杭盈盈，李亞婷，孫妙君

(江蘇大學(xué)電氣信息工程學(xué)院，江蘇 鎮(zhèn)江212013)

0 引言

蘿卜是一種重要的根菜類蔬菜作物，在我國(guó)栽培歷史悠久，分布廣泛且在中國(guó)民間一直有“小人參”的美稱[1]。蘿卜可增強(qiáng)肌體免疫力，對(duì)防癌、抗癌有重要意義。但我國(guó)蘿卜產(chǎn)業(yè)也存在著品種良莠不齊、栽培技術(shù)落后和生產(chǎn)模式分散等問(wèn)題，種子品種不一樣，其價(jià)格也不一樣[2]。一些不良商家為了牟取暴利用廉價(jià)種子冒充高價(jià)種子販賣給農(nóng)民，導(dǎo)致農(nóng)民利益受到損失。

傳統(tǒng)的種子品種檢測(cè)方法如形態(tài)鑒定、顯微鑒定、微形態(tài)鑒定及微性狀鑒定，其操作簡(jiǎn)單，但是由于種子的鑒定特征在各個(gè)科屬中存在的變異很難達(dá)到鑒別種子的目的[3]。而高光譜圖像技術(shù)作為一種能夠快速無(wú)損檢測(cè)的技術(shù)，它兼具機(jī)器視覺(jué)和光譜分析技術(shù)的優(yōu)點(diǎn)且已經(jīng)被廣泛地應(yīng)用到種子的成分測(cè)定和品種鑒別等領(lǐng)域[4-5]。

但是由于高光譜技術(shù)得到的光譜數(shù)據(jù)信息量大、冗余性強(qiáng)，所以需要使用特征提取算法對(duì)光譜數(shù)據(jù)進(jìn)行降維。成忠等[6]通過(guò)連續(xù)投影算法實(shí)現(xiàn)小麥近紅外光譜特征波長(zhǎng)的選擇。傳統(tǒng)的特征波長(zhǎng)選擇方法雖然獲得了更理想的效果，但是其模型有時(shí)存在一些干擾信息[7-8]。

近年來(lái)，深度學(xué)習(xí)發(fā)展前景廣闊，堆疊自動(dòng)編碼器(SAE)通過(guò)對(duì)高維數(shù)據(jù)進(jìn)行特征學(xué)習(xí)已被應(yīng)用在各個(gè)方面[9-11]。孫俊等[12]通過(guò)將低秩矩陣與堆疊自動(dòng)編碼器結(jié)合實(shí)現(xiàn)對(duì)茶葉品種的鑒別。深度學(xué)習(xí)可以提取數(shù)據(jù)深度特征并提高模型魯棒性，且目前結(jié)合深度學(xué)習(xí)與高光譜技術(shù)鑒別蘿卜種子品種的文獻(xiàn)較少。

為了探究應(yīng)用可見(jiàn)近紅外高光譜技術(shù)結(jié)合深度學(xué)習(xí)算法對(duì)蘿卜種子品種鑒別的可行性，該文以6種蘿卜種子為研究對(duì)象，利用3種降維算法(SPA，VISSA，SAE)結(jié)合Softmax與SVM分類模型分別建立蘿卜種子品種鑒別模型，從而得到鑒別蘿卜種子品種的無(wú)損檢測(cè)方法。

1 材料與方法

1.1試驗(yàn)樣本

本試驗(yàn)所選取的6種蘿卜種子樣本是鎮(zhèn)江種子站提供的滿膛紅、胭脂紅、楊花白、揚(yáng)州園白、短葉十三和南京紅。選取無(wú)外部缺陷的種子作為試驗(yàn)樣本。從每種種子中選取適量樣本分別放入廣口試劑瓶，并做好標(biāo)簽且密封保存。采用將每類種子選取5.4 g聚攏擺放在一個(gè)半徑1.8 cm、高0.8 cm的瓶蓋中的堆疊擺放方式進(jìn)行光譜采集[13]。

1.2高光譜圖像采集與數(shù)據(jù)提取

本試驗(yàn)所采用的高光譜成像系統(tǒng)，主要包括1臺(tái)裝有光譜成像軟件的電腦、分光模組(V10E，SPECIM，F(xiàn)inland)、成像相機(jī)(Zyla4.4，andor，UTKL)、光纖鹵素?zé)?3900E型，Illumination Technologies，USA)、電位移動(dòng)平臺(tái)(MSI300，ISUZU OPTICS，TaiWan)和暗箱(DC1300，ISUZU OPTICS，TaiWan)。光譜儀為可見(jiàn)-近紅外光譜儀，光譜范圍400～1 000 nm，光譜分辨率2.8 nm，圖像分辨率2 048×2 048像素。采用半徑1.8 cm、高0.8 cm的塑料圓形器皿放置蘿卜種子樣品。在試驗(yàn)中將相機(jī)的曝光時(shí)間設(shè)置為20 ms，同時(shí)電控位移平臺(tái)的移動(dòng)速度設(shè)置為2.47 mms且進(jìn)行黑白板校正。將種子樣品放在移動(dòng)平臺(tái)上進(jìn)行數(shù)據(jù)采集。

高光譜圖像數(shù)據(jù)的采集使用HSI軟件平臺(tái)，在每個(gè)樣本中選取20×20像素的矩形感興趣區(qū)域(region of interest，ROI)并計(jì)算各個(gè)像素點(diǎn)的反射率，將其平均值作為該樣本的反射率，每類種子選取60個(gè)樣本，共獲得360個(gè)樣本。

1.3算法介紹

1.3.1堆疊自動(dòng)編碼器(SAE)

自動(dòng)編碼器(auto encoder)是在1986年由RUMELHART DE等[14]首次提出并將其用于高維復(fù)雜數(shù)據(jù)處理，之后更是促進(jìn)了神經(jīng)網(wǎng)絡(luò)的發(fā)展。AE模型結(jié)構(gòu)可以看作1個(gè)由輸入層、隱含層和輸出層3層結(jié)構(gòu)組成的深度學(xué)習(xí)模型，自動(dòng)編碼器常被用于降維或特征學(xué)習(xí)[15]。

堆疊自動(dòng)編碼器(SAE)是將多個(gè)AE通過(guò)級(jí)聯(lián)方式堆疊構(gòu)成的多層AE。SAE采用的是逐層非監(jiān)督預(yù)訓(xùn)練，其將上一層的隱含層作為下一層的輸入，同時(shí)在預(yù)訓(xùn)練之后會(huì)執(zhí)行細(xì)化調(diào)節(jié)，通過(guò)上一步預(yù)訓(xùn)練得到的權(quán)重來(lái)初始化網(wǎng)絡(luò)，以獲得最優(yōu)參數(shù)，并將最后一個(gè)隱含層輸出作為光譜數(shù)據(jù)的深度特征[16]。

1.3.2連續(xù)投影算法(SPA)

連續(xù)投影算法是一種使矢量空間共線性最小化的前向變量選擇算法，能夠提取波段中的特征波長(zhǎng)，且消除原始光譜矩陣中冗余的信息，可用于光譜特征波長(zhǎng)的篩選。連續(xù)投影算法的實(shí)現(xiàn)可分為兩個(gè)階段：第1階段完成p個(gè)波長(zhǎng)分組各M個(gè)波長(zhǎng)，選M的最大可能取值為M=min(n，p)；第2階段借助多元定量校正模型完成m個(gè)(1≤m≤M)最優(yōu)波長(zhǎng)的選定[6]。

1.3.3變量迭代空間收縮方法(VISSA)

變量迭代空間收縮算法是一種基于模型集群分析的算法，其主要思想是在每次迭代的過(guò)程中逐步優(yōu)化變量空間，最終實(shí)現(xiàn)對(duì)最優(yōu)變量組合的選擇。其每次迭代過(guò)程滿足變量空間逐漸收縮和優(yōu)化準(zhǔn)則。用VISSA選出的變量建模，其主要優(yōu)勢(shì)是考慮變量組合的影響和變量空間的軟性收縮[8]。

1.3.4Softmax模型

Softmax函數(shù)是Logistic函數(shù)在多分類問(wèn)題上的推廣，將分類問(wèn)題轉(zhuǎn)化為概率問(wèn)題從而實(shí)現(xiàn)對(duì)多個(gè)類別的分類任務(wù)。Softmax作為一種有監(jiān)督的神經(jīng)網(wǎng)絡(luò)常與深度學(xué)習(xí)的方法結(jié)合進(jìn)而用于分類識(shí)別問(wèn)題中[17]。Softmax的訓(xùn)練過(guò)程是首先通過(guò)對(duì)Softmax分類器進(jìn)行訓(xùn)練，然后檢查損失曲線收斂是否滿足要求；最后利用訓(xùn)練好的分類器進(jìn)行分類[18]。

1.3.5SVM模型

SVM算法是一種經(jīng)典分類算法，是按監(jiān)督學(xué)習(xí)方式對(duì)數(shù)據(jù)分類的分類器。SVM能夠無(wú)限逼近復(fù)雜系統(tǒng)，且在樣本數(shù)量比較少的情況下可以獲得最優(yōu)的泛化能力。其主要思想是將輸入數(shù)據(jù)空間映射到高維空間，尋找一個(gè)最優(yōu)分離曲面，使得數(shù)據(jù)的間隔盡可能大從而得到一個(gè)全局最優(yōu)解，完成分類任務(wù)[19]。

2 結(jié)果與討論

2.1光譜數(shù)據(jù)分析

本試驗(yàn)共獲得478個(gè)波段在400.68～1 001.6 nm的光譜信息，為提高分類效果，去除部分噪聲明顯的波段后共獲取了411個(gè)波段在480.46～1 001.6 nm的光譜信息作為原始光譜數(shù)據(jù)，如圖1所示。根據(jù)每個(gè)品種在每個(gè)波段內(nèi)的反射率平均值得到每種蘿卜種子樣本的平均光譜曲線，如圖2所示。由于蘿卜種子屬于十字花科油脂類種子，不同品種的蘿卜種子樣品內(nèi)部的有效成分(如抗真菌蛋白R(shí)s-AFP1、Rs-AFP2和氨基酸等)的含量與比例存在差異，這些成分大多存在含氫基團(tuán)(C—H、O—H和N—H等)，能在某些特定波長(zhǎng)下產(chǎn)生倍頻和合頻吸收，其表現(xiàn)為對(duì)光的吸收強(qiáng)度不同，即表現(xiàn)為不同的反射率[20]。由圖2可知，蘿卜種子的光譜特征差異明顯，重疊部分較少，在波長(zhǎng)為930 nm時(shí)，滿膛紅的反射率最高，短葉十三的反射率最低，其光譜特征為蘿卜種子的品種鑒別提供了依據(jù)。

2.2光譜數(shù)據(jù)預(yù)處理

本次預(yù)處理算法在The UnscramblerX10.4中運(yùn)行。

對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理可有效抑制和消除光譜數(shù)據(jù)中的噪聲，提高所建立模型的性能。采用Savitzky Golay(SG)平滑對(duì)光譜數(shù)據(jù)處理，使用SG平滑可以在一定程度上消除高頻隨機(jī)誤差，提高信噪比。同時(shí)將經(jīng)過(guò)SG平滑處理后的數(shù)據(jù)通過(guò)多元散射校正(Multiple Scattering Correction，MSC)進(jìn)行處理，MSC算法通過(guò)對(duì)每個(gè)波長(zhǎng)點(diǎn)的光譜數(shù)據(jù)進(jìn)行散射校正，能夠有效地消除散射影響，增強(qiáng)與目標(biāo)成分含量相關(guān)的光譜信息[21]。光譜預(yù)處理后曲線如圖3所示。

2.3數(shù)據(jù)降維

通過(guò)改變SAE的隱含層個(gè)數(shù)及每層神經(jīng)元個(gè)數(shù)來(lái)探究不同模型架構(gòu)對(duì)最終特征學(xué)習(xí)結(jié)果產(chǎn)生的影響。通過(guò)將SAE最后一個(gè)隱含層輸出的數(shù)據(jù)輸入到Softmax分類器中，并通過(guò)訓(xùn)練集和預(yù)測(cè)集的準(zhǔn)確率來(lái)確定該隱含層的最優(yōu)神經(jīng)元個(gè)數(shù)。本試驗(yàn)的SAE學(xué)習(xí)率為0.2，且激活函數(shù)為sigmoid函數(shù)。SAE的優(yōu)化參數(shù)如表1所示。通過(guò)對(duì)比可以發(fā)現(xiàn)，改變SAE的隱含層個(gè)數(shù)及每層神經(jīng)元個(gè)數(shù)對(duì)學(xué)習(xí)結(jié)果有一定的影響。當(dāng)隱含層層數(shù)增加時(shí)，其最優(yōu)模型的準(zhǔn)確率反而在逐漸下降，其訓(xùn)練難度與時(shí)間也增加。因此選擇了簡(jiǎn)單的兩個(gè)隱含層的SAE，模型架構(gòu)為[411-212-125]，共獲得125個(gè)深度特征，其訓(xùn)練集和預(yù)測(cè)集準(zhǔn)確率分別為99.72%和96.22%。

表1 堆疊自動(dòng)編碼器的優(yōu)化參數(shù)

SPA模型的最優(yōu)樣本集是通過(guò)計(jì)算不同樣本子集的多元線性回歸模型的均方根誤差RMSE值來(lái)選取的，當(dāng)RMSE值最低時(shí)代表的子集就是最優(yōu)樣本子集。圖4所示是不同子集模型的RMSE值，其中“□”代表最優(yōu)樣本子集的樣本數(shù)，從圖4可知，當(dāng)變量數(shù)<25時(shí)，RMSE值整體呈下降趨勢(shì)，當(dāng)變量數(shù)≥25時(shí)，變化趨勢(shì)趨緩。因此，本文利用SPA共選取25個(gè)特征變量。圖5所示是具體變量的選取，“□”代表選取的變量，其中橫軸初始變量代表480.46 nm的波長(zhǎng)，終止變量為1 001.6 nm的波長(zhǎng)，縱軸代表反射率。

VISSA模型是通過(guò)不斷降低交互驗(yàn)證均方根誤差(RMSECV)來(lái)獲取最佳特征變量組合，RMSECV值越低，則模型所選擇的變量組合越好[22]。本模型的Plscv偏最小二乘法的交叉驗(yàn)證程序采用的是10折，潛在變量數(shù)設(shè)為10，交叉驗(yàn)證為五折交叉驗(yàn)證，二進(jìn)制矩陣采樣的數(shù)量設(shè)為1 000，變量初始權(quán)重設(shè)為0.5。VISSA模型的運(yùn)行結(jié)果如圖6所示，RMSECV值隨著迭代次數(shù)的增加在不斷地下降，經(jīng)過(guò)45次迭代后，RMSECV值達(dá)到最小值0.721 0，且最終保留112個(gè)變量。

2.4分類結(jié)果

本試驗(yàn)建模算法均在Windows 10系統(tǒng)下，利用Matlab R2016b軟件完成的。通過(guò)結(jié)合Softmax分類器對(duì)全光譜數(shù)據(jù)采用五折交叉驗(yàn)證的方法進(jìn)行驗(yàn)證，其訓(xùn)練集和預(yù)測(cè)集的比例為4∶1。原始光譜的訓(xùn)練集和預(yù)測(cè)集的準(zhǔn)確率分別為90.1%和85.0%。

將降維模型獲得的低維光譜數(shù)據(jù)通過(guò)五折交叉驗(yàn)證處理，分別采用Softmax分類器和SVM兩種分類算法進(jìn)行建模，各模型分類的預(yù)測(cè)集準(zhǔn)確率和訓(xùn)練集的準(zhǔn)確率如表2所示。

表2 分類結(jié)果

對(duì)構(gòu)建的3種降維模型進(jìn)行分析，可以發(fā)現(xiàn)本文模型均改善了種子的分類效果。構(gòu)建的SAE模型的訓(xùn)練集和預(yù)測(cè)集的準(zhǔn)確率相較于其他傳統(tǒng)的特征提取模型的準(zhǔn)確率高一些，且SAE與Softmax分類算法結(jié)合的預(yù)測(cè)集準(zhǔn)確率高達(dá)96.22%。根據(jù)本次試驗(yàn)結(jié)果可以發(fā)現(xiàn)，SAE模型對(duì)于蘿卜種子的深度特征學(xué)習(xí)效果更好。而對(duì)Softmax和SVM兩種分類模型進(jìn)行分析，可以發(fā)現(xiàn)兩類模型中分類效果較好的是Softmax模型。而分類的預(yù)測(cè)集準(zhǔn)確率也由最初的85%提高到96.22%。

3 結(jié)論

(1)通過(guò)光譜采集儀器獲取蘿卜種子樣品的可見(jiàn)近紅外光譜數(shù)據(jù)。對(duì)進(jìn)行預(yù)處理后的近紅外光譜數(shù)據(jù)分別采用SAE、SPA和VISSA進(jìn)行數(shù)據(jù)降維，其維度分別為125、25和112。其中SAE提取的深度特征在Softmax和SVM分類模型中的分類預(yù)測(cè)效果都優(yōu)于SPA和VISSA算法。因此本研究選取SAE，將光譜數(shù)據(jù)降到了125維。

(2)對(duì)選取的特征波長(zhǎng)變量分別通過(guò)五折交叉驗(yàn)證的方法進(jìn)行Softmax和SVM分類建模。比較分類預(yù)測(cè)結(jié)果可知，SAE-Softmax模型的分類結(jié)果最優(yōu)，其訓(xùn)練集和預(yù)測(cè)集準(zhǔn)確率分別達(dá)99.72%和96.22%。

綜上所述，結(jié)合可見(jiàn)近紅外高光譜技術(shù)與SAE-Softmax模型對(duì)于蘿卜種子品種的鑒別是可行的。同時(shí)，本研究也為快速檢測(cè)種子品種的裝置提供了理論基礎(chǔ)，具有一定的學(xué)術(shù)與實(shí)用價(jià)值。