基于模型集群的東北/非東北大米產(chǎn)地高光譜鑒別方法研究

林 瓏，吳靜珠*，劉翠玲*，于重重，劉 志，袁玉偉

1. 北京工商大學(xué)食品安全大數(shù)據(jù)技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100048 2. 浙江省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)部農(nóng)產(chǎn)品信息溯源重點(diǎn)實(shí)驗(yàn)室，浙江 杭州 310021

引 言

我國近2/3以上居民以大米為主食[1]。隨著國民生活水平的提高，優(yōu)質(zhì)高端大米日趨受到青睞，其中尤以東北大米為代表。東北大米種植于我國東北遼寧省、黑龍江省，吉林省平原地區(qū)。土壤肥沃、光照時(shí)間長、晝夜溫差大為東北大米提供了良好的生長條件。真正的東北大米生長周期長，營養(yǎng)價(jià)值高，口感好，價(jià)格高。但是由于目前我國農(nóng)產(chǎn)品市場準(zhǔn)入制度和溯源體系尚不完善，不法商販?zhǔn)芙?jīng)濟(jì)利益驅(qū)動銷售假冒或是摻假東北大米的事件頻發(fā)，嚴(yán)重影響了消費(fèi)者的權(quán)益。

傳統(tǒng)的大米品質(zhì)檢測方法大多以感官判別和化學(xué)分析為主：感官判別受檢測人員主觀影響較大；化學(xué)分析方法檢測精度高、但是檢測繁瑣、周期長，且對樣本具有破壞性等弊端?，F(xiàn)有傳統(tǒng)檢測技術(shù)[2]無法滿足我國市場監(jiān)督和大米流通行業(yè)日益增長的快速、無損檢測需求。

高光譜技術(shù)以其圖譜合一，信息量豐富，兼具外觀和內(nèi)觀分析技術(shù)于一體的特點(diǎn)日趨成為大米品質(zhì)快速檢測領(lǐng)域的新興熱點(diǎn)。孫俊等[3]將從市場購買的東北長粒香大米和江蘇溧水大米按照5種不同摻假水平制備摻偽東北大米樣本，采用PCA分別對大米樣本高光譜圖像和高光譜數(shù)據(jù)(390～1 050 nm)進(jìn)行處理，建立了基于特征波長的 SVM 模型用于判別東北大米是否摻偽，其識別率最高可達(dá) 98%。王朝暉等[4]應(yīng)用高光譜成像技術(shù)和SPA降維后，對梅河大米理化指標(biāo)含量進(jìn)行相關(guān)性分析，選出9個(gè)特征波長用于區(qū)分梅河大米和柳河縣大米樣品，識別率達(dá)95%。表明高光譜結(jié)合模式識別方法用于大米產(chǎn)地鑒別、摻偽識別等具有較為光明的應(yīng)用前景。但是市場上東北大米造假的情況極為復(fù)雜：有直接假冒產(chǎn)地的，有單種大米摻偽的，也有多種大米同時(shí)摻偽等情況。再加上東北大米產(chǎn)區(qū)遼闊，品種較多，即使同為東北大米，自然環(huán)境和品種的不同都會導(dǎo)致東北大米個(gè)體成分及組成、形態(tài)存在顯著差異。這都為應(yīng)用高光譜建立適應(yīng)范圍廣、穩(wěn)健性能好的東北大米產(chǎn)地鑒別模型帶來了極大的干擾和困難。

以大米產(chǎn)地鑒別模型的適用范圍和穩(wěn)健性為出發(fā)點(diǎn)，選取主流東北大米品種和多個(gè)東北/非東北產(chǎn)區(qū)的大米樣本構(gòu)建模型適用范圍廣的樣本集，通過高光譜特征提取方法結(jié)合模型集群策略來提高大米產(chǎn)地鑒別模型的穩(wěn)健性，為建立符合市場需求的東北/非東北大米產(chǎn)地快速鑒別高光譜模型提供可行性探索。

1 實(shí)驗(yàn)部分

1.1 樣本制備

東北大米產(chǎn)區(qū)遼闊，涵蓋黑、遼、吉三省，主流品種以長粒香，圓粒香，稻花香和小町米4種為主。自然環(huán)境的不同會導(dǎo)致不同產(chǎn)區(qū)的大米的組成存在細(xì)微差異，如直鏈淀粉和支鏈淀粉的含量，尤其不同品種的大米，其形態(tài)、透明度等更是在外觀上存在顯著差異，如長粒香大米外觀呈細(xì)長型，而圓粒香為圓短型。因此即使同為東北大米，個(gè)體也會因產(chǎn)區(qū)和品種存在較大差別。

東北大米以粳米為主。粳米產(chǎn)區(qū)主要分布在東北、江蘇、安徽、浙江和河北產(chǎn)區(qū)，而秈米主要分布在湖南、湖北、廣東、廣西、江西和四川等地[5]。根據(jù)市場摻偽的實(shí)際情況，本實(shí)驗(yàn)選取樣本均為粳米，產(chǎn)地及品種信息如表1所示，共收集10個(gè)產(chǎn)地樣本。實(shí)驗(yàn)樣本由浙江省農(nóng)業(yè)科學(xué)院、北京古船米業(yè)有限公司分別于2018年6月和于2018年11月提供。

表1 大米樣本信息Table 1 Rice samples information

1.2 高光譜圖像采集

采用芬蘭Specim公司SisuCHEMA高光譜成像系統(tǒng)采集大米樣本高光譜圖像。采集參數(shù)如下：相機(jī)型號為FX17，波長范圍900～1 700 nm，光譜分辨率為8 nm，共包括224個(gè)波段，曝光時(shí)間為5 μs，幀頻為40 Hz。

大米顆粒相對較小且表面圓滑，易在掃描過程中由于載物臺的移動出現(xiàn)晃動和偏移導(dǎo)致成像質(zhì)量差。因此將大米樣本置于10×10的數(shù)粒板上，將數(shù)粒板置于移動載物臺進(jìn)行成像實(shí)驗(yàn)，如圖1所示。每種產(chǎn)地大米樣本，隨機(jī)選取100粒進(jìn)行高光譜成像實(shí)驗(yàn)，共計(jì)采集100×10個(gè)大米樣本的高光譜圖像。

圖1 大米高光譜圖像采集實(shí)驗(yàn)

1.3 數(shù)據(jù)處理

1.3.1 光譜特征提取

選用一種使矢量空間的共線性達(dá)到最小化的連續(xù)投影算法(successive projections algorithm，SPA)[6-8]作為光譜特征提取方法。連續(xù)投影算法通過向前循環(huán)，計(jì)算在224個(gè)波段中的某一波長對剩余波長的投影，選取投影最大的波長，之后選取的波長都與該波長線性最小，以消除高光譜數(shù)據(jù)中的冗余信息。

1.3.2 圖像特征提取

選用方向梯度直方圖(histograms of oriented gradients，HOG)作為圖像特征提取方法，它是將一副圖像分割成很多“細(xì)胞”再從中提取出特征。因?yàn)镠OG是對圖像的局部單元進(jìn)行操作，所以它對圖像幾何和光學(xué)的形變都能保持很好的不變性[9-10]。

1.3.2 支持向量機(jī)分類原理

支持向量機(jī)(support vector machine，SVM)遵循結(jié)構(gòu)風(fēng)險(xiǎn)最小化的學(xué)習(xí)過程，最小化了對未知數(shù)據(jù)的分類錯(cuò)誤，是受監(jiān)督的非參數(shù)統(tǒng)計(jì)學(xué)習(xí)模型[11-12]。SVM在訓(xùn)練過程中避免了過擬合問題，解決了調(diào)參難和收斂慢的問題，并且保證找到的極值解就是全局最優(yōu)解[13]。

2 結(jié)果與討論

2.1 光譜特征波長提取

在ENVI 4.8軟件中對大米樣本高光譜進(jìn)行黑白板校正后，按照大米輪廓選取感興趣區(qū)域提取出每粒大米樣本的平均光譜。根據(jù)樣本集光譜信息，采用KS法按照4∶1劃分訓(xùn)練集樣本(800個(gè))和測試集樣本(200個(gè))。圖2所示為樣本集中10個(gè)產(chǎn)地的大米平均光譜。由于大米化學(xué)成分相似，因此其光譜曲線輪廓非常相似，無法直接從譜圖上分辨出東北和非東北大米產(chǎn)地的差異。

圖2 不同產(chǎn)地大米樣本平均光譜

采用SPA法挑選出8個(gè)近紅外特征波長為942.52，945.98，1 220.87，1 315.62，1 400.20，1 424.92，1 460.30和1 705.91 nm，如圖3所示。其中942.52和945.98 nm附近主要反映了游離水的O-H伸縮振動的二級倍頻信息；1 220.87和1 315.62 nm則集中反映了C—H第二組合頻的信息，淀粉、蛋白等成分中含有豐富的C—H基團(tuán)；1 400.20，1 424.92和1 460.30 nm附近信息量較為集中，既有游離水的O—H一級倍頻信息，也有C—H的組合頻信息，還有酰胺的N—H一級一級倍頻信息；1 705.91 nm主要反映了—CH3和—CH2的一倍頻信息。因此采用SPA法篩選得到的特征波長與大米成分如水分、淀粉、蛋白等緊密相關(guān)[14]。

圖3 SPA篩選特征波長結(jié)果圖

2.2 單波長圖像HOG特征提取

針對上述8個(gè)特征波長，提取相應(yīng)波長處的的圖像，采用HOG[15]提取圖像特征，首先將圖像縮放至256×256后，采用Gamma校正對圖像進(jìn)行顏色空間的歸一化，降低圖像局部陰影和光照變化所產(chǎn)生的影響，抑制噪音干擾，并對圖像每個(gè)像素的梯度方向和大小進(jìn)行計(jì)算。再將圖像分成8×8的細(xì)胞單元，統(tǒng)計(jì)梯度直方圖，應(yīng)用梯度的幅值進(jìn)行投票，然后將相鄰的細(xì)胞組成塊并對重疊部分進(jìn)行直方圖歸一化。最后將所有塊中的梯度方向直方圖合并組成特征向量，具體步驟如圖4所示。

圖4 HOG特征提取流程圖

2.3 基于單波長圖像特征的大米產(chǎn)地鑒別模型的建立

實(shí)驗(yàn)采用SVM(線性核函數(shù))分別建立了基于8個(gè)單波長圖像HOG特征的東北/非東北大米產(chǎn)地模型。單波長模型的訓(xùn)練集識別率可以達(dá)到100%，測試集識別率如表2所示。根據(jù)識別率高低排序可得，在1 460.30，1 400.20和1 424.92 nm波長下建立的分類模型識別率相對較好，分析其原因主要由于該區(qū)間反映的信息極為豐富，涵蓋了O—H，N—H和C—H基團(tuán)，與大米成分所反映出的特征信息緊密相關(guān)。其中尤以1 460.30 nm處所建模型識別率最高，而該波長附近正是反映伯酰胺中N—H對稱和反對稱伸縮振動的組合頻譜帶。該基團(tuán)反映出了東北大米和非東北大米在蛋白質(zhì)成分上有顯著差異。但是總體而言，基于單特征波長圖像的模型識別率不高，有進(jìn)一步提升的空間。

表2 基于單波長圖像HOG特征的大米產(chǎn)地鑒別模型識別率Table 2 Rice recognition rate based on single model

2.4 基于多波長圖像特征的大米產(chǎn)地鑒別模型集群的建立

為建立適用范圍廣的判別模型，本實(shí)驗(yàn)中收集的樣本來源差異較大，如品種和產(chǎn)地的相互交叉等，因此同一樣本在不同的特征波長處反映的光譜信息也存在顯著差異，直接導(dǎo)致同一樣本在不同的單波長模型中存在截然不同的識別結(jié)果。鑒于上述單特征波長圖像模型識別率不高的實(shí)驗(yàn)結(jié)果，提出采用多模型共識判別策略，即聯(lián)合多個(gè)單特征波長圖像模型，通過模型集群來綜合判別大米產(chǎn)地。判別流程如圖5所示。假設(shè)子模型個(gè)數(shù)為n，采用n個(gè)子模型預(yù)測同一樣本可以得到n個(gè)識別結(jié)果，當(dāng)識別結(jié)果中識別為真的比率>50%，則判定樣本為真，反之則為假。

圖5 模型集群共識判別流程

為了保證綜合判別的結(jié)果不會出現(xiàn)同一個(gè)樣本判別為真和假的識別率相同，本實(shí)驗(yàn)確定聯(lián)合子模型個(gè)數(shù)為奇數(shù)3，5和7。為了精簡組合個(gè)數(shù)，首先根據(jù)表2中單波長子模型的識別率從高到低進(jìn)行排序，然后依次選取子模型進(jìn)行組合判別。以聯(lián)合3個(gè)波長建立模型集群為例，如表3所示。以單波長下模式識別率最高的1 460.30和1 400.20 nm兩個(gè)子模型為基準(zhǔn)，依次順序選取剩余的5個(gè)單波長子模型進(jìn)行聯(lián)合判別，則有如表3所示的6種組合可能。從表3中可知，聯(lián)合3個(gè)模型后模型識別率均有了一定程度的提高。其中聯(lián)合1 315.62 nm波長的模型識別率最高，達(dá)88%。1 315.62 nm處反映了C—H第二組合頻的信息，淀粉、蛋白等成分中含有豐富的C—H基團(tuán)。而東北大米和非東北大米在淀粉組成和蛋白質(zhì)含量確實(shí)存在顯著差異。

表3 三波長聯(lián)合模型識別率Table 3 Recognition rate based on three combined models

同理固定表2中前4個(gè)識別率最高的1 460.30，1 400.20，1 424.92和945.98 nm波長的子模型，依次順序選取剩余的4個(gè)單波長子模型進(jìn)行聯(lián)合判別，則有如表4所示的4種組合可能。從表4中可知，分別聯(lián)合1 315.62和1 705.91 nm處模型，模型識別率得到了進(jìn)一步提高。而該兩個(gè)波段同樣反映了淀粉、蛋白質(zhì)等的C—H和—CH3基團(tuán)信息。

表4 五波長聯(lián)合模型識別率Table 4 Recognition rate based on five combined models

固定表2中前6個(gè)識別率最高的1 460.30，1 400.20，1 424.92，945.98，1 315.62和1 220.87 nm波長的子模型，依次順序選取剩余的2個(gè)單波長子模型進(jìn)行聯(lián)合判別，則有如表5所示的2種組合可能。模型識別率最高可達(dá)90.5%。綜合表2—表5可得關(guān)鍵波長處的子模型對模型集群判別結(jié)果起主要作用，如1 460.30和1 400.20 nm處的子模型；聯(lián)合模型個(gè)數(shù)越多，模型集群識別率也越高，但是模型識別率的提高速度較為緩慢。

表5 七波長聯(lián)合模型識別率Table 5 Recognition rate based on seven combined models

3 結(jié) 論

采集了10個(gè)產(chǎn)地、4個(gè)品種共計(jì)1 000粒大米樣本的高光譜圖像，采用SPA法針對樣本集光譜篩選出8個(gè)特征波長，分別提取8個(gè)特征波長對應(yīng)圖像的HOG特征，建立基于單波長圖像特征的SVM模型。將單特征波長圖像模型的識別率高低排序后，聯(lián)合3個(gè)、5個(gè)、7個(gè)單波長模型對大米產(chǎn)地進(jìn)行共識判別，可將東北/非東北大米產(chǎn)地的識別率從單模型的85.5%顯著提高到90.5%。實(shí)驗(yàn)結(jié)果表明基于高光譜技術(shù)和機(jī)器學(xué)習(xí)算法的模型集群共識策略有望為建立穩(wěn)健、切實(shí)可行的大米產(chǎn)地溯源模型提供思路和方法參考。