李 濤， 鐘玉琴， 曲明亮

（四川大學 華西藥學院，四川 成都610041）

紅景天為紅景天屬（Rhodiola）植物，其藥用歷史悠久，種類繁多，臨床應用廣泛，為藥食同源之品.紅景天在全球有90余種，我國紅景天屬植物資源豐富，有73種2亞種7變種，占全世界紅景天資源的85%左右，主要分布于我國西南和西北地區(qū)［1］.紅景天主要以根和根莖入藥，主要活性成分為紅景天苷、酪醇、沒食子酸等，具有抗氧化、抗疲勞和抗缺氧等作用［2-4］.但是，由于紅景天藥材的需求不斷增加，紅景天野生植物資源逐漸減少以及其植物來源的復雜性，市場上紅景天藥材的假冒偽劣產(chǎn)品層出不窮.其中，大花紅景天和狹葉紅景天雖為同屬植物，但是臨床應用有明顯差異，大花紅景天有益氣活血、通脈平喘的功效［5］，而狹葉紅景天有清熱解毒、消腫的作用［6］.而且，現(xiàn)代研究表明，大花紅景天和狹葉紅景天雖然具有相似的化學成分，如紅景天苷、酪醇、沒食子酸、咖啡酸、對香豆酸等，但在化學成分含量上存在較大的差異［7］.因此，迫切需要建立一種能夠快速、有效鑒別大花紅景天和狹葉紅景天的方法.

高光譜成像技術(shù)（hyperspectral imaging technology）是近年來發(fā)展迅速的一種結(jié)合了成像和光譜技術(shù)的無損檢測新技術(shù).在高光譜圖像中，可以同時提取目標樣本的光譜信息和圖像信息［8］.高光譜成像技術(shù)具有光譜分辨率高、信息量更全面、成本低廉、操作簡單、準確度高等一系列優(yōu)點，因此被廣泛地應用于植物的品質(zhì)檢測［9-11］和品種鑒別［12-14］.本文基于高光譜成像技術(shù)結(jié)合PLS-DA與神經(jīng)網(wǎng)絡模式識別方法，利用高光譜成像技術(shù)提取大花紅景天和狹葉紅景天的反射光譜信息，經(jīng)過光譜預處理后分別采用載荷系數(shù)法（X-loading weights，X-LW）、連續(xù)投影算法（successive projections algorithm，SPA）和競爭自適應重加權(quán)算法（competitive adaptive reweight sampling method，CARS）方法對高光譜數(shù)據(jù)進行降維，建立基于全波長和特征波長的大花紅景天和狹葉紅景天的偏最小二乘判別分析（partial least squares discriminant analysis，PLS-DA）、概率神經(jīng)網(wǎng)絡（probabilistic neural network，PNN）和廣義回歸神經(jīng)網(wǎng)絡（generalized regression neural network，GRNN）模式識別模型，實現(xiàn)對大花紅景天和狹葉紅景天的無損、快速和準確的分類與鑒別，以保障紅景天臨床用藥的安全、有效，并為紅景天藥材的質(zhì)量控制、品種鑒別和臨床應用奠定基礎.

1 材料與方法

1.1 儀器與材料高光譜成像系統(tǒng)包括SisuCHEMA-FX17高光譜成像光譜儀（芬蘭SPECIM公司）、光鹵素燈、CCD相機、移動平臺、控制箱和計算機等.光譜范圍為935～1 720 nm，光譜分辨率為2.8 nm.

2018—2019 年的7—8月在四川省阿壩藏族羌族自治州和甘孜藏族自治州采集不同批次的大花紅景天和狹葉紅景天的藥材鮮品（表1），經(jīng)四川大學華西藥學院李濤鑒定為景天科紅景天屬植物大花紅景天Rhodiola crenulata（Hook.f.et Thoms.）H.Ohba和狹葉紅景天Rhodiola kirilowii（Regel）Maxim.將大花紅景天和狹葉紅景天的新鮮根和根莖藥材清洗干凈，經(jīng)干燥、粉碎和過80目篩后，再干燥至恒重，備用.

表1 大花紅景天和狹葉紅景天的樣品來源Tab.1 Sample sources of Rhodiola crenulata and Rhodiola kirilowii

1.2 方法

1.2.1 紅景天高光譜圖像的采集與黑白校正 在完全不透明的黑色箱體中進行紅景天高光譜圖像采集.為了得到清晰的高光譜圖像，在圖像采集前先設定初始值，經(jīng)過反復的調(diào)試后，最終確定相機的曝光時間、物鏡到樣品的距離和移動平臺的速度分別為5 ms、20 cm、45 fps.由于受到各波段下光強度不均勻和傳感器暗電流的影響，獲得的紅景天高光譜圖像的噪聲往往較大，因此，采集反射率接近100%的白色校正板的高光譜圖像為白色參考圖像，然后蓋上鏡頭蓋采集黑色參考圖像，計算得到黑白校正的圖像.

1.2.2 感興趣區(qū)域（ROI）的選取 采用ENVI 2.0軟件中的感興趣區(qū)域（ROI）提取工具，在10批大花紅景天和10批狹葉紅景天粉末樣本的高光譜圖像的中央?yún)^(qū)域分別取大小相近的4個矩形作為實驗樣本的感興趣區(qū)域，共得到80個感興趣區(qū)域，然后求每個感興趣區(qū)域內(nèi)所有像素點的平均光譜作為實驗樣本的光譜反射光譜數(shù)據(jù)，最后得到一個80×224的數(shù)據(jù)矩陣（80為紅景天高光譜樣本數(shù)，224為波段數(shù)）用于數(shù)據(jù)分析.

1.2.3 光譜的預處理 多元散射校正（multiple scattering correction，MSC）是一種由Martens等［15］提出的的光譜預處理方法，它不僅可以消除由樣品顆粒度、不均勻性帶來的散射和噪聲，還可以校正漫反射光譜的基線漂移.多元散射校正的過程分別為：1）計算需要校正光譜的平均光譜；2）對每個樣本的平均光譜做線性回歸；3）計算校正光譜.

1.2.4 特征波長的提取 基于大花紅景天和狹葉紅景天的全光譜進行建模識別分析，由于數(shù)據(jù)之間存在共線性和冗余性，將會增加計算量和識別模型的復雜度，影響建模識別分析效果.本實驗分別采用載荷系數(shù)法（X-LW）、連續(xù)投影算法（SPA）、競爭自適應加權(quán)法（CARS）提取紅景天高光譜特征波長，并采用特征光譜代替全光譜進行建模識別分析，使識別模型的計算量和復雜性降低，從而提高識別模型的預測能力.

采用載荷系數(shù)法（X-LW）提取特征波長前首先對高光譜數(shù)據(jù)進行PLS分析，得到每個隱含變量對應的各波長的載荷系數(shù)值，波長對應的載荷系數(shù)絕對值越大，代表該波長對識別模型預測效果的影響力越大.因此，可以將某一隱含變量下波長對應的載荷系數(shù)的絕對值作為依據(jù)進行特征波長的選取［16］.本文選擇每一個隱含變量下具有最大載荷系數(shù)絕對值的波長組成特征提取的變量集.連續(xù)投影算法（SPA）是一種通過簡單的投影操作使向量空間的共線性最小的前向變量選擇算法［17］.該方法能從大量的光譜變量中選擇含有最低限度冗余信息的變量組，因而，能最大程度的避免光譜信息重疊性的問題，目前已經(jīng)廣泛的應用于光譜特征變量的選擇［18］.競爭自適應重加權(quán)算法（CARS）是一種由李洪東［19］提出的，以適者生存為原則的有效特征波長選擇方法.它的原理是以PLS模型回歸系數(shù)的絕對值作為評價波長的指標，采用自適應再加權(quán)采樣（ARS）技術(shù)篩選回歸系數(shù)絕對值大的波長，以最小的交叉驗證均方根誤差（RMSECV）獲取最優(yōu)的變量子集.

1.2.5 化學計量學方法 為了從不同的分類方法中選出最優(yōu)的判別模型，本實驗主要應用了3種分類判別模型，分別是偏最小二乘分析（PLS-DA）、概率神經(jīng)網(wǎng)絡（PNN）、廣義回歸神經(jīng)網(wǎng)絡（GRNN）.

偏最小二乘判別分析（PLS-DA）是一種由PLSR發(fā)展而來的多變量統(tǒng)計方法，在光譜數(shù)據(jù)的判別和分類中有廣泛的應用［4］.PLS-DA作為一種有監(jiān)督的分類方法，它可以根據(jù)PLSR建立Y（類別變量）與X（光譜特征變量）的回歸模型，通過預測值的大小來實現(xiàn)樣本的分類識別.在本實驗中，定義Y變量為紅景天的類別賦值，X變量為光譜的特征變量，采用完全交叉驗證建立PLS-DA模型.通過相關系數(shù)（R2）、均方根誤差（RMSE）參數(shù)來評價PLS-DA模型在訓練集中的性能，并基于此模型對測試集進行預測.概率神經(jīng)網(wǎng)絡（PNN）是一種以Parzen窗口函數(shù)為激活函數(shù)的特殊的徑向基神經(jīng)網(wǎng)絡［20］，它根據(jù)概率密度的無參數(shù)估計來實行貝葉斯決策從而得到分類結(jié)果.這種基于統(tǒng)計原理的神經(jīng)網(wǎng)絡不需要訓練樣本的連接權(quán)值，而是根據(jù)模式樣本的分布來確定網(wǎng)絡的權(quán)值，因而，PNN具有收斂速度快和分類能力強的特點，被廣泛的應用于模式識別［21］.廣義回歸神經(jīng)網(wǎng)絡（GRNN）是徑向基神經(jīng)網(wǎng)絡的一個分支［22］，它不僅能夠以任意的精度逼近任意的非線性連續(xù)函數(shù)，而且具有收斂速度快、所需訓樣本少、網(wǎng)絡可調(diào)參數(shù)少和能夠進行全局逼近等優(yōu)點.在PNN、GRNN中徑向基函數(shù)的分布密度值（spread）的選取是非常重要的，spread取值會直接影響到判別模型的分類精度［23］.當spread過大時，函數(shù)擬合越平滑，導致擬合誤差較大；過小時，網(wǎng)絡性能較差，會出現(xiàn)過適應的現(xiàn)象.因此，對于每個判別模型需要選擇合適的spread值.

2 結(jié)果與分析

2.1 大花紅景天和長鞭紅景天的原始光譜特征和光譜的預處理分別計算大花紅景天和狹葉紅景天的近紅外平均光譜數(shù)據(jù)，其平均光譜曲線如圖1（a）所示.由圖1（a）可知，2種紅景天的平均光譜曲線的波峰、波谷的位置具有一致性，但是具體的反射率值有所不同.對波段進行MSC光譜預處理后的平均反射光譜圖如圖1（b）所示.對比圖1（a）和圖1（b）發(fā)現(xiàn)，采用MSC方法進行光譜預處理后的曲線不僅在變化趨勢上與原始光譜保持了很好的一致性，還增強了光譜的吸收特性，減少了曲線的離散性.

圖1 大花紅景天和狹葉紅景天原始平均光譜（a）和MSC預處理后的光譜曲線（b）Fig.1 Original average spectrum curves of Rhodiola crenulata and Rhodiola kirilowii before（a）and after（b）MSC pretreatment

2.2 特征波長的提取

2.2.1 采用載荷系數(shù)法（X-LW）提取特征波長將經(jīng)過MSC預處理后的大花紅景天和狹葉紅景天的的反射高光譜數(shù)據(jù)作為PLS模型的X變量，類別賦值作為Y變量建立PLS-DA模型.建立的PLS-DA模型中，校準集和驗證集中X、Y的解釋方差隨著LVs（隱含變量）個數(shù)的增加如圖2所示，由圖2可知，前10個LVs值對驗證集的變量X（圖2（a））、Y（圖2（b））解釋方差分別達到了99.83%和91.70%，可以解釋90%以上的樣本信息，因此，確定LVs的個數(shù)為10.而每個波長對模型分類預測重要性可以根據(jù)載荷系數(shù)絕對值的大小來判斷.因此，本文選擇每個LV值對應的載荷系數(shù)圖中載荷系數(shù)絕對值最大的波長作為特征波長，基于X-LW提取的特征波長數(shù)為9個，如圖3所示.

圖2 隱含變量對X變量和Y變量的解釋方差貢獻Fig.2 Explanatory variance contributions of LVs to X and Y variables

圖3 載荷系數(shù)法（X-LW）選擇的特征波長分布Fig.3 Distribution of optimal wavelengths selected by X-LW

2.2.2 采用連續(xù)投影算法（SPA）提取特征波長本研究中設定最大提取波長數(shù)為40，運行SPA算法，根據(jù)預測均方根誤差（RMSE）最小的原則確定提取特征變量的個數(shù)為20個.圖4（a）是RMSE隨選取的有效波長的變化情況，從圖4（a）中可以看出，當提取的有效波長數(shù)增加到20個時，RMSE值達到最小為0.124 6，因此，采用SPA算法提取了20個特征波長.與全波段相比，基于SPA算法提取的特征波長只占全波段變量數(shù)的8.9%（圖4（b））.

圖4 SPA算法中RMSE值隨最佳波長數(shù)的變化和特征波長的分布Fig.4 Variation of RMSE with the number of optimal wavelengths and the distribution of optimal wavelengths selected by SPA

2.2.3 采用競爭自適應重加權(quán)算法（CARS）提取特征波長 在應用CARS算法進行特征波長選擇時，設置用于交叉驗證的最大潛在變量（LVs）數(shù)為30，蒙特卡羅采樣次數(shù)為100.采用10折交叉驗證計算PLS模型的交叉驗證均方根誤差（RMSECV），并根據(jù)RMCECV最小的原則選出的最優(yōu)變量的組合.CARS方法進行特征波長選擇的過程如圖5所示，圖5a為變量數(shù)隨采樣次數(shù)的變化圖，總體來說隨著采樣次數(shù)的增加，變量數(shù)減小，但是變量數(shù)在前期銳減，后期變得明顯緩慢，說明變量的選擇是一個前期粗選、后期精選的過程.在圖5b中，當采樣次數(shù)為17時，PLS模型的RMSECV達到最小為0.089，這表明采樣次數(shù)在1～17過程中在剔除無關的變量，而之后RMSECV增加，說明剔除了重要的光譜信息.圖5c是變量選擇過程中各波長變量相關系數(shù)的變化趨勢，每一條線代表一個變量隨著采樣次數(shù)變化的回歸系數(shù)路徑，最長的豎線對應了圖5b中采樣次數(shù)為17時RMSECV的最小值.CARS算法選擇的33個特征波長，如圖6所示.

圖5 CARS算法中特征波長的提取過程Fig.5 Process of CARS wavelength extraction

圖6 CARS算法選擇的特征波長分布Fig.6 Distribution of optimal wavelengths selected by CARS

綜上所述，X-LW、SPA和CARS三種波長選擇方法分別提取了9、20、33個特征波長，選擇的特征波長如表2所示.

表2 X-LW、SPA和CARS法提取的特征波長Tab.2 The optimal wavelengths selected by X-LW，SPA，and CARS

2.3 建立紅景天的分類判別模型在建立紅景天分類識別模型前，首先將所有的大花紅景天和狹葉紅景天樣本進行類別賦值，并采用Sample set partitioning based on jointx-ydistances法（SPXY）將經(jīng)過預處理的紅景天樣本數(shù)據(jù)按照3∶1的比例劃分為訓練集和測試集，訓練集和測試集分別包含60個紅景天樣本和20個紅景天樣本.在建立PLS-DA模型時，將0.5作為紅景天類別判定的閾值，即類別賦值與預測值之差的絕對值小于0.5則判別分類正確，否則錯誤.神經(jīng)網(wǎng)絡同樣采用0.5作為樣本分類的閾值.例如，大花紅景天的類別賦值向量為［0，1］，如果預測類別向量［y1，y2］中y2值大于0.5，y1小于0.5，說明該樣本的分類是正確的.樣本的賦值和劃分結(jié)果，如表3所示.

表3 大花紅景天和狹葉紅景天賦值和訓練集、測試集劃分Tab.3 Class assignment and division of training sets and testing sets of Rhodiola crenulata and Rhodiola kirilowii

2.3.1 基于全波長和特征波長的偏最小二乘分析（PLS-DA）判別模型 分別基于全波長、X-LW、SPA、CARS方法選擇的特征波長，以訓練集為輸入建立PLS-DA判別模型.LVs的個數(shù)是影響PLS-DA性能的關鍵因素，它是通過完全交叉驗證確定的.由于訓練集被劃分為校準集和驗證集，因此，根據(jù)校準集相關系數(shù)（）、驗證集相關系數(shù)（）值最大，校準均方根誤差（RMCEC）、驗證均方根誤差（RMCEV）最小的原則確定LVs的個數(shù).基于全波長和特征波長建立的PLS-DA判別模型的LVs、、、RMSEC和RMSEP值見表4.比較4種判別模型的、RMSEC和RMSEP，可以看出，全波長-PLS-DA判別模型（＝0.98、＝0.91，RMSEC＝0.06，RMSEP＝0.15）和CARS-PLS-DA判別模型（＝0.96＝0.94，RMSEC＝0.09，RMSEP＝0.12）的校正性能和預測性能明顯優(yōu)于SPA-PLS-DA判別模型＝0.92＝0.80，RMSEC＝0.14，RMSEP＝0.23），在3個判別模型中X-LW-PLS-DA的性能最差（＝0.79、＝0.74，RMSEC＝0.23，RMSEP＝0.26）.

表4 PLS-DA判別模型校準集和驗證集的指標值Tab.4 Indices value of the calibration and the validation in PLS-DA model

在PLS-DA判別模型預測結(jié)果中，全波長-PLSDA、SPA-PLS-DA、CARS-PLS-DA判別模型均實現(xiàn)了所有訓練集和測試集樣本的正確分類，而X-LWPLS-DA判別模型錯誤分類了一個測試集樣本，即1個樣本的閾值大于0.5.因此，SPA和CARS選擇的特征波長可以代替全波長建立PLS-DA模型進行紅景天的分類判別.

2.3.2 基于全波長和特征波長的概率神經(jīng)網(wǎng)絡（PNN）判別模型 基于全波長和特征波長建立PNN分類判別模型，在PNN中唯一需要調(diào)整的參數(shù)就是徑向基函數(shù)的分布密度，因此，本文以步長0.01，在0.01到0.1區(qū)間內(nèi)采用循環(huán)遍歷法選擇不同的徑向基函數(shù)進行試驗，分別計算訓練集和測試集的預測值和真實值的均方誤差（MSE），根據(jù)MSE最小的原則選擇最優(yōu)的分布密度值，其尋優(yōu)結(jié)果見表5.比較4種判別模型訓練集和測試集的MSE值，可以看出，F(xiàn)ULL-PNN和CARS-PNN判別模型對訓練集和測試集的預測，它們的MSE值均為0，明顯優(yōu)于其他2個模型.而SPA-PNN判別模型雖然對測試集預測的MSE值與X-LW-PNN相同，但是對訓練集的預測略優(yōu)于X-LW-PNN模型.因此，CARS特征波長提取方法可以代替全波長建立PNN模型進行紅景天的分類判別.

表5 基于全波長和特征波長的PNN判別模型參數(shù)優(yōu)化Tab.5 Parameter optimization of PNN model based on full wavelengths and optimal wavelengths

2.3.3 基于全波長和特征波長的廣義回歸神經(jīng)網(wǎng)絡（GRNN）判別模型 廣義回歸神經(jīng)網(wǎng)絡中徑向基函數(shù)的分布密度值也是影響模型分類精度的重要參數(shù)，因此，同樣采用循環(huán)遍歷法在0.01～0.1區(qū)間內(nèi)選擇不同的spread值進行試驗，計算均方誤差（MSE）值見表6，可知X-LW-PNN、SPA-PNN、CARSPNN這3種判別模型均在spread值為0.01時，訓練集和測試集預測值和真實值的MSE最小，而全波長-GRNN在spread值為0.04時MSE值最小.除此之外，基于全波長和特征波長建立的GRNN模型預測性能均劣于校正性能，且3種模型的校準性能和預測性能的排序如下：CARS-GRNN＞全波長-GRNN＞SPA-GRNN＞X-LW-GRNN.

表6 基于全波長和特征波長的GRNN判別模型參數(shù)優(yōu)化Tab.6 Parameter optimization of GRNN model based on full wavelengths and optimal wavelengths

2.3.4 PLS-DA、PNN和GRNN判別模型比較分析 將0.5作為紅景天類別判定的閾值，并分別計算基于全波長、X-LW、SPA和CARS方法提取的特征波長建立的PLS-DA、PNN和GRNN識別模型對訓練集和測試集的分類準確率，總結(jié)見表7.

表7 基于全波長和特征波長的PLS-DA、PNN和GRNN模型分類的正確率Tab.7 Classification accuracy of PLS-DA，PNN，and GRNN based on full wavelengths and optimal wavelengths

由表7可知，首先，基于全波長和X-LW、SPA和CARS方法提取的特征波長，建立的PLS-DA、PNN和GRNN識別模型對大花紅景天和狹葉紅景天的識別率均大于或等于90%，說明可以采用高光譜成像技術(shù)結(jié)合化學計量學對2種紅景天進行品種鑒別.其次，基于全波長和CARS算法提取特征波長的PLS-DA、PNN和GRNN識別模型均能夠?qū)崿F(xiàn)2種紅景天所有訓練集和測試集樣本的正確分類，分類識別準確率達到100%，而其他2種波長提取方法建立的模型對訓練集和測試集的分類識別準確率均有一定的下降，且基于SPA提取的特征波長建立的3種識別模型的分類識別準確率均略優(yōu)于X-LW，因此，3種波長提取方法的分類識別準確率為CARS算法＞SPA算法＞X-LW.為了減少計算量和精簡識別模型，可以采用CARS算法提取的特征波長代替全波長建立判別模型對紅景天進行準確的分類與鑒別.

3 結(jié)束語

本文基于高光譜成像技術(shù)結(jié)合PLS-DA與神經(jīng)網(wǎng)絡模式識別方法，建立了大花紅景天和狹葉紅景天的無損、快速和準確的分類與鑒別方法.采用波長范圍為935～1 720 nm的高光譜成像系統(tǒng)進行大花紅景天和狹葉紅景天的反射光譜采樣，在經(jīng)過MSC方法進行光譜預處理后，分別運用X-LW、SPA和CARS方法提取特征波長簡化識別模型，分析比較基于全波長和特征波長建立的PLS-DA、PNN和GRNN識別模型對大花紅景天和狹葉紅景天分類性能的影響.研究結(jié)果表明，CARS算法優(yōu)于SPA算法和X-LW方法，且基于全波長和CARS提取的特征波長分別建立的PLS-DA、PNN和GRNN識別模型能達到最優(yōu)的判別效果，6種模型對所有紅景天樣本的訓練集和測試集的分類的正確率均達到100%.因此，建立的基于高光譜成像技術(shù)結(jié)合PLSDA與神經(jīng)網(wǎng)絡模式識別分析方法，能夠?qū)崿F(xiàn)大花紅景天和狹葉紅景天的無損、快速和準確的分類與鑒別，為紅景天藥材的質(zhì)量控制、品種鑒別和臨床應用奠定基礎.