基于BP神經(jīng)網(wǎng)絡(luò)的粳稻種子拉曼光譜鑒別方法研究

祝子涵, 譚 峰, 田芳明,2, 高嘉欣, 白 楠

(黑龍江八一農(nóng)墾大學(xué)信息與電氣工程學(xué)院1,大慶 163319)

(農(nóng)業(yè)部農(nóng)產(chǎn)加工品質(zhì)量監(jiān)督檢驗測試中心2,大慶 163316)

水稻是人類最重要的糧食作物之一。因不同稻區(qū)的天氣溫度、天氣濕度、降雨量、土壤成分、日照程度等自然生態(tài)環(huán)境因素有著明顯差異,為使水稻種植地區(qū)的水稻產(chǎn)量最大化,將合適的水稻品種種植到對應(yīng)的水稻種植區(qū)域顯得尤為重要[1]。但因種子市場不規(guī)范操作,由種子品種選購錯選問題產(chǎn)生的種子發(fā)芽率低、產(chǎn)量低等一系列糾紛時常發(fā)生。因此,針對不同水稻種植區(qū)域的水稻種子品種快速鑒定識別對現(xiàn)在的農(nóng)業(yè)生產(chǎn)具有重要實際意義。

目前國內(nèi)外水稻種子鑒別的方法主要包括形態(tài)學(xué)方法、田間種植法、化學(xué)鑒定法、電泳法、分子標記法、電子鼻法和理化檢測法等[2,3],形態(tài)學(xué)方法效率低速度慢且較為主觀。田間種植鑒定法鑒別精度不高、周期長且受環(huán)境影響過大,耗費大量人力物力?；瘜W(xué)鑒定法雖然鑒別精度高,但耗時過多,對樣品有損傷,需要專門的操作人員。電泳法中蛋白質(zhì)電泳法較為常見,圖譜對水稻品種的鑒別因基因的表達有時受發(fā)育階段的環(huán)境因素的影響,某些品種因基因組相近無法找到特異性蛋白而影響判別正確率。分子標記法中常用SSR分子標記法,其方法雖然測量水稻品種較為可靠,但操作難度較高且對操作人員水平要求較高,無法大規(guī)模作業(yè)。電子鼻法主要通過辨別氣味來實現(xiàn)品種鑒別,受環(huán)境因素影響過大,識別率不高,存在明顯的弊端。而理化檢測法中的光譜測定法依靠其無損、快速、便捷、客觀、準確、高效、操作簡單、不受環(huán)境影響等優(yōu)勢,迅速在品種鑒別方面得到廣泛發(fā)展。因此,探究基于快速檢測的種子品種鑒別方法對于深化該領(lǐng)域的研究具有重要的理論意義。

拉曼光譜分析技術(shù)是以光學(xué)質(zhì)譜方法為基礎(chǔ),在待測樣品的屬性值和拉曼光譜數(shù)據(jù)之間建立分類或回歸模型。由于拉曼光譜技術(shù)具有速度快、測量方便、成本低、無破壞等優(yōu)點,已經(jīng)被廣泛應(yīng)用于農(nóng)業(yè)[4]、食品[5]、石化[6]、醫(yī)藥[7]等各個方面。

目前,基于拉曼光譜技術(shù)的水稻品種鑒別主要是以國內(nèi)水稻的粗分類、少品種、小范圍進行分類鑒別。沙敏等[8]對粳稻、秈稻和糯稻進行粗分類區(qū)分,雖然取得良好鑒別效果,但分類過于簡單,需對具體水稻品種間的鑒別進行進一步研究。孫娟等[9]采用拉曼光譜技術(shù)結(jié)合化學(xué)計量法雖然能更精準實現(xiàn)對水稻品種間的鑒別,但是鑒別水稻品種較少僅為4種,需對多品種水稻種子鑒別進一步探究。朱培培等[10]采用拉曼光譜技術(shù)可以快速、準確、便捷、高效的針對粳稻種子多品種鑒別,但是鑒別地域僅為寒地水稻,地域較為狹小單一,需對地域分布更為廣泛的粳稻種子鑒別進行進一步研究。因此,實驗提出基于拉曼光譜技術(shù)針對多地區(qū)多品種粳稻種子的鑒別方法研究具有重要意義。

1 材料與方法

1.1 實驗材料

粳稻的主要產(chǎn)地為長江以北地區(qū),為使研究具有一定的地域代表性,按照東北(黑龍江)、華北(天津)、華中(河南)、華東(山東、江蘇)地區(qū)來選擇粳稻種子進行研究[11,12]。實驗選用黑龍江、天津、山東、河南、江蘇5個產(chǎn)地的20個不同品種粳稻種子作為樣品,其中包含黑龍江6個品種,天津、山東各3個品種,河南、江蘇各4個品種。樣本信息如表1所示。

表1 水稻樣本信息表

1.2 儀器與軟件

光譜采集采取操作Advantage 532拉曼光譜儀,光譜測量波長范圍為200～3 400 cm-1,激發(fā)波長為532 nm,激發(fā)功率為100 mW,積分時間為1～6 s,分辨率為1.4 cm-1,結(jié)合ProScope HR軟件獲取樣品光譜信息。實驗使用LJJM-2011精米機對水稻種子進行脫殼處理,脫殼率≥99%,工作電壓為220 V,工作頻率為50 Hz,電機功率為750 W,1次工作時間為50～80 s可調(diào),1次實驗用量為50～170 g。數(shù)據(jù)分析軟件采用MatlabR2018a實現(xiàn)。

1.3 光譜的獲取

對脫殼后的樣本進行挑選,剔除有破損、堊白度高、干癟畸形等問題的種子,將挑選后的粳稻種子樣品按1～20編號存放在的密封袋中并標記對應(yīng)地區(qū)和品種。為保證實驗結(jié)果不受到外界因素的影響,測量前將全部粳稻種子樣本與光譜儀放在同一室內(nèi)環(huán)境下靜置24 h, 確保樣本的環(huán)境條件與儀器環(huán)境條件相同。每個品種的粳稻種子均隨機選取15個作為該品種的實驗樣本集,20個不同品種共計300個種子樣本集。在產(chǎn)地和品種分類鑒別中,選擇每個品種樣本集的4/5用作訓(xùn)練集,剩余1/5的樣本集作為測試集,即訓(xùn)練集樣本數(shù)為240個,測試集樣本數(shù)為60個。

1.4 光譜的預(yù)處理

拉曼光譜檢測由于樣本因素、環(huán)境因素、儀器因素等因素影響,產(chǎn)生的無關(guān)信息和背景噪聲對分析結(jié)果會產(chǎn)生很大影響。因此,為了得到準確的光譜信息,需要對數(shù)據(jù)進行預(yù)處理以減少影響。實驗采得所有粳稻種子樣品光譜信息范圍為200～3 400 cm-1,但是光譜曲線在3 200～3 400 cm-1范圍內(nèi)沒有特征峰值,且在200～400 cm-1范圍內(nèi)僅有1個特征峰值在269 cm-1,所有大米種子均有這一特征,可知這一特征光譜為C骨架振動歸屬為淀粉[13]。為提高模型運行速度減少運行時間,將這兩個波段截除掉,只保留400～3 200 cm-1的光譜信息作為初始光譜信息。對比SG平滑、一階導(dǎo)數(shù)(1-Der)、二階導(dǎo)數(shù)(2-Der)、迭代自適應(yīng)加權(quán)懲罰最小二乘法(AIRPLS)、多元散射校正(MSC)和標準正態(tài)變量變換(SNV)6種數(shù)據(jù)預(yù)處理方法對分類結(jié)果的影響。原始光譜數(shù)據(jù)及其6種預(yù)處理方法后的光譜數(shù)據(jù)如圖1所示。選取對模型識別準確率提升最大的方法作為最終預(yù)處理方法。

圖1 粳稻種子樣本原始光譜數(shù)據(jù)與預(yù)處理后光譜數(shù)據(jù)

1.5 光譜的特征波段提取

由于預(yù)處理后的光譜數(shù)據(jù)量仍較大,為了減少建模數(shù)據(jù)量,提升模型運行速度,實驗采用篩選強度較低的競爭性自適應(yīng)重加權(quán)采樣算法(CARS)和篩選強度較高的連續(xù)投影算法(SPA)對粳稻種子光譜數(shù)據(jù)進行特征波段篩選,以提高模型效率[14]。CARS和SPA 2種特征波段提取算法都是采取計算均方根誤差(RMSE),并選擇與均方根誤差最小值相對應(yīng)的波段變量子集,將所提取出來的波段變量子集作為拉曼光譜信息的特征波段。

1.5.1 CARS提取特征波段

實驗使用CARS方法對預(yù)處理優(yōu)化后的拉曼光譜數(shù)據(jù)進行特征篩選,篩選過程如圖2所示。在實驗過程中,將蒙特卡洛采樣次數(shù)設(shè)置為50。從圖2中的波段數(shù)曲線可以看出,運行次數(shù)增加的過程中,光譜特征波段數(shù)量迅速減少,隨后曲線逐漸變得平緩,速度由快到慢表示選取過程由海選變?yōu)榫x。運行次數(shù)增加的過程中,交互驗證均方根誤差RMSECV的值呈現(xiàn)先低速下降隨后相對迅速上升的趨勢,表明選取過程由無用信息被逐漸剔除到有用信息也被剔除。圖2中回歸系數(shù)路徑曲線是波段提取過程中每次采樣中每個波段變量的回歸系數(shù)路徑。當(dāng)采樣次數(shù)為18時RMSECV獲得最小值,此時對應(yīng)的特征波段數(shù)量用于檢測粳稻種子模型分類的效果最好,相應(yīng)的最佳特征波段數(shù)為248。因此,選取該248個特征波段對應(yīng)的強度值作為后續(xù)建模數(shù)據(jù)。

圖2 變量變化、五折交互驗證及變量回歸系數(shù)變化路徑與運行次數(shù)關(guān)系曲線

1.5.2 SPA提取特征波段

采用SPA方法對預(yù)處理優(yōu)化過后的拉曼光譜數(shù)據(jù)進行特征波段提取,基于最小均方根誤差RMSEP值確定特征波段的最佳數(shù)目。由圖3可見,最佳特征波段數(shù)對應(yīng)均方根誤差(RMSE)為0.703 88,特征波數(shù)為14。選取該14個特征波段對應(yīng)的強度值作為后續(xù)建模數(shù)據(jù)。

圖3 SPA提取特征波段

1.6 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)

誤差反向傳播(Back Propagation, BP) 神經(jīng)網(wǎng)絡(luò)是當(dāng)今使用最普遍的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)之一,是一種按照信號前向傳播、誤差逆向傳播方式訓(xùn)練的多層前反饋神經(jīng)網(wǎng)絡(luò),BP神經(jīng)網(wǎng)絡(luò)具有優(yōu)秀的解決擬合回歸問題能力和解決復(fù)雜度高的分類問題能力。傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)包括3層結(jié)構(gòu),即輸入層、隱藏層和輸出層。原始光譜數(shù)據(jù)裁剪后有2 801個節(jié)點,水稻產(chǎn)地共有5個類別,隱含層設(shè)置為單層,根據(jù)經(jīng)驗公式[15]神經(jīng)元個數(shù)初始設(shè)置為4。因此BP神經(jīng)網(wǎng)絡(luò)有2 801個節(jié)點在輸入層, 設(shè)置4個節(jié)點在隱含層,輸出層有5個節(jié)點。使用默認的S型函數(shù)在隱含層作為傳遞函數(shù),輸出層使用默認的線性函數(shù),網(wǎng)絡(luò)指定參數(shù)中學(xué)習(xí)率為0.001,目標誤差為0.001,最大迭代次數(shù)設(shè)為1 000。最終得到一個初始結(jié)構(gòu)為3層拓撲結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)模型。

BP神經(jīng)網(wǎng)絡(luò)雖然能夠有效地適用于分類、擬合等任務(wù),但在尋求最優(yōu)解的時候,很有可能陷入局部最優(yōu)、預(yù)測誤差較大的情況[16];而遺傳算法則是一種通過對自然進化過程的模擬來尋求最優(yōu)解的方法。所以構(gòu)建遺傳算法(Genetic Algorithm, GA)優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型,對BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值、閾值進行優(yōu)化,使被優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)可以更好地實現(xiàn)對函數(shù)的輸出。

采用GA算法優(yōu)化BP模型,遺傳算法優(yōu)化后的個體適應(yīng)度變化曲線如圖4所示,其終止迭代次數(shù)為100。平均適應(yīng)度與最佳適應(yīng)度隨著進化代數(shù)不斷提升,說明GA算法能夠?qū)P模型原算法進行優(yōu)化。結(jié)果表明,當(dāng)進化次數(shù)達到70時,個體達到最佳適應(yīng)度。

圖4 個體適應(yīng)度變化曲線

2 結(jié)果與分析

2.1 不同產(chǎn)地粳稻種子快速分類鑒別

水稻的質(zhì)量和風(fēng)味不僅受到父本母本遺傳給自身的基因影響,還受到地理條件包括土壤質(zhì)量、水源質(zhì)量等和氣候環(huán)境包括降雨量、日照時間、日照強度等的影響,因此不同產(chǎn)地的水稻品質(zhì)相差明顯。由于其相似的外觀,肉眼很難將其分辨,所以利用拉曼光譜技術(shù),針對黑龍江、天津、山東、河南、江蘇5個地區(qū)20種不同品種粳稻種子,進行光譜采集,對采集的粳稻種子光譜數(shù)據(jù)進行預(yù)處理、特征波段提取操作,建立BP神經(jīng)網(wǎng)絡(luò)模型后,用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型提升模型運行效率,達到快速區(qū)分不同產(chǎn)地粳稻種子目的。

2.1.1 預(yù)處理結(jié)果

預(yù)處理結(jié)果如表2所示。未進行預(yù)處理的光譜在BP神經(jīng)網(wǎng)絡(luò)模型中的識別準確率為85%,經(jīng)過SG、1-Der、2-Der、Airpls、MSC和SNV預(yù)處理之后的光譜在BP分類模型中的識別準確率分別為90.00%、86.67%、80.00%、83.33%、83.33%和85.00%,其中SG平滑識別準確率最高,達到90.00%。因此在后續(xù)實驗研究中,選擇SG平滑的預(yù)處理方法進行深入建模分析。

表2 不同預(yù)處理方法建模鑒別結(jié)果

2.1.2 特征波段提取結(jié)果

在SG平滑處理原始光譜基礎(chǔ)上,特征波段提取如表3所示。雖然2種方法均減少建模數(shù)據(jù)量,減少模型運行時間,但SPA方法對模型識別準確率較使用之前有所下降,CARS方法相比于使用之前對模型的運行速度和識別準確率均有提升,模型運行時間為40s,識別準確率為91.67%。因此在后續(xù)實驗研究中,選擇CARS的特征波段提取方法進行深入建模分析。

表3 不同特征波段提取方法建模鑒別結(jié)果

2.1.3 遺傳算法優(yōu)化結(jié)果

根據(jù)經(jīng)驗公式[17]優(yōu)化隱含層神經(jīng)元個數(shù),不同隱含層神經(jīng)元個數(shù)建模鑒別結(jié)果如表4所示。確定選取26為最佳隱含層神經(jīng)元個數(shù)后,將BP神經(jīng)網(wǎng)絡(luò)模型的權(quán)值閾值用遺傳算法優(yōu)化,GA-BP模型對不同產(chǎn)地粳稻種子識別準確率由98.33%提升至100.00%,運行時間由74 s提升至26 s。說明建立的BP神經(jīng)網(wǎng)絡(luò)分析模型的預(yù)測精準度高、運行速度快,對不同產(chǎn)地粳稻種子能實現(xiàn)快速分類鑒別效果。

表4 不同隱含層神經(jīng)元個數(shù)建模鑒別結(jié)果

2.2 相同產(chǎn)地不同品種粳稻種子快速分類鑒別

為進一步研究同為粳稻、相同產(chǎn)地,但不同品種的大米之間的分類效果,分別以黑龍江6個品種之間、天津3個品種之間、山東3個品種之間、河南4個品種之間、江蘇4個品種之間為研究對象,進行光譜采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)特征波段提取、建立BP神經(jīng)網(wǎng)絡(luò)分析模型并用遺傳算法優(yōu)化,達到快速區(qū)分相同產(chǎn)地不同品種粳稻種子目的。

2.2.1 黑龍江地區(qū)

以黑龍江地區(qū)的龍稻3、龍稻4、龍稻6、龍粳29、龍粳39、龍粳1624共6個品種粳稻種子采用2.1.1優(yōu)選SG平滑預(yù)處理方法、2.1.2優(yōu)選CARS特征波段提取方法、選取最佳隱含層神經(jīng)元個數(shù)后,用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的權(quán)值閾值,建立網(wǎng)絡(luò)拓撲結(jié)構(gòu)為136-19-6的最佳GA-BP神經(jīng)網(wǎng)絡(luò)模型。最終模型識別準確率為94.44%,運行時間為4s。說明建立的BP神經(jīng)網(wǎng)絡(luò)分析模型的預(yù)測精準度高、運行速度快,對黑龍江地區(qū)不同品種粳稻種子能實現(xiàn)快速分類鑒別效果。

2.2.2 天津地區(qū)

以天津地區(qū)的金粳18、金粳818、津稻372共3個品種粳稻種子采用2.1.1優(yōu)選SG平滑預(yù)處理方法、2.1.2優(yōu)選CARS特征波段提取方法、選取最佳隱含層神經(jīng)元個數(shù)后,用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的權(quán)值閾值,建立網(wǎng)絡(luò)拓撲結(jié)構(gòu)為100-15-3的最佳GA-BP神經(jīng)網(wǎng)絡(luò)模型。最終模型識別準確率為100%,運行時間為1 s。說明建立的BP神經(jīng)網(wǎng)絡(luò)分析模型的預(yù)測精準度高、運行速度快,對天津地區(qū)不同品種粳稻種子能實現(xiàn)快速分類鑒別效果。

2.2.3 山東地區(qū)

以山東地區(qū)的圣香66、圣稻16、臨稻13號共3個品種粳稻種子采用2.1.1優(yōu)選SG平滑預(yù)處理方法、2.1.2優(yōu)選CARS特征波段提取方法、選取最佳隱含層神經(jīng)元個數(shù)后,用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的權(quán)值閾值,建立網(wǎng)絡(luò)拓撲結(jié)構(gòu)為86-10-3的最佳GA-BP神經(jīng)網(wǎng)絡(luò)模型。最終模型識別準確率為100%,運行時間為1 s。說明建立的BP神經(jīng)網(wǎng)絡(luò)分析模型的預(yù)測精準度高、運行速度快,對山東地區(qū)不同品種粳稻種子能實現(xiàn)快速分類鑒別效果。

2.2.4 河南地區(qū)

以河南地區(qū)的鄭旱2號、鄭旱6號、鄭旱10號、洛稻998號共4個品種粳稻種子采用2.1.1優(yōu)選SG平滑預(yù)處理方法、2.1.2優(yōu)選CARS特征波段提取方法、選取最佳隱含層神經(jīng)元個數(shù)后,用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的權(quán)值閾值,建立網(wǎng)絡(luò)拓撲結(jié)構(gòu)為86-14-4的最佳GA-BP神經(jīng)網(wǎng)絡(luò)模型。最終模型識別準確率為91.67%,運行時間為3 s。說明建立的BP神經(jīng)網(wǎng)絡(luò)分析模型的預(yù)測精準度高、運行速度快,對河南地區(qū)不同品種粳稻種子能實現(xiàn)快速分類鑒別效果。

2.2.5 江蘇地區(qū)

以江蘇地區(qū)的南粳46、南粳58、南粳5055、南粳9108共4個品種粳稻種子采用2.1.1優(yōu)選SG平滑預(yù)處理方法、2.1.2優(yōu)選CARS特征波段提取方法、選取最佳隱含層神經(jīng)元個數(shù)后,用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的權(quán)值閾值,建立網(wǎng)絡(luò)拓撲結(jié)構(gòu)為86-12-4的最佳GA-BP神經(jīng)網(wǎng)絡(luò)模型。最終模型識別準確率為91.67%,運行時間為1 s。說明建立的BP神經(jīng)網(wǎng)絡(luò)分析模型的預(yù)測精準度高、運行速度快,對江蘇地區(qū)不同品種粳稻種子能實現(xiàn)快速分類鑒別效果。

3 結(jié)論

選用黑龍江、天津、山東、河南、江蘇5個不同地區(qū)20個不同品種的粳稻種子進行分類鑒別方法研究。在對比實驗6種預(yù)處理方法對模型建模及判別影響中,SG平滑預(yù)處理方法在判別模型中識別準確率高于其他5種預(yù)處理方法。在探究光譜特征波段提取方法對模型建模及判別影響中,針對預(yù)測效果和運行速度綜合考慮,CARS特征提取方法提取的光譜特征優(yōu)于SPA特征提取方法。GA算法也加快了BP神經(jīng)網(wǎng)絡(luò)模型的運行速度,提高了模型識別準確率。

在SG平滑預(yù)處理、CARS特征波段提取拉曼光譜數(shù)據(jù)和GA算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型后建立最佳GA-BP神經(jīng)網(wǎng)絡(luò)模型。其中,不同產(chǎn)地(黑龍江、天津、山東、河南、江蘇)粳稻種子模型識別準確率達到100%,運行時間為26 s;相同產(chǎn)地不同品種粳稻種子模型識別準確率均在90%以上,平均識別準確率為95.56%,平均運行時間為2 s。說明拉曼光譜技術(shù)結(jié)合BP神經(jīng)網(wǎng)絡(luò)判別分析模型能夠有效快速準確鑒別粳稻種子的產(chǎn)地和品種。