Food Compos. Anal. ， 2022， 111： 104590.

[9] YU S， HUAN K， LIU X. Infrared Phys. Technol. ， 2023， 135： 104958.

[10] ZHU Xiang-Rong， LI Gao-Yang， JIANG Jing， XIE Yun-He， SHAN Yang. J. Chin. Inst. Food Sci. Technol. ， 2019， 19（5）：263-269.

朱向榮， 李高陽(yáng)， 江靖， 謝運(yùn)河， 單楊. 中國(guó)食品學(xué)報(bào)， 2019， 19（5）： 263-269.

[11] LIU X Y， AN H L， CAI W S， SHAO X G. TrAC， Trends Anal. Chem. ， 2024， 172： 117612.

[12] SHI Y， HE T， ZHONG J， MEI X， LI Y， LI M， ZHANG W， JI D， SU L， LU T， ZHAO X. Talanta， 2024， 268： 125266.

[13] YANG B， CHEN C， CHEN F， CHEN C， TANG J， GAO R， LV X. Spectrochim. Acta， Part A， 2021， 260： 119956.

[14] CHEN Pu， DAI Jia-Wei， LI Jing-Yan， XU Yu-Peng， LIU Dan， CHU Xiao-Li. Chem. Reagents， 2023， 45（6）： 105-112.

陳瀑， 戴嘉偉， 李敬巖， 許育鵬， 劉丹， 褚小立. 化學(xué)試劑， 2023， 45（6）： 105-112.

[15] TAN Ai-Ling， CHU Zhen-Yuan， WANG Xiao-Si， ZHAO Yong. Spectrosc. Spectral Anal. ， 2022， 42（3）： 769-775.

談愛(ài)玲， 楚振原， 王曉斯， 趙勇. 光譜學(xué)與光譜分析， 2022， 42（3）： 769-775.

[16] CHAKRAVARTULA S S N， MOSCETTI R， BEDINI G， NARDELLA M， MASSANTINI R. Food Control， 2022， 135：108816.

[17] TENG Y， CHEN Y， CHEN X， ZUO S， LI X， PAN Z， SHAO K， DU J， LI Z. Food Chem. ， 2024， 436： 137694.

[18] WOHLERS M， MCGLONE A， FRANK E， HOLMES G. Chemom. Intell. Lab. Syst. ， 2023， 240： 104924.

[19] HUANG Jie-Lun， ZENG Wan-Dan， YANG Rui-Jun， WU Min， XUE Qing-Shui， XIA Zhi-Ping. Chin. J. Anal. Lab. ， 2022，41（7）： 750-754.

黃杰倫， 曾萬(wàn)聃， 楊瑞君， 吳敏， 薛慶水， 夏志平. 分析試驗(yàn)室， 2022， 41（7）： 750-754.

[20] YU S X， LI H F， LI X， FU Y V， LIU F H. Sci. Total Environ. ， 2020， 726： 138477.

[21] ZHANG L， NIE Q， JI H Y， WANG Y Q， WEI Y G， AN D. J. Food Compos. Anal. ， 2022， 106： 104346.

海南省重點(diǎn)研發(fā)項(xiàng)目（No. ZDYF2024XDNY197）、海南省自然科學(xué)基金項(xiàng)目（Nos. 323QN202， 322CXTD523）、國(guó)家自然科學(xué)基金項(xiàng)目（No. 22164008）和海南省院士團(tuán)隊(duì)創(chuàng)新中心平臺(tái)資助。