張文君，唐　紅，蔣巧勇

（中國計(jì)量學(xué)院，測(cè)試計(jì)量學(xué)院，浙江 杭州 310018）

不同光照下的近紅外光譜模型傳遞研究

張文君，唐紅，蔣巧勇

（中國計(jì)量學(xué)院，測(cè)試計(jì)量學(xué)院，浙江 杭州 310018）

針對(duì)室外光照對(duì)近紅外光譜檢測(cè)帶來誤差的問題，提出基于模型傳遞來減少檢測(cè)誤差的方法。以圓黃梨為樣品，分析樣品在室內(nèi)、室外陰影下的近紅外光譜，建立室內(nèi)光譜的偏最小二乘（PLS）模型。采用直接校正（direct standardization，DS）算法，減小室內(nèi)外光譜差距，使得室內(nèi)PLS模型能預(yù)測(cè)室外光譜。結(jié)果表明：在室內(nèi)建立的模型能預(yù)測(cè)經(jīng)DS算法傳遞后的室外光譜，預(yù)測(cè)決定系數(shù)和預(yù)測(cè)均方根誤差（root mean square error of prediction，RMSEP）分別為0.71和0.374，能有效解決室外光照對(duì)光譜檢測(cè)的影響。

近紅外光譜；直接校正；光照影響；模型傳遞；糖度

0　引　言

室內(nèi)恒定條件下，近紅外光譜技術(shù)廣泛應(yīng)用于水果品質(zhì)檢測(cè)。但在水果攤、果園等有光照的環(huán)境下進(jìn)行檢測(cè)時(shí)，光照會(huì)影響光譜的檢測(cè)結(jié)果。關(guān)于室外光照對(duì)近紅外光譜檢測(cè)影響的研究很少。Saranwong[1]研究芒果在室內(nèi)和室外不同光照條件下的可溶性固形物，得出用黑色袋子套在芒果上可以消除部分光照影響，但應(yīng)用范圍有限；吳方龍[2]在室內(nèi)通過臺(tái)燈數(shù)量來模擬不同光照強(qiáng)度對(duì)貢梨光譜檢測(cè)的影響，但燈光并不等同于室外光照，實(shí)驗(yàn)結(jié)果也不能準(zhǔn)確反映室外光照的影響。

國內(nèi)學(xué)者將模型傳遞的方法應(yīng)用于不同環(huán)境下檢測(cè)。胡潤文[3]將臍橙總糖光譜建立在不同儀器上傳遞，對(duì)比了斜率截距校正法和DS算法的傳遞效果；林振興[4]用分段直接校正法研究不同溫度下噴氣燃料的近紅外光譜模型傳遞，能減少溫度對(duì)近紅外光譜分析的影響；李慶波等[5-6]研究了模型傳遞的應(yīng)用。這都表明了模型傳遞能有效消除不同環(huán)境對(duì)光譜檢測(cè)的影響。

本文研究不同光照對(duì)近紅外光譜檢測(cè)及建模的影響，利用近紅外光譜儀在室內(nèi)、室外陰影下對(duì)圓黃梨進(jìn)行不同光照條件下的近紅外光譜檢測(cè)，通過DS算法對(duì)光譜進(jìn)行分析。

1　模型實(shí)驗(yàn)的材料及方法

1.1實(shí)驗(yàn)材料

實(shí)驗(yàn)樣品以浙江省主產(chǎn)圓黃梨為對(duì)象，選擇大小、形狀、顏色相似已經(jīng)采摘裝箱的樣品150個(gè)，樣品按2∶1分為校正集和預(yù)測(cè)集。表1是校正樣本和預(yù)測(cè)樣本的糖度值，可以看出預(yù)測(cè)樣品的糖度值包含在校正樣品范圍內(nèi)。

表1　樣品糖度值　°Brix

1.2實(shí)驗(yàn)儀器

實(shí)驗(yàn)儀器為蔡司MCS600近紅外光譜儀，適合可見、近紅外的檢測(cè)，有效波長為300～1 700 nm，采集449個(gè)點(diǎn)；糖度用日本ATAGOPR-101α型數(shù)字式糖度計(jì)進(jìn)行測(cè)量，其測(cè)定范圍為0～45°Brix，誤差為±0.1°Brix；光照度采用?，擜R823數(shù)字照度計(jì)，測(cè)量范圍是1～200 klx，分辨率為1 lx。采集軟件為蔡司公司配套軟件Aspect plus 2.0。處理軟件為Matlab 2012b。

1.3實(shí)驗(yàn)設(shè)計(jì)

將150個(gè)圓黃梨置于室內(nèi)常溫下3h。首先，在梨赤道平均選取4個(gè)采集點(diǎn)做好標(biāo)記，在室內(nèi)無光照恒定條件下采集近紅外光譜，共采集600組數(shù)據(jù)，取平均值作為每個(gè)樣品的近紅外光譜。然后，利用KS算法將150圓黃梨分成2份，其中100個(gè)樣品作為校正集，用來建立室內(nèi)校正模型，其余50個(gè)樣品作為預(yù)測(cè)集。最后，將樣品置于室外有陰影遮擋條件下：采集漫反射光譜，并記錄測(cè)試時(shí)的光照強(qiáng)度，同時(shí)采用DS算法校正室外陰影下的光譜，比較模型轉(zhuǎn)移前后的預(yù)測(cè)均方根誤差（RMSEP）等評(píng)價(jià)指標(biāo)，驗(yàn)證所建模型的穩(wěn)健性。

1.4模型傳遞原理與DS算法

模型傳遞是指在兩種不同儀器上找一種變換關(guān)系，使得一臺(tái)儀器的光譜模型能預(yù)測(cè)另一臺(tái)儀器光譜。在模型傳遞中，儀器分為主、從儀器；其中，主儀器為建立模型的光譜儀器，從儀器為進(jìn)行傳遞和預(yù)測(cè)的光譜儀器。通過光譜檢測(cè)儀分別得到主光譜和從光譜，通過建立數(shù)學(xué)模型，將主、從光譜聯(lián)系起來，得到轉(zhuǎn)換光譜；預(yù)測(cè)新儀器上的光譜，即從光譜經(jīng)過轉(zhuǎn)換光譜之后的光譜。

DS算法的基本思想是通過校正集求取主從儀器光譜之間的變換矩陣F，在主光譜集與近紅外光譜間建立校正模型b；利用轉(zhuǎn)換矩陣F將從儀器光譜Ts轉(zhuǎn)換為主儀器光譜Tm的全光譜校正方法。其過程如下：

假定Tm=TsF

則可由最小二乘法計(jì)算得到轉(zhuǎn)換矩陣F

這樣，對(duì)從儀器上未知樣品光譜X變化后的光譜Xstd

然后，再利用主儀器上的校正模型b計(jì)算最終測(cè)量結(jié)果，即得到預(yù)測(cè)結(jié)果。

1.5Kennard-Stone（KS）算法

在模型傳遞效果中，為了克服測(cè)量環(huán)境不同而引起的誤差，必須使轉(zhuǎn)換集在主儀器和從儀器所測(cè)信號(hào)中包含足夠多的信息；同時(shí)，在主儀器上選擇轉(zhuǎn)換集的效果最好。KS算法是由Kennard-Stone提出的選擇標(biāo)準(zhǔn)樣品的一種選取轉(zhuǎn)換集有效和廣泛應(yīng)用的方法，它是根據(jù)光譜主成分之間歐式距離d來決定的，從而在光譜特征中均勻的選取標(biāo)準(zhǔn)樣品。

式中：dij——樣本i和樣本j之間的歐式距離；

p——樣品光譜的波長個(gè)數(shù)。

1.6模型傳遞的評(píng)價(jià)

為了比較建模效果質(zhì)量的好壞，決定系數(shù)r2（相關(guān)系數(shù)r）、校正均方根誤差（RMSEC）和預(yù)測(cè)均方根誤差（RMSEP）等。r2越大越接近1，均方根誤差越小越接近0建模效果越好。

決定系數(shù)r2：

校正均方根誤差RMSEC：

預(yù)測(cè)均方根誤差RMSEP：

式中：n——校正集樣品數(shù)目；

f——主成分?jǐn)?shù)目；

Ip——預(yù)測(cè)集樣品數(shù)目；

yi——樣品測(cè)量的實(shí)際值；

2　實(shí)驗(yàn)結(jié)果與分析

2.1圓黃梨的光譜特性

在室外影響光譜檢測(cè)的因素很多，除太陽光照，還有溫度、濕度等。長時(shí)間的太陽直射會(huì)導(dǎo)致溫度升高，張建光[7]研究了6～10月水果經(jīng)長時(shí)間太陽光照射之后水果向陽面溫度與室外溫度的溫差，最大溫差為8月份18.98℃，最小為9月份0.38℃及8月份的0.82℃，這是由陰雨天氣的影響導(dǎo)致的，可以將溫差看在0～20℃之間。王加華[8]研究了溫度2～42℃對(duì)蘋果近紅外光譜的影響，以溫度為變量建立PLS模型，實(shí)驗(yàn)結(jié)果表明使用遺傳算法（GA）可以提取與溫度變量相關(guān)度高的波段，從而提高模型準(zhǔn)確度，另外溫度的提高會(huì)使基線漂移，而一階導(dǎo)數(shù)可以很好地解決該問題，建模結(jié)果R、RMSEC、RMSEP分別為0.95，0.64，0.69℃，基本可以消除溫度帶來的影響。

本次實(shí)驗(yàn)選擇在9月份，且在室外測(cè)量時(shí)無陽光的直接照射。為了去除溫度、濕度等影響光譜檢測(cè)的因素，先將圓黃梨放置到室內(nèi)恒溫后，再立刻轉(zhuǎn)移到室外陰影下進(jìn)行檢測(cè)，可以看作影響光譜檢測(cè)的因素只有光照。

以室內(nèi)光譜為主儀器光譜，室外陰影下所測(cè)光譜為從儀器光譜，進(jìn)行光譜傳遞實(shí)驗(yàn)。根據(jù)所測(cè)光譜圖可以看出光譜趨勢(shì)相同、但光照強(qiáng)度不同時(shí)差異較大，因此選取其中具有代表性的樣品光譜。同一樣品在不同光照條件下的光譜差異如圖1所示，波長范圍為500～1 600 nm，可以看出在可見光區(qū)域500～700nm光照對(duì)室內(nèi)外光譜采集影響較大，當(dāng)光線增強(qiáng)時(shí)可以看出在600～800nm處有較明顯的突變，近紅外區(qū)域780～1600nm實(shí)驗(yàn)室內(nèi)、室外和室內(nèi)所測(cè)光譜差異則幾乎沒有變化。因此對(duì)于可見光區(qū)域則需要進(jìn)行一系列的處理來縮小室外與室內(nèi)光譜的差距，而近紅外部分則可以認(rèn)為經(jīng)過預(yù)處理就可用來建模并相互預(yù)測(cè)。由實(shí)驗(yàn)數(shù)據(jù)得出當(dāng)光照強(qiáng)度＞20 klx時(shí)光譜產(chǎn)生突變，因此，光照強(qiáng)度＞20 klx為強(qiáng)光照，光譜強(qiáng)度＜20klx為弱光照。

對(duì)光譜進(jìn)行DS算法轉(zhuǎn)移后，室內(nèi)外光譜差異如圖2所示。通過圖1和圖2，光譜經(jīng)過DS算法轉(zhuǎn)移后，可以看出在可見光區(qū)域室內(nèi)外光譜的差距已得到一定幅度的減小。

圖1　不同光照條件下光譜對(duì)比

圖2　不同光照條件下轉(zhuǎn)移后的對(duì)比

2.2光照對(duì)光譜檢測(cè)及建模的影響

圖3為我國10月份某中部地區(qū)的太陽光照到達(dá)地表的光譜能量。圖中，曲線1為光照到達(dá)地表的能量，曲線2為光照到達(dá)大氣層的光譜能量，可以看出到達(dá)地表的太陽光譜能量主要在可見光區(qū)域，而近紅外區(qū)域可幾乎認(rèn)定為零，因此可以認(rèn)為太陽光照對(duì)圓黃梨光譜檢測(cè)的影響在可見光部分，近紅外部分可認(rèn)定為無影響。用近紅外光譜儀檢測(cè)出的光譜與實(shí)際情況相符，可認(rèn)定太陽光照對(duì)光譜檢測(cè)影響主要是在可見光區(qū)域，同樣，對(duì)近紅外光譜的建模影響也可以忽略。將實(shí)驗(yàn)中得到的室內(nèi)、室外光譜分別直接進(jìn)行PLS預(yù)測(cè)并建模，其結(jié)果顯示如表2所示。

由表2可以看出同一光照條件下的建模預(yù)測(cè)效果較好，即室內(nèi)模型預(yù)測(cè)室內(nèi)、室外弱光照模型預(yù)測(cè)室外弱光照、室外強(qiáng)光照預(yù)測(cè)室外強(qiáng)光照的效果較好分別為0.909、0.848和0.812，模型穩(wěn)定；而不同光照條件下相互預(yù)測(cè)效果不理想。

可以得出結(jié)論：室內(nèi)模型不適合直接預(yù)測(cè)室外光譜，這是由于室外光照射下，相當(dāng)于增加了儀器可見光部分的入射光源，使得漫反射光譜發(fā)生變化直接影響了圓黃梨光譜的檢測(cè)，從而導(dǎo)致室外光譜與室內(nèi)光譜存在很大差異。為了實(shí)現(xiàn)室內(nèi)外模型的共享，對(duì)室外光譜進(jìn)行模型傳遞的方法來減小室內(nèi)外光譜的差異。

圖3　太陽光照到達(dá)地表的的光譜能量

表2　不同光照條件下的相互預(yù)測(cè)模型

2.3DS算法的參數(shù)選擇

對(duì)于DS算法，參數(shù)的選擇主要由標(biāo)樣數(shù)決定，如果標(biāo)樣數(shù)太少會(huì)導(dǎo)致轉(zhuǎn)換矩陣不能涵蓋所有光譜特征，如果標(biāo)樣數(shù)太多會(huì)產(chǎn)生冗余的信息，采用KS算法從DS的標(biāo)樣光譜中選取5、10、…、30、35個(gè)樣品等7組標(biāo)樣光譜。通過標(biāo)樣數(shù)與預(yù)測(cè)集的主從儀器光譜間的RMSEP來確定合適的標(biāo)樣數(shù)。如圖4所示為從儀器預(yù)測(cè)集的RMSEP隨標(biāo)樣數(shù)的變化趨勢(shì)圖，可以看出當(dāng)標(biāo)樣數(shù)選擇為20時(shí)，模型轉(zhuǎn)移效果最好為0.374。

圖4　儀器預(yù)測(cè)集的RMSEP隨標(biāo)樣數(shù)的變化

標(biāo)樣數(shù)選擇20，用DS算法對(duì)室外光譜進(jìn)行模型傳遞并用室內(nèi)光譜建立PLS模型預(yù)測(cè)，如圖5所示為轉(zhuǎn)移后從儀器預(yù)測(cè)集的預(yù)測(cè)結(jié)果，其預(yù)測(cè)決定系數(shù)為0.701（rp=0.837），預(yù)測(cè)偏差為0.427、0.374，可以看出模型預(yù)測(cè)效果比經(jīng)過DS轉(zhuǎn)移前的預(yù)測(cè)效果已經(jīng)改善很多，有效減小了室內(nèi)外光譜間的差異，減小了由于室外光照對(duì)檢測(cè)所造成的影響，經(jīng)過DS算法傳遞后室內(nèi)模型可以預(yù)測(cè)室外陰影下的光譜，有效的解決了光照對(duì)光譜檢測(cè)及建模帶來的影響。

圖5　轉(zhuǎn)移后從儀器預(yù)測(cè)集的預(yù)測(cè)結(jié)果圖

3　結(jié)束語

本文利用近紅外光譜儀檢測(cè)了室內(nèi)外不同光照條件下圓黃梨的光譜，建立模型相互預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，室內(nèi)模型直接預(yù)測(cè)室外光譜效果不好，DS算法能有效減小室內(nèi)外光譜之間的差距，降低室外陰影下光照對(duì)光譜檢測(cè)的影響，使得經(jīng)DS算法傳遞后室內(nèi)光譜能預(yù)測(cè)室外光譜，從而實(shí)現(xiàn)室內(nèi)模型對(duì)室外光譜的預(yù)測(cè)，減小測(cè)量條件的差異對(duì)分析結(jié)果的影響，為便攜式光譜儀的使用提供理論依據(jù)。

[1]Saranwong S，Sornsrivichai J，Kawano S.On-tree evaluationofharvestingqualityofmangofruitusinga hand-heldNIRinstrument[J].Journal of Near Infrared Spectroscopy，2003，11（4）：283-293.

[2]吳方龍，沈黃通，吳晨凱，等.基于近紅外漫反射光譜無損檢測(cè)梨可溶性固形物的光強(qiáng)影響探究[J].光譜學(xué)與光譜分析，2013，33（10）：2671-2674.

[3]胡潤文，夏俊芳.臍橙總糖近紅外光譜模型傳遞研究[J].食品科學(xué)，2012，33（3）：28-32.

[4]周林峰，呂進(jìn)，劉輝軍.溫度對(duì)果糖含量近紅外光譜檢測(cè)模型傳遞的影響[J].中國計(jì)量學(xué)報(bào)，2012，23（3）：217-212.

[5]李慶波，張廣軍，徐可欣，等.DS算法在近紅外光譜多元校正模型傳遞中的應(yīng)用[J].光譜學(xué)與光譜分析，2007，27（5）：873-876.

[6]王菊香，李華，邢志娜，等.小波多尺度分段直接校正法用于近紅外光譜模型傳遞的研究 [J].分析化學(xué)，2011，39（6）：846-850.

[7]張建光，劉玉芳，孫建設(shè).光照強(qiáng)度對(duì)蘋果果實(shí)表面溫度變化的影響[J].生態(tài)學(xué)報(bào)，2004，24（6）：1306-1310.

[8]王加華，潘璐，李鵬飛，等.蘋果糖度近紅外光譜分析模型的溫度補(bǔ)償[J].光譜學(xué)與光譜分析，2009，29（6）：1517-1520.

Research on model transfer of near infrared spectroscopy at different illumination

ZHANG Wenjun，TANG Hong，JIANG Qiaoyong
（College of Metrological Technology and Engineering，China Jiliang University，Hangzhou 310018，China）

To minimize the error in sample detection by near infrared spectrometers outdoor，a method using model transfer to lower the measurement error has been proposed in this paper.The near infrared spectroscopy（NIRS）was used to detect the sample-Wonhuwang pear under outdoor and indoor shadows and the results were analyzed to establish a Partial Least Squares（PLS）model for indoor spectrum.The detection errors between the near infrared spectrums under indoor and outdoor shadows were reduced through Direct Standardization（DS）algorithm to enable the model to predict the near infrared spectrum outdoor.Experimental results show the determination coefficient and root mean square error of prediction are 0.71 and 0.374 respectively.It can lower the effect of outdoor light on spectrum detection.

NIRS；DS；illumination；model transfer；sugar

A

1674-5124（2015）12-0070-04

10.11857/j.issn.1674-5124.2015.12.018

2015-06-10；

2015-08-14

浙江省自然科學(xué)基金（Y14F020161）

張文君（1990-），女，江蘇南通市人，碩士研究生，專業(yè)方向?yàn)榻t外檢測(cè)技術(shù)。