光譜特征波長的SPA選取和基于SVM的玉米顆粒霉變程度定性判別

袁 瑩，王 偉，褚 璇，喜明杰

中國農(nóng)業(yè)大學(xué)工學(xué)院，現(xiàn)代農(nóng)業(yè)裝備優(yōu)化設(shè)計北京市重點實驗室，北京 100083

光譜特征波長的SPA選取和基于SVM的玉米顆粒霉變程度定性判別

袁 瑩，王 偉*，褚 璇，喜明杰

中國農(nóng)業(yè)大學(xué)工學(xué)院，現(xiàn)代農(nóng)業(yè)裝備優(yōu)化設(shè)計北京市重點實驗室，北京 100083

利用波長范圍在833～2 500 nm的傅里葉變換近紅外光譜(Fourier transform near infrared spectroscopy, FT-NIR)對不同霉變程度的玉米顆粒進行檢測區(qū)分。首先，為避免光譜數(shù)據(jù)首尾噪聲影響，對比四種常見的預(yù)處理方法，最終選擇移動平均平滑法對原始光譜數(shù)據(jù)進行預(yù)處理；然后為選出合適的樣本集劃分方法以提高模型預(yù)測性能，對常見的四種方法進行對比，最終利用SPXY(sample set partitioning based on joint x-y distance)法進行樣本集劃分；進一步為減少數(shù)據(jù)量，降低維度，使用連續(xù)投影算法(successive projections algorithm, SPA)提取出7個特征波長，分別為833，927，1 208，1 337，1 454，1 861和2 280 nm；最后，將七個特征波長數(shù)據(jù)作為輸入，選取徑向基函數(shù)(radial basis function, RBF)作為支持向量機(support vector machine, SVM)核函數(shù)，取參數(shù)C=7 760 469，γ=0.017 003建立判別模型。SVM模型對訓(xùn)練集和測試集的預(yù)測準確率分別達到97.78%和93.33%。另取不同品種的玉米顆粒，以同樣的標準挑選樣品組成獨立驗證集，所建立的判別模型對獨立驗證集的預(yù)測準確率達到91.11%。結(jié)果表明基于SPA和SVM能有效地對玉米顆粒霉變程度進行判別，所選取的7個特征波長為實現(xiàn)在線霉變玉米顆粒近紅外檢測提供了理論依據(jù)。

霉變；玉米顆粒；FT-NIR；SPA；SVM

引 言

我國是玉米生產(chǎn)和消費大國，玉米除食用之外，還用作飼料和工業(yè)原料。然而目前因霉變造成的玉米產(chǎn)后損失過于嚴重，這不僅影響著玉米產(chǎn)量，而且一旦霉變玉米被人畜食用，也會嚴重危害人畜健康，因此，及時檢出霉變玉米尤為重要。

目前，對霉變玉米的檢出大多采用人工感官鑒定方法進行品質(zhì)檢測，不僅效率低下，工作量大，而且對于品質(zhì)的檢測不能標準化，同時雜質(zhì)、霉變、蟲蝕等缺陷有時不易進行肉眼的判斷；而傳統(tǒng)的生物培養(yǎng)方法需要破壞大量樣本，不利于大群體篩選，而且測定程序過于復(fù)雜不能及時分析等。

近紅外光譜技術(shù)是近些年來發(fā)展較快的分析方法之一，它依據(jù)化學(xué)成分對近紅外光譜的吸收特性而進行測定。其優(yōu)點在于無需復(fù)雜的樣品前處理，是一種快速無損的分析檢測方法，結(jié)合光纖可以被運用到在線檢測中，因此廣泛應(yīng)用于谷物品質(zhì)和營養(yǎng)的定性及定量檢測[1, 2]。許多研究表明利用近紅外結(jié)合適當(dāng)?shù)幕瘜W(xué)計量學(xué)方法可識別谷物的品種[3]，并對其內(nèi)部的營養(yǎng)物質(zhì)進行定性定量的檢測，而且谷物顆粒的霉變檢測也已經(jīng)成為西方發(fā)達國家的研究熱點[4-5]。

本工作在運用移動平均平滑法進行光譜預(yù)處理和運用SPXY(sample set partitioning based on joint x-y distance)法進行樣本集劃分的基礎(chǔ)上，采用連續(xù)投影算法(successive projections algorithm，SPA)[6]提取光譜中的特征波長，降低了光譜信息的維度，剔除了冗余信息，提取出的特征波長作為支持向量機(support vector machine, SVM)的輸入用于建立不同霉變程度玉米顆粒分類模型，探索玉米顆粒霉變程度近紅外檢測方法的可行性。

1 實驗部分

1.1 儀器設(shè)備

實驗使用儀器為德國布魯克公司(BRUKER，德國)的MPA型傅里葉變換近紅外光譜儀，其采集模式為積分球反射模式，波長范圍為833～2 500 nm(12 000～4 000 cm-1)，分辨率為4 cm-1。利用光譜儀自帶的OPUS軟件進行光譜數(shù)據(jù)獲取。并利用Matlab2012b平臺結(jié)合臺灣大學(xué)林智仁(C.J Lin)等開發(fā)的LIBSVM工具箱對光譜數(shù)據(jù)進行處理分析。

1.2 材料和樣品

選取150粒2012年收獲的自然感染霉菌的豫玉32玉米顆粒作為樣品，其形狀和大小基本一致。參照文獻[7]的方法進行分組，每組挑選50粒玉米顆粒組成樣品集：

(1)無癥狀組：玉米顆粒表面無明顯的霉菌損害的跡象，除了非常輕微的變色。

(2)中度霉變組：可見的真菌生長占玉米顆粒表面的30%～70%，且嚴重變色。

(3)重度霉變組：真菌生長覆蓋整個嚴重變色玉米顆粒的表面。

1.3 光譜數(shù)據(jù)預(yù)處理

由于樣品形狀不同及表面凹凸不平，由此產(chǎn)生的散射會對光譜的采集造成一定的影響，并且由光譜儀得到的光譜信號中不僅含有有用信息，同時也疊加著隨機誤差，使得光譜曲線中存在噪聲干擾，因而需要對原始光譜數(shù)據(jù)進行預(yù)處理。常見的預(yù)處理方法有標準化(autoscaling)、移動平均平滑法(moving average smoothing)、局部加權(quán)回歸散點平滑法(locally weighted scatterplot smoothing，LOWESS)、S-G卷積平滑法(Savitzky-Golay smoothing)等。

標準化，可以給光譜中所有波長變量以相同的權(quán)重，但是不能反映光譜的趨勢及變化。移動平均平滑法，優(yōu)點為計算量少，能較好的反映光譜的趨勢及變化，但是當(dāng)預(yù)處理數(shù)據(jù)較大時，存儲的數(shù)據(jù)量也較大，且平滑點數(shù)對預(yù)處理的影響較大。LOWESS平滑法，其特點是使得線性回歸模型中的參數(shù)可以隨著自變量的不同取值改變，但是也從而加大了計算量。S-G卷積平滑法，可以有效減少光譜數(shù)據(jù)中的隨機噪聲，平滑點數(shù)的影響較小，但計算相對復(fù)雜。

為選擇適合本研究光譜數(shù)據(jù)的預(yù)處理方法，利用Matlab2012b平臺對四種常見的光譜數(shù)據(jù)預(yù)處理方法進行對比。取各組的前30個樣品，共90個樣品數(shù)據(jù)組成訓(xùn)練集，取各組剩余20個樣品共60個樣品數(shù)據(jù)組成測試集，分別利用標準化、移動平均平滑法、LOWESS平滑法以及S-G卷積平滑法四種方法進行預(yù)處理，并分別將預(yù)處理后的數(shù)據(jù)利用SVM進行初期的預(yù)測，對比預(yù)測結(jié)果，從而選擇出適合的預(yù)處理方法。

1.4 樣本集劃分

樣本集劃分即采用某種特定方法將總體樣本劃分為訓(xùn)練集和測試集，用于進行模型建立及對模型的預(yù)測能力進行驗證，它在一定程度上決定著所建模型的預(yù)測性能。在進行樣本集劃分時，數(shù)據(jù)需具有一定的代表性，并且要保證訓(xùn)練集和測試集樣本數(shù)量的合理分配，既要滿足建模的要求，也不會引起數(shù)據(jù)冗余或模型過擬合。常見的樣本集劃分方法主要包括隨機法(random sampling, RS), Kennard-Stone算法(KS)及SPXY算法等。

隨機法，即按照簡單規(guī)則或完全無規(guī)律劃分樣本集，這種方法簡單、速度快，但是很難得到較為理想的樣本集，且每次劃分都是隨機的，訓(xùn)練集和測試集的樣本差異大，從而會影響模型的穩(wěn)定性。KS法是基于變量之間的歐氏距離，在特征空間中均勻選取樣本。該方法所選的訓(xùn)練集樣本分布均勻，但因需要計算兩兩樣本之間的歐式距離，計算量大。SPXY法是Galvao等[8]在KS法的基礎(chǔ)上提出的，其逐步選擇過程與KS法相同，只是在計算過程中，將變量x和y均考慮在內(nèi)，這樣有效兼顧了樣本的光譜和待測量信息。

為選擇出預(yù)測性能好的樣本集劃分方法，本文利用Matlab2012b平臺對順序劃分、隨機法、KS法以及SPXY法四種方法進行樣本集劃分方法的對比。

1.5 SPA

SPA是一種前向循環(huán)波長選取方法，從一個波長開始，每次循環(huán)都計算其在未選入波長上的投影，將投影向量最大的波長引入到波長組合中，每個新選入的波長，都與前一個線性關(guān)系最小。這種方法能夠有效地消除波長變量之間的共線性影響，降低樣品光譜數(shù)據(jù)維數(shù)，減少計算量，在多種光譜的多元定量和定性分析中得到了廣泛的應(yīng)用。

對于樣品數(shù)M和波長數(shù)K組成的光譜矩陣XM×K，N(N

(1)第一次迭代(p=1)開始前，在光譜矩陣中任選一列向量xj，記為xk(0)，即k(0)=j,j∈1, …,m；

(2)將未被選人的列向量位置的集合記為s，s={j, 1≤j≤m,j?{k(0), …,k(p-1)}}；

(3)計算剩余列向量xj(j∈s)與當(dāng)前所選向量xk(p-1)的投影：

(4)提取投影向量最大波長的變量序號：

k(p)=arg[max(‖Pxj‖)]，j∈s；

(5)令xj=Pxj，j∈s；p=p+1，如果p

最終選取的波長變量組合為{k(p),p=0, …,h-1}。對于每一個初始k(0)，循環(huán)一次后利用多元線性回歸(multple linear regresion，MLR)進行交互驗證分析, 最小均方根誤差(root mean square error，RMSE)對應(yīng)的k(p)即為最終的選擇結(jié)果[11]。

2 結(jié)果與討論

2.1 原始光譜數(shù)據(jù)獲取

利用傅里葉變換近紅外光譜儀采集每粒玉米胚芽面的光譜數(shù)據(jù)，最終得到的光譜數(shù)據(jù)為掃描64次所得的平均光譜，所有樣品的光譜曲線如圖1所示。從圖中可以看出，無癥狀組和重度霉變組基本可以分開，而中度霉變組與其他兩組略有重疊，因而需要運用化學(xué)計量學(xué)方法進行分類判別，樣品的原始光譜結(jié)果與1.2節(jié)分組基本一致。

2.2 光譜預(yù)處理結(jié)果

由于原始光譜曲線在波長1 000 nm之前存在噪聲干擾，同時為保留光譜曲線中的有用信息，分別利用標準化、移動平均平滑法、LOWESS平滑法及S-G卷積平滑法對光譜數(shù)據(jù)進行預(yù)處理，取各組的前30個樣品，共90個樣品數(shù)據(jù)組成訓(xùn)練集，取各組剩余20個樣品共60個樣品數(shù)據(jù)組成測試集，預(yù)處理后得到的數(shù)據(jù)分別作為SVM的輸入進行初步的預(yù)測，對比預(yù)測結(jié)果，從而選取合適的預(yù)處理方法，便于后續(xù)的數(shù)據(jù)分析。四種預(yù)處理方法對應(yīng)的訓(xùn)練集及測試集的預(yù)測準確率如表1所示。

Fig.1 Original spectra

Table 1 Prediction accuracy got by different preprocessing methods/%

由表1可知，采用移動平均平滑法對光譜數(shù)據(jù)進行預(yù)處理，訓(xùn)練集及測試集的預(yù)測結(jié)果都較高。通過試驗，最終采用21個窗口的移動平均平滑法對樣本數(shù)據(jù)進行預(yù)處理。

2.3 樣本集劃分方法選擇

由于樣本集的劃分在一定程度上決定著所建模型的預(yù)測性能，為選出合適的樣本集劃分方法，對常見的四種方法進行對比。共采用了150個玉米顆粒樣品，取其中的90個樣品作為訓(xùn)練集，60個樣品作為測試集。使用2.2節(jié)中最終選擇的21個窗口的移動平均平滑法對樣本數(shù)據(jù)進行預(yù)處理，然后分別利用順序劃分、隨機法、KS法以及SPXY法四種方法進行樣本集劃分。其中順序劃分即取各組的前30個樣品數(shù)據(jù)組成訓(xùn)練集，取各組剩余20個樣品數(shù)據(jù)組成測試集。劃分后得到的訓(xùn)練集和測試集輸入到SVM進行劃分效果的對比，四種樣本集劃分方法的預(yù)測準確率如表2所示。

Table 2 Prediction accuracy got by different grouping method

利用SPXY法進行樣本集劃分時，訓(xùn)練集及測試集的預(yù)測準確率均高于其他方法，因此，采用SPXY法對樣本集進行劃分。運用SPXY法的樣本集劃分結(jié)果如表3所示。從表中可以看出，各組的訓(xùn)練集測試集的樣品數(shù)差異不大。

Table 3 Result of grouping by SPXY

2.4 波長優(yōu)選

樣本數(shù)據(jù)共含有2 100個光譜數(shù)據(jù)點，由于數(shù)據(jù)量大，運算時間長，且存在多重共線性，在進行分類模型建立時，會降低模型的準確性。因此利用SPA對樣本數(shù)據(jù)進行降維，提取出樣本數(shù)據(jù)中重要的波長點。

對預(yù)處理后的數(shù)據(jù)用SPA進行波長的優(yōu)選，然后利用優(yōu)選的波長數(shù)據(jù)建立MLR校正模型，最小RMSE值對應(yīng)的波長變量個數(shù)即為最終的選擇結(jié)果。圖2為提取不同個數(shù)波長變量時RMSE的走勢圖，從圖中可知，提取7個波長變量時模型的RMSE最小為0.246 6。

Fig.2 RMSE in different wavelength variables

圖3表示使用SPA篩選得到的7個特征波長，在圖中以白色方塊表示。7個特征波長分別為833，927，1 208，1 337，1 454，1 861和2 280 nm。其中，1 208 nm代表C—H二階倍頻伸縮，即CH2；1 454 nm代表O-H一階倍頻伸縮，表明存在淀粉成分；1 861 nm代表C—Cl六階倍頻伸縮；2 280 nm代表C—H伸縮和CH2變形組合，同樣表明存在淀粉成分。

Fig.3 Optimal characteristis wavelengths selected by SPA

2.5 SVM模型驗證

以SPA提取的7個波長數(shù)據(jù)作為輸入，利用SVM進行分類模型的建立和驗證。利用RBF函數(shù)作為SVM的核函數(shù)，在懲罰參數(shù)C=7 760 469，核函數(shù)參數(shù)γ=0.017 003的條件下，建立分類模型。利用建立好的模型對訓(xùn)練集和測試集進行預(yù)測，預(yù)測結(jié)果如表4所示。

可以看出訓(xùn)練集的90個樣品中，有1粒重度霉變的顆粒被錯判為無癥狀組，1粒被錯判為中度霉變，判別準確率為97.78%。測試集的60個樣品中，有1粒無癥狀組的顆粒被錯判為中度霉變，1粒中度霉變組的顆粒被錯判為重度霉變，2粒重度霉變的顆粒被錯判為無癥狀組，判別準確率為93.33%。分析錯判原因，在對顆粒進行分組挑選時，可能會由于部分霉變無法用肉眼識別，從而造成錯分。

Table 5 Classification result

Table 5 Predictive result of the independent validation set

同時，為了驗證模型的通用性，另取2013年收獲的先玉335玉米顆粒，并以相同的分組標準每組挑選30粒共90粒作為獨立驗證集，利用21個窗口的移動平均平滑法進行預(yù)處理，然后將7個特征波長的信息輸入到已建立的判別模型中，判別結(jié)果如表5所示。可以看出，獨立驗證集的預(yù)測準確率達到91.11%，表明本文所建立的判別模型具有通用性。

3 結(jié) 論

按照霉變程度將同年收獲的自然感染霉菌的豫玉32玉米顆粒分成三組，運用波長范圍在833～2 500 nm的FT-NIR系統(tǒng)進行光譜數(shù)據(jù)的采集，首先采用21個窗口的移動平均平滑法對樣本數(shù)據(jù)進行預(yù)處理，并利用SPXY算法對樣本集進行劃分；然后為了對光譜數(shù)據(jù)進行降維，利用SPA篩選特征波長，選取7個特征波長數(shù)據(jù)作為輸入，利用SVM進行分類模型的建立和驗證。最終建立的模型對訓(xùn)練集及測試集的預(yù)測準確率分別達到97.78%和93.33%。另取2013年收獲的先玉335玉米顆粒，以同樣的標準挑選90粒作為獨立驗證集，按照相同的方法進行預(yù)處理，所建立的判別模型對獨立驗證集的預(yù)測準確率達到91.11%。結(jié)果表明基于SPA和SVM能有效地對霉變玉米顆粒進行判別，所選取的7個特征波長為在線霉變玉米顆粒近紅外檢測提供了理論依據(jù)。

[2] LIU Xin-ru, ZHANG Li-ping, WANG Jian-fu, et al(劉心如, 張黎平, 王建福, 等). Spectroscopy and Spectral Analysis(光譜學(xué)與光譜分析), 2013, 33(8): 2092.

[3] LIANG Jian, LIU Bin-mei, TAO Liang-zhi, et al(梁 劍，劉斌美，陶亮之，等). The Journal of Light Scattering(光散射學(xué)報), 2013, 25(4): 423.

[4] Singh C B, Jayas D S, Paliwal J, et al. International Journal of Food Properties, 2012, 15(1): 11.

[5] YAO Hai-bo, Hruska Z, Kincaid R, et al. Biosystems Engineering, 2013, 115: 125.

[6] Bregman L M. Akademiia Nauk SSSR, Doklady, 1965, 162: 487.

[7] Tallada J G, Wicklow D T, Pearson T C, et al. Transactions of the ASABE, 2011, 54(3): 1151.

[8] Galv?o R K H, Araujo M C U, José G E, et al. Talanta, 2005, 67(4): 736.

[9] CHU Xiao-li(褚小立). Molecular Spectroscopy Analytical Technology Combined with Chemometrics and Its Applications(化學(xué)計量學(xué)方法與分子光譜分析技術(shù)). Beijing: Chemical Industry Press(北京: 化學(xué)工業(yè)出版社), 2011.

*Corresponding author

Selection of Characteristic Wavelengths Using SPA and Qualitative Discrimination of Mildew Degree of Corn Kernels Based on SVM

YUAN Ying, WANG Wei*, CHU Xuan, XI Ming-jie

Beijing Key Laboratory of Optimization Design for Modern Agricultural Equipment, College of Engineering, China Agricultural University, Beijing 100083, China

The feasibility of Fourier transform near infrared (FT-NIR) spectroscopy with spectral range between 833 and 2 500 nm to detect the moldy corn kernels with different levels of mildew was verified in this paper. Firstly, to avoid the influence of noise, moving average smoothing was used for spectral data preprocessing after four common pretreatment methods were compared. Then to improve the prediction performance of the model, SPXY (sample set partitioning based on joint x-y distance) was selected and used for sample set partition. Furthermore, in order to reduce the dimensions of the original spectral data, successive projection algorithm (SPA) was adopted and ultimately 7 characteristic wavelengths were extracted, the characteristic wavelengths were 833, 927, 1 208, 1 337, 1 454, 1 861, 2 280 nm. The experimental results showed when the spectrum data of the 7 characteristic wavelengths were taken as the input of SVM, the radial basic function (RBF) used as the kernel function, and kernel parameterC=7 760 469,γ=0.017 003, the classification accuracies of the established SVM model were 97.78% and 93.33% for the training and testing sets respectively. In addition, the independent validation set was selected in the same standard, and used to verify the model. At last, the classification accuracy of 91.11% for the independent validation set was achieved. The result indicated that it is feasible to identify and classify different degree of moldy corn grain kernels using SPA and SVM, and characteristic wavelengths selected by SPA in this paper also lay a foundation for the online NIR detection of mildew corn kernels.

Mildew grain；Corn kernels；FT-NIR；SPA；SVM

Aug. 21, 2014; accepted Dec. 5, 2014)

2014-08-21，

2014-12-05

國家科技支撐計劃項目(2012BAK08B04)資助

袁 瑩，女，1991年生，中國農(nóng)業(yè)大學(xué)機械工程碩士研究生 e-mail：410708790@qq.com *通訊聯(lián)系人 e-mail: playerwxw@cau.edu.cn

S132

A

10.3964/j.issn.1000-0593(2016)01-0226-05