馬鈴薯近紅外光譜無損檢測影響因素研究

韓岷杰，王相友，許英超，崔英俊，呂丹陽

山東理工大學(xué)農(nóng)業(yè)工程與食品科學(xué)學(xué)院，山東 淄博 255022

引 言

馬鈴薯是重要的糧食作物，為保證其質(zhì)量，通常在加工、運(yùn)輸、儲藏過程中對其進(jìn)行質(zhì)量檢測及產(chǎn)品分級，從而滿足市場要求。目前研究學(xué)者們采用近紅外光譜對馬鈴薯內(nèi)部品質(zhì)進(jìn)行評價做了廣泛而深入的探索，研究結(jié)果顯示近紅外光譜技術(shù)可用于馬鈴薯等農(nóng)產(chǎn)品質(zhì)量檢測中[1-3]，光譜與馬鈴薯等農(nóng)產(chǎn)品的營養(yǎng)成分、內(nèi)部傷病[4]等具有很好地相關(guān)性。預(yù)測模型的預(yù)測精準(zhǔn)度會受多種因素影響，如濕度、溫度[5]等檢測環(huán)境因素；產(chǎn)地、品種、收獲季節(jié)、儲存時間等[6]樣品本身物化特性；設(shè)備工藝、光源類型、檢測參數(shù)等[7-9]儀器設(shè)備本身因素；這些影響會直接或間接降低模型的魯棒性，從而影響預(yù)測結(jié)果。

目前有學(xué)者采用光譜校正[10]、光譜預(yù)處理[11]、變量篩選[12]等方法降低誤差因素對預(yù)測模型的影響。大多研究停留在單因素試驗(yàn)上，對多影響因素組合試驗(yàn)的研究較少。本研究通過優(yōu)化馬鈴薯近紅外光譜分選設(shè)備的檢測條件，研究不同光源類型、光纖探頭與檢測點(diǎn)距離、光源與檢測點(diǎn)的距離及光源功率對光譜質(zhì)量的影響，建立三因素三水平響應(yīng)面試驗(yàn)得到最優(yōu)檢測參數(shù)。同時預(yù)處理算法進(jìn)一步優(yōu)化光譜信號的設(shè)備噪聲和檢測精度。本研究為近紅外光譜在線分選設(shè)備的選型及安裝提供理論基礎(chǔ)和技術(shù)參考。

1 實(shí)驗(yàn)部分

1.1 試驗(yàn)材料

樣品選用60個大小均勻，重量適中的希森6號馬鈴薯。試驗(yàn)前用清水將馬鈴薯表面泥土等雜質(zhì)清洗干凈，置于溫度(23±1)℃，相對濕度40%～50%的環(huán)境下24 h，以降低溫度、表面雜質(zhì)、濕度等因素對試驗(yàn)帶來的誤差干擾。

1.2 試驗(yàn)系統(tǒng)

試驗(yàn)硬件系統(tǒng)主要包括光譜采集系統(tǒng)、光源和位移平臺(見圖1)，其中光譜采集系統(tǒng)由光譜儀(型號：FiedSpec4型光譜儀，美國ASD)、光纖、安裝光譜采集軟件(RS3)的計算機(jī)、暗箱和散熱設(shè)備組成；光源系統(tǒng)由鹵素?zé)舯庠?功率范圍0～400 W，上海五鈴光學(xué))、環(huán)形光源(功率范圍0～600 W，上海五鈴光學(xué))和“Y”型光纖光源(功率范圍0～150 W，上海五鈴光學(xué))以及配套的穩(wěn)壓電源組成。

圖1 可見/近紅外光譜采集系統(tǒng)

1.3 光譜采集

1.3.1 光源類型試驗(yàn)

在相同的暗箱環(huán)境、光纖探頭和檢測點(diǎn)位置、光源與檢測點(diǎn)距離、光源功率的條件下，分別用光纖光源、鹵素?zé)舯庠春铜h(huán)形光源三種光源對60個馬鈴薯樣品赤道位置進(jìn)行三次光譜采集并取平均值。

1.3.2 響應(yīng)面試驗(yàn)

在最優(yōu)光源的條件下，固定光纖探頭的位置不動，參考其他研究結(jié)果[13]，初始設(shè)置光源功率140 W，光纖距樣本檢測點(diǎn)5 mm，光源距離樣本檢測點(diǎn)300 mm，根據(jù)響應(yīng)面試驗(yàn)條件(表2)設(shè)置水平大小，對60個馬鈴薯樣品赤道位置依次進(jìn)行三次光譜采集并取平均值，建立不同因素水平試驗(yàn)條件下馬鈴薯可溶性固形物含量的預(yù)測模型。由于光譜首末兩端噪聲過大，截取500～2 000 nm波段進(jìn)行分析。

1.4 光譜預(yù)處理

為進(jìn)一步提高預(yù)測模型的魯棒性，對比S-G平滑法、一階求導(dǎo)法、標(biāo)準(zhǔn)正態(tài)變換法(standard normal variate transformation，SNV)、多元散射校正法(multiple-scatter correction，MSC)和標(biāo)準(zhǔn)變量排序法(standard normal variate transformation，VSN)等不同預(yù)處理方法對光譜的去噪效果。其中VSN通過生成加權(quán)函數(shù)，用于估計變量權(quán)重，有效彌補(bǔ)SNV平等對所有變量的缺陷，用自適應(yīng)的方法來改善光譜信號形狀和模型解釋[14]。

1.5 預(yù)測模型建立方法和評價指標(biāo)

采用偏最小二乘回歸(partial least squares regression，PLSR)作為預(yù)測模型。采用表征變量相關(guān)程度的預(yù)測相關(guān)系數(shù)(the correlation coefficient of the prediction set，RP)和表征預(yù)測值和真值偏差的預(yù)測均方根誤差(the root-mean-square error of the prediction set，RMSEP)來評估馬鈴薯可溶性固形物預(yù)測模型。

2 結(jié)果與討論

2.1 不同類型光源下光譜質(zhì)量分析

三種光源分別為光纖光源、環(huán)形光源以及鹵素?zé)舯庠碵圖2(a)]。由圖2(b)可知，在相同的檢測環(huán)境下，在1 000～1 100 nm范圍以及大于1 500 nm范圍，光纖光源有明顯的鋸齒狀，表明其噪聲最大。通過LightTools 8.4軟件對三種類型光源進(jìn)行建模分析，結(jié)果由圖3可知，光纖光源具有較大的輻照強(qiáng)度，穿透性好，但均勻性最差。而環(huán)形光源與鹵素?zé)舯庠聪啾?，環(huán)形光源光譜最為光滑，輻照強(qiáng)度及均勻性最好，這與其均勻分布的燈杯有關(guān)，在這種分布下，光的均勻性較強(qiáng)，能有效去除陰影影響，降低表面炫光，增加光譜信噪比。因此選用環(huán)形均布光源作為響應(yīng)面影響因素試驗(yàn)的光源。

圖2 150 W功率下三種光源的光譜曲線(b)及光源展示(a)

圖3 150 W功率下三種光源的輻照強(qiáng)度和均勻度

2.2 響應(yīng)面影響因素試驗(yàn)

單因素試驗(yàn)[圖4(a, b)]表明，光源功率過大，距離過近，檢測溫度會急劇升高，對樣品表面產(chǎn)生灼燒；功率過小，距離過遠(yuǎn)，則導(dǎo)致光的反射率下降，信噪比降低，從而降低光譜預(yù)測的準(zhǔn)確性。在線檢測過程中，樣品厚度和檢測裝置震動等原因會使檢測點(diǎn)到光纖探頭的距離發(fā)生變化[13]，進(jìn)而致使漫反射的光譜數(shù)據(jù)產(chǎn)生較大差異。綜上所述，采用三因素三水平響應(yīng)面進(jìn)行試驗(yàn)，試驗(yàn)影響因素和水平編碼如表1所示，試驗(yàn)方案和PLSR模型結(jié)果如表2所示。

表1 試驗(yàn)因素水平及編碼

表2 試驗(yàn)方案和PLSR模型結(jié)果

圖4 單因素條件下的光譜曲線

對試驗(yàn)數(shù)據(jù)二次回歸，通過擬合獲得預(yù)測相關(guān)系數(shù)Y1和預(yù)測均方根誤差Y2的回歸方程，并進(jìn)行顯著性檢驗(yàn)。

表4 預(yù)測均方根誤差Y2方差分析

表3 預(yù)測相關(guān)系數(shù)Y1方差分析

(1)

(2)

使用Desing-Expert 8.0.6軟件分析，得到x1，x2，x3之間較顯著和顯著作用對Y1和Y2兩個評價參數(shù)響應(yīng)面分析。由圖5(a)和(b)可知，當(dāng)光源功率一定時，RP隨著光源距樣品距離的增加呈現(xiàn)先增加后減小的趨勢，同時也隨著光纖與樣品檢測點(diǎn)的距離增加而呈現(xiàn)先增加后降低的趨勢，但是趨勢趨于平緩。當(dāng)光纖距樣品距離一定時，RP隨著光源功率的增加而增加，但是光源功率過大會對樣品表面產(chǎn)生灼燒，因此應(yīng)保證在避免樣品表面灼燒的前提下盡可能提高光源功率。同理分析，由圖5(c)和(d)可知，RMSEP呈現(xiàn)與RP相反的趨勢，這種趨勢也驗(yàn)證了試驗(yàn)結(jié)果的正確性。

圖5 預(yù)測相關(guān)系數(shù)和均方根誤差的雙因素響應(yīng)曲面

采用軟件的優(yōu)化模塊結(jié)合實(shí)際的工作情況分析得到最優(yōu)試驗(yàn)參數(shù)為光源功率238.33 W，光纖探頭距樣品表面距離8.17 mm，光源距樣品表面距離370 mm，在最優(yōu)參數(shù)下進(jìn)行驗(yàn)證試驗(yàn)得到PLSR預(yù)測模型(表5)，RP為0.867，RMSEP為0.149°Brix。與其他因素水平下的預(yù)測模型相比，效果最好。

2.3 光譜預(yù)處理

由于設(shè)備本身制造工藝，使用年限以及其他環(huán)境因素的多方面影響，即使在響應(yīng)面試驗(yàn)最優(yōu)參數(shù)組合下采集到的光譜中仍含有部分噪聲干擾，利用預(yù)處理算法的優(yōu)勢對這部分設(shè)備因素產(chǎn)生的噪聲進(jìn)行再次優(yōu)化，如表5所示。

表5 不同預(yù)處理方法的PLSR模型對比效果

除SNV外，運(yùn)用不同預(yù)處理方法優(yōu)化后的預(yù)測結(jié)果優(yōu)于未處理光譜，其中VSN預(yù)處理算法的PLSR模型RP達(dá)到0.914，RMSEP降低到0.132°Brix，表明預(yù)處理能有效優(yōu)化設(shè)備因素噪聲干擾，增強(qiáng)模型魯棒性和準(zhǔn)確性。過度提高信噪比(如SNV)可導(dǎo)致預(yù)測精度降低，原因是過度預(yù)處理將原始有用峰認(rèn)作噪聲信號處理，從而降低預(yù)測精度。

3 結(jié) 論

通過對比試驗(yàn)選取均勻性良好，光譜噪聲小的環(huán)形鹵素光源作為影響因素響應(yīng)面試驗(yàn)的光源，設(shè)計光源功率、光源距樣品表面距離、光纖距檢測點(diǎn)的距離的三因素三水平響應(yīng)面，結(jié)果表明在最優(yōu)參數(shù)組合下采用VSN預(yù)處理算法能有效降低設(shè)備及環(huán)境噪聲干擾，提高預(yù)測模型的準(zhǔn)確度，增強(qiáng)模型的魯棒性。本研究為馬鈴薯近紅外在線檢測環(huán)境搭建和設(shè)備選型提供理論和技術(shù)支持。

本研究只討論了設(shè)備工藝、光源類型、檢測參數(shù)等儀器設(shè)備本身因素的影響，對產(chǎn)地、品種、收獲季節(jié)、儲存時間等樣品本身物化特性的影響需要進(jìn)一步研究。