楊雨圖，熊杰，司萬，方會敏，黃玉萍

(1.南京林業(yè)大學(xué)機(jī)械電子工程學(xué)院，南京市，210037；2.江蘇大學(xué)農(nóng)業(yè)工程學(xué)院，江蘇鎮(zhèn)江，212013)

0 引言

板栗營養(yǎng)價值與藥用價值高，它富含蛋白質(zhì)、碳水化合物、維生素以及礦物質(zhì)元素，是一種較為理想的食品、藥品加工原料[1-3]，一直深受廣大消費者的喜愛。我國盛產(chǎn)板栗，且種植分布廣泛[4-5]，在復(fù)雜的氣候和地理條件下，不同產(chǎn)地板栗之間的大小、品質(zhì)、口感有明顯差異，價格也顯著不同，因此，急需研究板栗產(chǎn)地識別技術(shù)對其進(jìn)行快速分級，從而適應(yīng)市場需求。

目前，常見的板栗品種檢測方法主要有人工鑒別法和分析化學(xué)檢測法。人工鑒別法通過直接觀察板栗的外表性狀特征，如堅果形狀、果面光澤、果面絨毛等判別板栗的產(chǎn)地。然而，采用人工鑒別的方式不僅效率低下，耗用大量人力資源，而且經(jīng)常會受到人的主觀意識的影響，降低了判別的準(zhǔn)確性。分析化學(xué)檢測法則是測定板栗的化學(xué)成分從而對板栗的產(chǎn)地進(jìn)行識別。分析化學(xué)檢測方式雖然檢測準(zhǔn)確率高，但速度較慢，且需要破壞板栗果實的完整性和可食用性，只能進(jìn)行小批量抽樣檢測，不適合規(guī)模化、工業(yè)化的食品加工產(chǎn)業(yè)。

近紅外光譜技術(shù)具有快速、無損、無需樣品制備等優(yōu)點，被廣泛用于食品定性和定量檢測中。何勇等[6]采用近紅外光譜技術(shù)結(jié)合主成分分析法，建立人工神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)對楊梅品種的快速識別，識別率達(dá)到95%。李曉麗等[7]采用350～1 075 nm的可見/近紅外光譜鑒別水稻的5個品種，應(yīng)用小波變換進(jìn)行光譜預(yù)處理，主成分分析降維結(jié)合反向傳播人工神經(jīng)算法，識別率達(dá)到96%。陳建等[8]在1 000～2 632 nm光譜區(qū)間對玉米品種進(jìn)行判別分析，比較分析多種光譜預(yù)處理(如Savitzky-Golay平滑、多重散射校正)對分類結(jié)果的影響，最優(yōu)分類結(jié)果達(dá)到95%。此外，也有一些學(xué)者運用近紅外光譜技術(shù)，通過不同的數(shù)學(xué)模型對食品[9-15]、土壤[16-20]、藥物[21-25]等成分特性進(jìn)行研究。一些研究報道了近紅外光譜分析技術(shù)能夠被用于檢測板栗樣品，但大都集中在板栗化學(xué)組分的定量分析，在識別產(chǎn)地等方面定性分析的研究相對較少。

因此，本研究將采用可見/近紅外光譜技術(shù)在600～1 100 nm光譜區(qū)間對板栗的產(chǎn)地進(jìn)行判別分析。由于采集到的光譜信息中還摻雜著噪聲和雜散光等，需要通過光譜預(yù)處理方法對數(shù)據(jù)進(jìn)行校正，提高信噪比。另外，不同波長點對樣品的響應(yīng)特性也存在差異，研究不同波長范圍對板栗產(chǎn)地的識別將有助于提高板栗的分級速度。

1 板栗光譜采集與分析

1.1 試驗樣品

試驗所用的200個板栗樣品均購買于南京市場，河北和安徽產(chǎn)地的板栗樣品各100個(圖1)。購買后將樣品置于溫度為4 ℃的冰箱內(nèi)保存。試驗前一天晚上將樣品取出，放置室溫一晚以備第二天光譜采集試驗。

(a)安徽板栗

1.2 近紅外光譜采集

本試驗使用SupNIR-1100型光柵掃描式近紅外光譜分析儀采集每個板栗樣品的近紅外反射光譜，光譜波長范圍為600～1 100 nm，積分時間設(shè)置為80 ms，光譜平均次數(shù)為3次、分辨率為1 nm。試驗過程中，環(huán)境溫度在25 ℃左右，采集反射率為98%的白板光譜，將其作為參比光譜，再將樣品放置于容器中依次掃描完成。

1.3 光譜預(yù)處理與建模分析

為避免系統(tǒng)誤差，本試驗采用相對光譜Sr建模分析，如式(1)所示。

(1)

式中：S——樣品原始光譜；

W——參比光譜；

D——暗場光譜。

1.3.1 光譜預(yù)處理

標(biāo)準(zhǔn)正態(tài)變量變換(Standard Normal Variate，SNV)，主要用于消除光譜數(shù)據(jù)中因樣品大小不一、表面散射及光程差異產(chǎn)生的影響。SNV與標(biāo)準(zhǔn)化算法的計算類似，區(qū)別在于SNV對光譜矩陣的行進(jìn)行變換，標(biāo)準(zhǔn)化則是對列進(jìn)行變換。計算公式如式(2)～式(4)所示。

(2)

(3)

(4)

σi——第i個樣本光譜的標(biāo)準(zhǔn)差；

n——波長點數(shù)。

Savitzky-Golay平滑屬于低通濾波器，常被應(yīng)用于數(shù)據(jù)流平滑去噪，在去除噪音的同時能夠確保數(shù)據(jù)的主要信息不受影響。Savitzky-Golay平滑是通過多項式對移動窗口內(nèi)的數(shù)據(jù)使用最小二乘法進(jìn)行擬合，算出窗口內(nèi)中心點關(guān)于其周圍點的加權(quán)平均和。使用Savitzky-Golay平滑時，窗口寬度與擬合次數(shù)的選取至關(guān)重要，其直接決定了Savitzky-Golay平滑的微分點數(shù)，若微分點數(shù)過小，噪音無法完全去除，則達(dá)不到理想效果；反之，若微分點數(shù)過大，使數(shù)據(jù)過于平滑，導(dǎo)致數(shù)據(jù)所帶的特征信息缺失，建模的可靠性就會降低。

導(dǎo)數(shù)處理也是光譜預(yù)處理常用的方法之一，例如差分求導(dǎo)，就是一種最簡單的離散數(shù)據(jù)求導(dǎo)法。使用此方法會使輸出矩陣維數(shù)減少，為解決此問題，一般在預(yù)處理前在矩陣頭或尾增加一列或兩列相同數(shù)據(jù)。

1.3.2 建模方法

本研究采用MATLAB 2018a分析軟件結(jié)合PLS Toolbox 8.2建立板栗產(chǎn)地的偏最小二乘判別分析(PLSDA)模型。偏最小二乘判別分析是一種有監(jiān)督模式識別的多元統(tǒng)計分析方法，其優(yōu)點是能夠減少變量間多重共線性產(chǎn)生的影響。

200個板栗被隨機(jī)分在校正集(150個板栗樣品)和驗證集(50個板栗樣品)。分別建立不同光譜預(yù)處理下的PLSDA數(shù)學(xué)模型，比較各模型的性能，運用威尼斯百葉窗交叉驗證法，并根據(jù)最小交叉驗證分類誤差確定最佳潛在變量數(shù)量。

2 結(jié)果與分析

2.1 光譜分析

圖2(a)顯示了所有板栗樣品的可見/近紅外光譜，各光譜間差異較難分辨。從圖2(a)中可以發(fā)現(xiàn)，600～750 nm以及1 000～1 100 nm區(qū)間的光譜不夠光滑，這種現(xiàn)象同樣也出現(xiàn)在圖2(b)和圖2(c)中，這可能是由于噪聲導(dǎo)致的。但經(jīng)過Savitzky-Golay平滑處理后，噪聲影響相對較少，光譜曲線也相應(yīng)變得光滑，如圖2(c)所示。經(jīng)過標(biāo)準(zhǔn)正態(tài)變量變換預(yù)處理后，光譜的形狀發(fā)生變換，尤其在靠近800 nm處。此外，經(jīng)過標(biāo)準(zhǔn)正態(tài)變量變換后，在970 nm處的水分吸收峰變得更加明顯。經(jīng)過一階求導(dǎo)后，光譜曲線值大部分集中在0點位置。

(a)原始光譜

分別將100個安徽板栗和100個河北板栗的可見/近紅外光譜圖進(jìn)行平均，如圖3所示。

(a)兩產(chǎn)地板栗原始平均光譜

獲得的兩條可見/近紅外平均光譜圖，如圖3(a)所示，不同產(chǎn)地的板栗光譜曲線存在差異，尤其在750～1 000 nm區(qū)間，這說明不同產(chǎn)地的板栗成分和物理結(jié)構(gòu)可能不同。經(jīng)過標(biāo)準(zhǔn)正態(tài)變量變換預(yù)處理后，增加了兩種板栗光譜曲線的差異性，如圖3(b)所示。經(jīng)過Savitzky-Golay平滑后，光譜曲線變得更平滑，尤其在光譜的端部(600～750 nm和1 000～1 100 nm)，而形狀與原始光譜未有太大差異。但經(jīng)過一階導(dǎo)數(shù)預(yù)處理后，光譜的形狀有了較大改變，光譜端部變化較大，這可能是由于噪聲引起的。

2.2 基于可見/近紅外光譜的板栗產(chǎn)地的識別

表1顯示了基于偏最小二乘判別分析(PLSDA)模型全波長條件下不同光譜預(yù)處理對板栗產(chǎn)地的判別結(jié)果。原始光譜建立的PLSDA模型對板栗產(chǎn)地識別的決定系數(shù)為0.859，驗證集決定系數(shù)為0.839，校正集和驗證集的均方根誤差分別為0.188和0.204。經(jīng)過SNV光譜預(yù)處理后，校正集決定系數(shù)提高了2.8%，均方根誤差減少了9.0%，但驗證集的決定系數(shù)提高不明顯，僅為1.0%左右，而均方根誤差也僅減少了3.4%。相較于SNV，一階導(dǎo)數(shù)光譜預(yù)處理可以進(jìn)一步提高校正集和驗證集的決定系數(shù)，其決定系數(shù)分別為0.884和0.863，比原始光譜建立的PLSDA模型均提高2.9%，同時，校正集和驗證集的均方根誤差分別降低了9.6%和6.4%。然而，當(dāng)經(jīng)過Savitzky-Golay平滑光譜預(yù)處理后，校正集和驗證集的決定系數(shù)反而減小了5.2%和11.6%，且均方根誤差分別增大了14.9%和27.9%，這可能是由于平滑處理使得數(shù)據(jù)所帶的特征信息缺失，導(dǎo)致模型的可靠性降低。綜上所述，光譜預(yù)處理對模型的性能影響較大，合適的光譜預(yù)處理能夠有效提高模型的可靠性。

表1 基于偏最小二乘判別分析模型全波長條件下各光譜預(yù)處理對板栗產(chǎn)地的校正集和驗證集識別結(jié)果Tab.1 Classification results for chestnut geographic origin based on PLSDA models using different spectral preprocessing methods at full wavelength range for calibration and prediction sets

表2顯示了在600～1 100 nm光譜區(qū)間，基于PLSDA模型，各光譜預(yù)處理的校正集和驗證集的敏感性與特異性統(tǒng)計分析。不管是校正集還是驗證集，原始光譜、SNV光譜預(yù)處理和一階導(dǎo)數(shù)預(yù)處理的敏感性和特異性都一樣，校正集中安徽板栗和河北板栗的敏感性分別為1和0.973，特異性分別為0.973和1。驗證集中安徽板栗和河北板栗的敏感性和特異性均為1，說明PLSDA模型能100%識別驗證集中兩個產(chǎn)地的板栗。而Savitzky-Golay平滑預(yù)處理的敏感性和特異性相對較差，校正集中安徽板栗和河北板栗的敏感性分別為0.987和0.945，特異性為0.945和0.987，驗證集中敏感性分別為1和0.889，而特異性為0.889和1，相對較低的敏感性和特異性可能是由于模型可靠性不高導(dǎo)致的。

表2 基于偏最小二乘判別分析模型全波長條件下各光譜預(yù)處理的敏感性與特異性分析Tab.2 Performance of the PLSDA models developed by different spectral preprocessing methods at full wavelength range

由圖2可知，光譜曲線端部(600～750 nm以及1 000～1 100 nm)信噪比較弱，且750～1 000 nm光譜區(qū)間兩個產(chǎn)地板栗的差異較大，見圖3。因此，選取750～1 000 nm區(qū)間的光譜再次建模分析，結(jié)果如表3所示。相較于表1，雖然原始光譜的校正集的決定系數(shù)沒有改變，但驗證集的決定系數(shù)提高了3.2%，均方根誤差減少了8.3%，說明噪聲會影響模型的性能。另外，各光譜預(yù)處理在消除噪聲影響后，不管是校正集還是驗證集，決定系數(shù)均有所提高，均方根誤差降低。針對驗證集，提高最為明顯的是Savitzky-Golay平滑預(yù)處理，決定系數(shù)提高了16.3%，均方根誤差減少了27.6%。相較于一階導(dǎo)數(shù)預(yù)處理后，驗證集提高并不明顯，而校正集決定系數(shù)提高3.3%，均方根誤差降低了13.5%。經(jīng)過SNV光譜預(yù)處理，校正集和驗證集均有較為平穩(wěn)的提高，決定系數(shù)分別提高了2.3%和4.3%，均方根誤差降低了8.8%和10.2%。

表3 基于偏最小二乘判別分析模型在750～1 000 nm波長范圍各光譜預(yù)處理對板栗產(chǎn)地的校正集和驗證集識別結(jié)果Tab.3 Classification results for chestnut geographic origin based on PLSDA models using different spectral preprocessing methods over the spectral range of 750～1 000 nm for calibration and prediction sets

表4顯示了在750～1 000 nm波長區(qū)間，經(jīng)過各光譜預(yù)處理，基于PLSDA模型對兩個產(chǎn)地板栗的敏感性與特異性的統(tǒng)計分析。原始光譜和Savitzky-Golay平滑預(yù)處理的校正集和驗證集的敏感性和特異性均達(dá)到最優(yōu)，說明這兩種光譜建立的PLSDA模型對板栗產(chǎn)地的識別率最優(yōu)，校正集和驗證集識別率均可達(dá)到100%。經(jīng)過SNV預(yù)處理，雖然校正集的敏感性和特異性能達(dá)到1，但驗證集中的河北板栗的敏感性與安徽板栗的特異性均只有0.963，這是由于有一個河北板栗被誤判到安徽板栗。然而，經(jīng)過一階導(dǎo)數(shù)預(yù)處理，不管是校正集還是驗證集，敏感性與特異性均沒有達(dá)到最優(yōu)，這主要是因為在校正集中，有一個河北板栗被誤判到安徽板栗，而在驗證集中，有一個安徽板栗被誤判到河北板栗。

表4 基于偏最小二乘判別分析模型750～1 000 nm波長范圍各光譜預(yù)處理的敏感性與特異性分析Tab.4 Performance of the PLSDA models developed by different spectral preprocessing methods over the spectral range of 750～1 000 nm

3 結(jié)論

分析比較不同光譜預(yù)處理所建立的偏最小二乘判別分析模型對板栗產(chǎn)地的識別能力，結(jié)果表明，光譜預(yù)處理對板栗產(chǎn)地的識別具有影響，一階導(dǎo)數(shù)對全波長數(shù)據(jù)較有效，兩產(chǎn)地板栗的預(yù)測決定系數(shù)均能達(dá)到0.863。對比全波長與近紅外光譜區(qū)域光譜建立的偏最小二乘判別分析模型的性能，結(jié)果顯示，波長為750～1 000 nm的近紅外光譜區(qū)域光譜對板栗產(chǎn)地的識別更具有優(yōu)勢，原始光譜和Savitzky-Golay平滑光譜建立的偏最小二乘判別分析模型的敏感性與特異性均能達(dá)到1，說明750～1 000 nm區(qū)域的光譜能有效鑒別板栗的產(chǎn)地。