李 楠 楊春杰

(1. 運城學院生命科學系，山西 運城 044000；2. 運城學院機電工程系，山西 運城 044000)

小米又稱粟(米)，禾本科狗尾草屬[1]。在中國，作為五谷之一的小米有著悠久的食用歷史，數(shù)千年來一直作為傳統(tǒng)主食養(yǎng)育了中國北方文明，在現(xiàn)代仍是主要雜糧之一[2]。小米的產(chǎn)地來源與其品質(zhì)密切相關，地域特色小米具有反映該區(qū)域自然環(huán)境的特有品質(zhì)，中國已出現(xiàn)許多名優(yōu)原產(chǎn)地域小米產(chǎn)品群落。假冒產(chǎn)地不僅損害消費者和企業(yè)利益，同時也增加了食品安全問題追溯與風險管理難度[3]。農(nóng)產(chǎn)品產(chǎn)地溯源方法主要包括特定化學成分(如礦物元素、同位素、多酚、糖、氨基酸等)差異分析的破壞性溯源方法和光譜、仿生(電子鼻、電子舌)、介電特性、核磁共振檢測等無損溯源方法[4]。其中，近紅外光譜技術因其高效、無損、環(huán)保等優(yōu)點已成為近幾十年來發(fā)展最迅速的無損檢測技術之一，也被認為是當前經(jīng)濟性最高的食品溯源技術[4-8]。近紅外光譜技術已被應用于茶葉[9-10]、橄欖油[11]、肉類[12-14]、酒類[15-17]等食品的產(chǎn)地溯源研究，顯現(xiàn)出較好的應用前景。目前，采用近紅外、高光譜、拉曼光譜等光譜技術的小米產(chǎn)地溯源研究較少，同時這些研究多存在樣本數(shù)量較少[18-20]、樣本產(chǎn)地來源偏少[18-22]、模型預測準確率偏低[18]等問題。此外，相關研究多使用體積大、價格高的精密型近紅外光譜儀，在實際應用方面存在一定局限。因此，研究擬以來源于11個主產(chǎn)省份的150份小米樣品為研究對象，采用便攜式近紅外光譜儀檢測樣品，同時為了提高模型準確率和泛化能力，采用魯棒主成分分析(rPCA)識別異常數(shù)據(jù)，并采用DUPLEX方法劃分樣本集，進而比較主成分分析、線性判別、人工神經(jīng)網(wǎng)絡等模式識別方法的分類結(jié)果，為利用近紅外光譜技術實現(xiàn)小米產(chǎn)地溯源提供參考。

1 材料與方法

1.1 材料

小米樣品：采集于中國11個省份，涵蓋所有國內(nèi)小米主產(chǎn)地(見表1)。小米采集后鋁箔袋真空密封，4 ℃保存。

1.2 儀器與設備

便攜式近紅外谷物分析儀：ZX-50IQ型，美國Zeltex公司；

真空封口機：RS-BZ11A型，合肥榮事達電子電器集團有限公司；

電子天平：FA1604型，上海舜宇恒平科學儀器公司。

1.3 方法

1.3.1 光譜采集 樣品預先放置于25 ℃環(huán)境自然升溫至室溫。近紅外分析儀開機預熱30 min后校準。每次測量時，稱取50.0 g樣品，均勻置于樣品杯，然后放于樣品室關閉遮光罩進行測量。每個樣品測量3次，取平均值作為最終分析光譜值。

1.3.2 數(shù)據(jù)分析 采用魯棒主成分分析(rPCA)方法剔除樣品光譜數(shù)據(jù)異常值后，使用DUPLEX方法將數(shù)據(jù)按3∶1劃分為訓練集和預測集，最后對數(shù)據(jù)進行主成分分析(PCA)、費舍爾線性判別分析(LDA)及多層感知器神經(jīng)網(wǎng)絡(MLP-NN)建模識別分析。建模分析采用SPSS20軟件；異常值檢測、訓練集及預測集劃分采用Matlab R2015b軟件。

2 結(jié)果與分析

2.1 樣品近紅外光譜

由圖1可知，不同樣本的光譜形狀具有相似性，但吸收峰的位置均存在一定的差異性，說明不同產(chǎn)地小米的組成成分存在差異，這些差異通過近紅外光對含氫基團(C—H、N—H、O—H、S—H等)振動的倍頻和組合頻吸收不同而生成差異化的紅外光譜圖。為保證光譜數(shù)據(jù)具有代表性，每個樣品測量3次，取平均值作為最終分析光譜值。由于試驗使用的便攜式近紅外分析儀只有14個近紅外波長，且小米樣品在不同波長下的吸光值均有差異，因此將全部波長數(shù)據(jù)用于后續(xù)分析。

表1 小米樣品產(chǎn)地及數(shù)量

圖1 不同產(chǎn)地小米近紅外光譜圖Figure 1 Near infrared spectra of millet samples from different origins

2.2 異常值檢測

異常值會影響模型的可靠性，甚至會導致模型嚴重失真，因此在模型建立前需要識別并剔除異常值。魯棒主成分分析(rPCA)被用于識別異常值，該方法能夠高效識別出異常值[23]。首先計算每個樣品的主成分得分距離(SD)和正交距離(OD)，然后將樣品分為4組：常規(guī)組(低SD低OD)、良好主成分轉(zhuǎn)換組(高SD低OD)、正交異常值組(低SD高OD)、不良主成分轉(zhuǎn)換組(高SD高OD)，后兩組樣品不利于模型分析，被識別為異常值。如圖2所示，產(chǎn)自陜西的14個樣品中，2、7、9、13號共4個樣品異常值被檢出。同樣的方法識別其余樣品組異常值，最終得到131組數(shù)據(jù)用于進一步分析。

圖2 小米樣品魯棒主成分分析檢測異常值Figure 2 The outlier diagnosis obtained by rPCA for millet samples

2.3 主成分分析(PCA)

主成分分析是一種無監(jiān)督的分析方法，在盡可能保證原有信息的前提下將多元數(shù)據(jù)降維轉(zhuǎn)化為少數(shù)新變量，減少數(shù)據(jù)冗余，進而方便理解和展示原有變量差異。依據(jù)前兩個主成分得到的PCA得分圖，可以直觀地表現(xiàn)原始數(shù)據(jù)所代表的樣本狀態(tài)，樣品點的聚集、離散程度反映出樣品間的差異大小。如圖3所示，第一主成分的方差貢獻率為95.48%，第二主成分的方差貢獻率為4.22%，合計為99.70%，因此前兩個主成分可以充分反映原始數(shù)據(jù)信息。山西、河南、黑龍江3省內(nèi)的樣品點分布較為分散，其余省內(nèi)樣品點分布相對集中，說明來自于山西、河南、黑龍江3省樣品的省內(nèi)差異較大，其余省份樣品的省內(nèi)差異較小。同時，山西、河南、黑龍江3省樣品點與其余8個省份樣品點部分重疊，但8個省份樣品點分布相對獨立且界限清晰，說明除了山西、河南、黑龍江3省份樣品與部分省份樣品差異較小之外，其余省份樣品省間差異明顯。上述結(jié)果說明在主成分分析中，除山西、河南、黑龍江3省的樣品省內(nèi)差異較大導致難以區(qū)分省間差異外，其余省份的樣品均能依據(jù)省間差異區(qū)分省份產(chǎn)地。

圖3 不同產(chǎn)地小米樣品主成分分析二維圖Figure 3 PCA plot of millet samples with PC1 and PC2

2.4 模型建立

2.4.1 訓練集及預測集劃分 雙向數(shù)據(jù)分組(DUPLEX)方法是一種計算機訓練集識別方法，該方法能保證訓練集中樣本按照空間距離均勻分布，保證訓練集樣本的代表性[24]。該方法的選取過程：① 選擇樣本組中歐式距離最大的兩個樣本劃入訓練集；② 在余下的樣本組中，選擇歐式距離最大的兩個樣本劃入預測集[25]。重復上述操作，直到滿足預測集所需的樣本數(shù)，余下的樣本全部劃入訓練集。使用該方法最終由92個樣品組成訓練集，39個樣品組成預測集，具體結(jié)果見表2。

表2 利用DUPLEX方法的分組結(jié)果

2.4.2 費舍爾線性判別分析(FLDA) FLDA是一種有監(jiān)督的線性分類方法，將高維模式樣本投影到最佳鑒別矢量空間，降維的同時保證樣本有最大的類間距離和最小的類內(nèi)距離，使得各類樣品能夠更好的區(qū)分。在SPSS軟件中，將訓練集作為FLDA的變量輸入，產(chǎn)地信息作為判別輸出，利用Fisher函數(shù)、wilks'lambda變量選擇，采用步進判別法進行分析，結(jié)果見表3。訓練集中對不同樣品產(chǎn)地溯源的平均正確率為100.0%，預測集中對不同樣品產(chǎn)地溯源的平均正確率為84.6%，其中來源于內(nèi)蒙古的3個樣品產(chǎn)地預測全部錯誤。以上結(jié)果表明建立的FLDA模型在訓練集上表現(xiàn)良好，但對測試集數(shù)據(jù)表現(xiàn)一般，模型的泛化能力較差，有可能是訓練集樣本數(shù)量不足或特征波長選擇不合適導致了模型的過擬合。

表3 訓練集和測試集的費舍爾線性判別分析結(jié)果

2.4.3 多層感知器神經(jīng)網(wǎng)絡分析(MLP-NN) MLP-NN是一種前饋式有監(jiān)督神經(jīng)網(wǎng)絡，由一個輸入層、一個輸出層以及一個或多個隱藏層組成。作為神經(jīng)網(wǎng)絡方法中最有影響的方法之一，MLP-NN具有從訓練數(shù)據(jù)中學習復雜非線性映射的能力，能夠發(fā)現(xiàn)數(shù)據(jù)間復雜的關系。利用訓練集數(shù)據(jù)構(gòu)建MLP-NN模型，隱藏層和輸出層的激活函數(shù)分別為雙曲正切和Softmax，隱藏層層數(shù)為1，單位數(shù)為50，優(yōu)化算法為調(diào)整的共軛梯度。結(jié)果見表4，訓練集中對樣品產(chǎn)地溯源的平均正確為95.7%，預測集中對樣品產(chǎn)地溯源的平均正確率為92.3%。以上結(jié)果表明建立的MLP-NN模型具有較高的準確度和可靠性，因此，相較于建立的FLDA判別模型，基于MLP-NN判別模型的近紅外光譜技術可有效應用于小米的產(chǎn)地溯源。

3 結(jié)論

以產(chǎn)地相對全面的小米樣品為研究對象，采用便攜式近紅外光譜儀檢測樣品，建立了基于近紅外光譜技術的小米產(chǎn)地多層感知器神經(jīng)網(wǎng)絡、費舍爾線性判別模型。結(jié)果顯示：多層感知器神經(jīng)網(wǎng)絡模型優(yōu)于費舍爾線性判別模型，費舍爾線性判別模型準確度高，但泛化能力一般(測試集正確率為84.6%)；多層感知器神經(jīng)網(wǎng)絡模型具有較高的準確度和可靠性(測試集正確率為92.3%)。因此，基于多層感知器神經(jīng)網(wǎng)絡模型的近紅外光譜技術可有效應用于小米的產(chǎn)地溯源。

研究中檢測近紅外波長以及算法模型都較少，后續(xù)研究應該擴展近紅外波長范圍(780～2 500 nm)，優(yōu)選新的數(shù)據(jù)算法(數(shù)據(jù)預處理、特征波長選擇、建模方法等)，進而深入揭示小米近紅外光譜數(shù)據(jù)、產(chǎn)地以及組成成分之間的關系。另外，小米的品質(zhì)除了受地域環(huán)境(如氣候、土壤等)影響外，還與基因(品種)、種植、管理和加工等因素相關，這些因素均能影響產(chǎn)地溯源的準確性。實際應用時需要考慮并克服這些因素，因此實際應用建模樣本的數(shù)量及來源會遠遠超過研究中的樣本，甚至需要建立規(guī)模龐大的樣本數(shù)據(jù)庫并持續(xù)完善以降低模型的預測風險。

表4 訓練集和測試集的多層感知器神經(jīng)網(wǎng)絡分析結(jié)果