朱培培 田芳明,2 譚 峰 馬文寶 嚴(yán)陳慧子

(黑龍江八一農(nóng)墾大學(xué)信息與電氣工程學(xué)院1，大慶 163319)(農(nóng)業(yè)部農(nóng)產(chǎn)加工品質(zhì)量監(jiān)督檢驗測試中心2，大慶 163316)

黑龍江省粳稻產(chǎn)量占全國50%以上，近年來由于我國退耕還林政策和農(nóng)業(yè)種植結(jié)構(gòu)調(diào)整優(yōu)化，導(dǎo)致水稻種植面積有所降低，故需要最大限度的對其產(chǎn)量進(jìn)行提升，但因種子市場混雜，由種子質(zhì)量問題而產(chǎn)生的糾紛屢見不鮮，種子質(zhì)量的好壞直接關(guān)系到水稻產(chǎn)量的高低及品質(zhì)的優(yōu)劣，每年因其造成很大的經(jīng)濟(jì)損失，因此，對其進(jìn)行品種鑒別一直是農(nóng)業(yè)生產(chǎn)、種子檢測和作物育種中的重要問題。

傳統(tǒng)的種子品種檢測方法如形態(tài)鑒定、顯微鑒定、微形態(tài)鑒定及微性狀鑒定，其操作簡單，但是由于種子的鑒定特征在各個科屬中存在的變異很難達(dá)到鑒別種子的目的[1]。逐漸發(fā)展起來的SSR分子標(biāo)記法對水稻品種檢測可靠性高[2]，但該方法操作復(fù)雜，對操作人員技術(shù)水平要求較高，且無法批量分析。因此，簡便、高效快捷地獲取品種機(jī)理信息是解決農(nóng)業(yè)上鑒別種子品種類別的重要手段。

快速、便捷、高效是光譜分析技術(shù)迅速在品種鑒別領(lǐng)域得到廣泛發(fā)展的原因之一。目前，應(yīng)用于水稻品種鑒別的設(shè)備和技術(shù)主要包括近紅外光譜技術(shù)、高光譜技術(shù)、圖像、多光譜成像技術(shù)等[3-9]，拉曼光譜因操作便捷，靈敏度高、重現(xiàn)性好的特性和優(yōu)勢，使得該技術(shù)在文物考古[10]、石油化工[11]、醫(yī)藥[12-14]、食品[15，16]等領(lǐng)域獲得了推廣和應(yīng)用。

目前，基于拉曼光譜技術(shù)的水稻品種鑒別方法主要以南方水稻為研究對象[17]，通過秈稻進(jìn)行品種鑒別，取得了良好的鑒別效果，但是該方法僅對秈稻與粳稻進(jìn)行區(qū)分。應(yīng)用拉曼光譜技術(shù)與化學(xué)計量學(xué)方法結(jié)合[18]雖實現(xiàn)對粳稻品種間鑒別，但是鑒別地域分布較為廣泛。近紅外光譜技術(shù)[19]可以準(zhǔn)確、快速地針對寒地粳稻種子品種鑒別，但鑒別品種種類較少(3種)，對多品種粳稻種子的鑒別需要進(jìn)一步探究。

國內(nèi)外很多學(xué)者利用拉曼光譜、近紅外光譜技術(shù)對粳稻、秈稻以及糯稻等水稻品種進(jìn)行了大量的研究[20-22]，而多種類品種的粳稻種子鑒別較秈稻、糯稻復(fù)雜，在關(guān)于品種的水稻種子鑒別中開展南方水稻、雜交水稻和寒地少種類品種鑒別等研究較多，而關(guān)于寒地多種類品種的粳稻種子鑒別相對較少。因此，開展寒地多品種粳稻種子的拉曼光譜鑒別方法研究具有重要的應(yīng)用價值。

1 材料與方法

1.1 材料

實驗選用黑龍江省2019年主要種植的10粳稻種子為研究對象，樣品由黑龍江省農(nóng)業(yè)科學(xué)院提供，品種分別是墾稻32、龍粳21、龍粳29、龍粳31、綏粳18、綏粳27、中科902、空育131、墾稻41、龍粳46。

1.2 儀器

實驗使用Advantage 532臺式拉曼光譜儀，分辨率為1.4 cm-1，測量范圍為200～3 400 cm-1，結(jié)合ProScope HR軟件獲取樣本圖像信息。因種子外部包裹著谷殼，拉曼光譜儀器無法穿透其谷殼直接進(jìn)行光譜信息采集，故對水稻種子應(yīng)用LJJM-2011精米機(jī)碾磨50 s，去除外部谷殼獲得大米備用，數(shù)據(jù)分析軟件采用Matlab2018a實現(xiàn)。

1.3 方法

1.3.1 實驗方法

對精米機(jī)碾磨完成的樣本進(jìn)行挑選，去除破損、干癟、畸形等大米；將挑選完成每種樣品存儲在不同編號的密封袋中，以減少外界因素對實驗結(jié)果的影響；從每種樣品中隨機(jī)選取20粒作為該品種樣本集；利用拉曼光譜儀對每種樣品集中每個樣本中部進(jìn)行3次光譜數(shù)據(jù)采集，取平均光譜作為該樣本的最終光譜值。

1.3.2 樣品劃分方法

實驗采用光譜-理化共生距離(SPXY)樣本劃分法將預(yù)處理數(shù)據(jù)劃分為訓(xùn)練集和測試集，其中訓(xùn)練集樣本數(shù)為134個，測試集樣本數(shù)為66個。

2 結(jié)果與分析

2.1 光譜數(shù)據(jù)預(yù)處理分析

實驗獲取了200～3 400 cm-1的光譜信息，由于200～400 cm-1和3 200～3 400 cm-1范圍內(nèi)無特征峰，為提高分類效果，將上述波段去除，保留400～3 200 cm-1的光譜信息作為原始光譜數(shù)據(jù)，如圖1a所示。經(jīng)過SG平滑、AIRPLS、一階導(dǎo)(1-Der)、二階導(dǎo)(2-Der)、MC數(shù)據(jù)預(yù)處理方法后光譜如圖1b～圖1f，由預(yù)處理結(jié)果可以看出，在400～3 200 cm-1波段范圍內(nèi)，水稻樣本的光譜曲線形狀相似，無法從光譜曲線上對品種進(jìn)行直觀區(qū)分，需要通過數(shù)學(xué)建模方法進(jìn)行鑒別分析。

圖1水稻樣本預(yù)處理前后光譜分布

2.2 基于光譜預(yù)處理的建模分析

分別利用PLSDA和SVM方法對原始光譜數(shù)據(jù)和預(yù)處理數(shù)據(jù)進(jìn)行建模，結(jié)果如表1和表2所示，基于原始光譜所建立的PLSDA模型比SVM模型測試集準(zhǔn)確率高37.87%。SG、MC和SG+MC在每個模型中鑒別準(zhǔn)確率分別為72.73%、95.45%和56.06%，其中SG和SG+MC在每個模型中鑒別效果均為最低，可能是因為SG只是對光譜數(shù)據(jù)進(jìn)行平滑，MC是使數(shù)據(jù)變?yōu)榫禐?的數(shù)據(jù)(故準(zhǔn)確率與原光譜相同)，兩者都沒有對光譜數(shù)據(jù)中無關(guān)信息或噪聲問題處理。除以上情況外的10種預(yù)處理組合方法中，兩種模型測試集準(zhǔn)確率均達(dá)到89%以上，說明預(yù)處理后水稻品種信息在模型中均能較好的進(jìn)行表達(dá)。

表1 基于PLSDA方法的不同預(yù)處理數(shù)據(jù)建模鑒別結(jié)果

表2 基于SVM方法的不同預(yù)處理方法建模鑒別結(jié)果

AIRPLS+SG、AIRPLS+1-Der、AIRPLS+MC、AIRPLS+SG+MC和AIRPLS+1-Der+MC五種方法在兩種模型中測試集準(zhǔn)確度均能分別達(dá)到95.45%和96.97%，但是AIRPLS+SG、AIRPLS+MC和AIRPLS+SG+MC方法在PLSDA模型中訓(xùn)練集均出現(xiàn)誤判；AIRPLS+1-Der和AIRPLS+1-Der+MC兩種方法雖然在兩種模型中訓(xùn)練集準(zhǔn)確度均為100%，測試集準(zhǔn)確度分別達(dá)到95.45%和96.97%，但由于AIRPLS+1-Der方法相比較AIRPLS+1-Der+MC程序簡單，建模也相對簡便。因此，后續(xù)研究選擇AIRPLS+1-Der 組合的預(yù)處理方法進(jìn)行深入建模分析。

2.3 特征波段提取分析

2.3.1 SPA提取特征波段

由于原始及預(yù)處理數(shù)據(jù)量大，故研究特征提取方法，以減少建模數(shù)據(jù)量。采用SPA方法對樣本拉曼光譜數(shù)據(jù)進(jìn)行特征波段提取，結(jié)果如圖2所示，最佳特征波數(shù)(圖2b中“□”所對應(yīng)的橫坐標(biāo))對應(yīng)均方根誤差(RMSE)=1.722 6最小時個數(shù)為38，說明提取的特征波段包含粳稻種子的品種差別信息和真實值相比具有較高的相似性，因此，選取該38個波段及對應(yīng)強(qiáng)度值作為后續(xù)建模數(shù)據(jù)。

圖2 SPA提取特征波段

2.3.2 SR提取特征波段

利用 SR 特征提取算法提取特征波段，使最終樣本集包含所有對因變量顯著的變量，且包含的自變量要盡可能的少，最終得到一個最優(yōu)的變量集合。

設(shè)n為觀測樣本數(shù)，X=(x1,x2,x3,…xm)為所有自變量構(gòu)成的集合，A={xi1,xi2,xi3,…,xil}為X的子集，其中，m為自變量，xi獨立抽取的樣本，xil為獨立抽取的樣本數(shù)。

在計算過程中首先應(yīng)使均方差S2最?。?/p>

(1)

其中，SE(A)為殘差平方和。在此基礎(chǔ)上遵循BIC準(zhǔn)則，即BIC最小；

(2)

最后遵循R2準(zhǔn)則：使R2最大；

(3)

最終通過逐步回歸選取特征變量數(shù)為123個。

2.3.3 CARS提取特征波段

使用CARS算法(設(shè)置蒙特卡洛采樣次數(shù)為50)進(jìn)行特征選取后結(jié)果如圖3所示。由于指數(shù)衰減函數(shù)EDP的作用，在前5次采樣中波段變量數(shù)減小的速度較快，隨后逐漸變緩，表明其在特征變量選取中具有“粗選”和“精選”兩個階段。在采樣次數(shù)的增加初始階段，五折交互驗證RMSECV值逐漸變小，表明大量與水稻品種鑒別無關(guān)或部分共線的信息被剔除。在采樣次數(shù)為 15時 RMSECV取得最小值[圖3c中“*”垂線標(biāo)示]，隨著采樣次數(shù)的增加，RMSECV值逐漸增加，說明模型性能隨著光譜數(shù)據(jù)中關(guān)鍵信息的刨除逐漸變差。因此取第15次MC采樣后獲得的變量確定為預(yù)測水稻品種鑒別的特征波段變量，共353個。

圖3 CARS提取特征波段

2.4 基于特征提取的建模與模型運行時間分析

模型運行時間是衡量其好壞的一個重要因素，基于特征提取數(shù)據(jù)建模效果與模型運行時間分析見表3和表4。所有模型的訓(xùn)練集識別效果較好；基于CARS的特征提取方法建模效果好于其他幾種，基于SPA和SR的特征提取方法，雖然降低了建模數(shù)據(jù)維數(shù)，但建模準(zhǔn)確率較原始光譜差；SR特征提取數(shù)據(jù)建立的模型運行時間最短，CARS的次之，SPA的最長；相同的數(shù)據(jù)集，SVM方法建模的訓(xùn)練集與測試集鑒別準(zhǔn)確率明顯優(yōu)于PLSDA方法，但在模型運行時間上，SVM方法略顯劣勢。

表3 基于不同特征波段提取方法所建PLSDA模型的鑒別結(jié)果

表4 基于不同特征波段提取方法所建SVM模型的鑒別結(jié)果

3 結(jié)論

本研究選用黑龍江省主要種植的10個品種的粳稻進(jìn)行分類鑒別方法研究。在探究13種預(yù)處理方法及組合對模型影響中，AIRPLS+1-Der組合的預(yù)處理數(shù)據(jù)建模準(zhǔn)確率高達(dá)96.97%；在探究3種光譜特征提取方法和運行時間對模型影響中，CARS提取的特征波段在模型中預(yù)測效果優(yōu)于其他算法。特征提取算法中， SVM模型在此條件下，更適合對寒地多品種粳稻種子的拉曼光譜鑒別。

AIRPLS+1-Der的預(yù)處理方法和CARS特征提取方法在2種模型中均能實現(xiàn)對粳稻種子的快速鑒別，拉曼光譜技術(shù)滿足了對黑龍江省多種類(10種) 品種粳稻種子高效、快捷、準(zhǔn)確鑒別的要求。因此，本實驗可為進(jìn)一步開展拉曼光譜技術(shù)在其他農(nóng)作物農(nóng)業(yè)生產(chǎn)、種子檢測和作物育種提供參考。