基于THz-ATR技術(shù)的水稻品種快速無(wú)損識(shí)別研究

吳靜珠， 李 陽(yáng)， 孫麗娟， 劉翠玲， 孫曉榮， 陳媛媛

(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1，北京 100048) (中國(guó)農(nóng)業(yè)科學(xué)院作物科學(xué)研究所2，北京 100081)

我國(guó)是世界上水稻產(chǎn)量第一、種植面積第二的國(guó)家。水稻的品質(zhì)和產(chǎn)量跟水稻的種植品種有著直接關(guān)系[1]，同時(shí)隨著雜交技術(shù)的廣泛應(yīng)用，種子間的混雜問(wèn)題越發(fā)突出，因此對(duì)水稻種子實(shí)現(xiàn)品種快速鑒別成為農(nóng)業(yè)生產(chǎn)和水稻品種選育的重要環(huán)節(jié)。

常見(jiàn)應(yīng)用于水稻品種鑒定技術(shù)有形態(tài)學(xué)鑒定法、田間種植鑒定法、電泳法、DNA指紋技術(shù)和SSR分子標(biāo)記鑒定技術(shù)等[2，3]。形態(tài)學(xué)鑒定法和田間種植鑒定法，需要根據(jù)形態(tài)學(xué)性狀進(jìn)行判定，簡(jiǎn)單直接但主觀性強(qiáng)，且易受環(huán)境條件影響；而電泳法、DNA指紋技術(shù)和SSR分子標(biāo)記法雖鑒別精度高，但是實(shí)驗(yàn)周期較長(zhǎng)、有損、需專(zhuān)門(mén)操作人員、且無(wú)法實(shí)現(xiàn)批量分析,因此建立一種水稻品種鑒別高效無(wú)損的檢測(cè)方法至關(guān)重要。

太赫茲(terahertz,簡(jiǎn)稱THz) 波作為一種頻率處于0.1～10 THz之間的電磁波[4]，以其獨(dú)特的透視性、指紋圖譜、低能量性、對(duì)環(huán)境輻射不敏感等技術(shù)優(yōu)勢(shì)，日趨成為農(nóng)業(yè)領(lǐng)域[5，6]的研究熱點(diǎn),有望成為近紅外光譜技術(shù)和X射線技術(shù)的有益補(bǔ)充。楊亞玲等[7]采集16種雜交水稻種子光譜數(shù)據(jù)，通過(guò)研究雜交水稻粉末粒度和固定劑濃度對(duì)其光譜的影響，結(jié)果表明通過(guò)雜交水稻種子的太赫茲光譜特征吸收頻率無(wú)法直接識(shí)別水稻品種，需要結(jié)合其他方式進(jìn)一步探究。杜秀洋[8]基于太赫茲時(shí)域光譜技術(shù)與化學(xué)計(jì)量學(xué)算法結(jié)合對(duì)不同霉變程度的稻米進(jìn)行品質(zhì)的深入研究，結(jié)果顯示使用 RBF 核函數(shù)的 LS-SVM 算法建模結(jié)合太赫茲時(shí)域光譜分析能夠達(dá)到較高的準(zhǔn)確率。胡曉華[9]從水稻種子的太赫茲時(shí)域圖像中提取太赫茲光譜信息，采用多種建模方式建立轉(zhuǎn)基因水稻種子判別模型，其中最優(yōu)模型的識(shí)別準(zhǔn)確率可達(dá)96.67%?；谔掌澕夹g(shù)可用于水稻種子品質(zhì)檢測(cè)，但也存在實(shí)驗(yàn)過(guò)程較長(zhǎng)，實(shí)驗(yàn)樣本被破壞等問(wèn)題。本研究將太赫茲衰減全反射式(THz-TDS)光譜技術(shù)結(jié)合支持向量機(jī)分類(lèi)算法，建立水稻品種識(shí)別模型，為高效、無(wú)損、安全的水稻品種鑒別開(kāi)辟新的方法。

1 材料與方法

1.1 材料與儀器

8種水稻種子，均為粳型常規(guī)稻，主要種植在河南、江蘇、安徽、山東黃淮流域、江蘇省淮北地區(qū)以及長(zhǎng)江中下游等多個(gè)區(qū)域。圖1為8種水稻樣本圖，可以看出種子性狀差異微小，很難通過(guò)肉眼進(jìn)行品種鑒別，從左到右依次是冀旱糯3、金粳818、連糯1、洛稻998、南粳9108、紹糯9714、徐稻9、鄭旱10。

圖1 8種水稻樣本

TeraPulse 4000太赫茲脈沖光譜儀見(jiàn)圖2，光譜采集由儀器配備的入射角為45°的單晶硅ATR附件完成。ATR附件光譜范圍為0～359.97 cm-1，掃描平均為500次，光譜分辨率 1.901 cm-1。ATR技術(shù)具有采樣面積小、非破壞性、更換樣本方便等優(yōu)點(diǎn)。

圖2 TeraPulse 4000太赫茲脈沖光譜儀

1.2 光譜采集

實(shí)驗(yàn)每個(gè)品種隨機(jī)選取100粒，每粒采集1次，即光譜樣本數(shù)量800。為保證儀器系統(tǒng)的穩(wěn)定性，實(shí)驗(yàn)的環(huán)境溫度控制在22 ℃，逐一掃描樣本時(shí)保證ATR采樣平臺(tái)干凈無(wú)污染，將ATR晶體掃描窗口緊貼樣本放置，確保樣本和ATR晶體間有良好的光學(xué)接觸且樣本不被外力破壞。圖3a為8種水稻樣本的平均時(shí)域譜圖，圖3b為時(shí)域信號(hào)局部放大圖。

從圖3a中可以看出，8種樣本時(shí)域光譜曲線相似，說(shuō)明系統(tǒng)的穩(wěn)定性較好。將主脈沖放大進(jìn)行對(duì)比，發(fā)現(xiàn)不同品種的水稻樣本主脈沖時(shí)延位置有所差異且對(duì)應(yīng)THz波的信號(hào)強(qiáng)度也不同，即各類(lèi)樣本主脈沖在相位和幅度呈現(xiàn)出不同程度的延遲和衰減如圖3b所示。其中在-5.9 ps處的信號(hào)強(qiáng)度從高到低依次為鄭旱10>冀旱糯3>洛稻998>金粳818>徐稻9>連糯1>南粳9108>紹糯9714，且連糯1、南粳9108、紹糯9714的主脈沖時(shí)延位置明顯右移，這考慮THz波通過(guò)不同厚度的樣本產(chǎn)生不同時(shí)延。

圖3 時(shí)域信號(hào)譜(a)和時(shí)域信號(hào)譜局部放大圖(b)

1.3 模型評(píng)價(jià)指標(biāo)

混淆矩陣[10]是監(jiān)督學(xué)習(xí)中的一種可視化工具，主要用于比較分類(lèi)結(jié)果與真實(shí)情況，能直觀地衡量一個(gè)分類(lèi)模型分類(lèi)的準(zhǔn)確程度?；煜仃囆袑?duì)應(yīng)的類(lèi)別表示樣本的真實(shí)類(lèi)別，每行的樣本總數(shù)為該類(lèi)真實(shí)樣本數(shù)；矩陣的列對(duì)應(yīng)預(yù)測(cè)類(lèi)別，每列的樣本數(shù)是預(yù)測(cè)為該類(lèi)別的總數(shù)。其中，準(zhǔn)確率、精確率、召回率是混淆矩陣常用的指標(biāo)，其計(jì)算公式如式(1)～式(3)所示。準(zhǔn)確率表示模型正確預(yù)測(cè)的樣本與總樣本的比；精確率為正確預(yù)測(cè)為第i類(lèi)樣本數(shù)與模型預(yù)測(cè)為第i類(lèi)樣本的比，衡量分類(lèi)模型識(shí)別特定類(lèi)別的能力；召回率表示模型正確預(yù)測(cè)第i類(lèi)樣本數(shù)和第i類(lèi)真實(shí)樣本數(shù)之比，是衡量分類(lèi)器預(yù)測(cè)相關(guān)類(lèi)別的精度。

(1)

(2)

(3)

式中：Nii、Nki、Nik分別為混淆矩陣中第i行第i列、第k行第i列、第i行第k列對(duì)應(yīng)的數(shù)值。

2 結(jié)果與討論

2.1 光學(xué)預(yù)處理

2.1.1 光學(xué)常數(shù)提取

(4)

(5)

式中：w為角頻率；d為樣本厚度；c為太赫茲波在真空中的傳播速度。

實(shí)驗(yàn)過(guò)程中儀器會(huì)受到環(huán)境噪聲和空氣中水分的干擾，采集的樣本時(shí)域信號(hào)會(huì)存在一定幅度的波動(dòng)，無(wú)法達(dá)到儀器理想的信噪比，難以直接通過(guò)特征光譜來(lái)快速鑒別某一樣本的真實(shí)品種。因此，對(duì)經(jīng)過(guò)光學(xué)常數(shù)提取后的光譜需要進(jìn)一步處理，并結(jié)合模式識(shí)別方法建立水稻品種無(wú)損鑒別模型。

2.1.2 光譜噪聲處理

由于不同生物大分子在太赫茲波段具有強(qiáng)烈吸收和色散特性，其轉(zhuǎn)動(dòng)和振動(dòng)模式的不同，因此各物質(zhì)在太赫茲頻段顯示出特有的“指紋”特性[13]，表現(xiàn)在不同物質(zhì)在特定波數(shù)處具有獨(dú)特的吸收峰。本實(shí)驗(yàn)分別對(duì)8種水稻樣本提取吸收系數(shù)譜和折射率譜進(jìn)行平均，得到平均吸收系數(shù)譜和平均折射率譜如圖4所示。

原始光譜除了包含樣本成分的光譜信息外，還包含一些干擾模型準(zhǔn)確性的無(wú)關(guān)信息，如高頻隨機(jī)噪聲、樣本表面的光散射以及實(shí)驗(yàn)設(shè)備自身固有的干擾等。從圖4a可以看到在90～359.97 cm-1范圍內(nèi)吸收系數(shù)譜譜線雜亂無(wú)章，有大量無(wú)規(guī)則尖銳峰，難以分析出光譜的特征性變化，因此選擇10～90 cm-1作為樣本吸收系數(shù)的有效范圍。隨后對(duì)10～90 cm-1吸收系數(shù)譜和0～90 cm-1折射率譜進(jìn)一步進(jìn)行預(yù)處理，去除噪聲干擾、平滑尖峰校正樣本信號(hào)。移動(dòng)窗口均值通過(guò)計(jì)算每個(gè)窗口內(nèi)點(diǎn)的均值,幫助消除從一個(gè)數(shù)據(jù)點(diǎn)到下一個(gè)數(shù)據(jù)點(diǎn)的非顯著變化，從而顯著改善波形異常抖動(dòng)，提高模型魯棒性。

本研究采用3點(diǎn)移動(dòng)窗口均值，圖4b和圖4c為經(jīng)過(guò)預(yù)處理后吸收系數(shù)譜和折射率譜，可以看出經(jīng)過(guò)預(yù)處理后，吸收系數(shù)和折射率的信號(hào)強(qiáng)度降低，譜線整體趨于平緩，且特征吸收峰并未被破壞。不同品種的吸收譜線在57、58、75、88 cm-1均有形態(tài)一致、強(qiáng)度不同的吸收峰，不同品種的折射率譜線在7、12、18 cm-1處也有吸收峰，這也為后續(xù)建立水稻品種的鑒別模型提供有力支撐。

圖4 吸收系數(shù)局部圖(a)、預(yù)處理后吸收系數(shù)譜(b)、折射率譜(c)和預(yù)處理后折射率譜(d)

2.2 數(shù)據(jù)建模

2.2.1 建模方法

支持向量機(jī)[14]是基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理，通過(guò)控制經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍值，提高模型泛化能力，針對(duì)小樣本、高緯度、非線性樣本獨(dú)具優(yōu)勢(shì)。SVM非線性映射[15]是將樣本空間映射到高維，在特征空間中應(yīng)用線性學(xué)習(xí)機(jī)的方法解決樣本空間中高度非線性分類(lèi)。本研究應(yīng)用RBF核函數(shù)，基于5折交叉驗(yàn)證的網(wǎng)格搜索用于參數(shù)優(yōu)化，其參數(shù)懲罰因子c和核函數(shù)參量g的初值范圍設(shè)置為[2-10, 210]，移動(dòng)步長(zhǎng)為0.5。

本文數(shù)據(jù)處理均使用MATLAB 2016a進(jìn)行。

2.2.2 基于吸收系數(shù)的品種識(shí)別

基于吸收系數(shù)對(duì)8種水稻樣本進(jìn)行精確品種識(shí)別。樣本共800個(gè)，每種以3∶1比例隨機(jī)劃分，即訓(xùn)練集600個(gè)，測(cè)試集200個(gè)。針對(duì)上述數(shù)據(jù)集，基于SVM算法進(jìn)行品種分類(lèi)識(shí)別，品種識(shí)別結(jié)果的混淆矩陣圖5所示，其中圖5a是未經(jīng)過(guò)預(yù)處理品種識(shí)別混淆矩陣圖，實(shí)驗(yàn)準(zhǔn)確率為80.5%；圖5b是經(jīng)過(guò)3點(diǎn)移動(dòng)窗口均值處理后的分類(lèi)結(jié)果，實(shí)驗(yàn)準(zhǔn)確率為98.5%。

注：數(shù)字1～8代表冀旱糯3、金粳818、連糯1、洛稻998、南粳9108、紹糯9714、徐稻9、鄭旱10。圖5 無(wú)預(yù)處理品種識(shí)別混淆矩陣(a)和預(yù)處理后品種識(shí)別混淆矩陣(b)

對(duì)比圖5a和圖5b，經(jīng)過(guò)預(yù)處理后品種識(shí)別模型準(zhǔn)確率有明顯的提高。圖5b所示在模型品種識(shí)別中200個(gè)測(cè)試樣本中僅有3個(gè)被誤判，其中冀旱糯3有1個(gè)被誤判為連糯1，金粳818中1個(gè)誤判為洛稻998，徐稻9中1個(gè)誤判為金粳818；同時(shí)為了進(jìn)一步評(píng)判品種對(duì)模型的適應(yīng)情況，由混淆矩陣計(jì)算出品種識(shí)別的召回率和精確率，如表1所示，結(jié)果顯示品種識(shí)別模型對(duì)于連糯1、洛稻998、南粳9108、紹糯9714、鄭旱10這5種能夠完全識(shí)別出來(lái)，對(duì)比吸收系數(shù)譜圖可以看出88 cm-1處的吸收峰對(duì)于品種識(shí)別模型的判別有一定作用，同時(shí)針對(duì)誤判的3個(gè)樣本，發(fā)現(xiàn)在樣本特定波數(shù)處與被誤判的品種譜線有大量重疊。

表1 基于吸收系數(shù)的8種水稻品種識(shí)別的召回率和精確率

2.2.3 基于折射率的品種識(shí)別

基于折射率對(duì)8種水稻樣本進(jìn)行精確品種識(shí)別，其中樣本共800個(gè)，每種以3∶1比例隨機(jī)劃分，即訓(xùn)練集600個(gè)，測(cè)試集200個(gè)。針對(duì)上述數(shù)據(jù)集，結(jié)合SVM算法進(jìn)行品種識(shí)別，實(shí)驗(yàn)準(zhǔn)確率為89%，分類(lèi)結(jié)果的混淆矩陣如圖6所示。 基于折射率的水稻樣本八品種識(shí)別模型對(duì)冀旱糯3、鄭旱10能夠全識(shí)別?；煜仃囉?jì)算出折射率品種識(shí)別的召回率和精確率如表2所示，冀旱糯3的召回率和精確率均為100%，表明冀旱糯3與基于折射率的品種識(shí)別模型適應(yīng)度最好，同時(shí)模型對(duì)于其他品種樣本識(shí)別能力相對(duì)較差；對(duì)比圖4d發(fā)現(xiàn)，冀旱糯3能夠被完全識(shí)別且不被別的品種誤判，其折射率譜完全區(qū)別于其他品種有一定的相關(guān)性；同時(shí)金粳818、連糯1、徐稻9的精確率均為100%，考慮是5～12 cm-1處折射率譜嚴(yán)重重疊是影響其余品種間判別錯(cuò)誤的主要原因。

圖6 基于折射率的8種水稻品種識(shí)別混淆矩陣

表2 基于折射率的8種水稻品種識(shí)別的召回率和精確率

2.2.4 建模結(jié)果對(duì)比與分析

基于SVM網(wǎng)絡(luò)的水稻品種識(shí)別模型的建模結(jié)果，如表3所示。經(jīng)過(guò)3點(diǎn)移動(dòng)窗口均值后，品種識(shí)別模型性能穩(wěn)健、模型預(yù)測(cè)能力更好，同時(shí)建模結(jié)果顯示基于吸收系數(shù)的模型識(shí)別準(zhǔn)確率高于折射率模型，考慮在實(shí)驗(yàn)范圍內(nèi)吸收系數(shù)譜比折射率譜上有更多不同特征吸收峰，同時(shí)吸收系數(shù)譜的吸收峰峰位和的峰值的強(qiáng)弱均有所差異，從而攜帶了更多的種子信息為識(shí)別模型建立提供了條件。

表3 水稻品種定性分析結(jié)果表

3 總結(jié)

水稻品種鑒別是農(nóng)業(yè)育種過(guò)程中的關(guān)鍵環(huán)節(jié)，目前常用的水稻品種鑒別存在耗時(shí)費(fèi)力，效率低等問(wèn)題。本實(shí)驗(yàn)選取8種水稻樣本，采集其衰減全反射式 THz-TDS光譜圖，通過(guò)提取樣本光學(xué)常數(shù)折射率和吸收系數(shù)數(shù)據(jù)，經(jīng)3點(diǎn)移動(dòng)窗口均值優(yōu)化處理后，分別建立基于SVM算法的品種識(shí)別模型。結(jié)果表明基于吸收系數(shù)的SVM模型預(yù)測(cè)準(zhǔn)確率98.5%，基于折射率譜的SVM模型預(yù)測(cè)準(zhǔn)確率89%，吸收系數(shù)數(shù)據(jù)建模結(jié)果優(yōu)于折射率模型；研究結(jié)果也論證了將太赫茲衰減全反射光譜技術(shù)應(yīng)用于水稻品種識(shí)別的可行性，同時(shí)通過(guò)對(duì)比不同光學(xué)常數(shù)的建模結(jié)果，來(lái)尋求一種高效、無(wú)損的水稻品種識(shí)別方法，為太赫茲波在水稻選育應(yīng)用提供重要參考。