張浩， 劉振， 王玲，胡建東

(1.河南農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院，河南 鄭州 450002；2.河南省農(nóng)業(yè)激光技術(shù)國(guó)際聯(lián)合實(shí)驗(yàn)室，河南 鄭州 450002)

食用明膠是由動(dòng)物的新鮮原皮和骨骼經(jīng)過(guò)復(fù)雜工序提取出膠原蛋白并水解加工而成的。由于其蛋白質(zhì)含量高，無(wú)脂肪和無(wú)膽固醇，目前主要作為食品增稠劑、膠凝劑和粘合劑被廣泛應(yīng)用于食品工業(yè)中。食用明膠通常來(lái)源于豬皮、豬骨、牛皮、牛骨、魚(yú)皮、魚(yú)鱗等，不同來(lái)源食用明膠的二級(jí)結(jié)構(gòu)和重金屬含量是不同的，導(dǎo)致不同來(lái)源食用明膠的用途也有所差異[1-2]。因此，對(duì)于食品生產(chǎn)者來(lái)說(shuō)，需要知道確切的食用明膠來(lái)源，以便于在食品制作過(guò)程中合理使用不同來(lái)源的食用明膠，制作出符合國(guó)家標(biāo)準(zhǔn)的明膠類食品，同時(shí)也能滿足不同消費(fèi)者的口味需求，有利于保護(hù)消費(fèi)者的利益。目前，僅從色澤、氣味等方面來(lái)考慮，很難區(qū)分出不同來(lái)源的食用明膠，因此需要一種快速有效的方法實(shí)現(xiàn)食用明膠品種的溯源研究。

食用明膠的傳統(tǒng)檢測(cè)方法包括液相色譜法、質(zhì)譜法、電泳法、酶聯(lián)免疫法等，盡管這些方法具有較高的檢測(cè)靈敏度和精度，但是需要昂貴的儀器和復(fù)雜的樣品前處理、比較耗時(shí)[3-5]。近紅外光譜技術(shù)(Near Infrared Reflectance Spectroscopy,NIRS)作為一種快速無(wú)損的方法，目前被廣泛地應(yīng)用到食品領(lǐng)域中[6-8]。通過(guò)研究明膠的理化特性，NIRS已經(jīng)被用于食用明膠的檢測(cè)中。SEGTNAN等[9]采用近紅外光譜對(duì)豬明膠和牛明膠的理化參數(shù)如凍力(Bloom 值)、黏度、pH值和水分含量進(jìn)行預(yù)測(cè)；DUCONSEILLE等[10]利用近紅外光譜技術(shù)和熒光光譜技術(shù)，實(shí)現(xiàn)了對(duì)明膠在老化過(guò)程中分子變化的監(jiān)測(cè)；張浩等[11]利用近紅外光譜對(duì)6種不同摻雜比例的食用明膠進(jìn)行檢測(cè)，通過(guò)采用不同模式識(shí)別方法實(shí)現(xiàn)了摻假食用明膠的精準(zhǔn)識(shí)別。CEBI等[12]采用傅里葉變換紅外光譜技術(shù)結(jié)合主成分-聚類分析方法實(shí)現(xiàn)豬明膠、牛明膠和魚(yú)明膠的較好區(qū)分。目前的研究中主要對(duì)動(dòng)物皮膠進(jìn)行檢測(cè)，缺少對(duì)骨膠的檢測(cè)。另外，大部分研究主要采用無(wú)監(jiān)督學(xué)習(xí)方法如主成分分析法對(duì)食用明膠進(jìn)行分析，分類準(zhǔn)確率有待進(jìn)一步提高。在此基礎(chǔ)上，本研究擬采用近紅外光譜技術(shù)結(jié)合3種機(jī)器學(xué)習(xí)方法對(duì)5種不同來(lái)源的食用明膠(豬皮、豬骨、牛皮、牛骨、魚(yú)皮)進(jìn)行鑒別研究。

1 材料與方法

1.1 材料

實(shí)驗(yàn)所用5種不同來(lái)源的食用明膠(豬皮、豬骨、牛皮、牛骨、魚(yú)皮)購(gòu)置于廈門(mén)康寶生物科技有限公司，其凍力(Bloom值)分別為220，200，220，250，250。明膠樣品用實(shí)驗(yàn)室粉碎機(jī)(拜杰BJ-800A)磨成粉末，然后用100目篩進(jìn)行過(guò)濾。隨后，將每種明膠源稱重5 g，放入壓片機(jī)(YP-30T，天津市金孚倫科技有限公司)的模具中，將壓力保持在30 MPa，3 min后壓成明膠片。在此過(guò)程中，為了避免污染和干擾，每次樣品制備后都要清洗模具。每種明膠源制備120個(gè)明膠片，共得到600個(gè)。明膠片的厚度和直徑分別為4.5 mm和35 mm。

1.2 光譜采集

實(shí)驗(yàn)所采用的近紅外光譜測(cè)量裝置由鹵鎢燈光源(HL-2000，海洋光學(xué))、光纖可調(diào)衰減器，分叉式光纖反射探頭和近紅外光譜儀(NIRQuest 256，海洋光學(xué))等構(gòu)成，如圖1所示。其中光源的波長(zhǎng)范圍為360～2 400 nm,近紅外光譜儀的光譜范圍為900～2 500 nm。光纖反射探頭由7根芯徑為600 μm的光纖組成，其中一根連接光源，用于傳輸入射光，另外的6根連接近紅外光譜儀，用于收集反射光。實(shí)驗(yàn)過(guò)程中，光譜每隔3 nm采集一個(gè)點(diǎn)，每次平均3次，積分時(shí)間設(shè)置為100 ms，平滑度設(shè)置為10。

圖1 明膠近紅外光譜測(cè)量裝置 Fig.1 NIR spectral measurement system of gelatin tablets

1.3 識(shí)別模型建立和性能評(píng)估

本研究分別采用支持向量機(jī)(Support Vector Machine,SVM)、隨機(jī)森林(Random Forest,RF)、和反向傳播神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network,BPNN)3種機(jī)器學(xué)習(xí)算法建立明膠識(shí)別模型。3種模型的建立過(guò)程均采用Matlab程序，其中SVM建?；诹种侨实萚13]開(kāi)發(fā)的LIBSVM工具箱編寫(xiě)的Matlab程序，RF建?；贘aiantilal開(kāi)發(fā)的RF_MexStandalone-v0.02工具箱編寫(xiě)的Matlab程序， BPNN建模采用Matlab軟件人工神經(jīng)網(wǎng)絡(luò)工具箱編寫(xiě)的Matlab程序，所有Matlab程序均在MATLAB R2017a軟件下運(yùn)行。

2 結(jié)果與分析

2.1 明膠膠體的近紅外吸收光譜特性

為了降低由于儀器、樣本和環(huán)境因素對(duì)光譜造成的噪聲干擾，提高光譜信噪比，近紅外光譜數(shù)據(jù)依次通過(guò)Savitzky-Golay(SG)平滑去噪、多元散射校正和最大最小歸一化方法進(jìn)行預(yù)處理，其中SG平滑方法采用12個(gè)點(diǎn)的窗口寬度和三次多項(xiàng)式擬合。圖2為測(cè)量所得5種不同來(lái)源明膠樣品的預(yù)處理平均光譜，選取光譜波段范圍為1 100～2 200 nm，可以看出其光譜形狀基本上是相同的，只是個(gè)別波長(zhǎng)處的吸收存在差異。圖中明膠近紅外光譜具有一些比較明顯的特征吸收峰，主要由明膠中一些特定的化學(xué)官能團(tuán)的振動(dòng)所造成的，如CH、OH、NH等。水分子的特征吸收峰位于1 490 nm 和1 930 nm左右，主要是由O—H基團(tuán)的泛頻和組頻吸收帶造成的[9,14]。此外，1 200 nm 和1 730 nm的峰值是由明膠中C—H基團(tuán)的泛頻和組頻吸收帶產(chǎn)生的，源自于明膠中芳香族氨基酸[14]。而2 000～2 100 nm的峰值主要來(lái)自于N—H的組頻吸收帶，源自于明膠中蛋白質(zhì)的側(cè)鏈[9,14,15]。

圖2 5種不同來(lái)源明膠樣品的歸一化近紅外光譜 Fig.2 Normalized NIR spectra from 5 different kinds of gelatin samples

2.2 明膠來(lái)源識(shí)別模型的構(gòu)建

為了建立合適的識(shí)別模型并評(píng)價(jià)模型的有效性，光譜數(shù)據(jù)被分為訓(xùn)練集和驗(yàn)證集，其中訓(xùn)練集用來(lái)建立識(shí)別模型，驗(yàn)證集用來(lái)檢驗(yàn)?zāi)Ｐ偷挠行?。本研究采用十折交叉?yàn)證(10-fold cross validation)方法從600個(gè)明膠樣品中選擇531個(gè)樣本作為訓(xùn)練集，剩余的69個(gè)樣本作為驗(yàn)證集。

2.2.1 SVM模型 由于每條近紅外光譜共432個(gè)數(shù)據(jù)點(diǎn)，建模時(shí)不僅計(jì)算量大，而且會(huì)影響分類的精準(zhǔn)性。這里采用競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法(Competitive Adaptive Reweighted Sampling,CARS)方法從432個(gè)波長(zhǎng)變量選取特征波長(zhǎng)變量。本文中，CARS的初始化參數(shù)設(shè)置為：最大主成分?jǐn)?shù)A=10，交叉驗(yàn)證組數(shù)K=10，最大蒙特卡洛(Monte Carlo,MC)采樣運(yùn)行次數(shù)N=50。如圖2所示，隨著MC采樣運(yùn)行次數(shù)的增加(圖3a)，被篩選出來(lái)的變量數(shù)逐漸減小，而交叉驗(yàn)證均方根誤差(RMSECV)出現(xiàn)先降低會(huì)升高的趨勢(shì)(圖3b)。在第24次采樣時(shí)(圖3c)，RMSECV值最小，隨后開(kāi)始回升，表明此時(shí)篩選出的波長(zhǎng)變量數(shù)最優(yōu)，共31個(gè)波長(zhǎng)變量。如圖3d所示，優(yōu)選的31個(gè)波長(zhǎng)變量包含了大部分圖1所示的特征吸收峰值。

圖3 基于CARS的近紅外光譜特征變量篩選Fig.3 Feature variable selection of NIR spectra based on CARS

由于SVM模型參數(shù)將極大影響模型的預(yù)測(cè)正確率，因此需要尋找最優(yōu)的懲罰因子C與核函數(shù)參數(shù)γ。本次研究中，網(wǎng)格尋優(yōu)算法(Grid Search,GS)被用來(lái)獲得最優(yōu)的C和γ，并建立相應(yīng)的SVM模型。最優(yōu)的C和γ通過(guò)交叉驗(yàn)證準(zhǔn)確率的大小來(lái)確定，如圖4a所示，當(dāng)C=256，γ=3.03時(shí)，訓(xùn)練模型可以得到最優(yōu)的交叉驗(yàn)證準(zhǔn)確率為98.68%。在優(yōu)化參數(shù)情況下，將所建SVM模型作用于驗(yàn)證集得到的混淆矩陣如圖4b所示，可以看出魚(yú)皮明膠有一個(gè)樣品被錯(cuò)誤分成牛骨明膠，使得驗(yàn)證集的總體準(zhǔn)確率為98.55%(68/69)。根據(jù)驗(yàn)證集混淆矩陣得到的4個(gè)模型評(píng)價(jià)指標(biāo)值如表1所示，可以看出驗(yàn)證集的平均準(zhǔn)確率、精確率、召回率和F1-score均高于98%，表明SVM模型對(duì)于5種不同來(lái)源的明膠具有較好的識(shí)別能力。

a.基于GS方法的SVM模型參數(shù)的優(yōu)化；b.基于SVM模型的驗(yàn)證集混淆矩陣。a.Parameter optimization of SVM model based on GS method; b.Confusion matrix of validation set based on SVM model.

表1 基于驗(yàn)證集混淆矩陣的SVM模型評(píng)價(jià)指標(biāo)Table 1 The evaluation indicators of SVM model based on confusion matrix of validation set

2.2.2 RF模型 RF模型建立過(guò)程中，由于隨機(jī)森林所包含的決策樹(shù)個(gè)數(shù)ntree和構(gòu)建決策樹(shù)分支時(shí)隨機(jī)抽樣的變量個(gè)數(shù)mtry這兩個(gè)參數(shù)影響RF模型的準(zhǔn)確性，需要選擇合適的ntree和mtry以有效降低模型的預(yù)測(cè)錯(cuò)誤率。ntree和mtry值對(duì)RF模型性能的影響可以由袋外(Out of Bag,OOB)錯(cuò)誤率和預(yù)測(cè)準(zhǔn)確率確定，通常情況下，ntree值越大，OOB錯(cuò)誤率越穩(wěn)定，但運(yùn)行時(shí)間越長(zhǎng)；mtry越大，OOB錯(cuò)誤率越低。默認(rèn)情況下，ntree的值為500，mtry的取值范圍在1到m之間，其中m為數(shù)據(jù)集變量個(gè)數(shù)的平方根。如圖5a所示，隨著決策樹(shù)個(gè)數(shù)增加，OOB錯(cuò)誤率逐漸減小，當(dāng)ntree超過(guò)200以后，OOB誤差率基本保持穩(wěn)定。綜合考慮ntree值對(duì)OOB錯(cuò)誤率穩(wěn)定性和運(yùn)行時(shí)間的影響，本文中選擇默認(rèn)值500作為ntree的最優(yōu)值。當(dāng)ntee=500時(shí)，隨著mtry值的增加，RF模型的準(zhǔn)確率和運(yùn)行時(shí)間變化如圖5b所示，可以看出當(dāng)mtry=8時(shí)，RF模型獲得最高的準(zhǔn)確率和較少的運(yùn)行時(shí)間。

a.RF模型中決策樹(shù)個(gè)數(shù)ntree的優(yōu)化；b.最優(yōu)決策樹(shù)個(gè)數(shù)ntree=500時(shí)，RF模型變量個(gè)數(shù)mtry的優(yōu)化。 a.The optimization of ntree in RF model; b.The optimization of mtry in RF model when ntree is 500.

本研究采用平均精確度下降(Mean decrease accuracy)和平均基尼指數(shù)下降(Mean decrease of Gini index)來(lái)判斷波長(zhǎng)變量中的特征重要性，某一變量的這2個(gè)參數(shù)值越大，表明該變量的重要性越大。如圖6所示，可以判斷出RF模型中重要性較大的波長(zhǎng)基本包含了圖2所示的特征吸收峰值。

圖6 RF模型中的波長(zhǎng)變量重要性 Fig.6 Wavelength variable importance of RF model

以ntree=500，mtry=8作為最優(yōu)參數(shù)建立隨機(jī)森林模型，獲得的驗(yàn)證集預(yù)測(cè)結(jié)果如圖7所示，從混淆矩陣中可以看出，有兩個(gè)明膠樣品被錯(cuò)誤分類，其中一個(gè)豬皮明膠樣品被錯(cuò)誤識(shí)別為牛骨明膠，一個(gè)魚(yú)皮明膠樣品被錯(cuò)誤識(shí)別為牛皮明膠，使得RF模型的總體準(zhǔn)確率為97.1%(67/69)。根據(jù)驗(yàn)證集混淆矩陣得到的4個(gè)模型評(píng)價(jià)指標(biāo)值如表2所示，其平均準(zhǔn)確率、精確率、召回率和F1-score均高于96%，表明RF模型的識(shí)別能力稍微弱于SVM模型，盡管如此，RF模型也展示了較好的明膠識(shí)別能力。

圖7 基于RF模型的驗(yàn)證集混淆矩陣Fig.7 Confusion matrix of validation set based on RF model

表2 基于驗(yàn)證集混淆矩陣的RF模型評(píng)價(jià)指標(biāo)Table 2 The evaluation indicators of RF model based on confusion matrix of validation set

a.BPNN模型隱含層節(jié)點(diǎn)數(shù)的優(yōu)化；b.基于BPNN模型的驗(yàn)證集混淆矩陣。a.Optimization of the number of hidden layer nodes in BPNN model; b.Confusion matrix of validation set based on BPNN model.

2.2.4 3種識(shí)別模型的比較 研究結(jié)果表明，利用SVM、RF和BPNN這3種識(shí)別模型均能較好的進(jìn)行明膠品種溯源分析，其驗(yàn)證集的總體正確識(shí)別率分別為98.55%、97.1%和100%。圖9所示為3種識(shí)別模型的比較，從圖9a所示的分類模型效果評(píng)估指標(biāo)可以判斷出BPNN模型要明顯優(yōu)于其他兩種模型，能夠?qū)崿F(xiàn)對(duì)5種不同來(lái)源明膠樣品的完全識(shí)別，而SVM模型要優(yōu)于RF模型。圖9b所示為3種模型的運(yùn)行時(shí)間(或運(yùn)算速度)，可以看出BPNN模型的運(yùn)算速度(2.4 s)同樣優(yōu)于其他2種模型，而RF模型的運(yùn)算速度要由于SVM模型。因此，從分類模型的準(zhǔn)確率、精確率、召回率、F1-score和運(yùn)算速度等方面來(lái)分析，BPNN模型均展現(xiàn)出了最優(yōu)的識(shí)別性能。

a.評(píng)估指標(biāo)的比較；b.運(yùn)行時(shí)間的比較a.Comparison of evaluation indicators; b.Comparison of run time

3 結(jié)論

針對(duì)目前食品工業(yè)中存在的不同來(lái)源食用明膠難以區(qū)分問(wèn)題，本研究采用近紅外光譜測(cè)量裝置獲得5種不同來(lái)源明膠樣品的近紅外吸收光譜，通過(guò)SG平滑去噪和最大最小歸一化方法進(jìn)行預(yù)處理，采用3種機(jī)器學(xué)習(xí)方法建立分類模型研究明膠品種溯源的可行性。研究結(jié)果表明,這3種識(shí)別模型對(duì)不同來(lái)源食用明膠均具有較好的識(shí)別能力，驗(yàn)證集的總體正確識(shí)別率均達(dá)到97%以上，相比之下，BPNN模型具有最優(yōu)的識(shí)別效果，其驗(yàn)證集總體正確識(shí)別率為100%，能夠?qū)崿F(xiàn)對(duì)5種不同來(lái)源明膠樣品的完全識(shí)別，而且其運(yùn)算速度最快。與傳統(tǒng)方法相比，近紅外光譜技術(shù)簡(jiǎn)單、便攜、成本低、無(wú)需復(fù)雜的樣品處理，可以實(shí)現(xiàn)無(wú)損快速檢測(cè)。此外，本研究采用3種有監(jiān)督學(xué)習(xí)方法進(jìn)行明膠識(shí)別，可以獲得更好的識(shí)別精度。因此，本研究中近紅外光譜技術(shù)結(jié)合機(jī)器學(xué)習(xí)方法用于快速準(zhǔn)確地實(shí)現(xiàn)食用明膠品種溯源是完全可行且有效的。該研究方法也可以用于食用明膠的質(zhì)量檢測(cè)和摻假研究中，同時(shí)也為其他食品或添加劑的安全檢測(cè)提供了研究思路。