MIV波長優(yōu)選改善VIS/NIR光譜TVB-N模型性能研究

陳亦凡，李蕓婧，彭苗苗，楊春勇，侯 金，陳少平

智能無線通信湖北省重點實驗室，中南民族大學電子信息工程學院，湖北 武漢 430074

引 言

根據(jù)我國鮮凍畜肉的國家標準(GB/T 5009.44—2003)，揮發(fā)性鹽基氮(TVB-N)是衡量肉品新鮮度的一項重要理化指標。傳統(tǒng)標定新鮮度的方法費時、繁瑣、破壞性大，難以滿足快速檢測TVB-N含量的需求。近年來，可見/近紅外(VIS/NIR)光譜檢測憑借快捷、簡便和無損等優(yōu)勢，成為檢測領域的熱點[1-3]，也已應用在TVB-N含量的檢測。

在光譜分析檢測領域，預測模型屬于研究重點[4]。關于預測模型，目前大致分為線性預測模型和非線性預測模型兩類。為了發(fā)展肉質(zhì)中TVB-N含量快速檢測法，針對這兩類模型，國內(nèi)外學者就光譜預測模型進行了深入研究。意大利的Alamprese等[5]利用偏最小二乘回歸(partial least squares regression，PLSR)引入12個主成分, 建立了942～2 667 nm的NIR全譜線性預測模型，模型預測相關系數(shù)(RP)為0.95，預測均方根誤差(root mean square error of prediction，RMSEP)為6.47 mg/100 g，初步滿足了對牛肉TVB-N定量分析的需求。國內(nèi)的蔡健榮等學者[6]對1 000～2 500 nm的豬肉NIR光譜數(shù)據(jù)，建立了基于波長篩選的聯(lián)合偏最小二乘回歸(siPLSR)預測模型，RP為0.82，RMSEP為4.17 mg/100 g，進一步提高了線性預測模型PLSR的準確性。此后，Huang等[7]使用主成分分析(principal component analysis，PCA)降維相同波段的豬肉光譜數(shù)據(jù)作為反向神經(jīng)網(wǎng)絡(back propagation neural network，BPNN)的輸入，建立了NIR全譜非線性預測模型,RP為0.94，RMSEP為3.63 mg/100 g。相對于線性預測模型，NIR全譜非線性預測模型準確性更高。對比相關典型文獻，大多數(shù)全譜線性預測模型可用于肉質(zhì)TVB-N含量的定量分析，盡管其結(jié)合波長篩選一定程度上提升了模型性能，但總體性能與全譜非線性預測模型BPNN相比仍有差距。然而，全譜非線性預測模型BPNN的全譜信息中含有大量無關信息變量，嚴重影響模型性能，建模過程使用波長篩選仍然必不可少[8-9]。另據(jù)可查閱文獻，波長篩選改良BPNN預測模型在VIS/NIR光譜檢測領域鮮有研究。雖然，Dombi[10]等在1995年提出平均影響值(mean impact value, MIV)方法對剔除無關變量有顯著優(yōu)勢，但是這一方法主要用于質(zhì)譜分析、圖像處理和生物醫(yī)學，鮮見涉及光譜分析領域的應用[11-13]。

為了構(gòu)建基于波長篩選的豬肉TVB-N含量的BPNN預測模型，首先利用PCA對豬肉光譜數(shù)據(jù)進行降維，構(gòu)建TVB-N含量的PCA-BPNN預測模型； 再進一步引入MIV方法對VIS/NIR全譜波長變量進行強相關特征優(yōu)選，獲得改良預測模型MIV-PCA-BPNN。最后，從準確性和穩(wěn)健性兩個方面評估MIV-PCA-BPNN預測模型。

1 實驗部分

1.1 豬肉樣品的制備

豬肉樣本購于周邊農(nóng)貿(mào)市場，取自不同豬個體的背最長肌部位。參考文獻[5]的做法，將樣本切割成30 mm×30 mm×20 mm尺寸塊，進行編號排序，共得51個樣本。將樣本用密封袋封裝冷藏于4 ℃環(huán)境。測量時，每間隔24 h按編號大小依次取出5～7個樣品，靜置于25 ℃室溫環(huán)境約20 min，再分別對其進行光譜數(shù)據(jù)采集和TVB-N含量測定。

1.2 光譜數(shù)據(jù)的采集

光譜采集系統(tǒng)包括海洋光學的光譜儀QE65pro，鹵鎢光源HL-2000，載物臺和計算機等部件； 光譜儀采集范圍為200～1 000 nm，光學分辨率為0.14～7.7 nm，光源波長范圍為360～2 400 nm； 通過計算機和光譜儀配套采集軟件SpectraSuit，以反射模式實施檢測, 光譜采集系統(tǒng)如圖1所示。在檢測過程中，保證光源探頭垂直向下并距離樣品1.5 cm，在視場覆蓋樣品時應避開其邊緣和反光區(qū)。

圖1 近紅外光譜檢測系統(tǒng)示意圖Fig.1 Diagram of spectral acquisition system

據(jù)文獻[14]，豬肉中TVB-N在波段200～450和900～1 000 nm區(qū)間的光譜信噪比較低，嚴重干擾模型的建立。因此，選取450～900 nm的數(shù)據(jù)用于后續(xù)建模。51個樣品的反射光譜如圖2所示。

圖2 51個豬肉樣本的原始反射光譜Fig.2 Raw reflectance spectra of 51 pork samples

1.3 TVB-N含量的測定

國家標準(GB/T 5009.44—2003)規(guī)定對肉質(zhì)TVB-N含量的檢測采用半微量定氮法，據(jù)此方法測定結(jié)果如圖3所示。從圖中可看出，TVB-N含量總體上隨著時間推移而不斷增加，從第5日起TVB-N含量加速增加。該結(jié)果表明，TVB-N含量是肉品腐敗程度的反映，存放第5日后，肉品表面的微生物污染逐步向深層蔓延，蛋白質(zhì)分解加劇，導致肉品理化性質(zhì)改變。

圖3 TVB-N含量隨天數(shù)變化情況(4 ℃冷藏環(huán)境)

Fig.3 The TVB-N content of pork varies with days (4 ℃ in a refrigerated environment)

為了建立TVB-N含量的預測模型，從51個樣本中隨機選取10個樣本作為驗證集，其余的41個樣本作為校正集，TVB-N值統(tǒng)計結(jié)果如表1所示。

1.4 全譜PCA-BPNN預測模型的構(gòu)建

構(gòu)建的PCA-BPNN工作流程如圖4所示。圖中的X1,X2,X3, …，Xn是經(jīng)PCA降維的光譜數(shù)據(jù)，也是BPNN模型的輸入節(jié)點；ωij和ωjk代表光譜數(shù)據(jù)在神經(jīng)元之間傳遞的權(quán)重，體現(xiàn)BPNN的網(wǎng)絡權(quán)值；Y1表示TVB-N預測值，是BPNN的輸出節(jié)點。

表1 校正集和驗證集TVB-N值(mg/100 g)統(tǒng)計結(jié)果Table 1 Statistics of pork TVB-N value (mg/100 g)in calibration and prediction sets

圖4 PCA-BPNN流程圖Fig.4 Flow chart of PCA-BPNN

每一個樣本所攜帶的光譜信息含有近600個波長變量，如直接作為BPNN的輸入節(jié)點，必將延長其收斂時間。為此，先用PCA對標準化后的樣本光譜數(shù)據(jù)進行降維處理。選定占原始光譜信息量99.99%的11個主成分作為BPNN的輸入節(jié)點。通過以校正相關系數(shù)(RC)、預測相關系數(shù)、校正均方根誤差(root mean square error of calibration，RMSEC)和預測均方根誤差為評價指標的訓練與優(yōu)化，確定BPNN參數(shù)如表2所示。

表2 BPNN參數(shù)設定Table 2 BPNN parameters setting

1.5 MIV波長篩選

MIV在神經(jīng)網(wǎng)絡應用中是評價變量對結(jié)果影響較為有效的指標之一。根據(jù)MIV數(shù)值的相對大小，可以精確地定位到與TVB-N含量強相關的波長變量。MIV波長篩選原理與流程如圖5所示，操作步驟為：

(1) 訓練出RC和RP均大于0.9的PCA-BPNN模型。

(2) 先將訓練集T的第i個波長的反射強度數(shù)值分別增減10%，得到新數(shù)據(jù)集Xi和Yi，隨后將Xi和Yi經(jīng)PCA降維后作為仿真樣本。

圖5 MIV方法波長篩選流程圖Fig.5 Flow chart of wavelength selection in MIV

(1)

(2)

1.6 MIV-PCA-BPNN預測模型的構(gòu)建

利用MIV方法獲得優(yōu)選波長，最終建立MIV-PCA-BPNN預測模型，以此提高預測模型的準確性和穩(wěn)健性。建模流程如圖6所示。

圖6 MIV-PCA-BPNN流程圖Fig.6 Flow chart of MIV-PCA-BPNN

MIV-PCA-BPNN工作流程包括波長優(yōu)選與建模兩個步驟。波長優(yōu)選把原始光譜數(shù)據(jù)中的無關波長變量剔除，將優(yōu)選的特征波長作為PCA-BPNN模型的輸入以構(gòu)建MIV-PCA-BPNN預測模型。建模完成后，用驗證集對模型準確性和穩(wěn)健性進行驗證，得到其評價指標。在上述流程中，利用MIV去除光譜數(shù)據(jù)中的冗余信息，提高模型準確性和穩(wěn)健性，而PCA則用于簡化網(wǎng)絡規(guī)模，縮短模型收斂時間。

1.7 模型性能評價

預測模型以RC，RP，RMSEC和RMSEP作為評價性能的指標。

(3)

(4)

式(3)與式(4)中n同式(2)的定義，為樣本組數(shù)，yi, actual表示第i組樣品的TVB-N測定值，yi, predicted表示所建模型的第i組樣品TVB-N預測值。

評價預測模型性能時，先考慮其準確性，隨后再評估其穩(wěn)健性。通常，RC數(shù)值越接近1，RMSEC的數(shù)值越低，預測模型的擬合精度越高；RP數(shù)值越接近1，RMSEP的數(shù)值越低，預測值與測定值的誤差越小，預測模型的預測精度越高。模型的準確性主要取決于擬合精度和預測精度。衡量預測模型穩(wěn)健性的指標是RMSEP/RMSEC，其數(shù)值越低，模型的穩(wěn)健性越好。通常，一個具有優(yōu)良穩(wěn)健性的模型RMSEP/RMSEC≤1.2[15]。

2 結(jié)果與討論

對450～900 nm的光譜數(shù)據(jù)進行MIV波長篩選，波長分布結(jié)果如圖7所示。從圖中可以看出，在全光譜波段不同波長變量的MIV數(shù)值有較大差異，為了減少無關信息的影響，將MIV數(shù)值小于平均值0.034且與TVB-N含量相關性較弱的373個波長變量全部剔除，從而得到優(yōu)選的221個波長變量。

圖7 MIV篩選出特征波長的分布Fig.7 Distribution of characteristic wavelength selected by MIV

由圖7可見，MIV數(shù)值較大的波段集中分布在7個波峰附近。在VIS波段(450～780 nm)，第一個波峰出現(xiàn)在471 nm，即以波長471 nm為中心，左右兩側(cè)20 nm內(nèi)有452，455，461，480和491 nm特征波長, 這些波長為肉品中高鐵肌紅蛋白的吸收峰區(qū)。第二個波峰出現(xiàn)在544 nm，即以波長544 nm為中心，左右兩側(cè)各20 nm內(nèi)有527，530，533，540和541～555 nm特征波長，這些波段為肉品中氧合肌紅蛋白的吸收峰區(qū)。第三和第四個波峰出現(xiàn)在588和613 nm，這兩個波峰兩側(cè)各有578～600和613～625 nm特征波段，分別為高鐵肌紅蛋白和硫肌紅蛋白的吸收區(qū)。第五個波峰出現(xiàn)在740 nm，以波長740 nm為中心，左右20 nm內(nèi)有745，757和762 nm特征波長，這些波長為肉品O—H鍵的第三倍頻的吸收峰區(qū)[16]。在NIR波段(780～950 nm)，第六個波峰出現(xiàn)在832 nm，以832 nm為中心波長，左右20 nm內(nèi)有828和847nm特征波長，這三處特征波長為氨中N—H鍵第三倍頻的吸收峰。最后一個波峰出現(xiàn)在894 nm，其兩側(cè)的特征波長863，895和896 nm為肉品C—H鍵第三倍頻吸收峰[17]。

TVB-N是豬肉存儲過程中由于蛋白質(zhì)分解而產(chǎn)生氨以及胺類等堿性含氮物質(zhì)[14, 19]，這些堿性含氮物質(zhì)中的含氫基團(C—H，O—H，S—H，N—H等化學鍵)的特征吸收峰與MIV方法所篩選出來的特征波長表現(xiàn)出高度一致性，由此為利用MIV方法篩選光譜的波長變量提供了理論依據(jù)。

基于所構(gòu)建的MIV-PCA-BPNN預測模型獲得的樣本預測值與測定值之間的散點圖如圖8(a)所示。與圖8(b)中的基于全譜的TVB-N預測模型PCA-BPNN的結(jié)果相比較，圖8(a)中校正集和驗證集的數(shù)據(jù)點明顯匯聚于斜線附近，且誤差大的極端數(shù)據(jù)點較少?？梢姴ㄩL優(yōu)選獲得了更好的模型擬合和預測效果，在準確性和穩(wěn)健性方面有較大提升。

MIV-PCA-BPNN模型的變量數(shù)較少，但主成分數(shù)較多。究其原因，MIV波長篩選剔除了大部分非線性和不相關的波長變量，使得變量之間相關性得到了增強，PCA降維光譜數(shù)據(jù)時，所提取的主成分包含了大量的與TVB-N含量相關的信息，因此主成分數(shù)增加，結(jié)果與文獻[9]結(jié)論一致。

為了進一步比較非線性預測模型與線性預測模型的性能，參考文獻[18]的做法，組合多種常見的算法對樣本光譜信息進行預處理，其中包括： 標準正態(tài)變量變換(SNV)、多元散射矯正(MSC)、Savitzky-Golay(S-G)平滑，窗口參數(shù)為3～21(間隔為2)，擬合次數(shù)為1～5，求導階數(shù)為一階或二階(1D，2D)、均值中心化、標準化等。通過反復調(diào)整上述算法的參數(shù)與輸入的主成分數(shù)，構(gòu)建了優(yōu)化的PLSR和PCR模型，結(jié)果如圖9所示。

圖8 MIV-PCA-BPNN (a)和PCA-BPNN模型的 (b)預測值和測定值散點圖Fig.8 Scatter plots of predicted and actual values(a)： MIV-PCA-BPNN; (b)： PCA-BPNN

圖9 PCR (a)和PLSR (b)模型的預測值和測定值散點圖Fig.9 Scatter plots of predicted and actual values(a)： PCR; (b)： PLSR

表3 對應不同預測模型的TVB-N含量分析結(jié)果Table 3 Analysis results of TVB-N content for different prediction models

如表3所示，PCR預測模型使用了10個主成分，與表中的其他建模方式相比其RMSEP/RMSEC值最低，模型穩(wěn)健性最強，但由圖9(a)可以看出，其樣本預測值和測定值數(shù)據(jù)點分布散亂，沒有出現(xiàn)明顯匯聚。PCR預測模型的性能指標RC=0.76，RMSEC=3.67 mg/100 g，RMSEP-RMSEC<0，對校正集擬合誤差較大，出現(xiàn)嚴重的欠擬合，模型準確性表現(xiàn)最差，因此不能滿足對TVB-N的定量分析。同為線性預測模型的PLSR模型性能相較于PCR有較大提升。雖然PLSR預測模型使用較少主成分降低了模型的擬合誤差，擬合精度相較于PCR模型也有了較大提升，但其預測精度低于前者，且RMSEP/RMSEC=1.27，略大于要求的1.20，因此模型穩(wěn)健性不足。

從表3還可以看出，在構(gòu)建的PLSR，PCR和BPNN三種基于全譜的預測模型中，PCA-BPNN的RMSEC和RMSEP最小,RC和RP最大，模型準確性最高。因此，在本研究顯示，非線性預測模型比線性預測模型具備更好準確性和穩(wěn)健性。究其原因，光譜信息與待測組分TVB-N含量之間不僅存在線性關系，而且存在非線性關系，本工作所檢測的TVB-N正好表現(xiàn)出較強的非線性效應。

另由表3可知，使用MIV波長優(yōu)選的221個波長變量所建立的MIV-PCA-BPNN預測模型, 使用了13個主成分，與基于全譜的PCA-BPNN預測模型相比，RC從0.96變?yōu)?.98，RP從0.93上升到0.96，并且其RMSEC和RMSEP為最小，分別為1.12 mg/100 g和1.21 mg/100 g，在所有構(gòu)建的預測模型中，準確性和穩(wěn)健性最佳。

3 結(jié) 論

以豬肉背最長肌為研究對象，依據(jù)選定的450～900 nm VIS/NIR光譜數(shù)據(jù)，構(gòu)建了PLSR，PCR和BPNN三種TVB-N含量預測模型，開展了TVB-N含量的定量分析研究。結(jié)果表明，非線性預測模型BPNN優(yōu)于線性模型PCR和PLSR，其中改進的MIV-PCA-BPNN預測模型性能最佳。MIV-PCA-BPNN性能指標RC和RMSEC分別為0.98和1.21 mg/100 g，RP和RMSEP分別為0.96和1.12 mg/100 g，RMSEP/RMSEC=1.08，相比全譜BPNN預測模型，其準確性和穩(wěn)健性有較大提升。經(jīng)MIV數(shù)值分析，獲得了與TVB-N吸收峰一致的優(yōu)選特征波長，表明MIV方法可有效篩選光譜波長變量。本工作改進了TVB-N預測模型，為利用神經(jīng)網(wǎng)絡剔除無關波長變量提供了新思路。