趙茂程 吳澤本 汪希偉,2 邢曉陽 陳加新 唐于維一

(1.南京林業(yè)大學(xué)機(jī)械電子工程學(xué)院， 南京 210037；2.南京林業(yè)大學(xué)機(jī)電產(chǎn)品包裝生物質(zhì)材料國家地方聯(lián)合工程研究中心， 南京 210037)

0 引言

豬肉新鮮度的評價指標(biāo)包括感官、揮發(fā)性鹽基氮(Total volatile basic nitrogen，TVB-N)含量和微生物含量等指標(biāo)[1-2]，本文選擇TVB-N含量客觀評價豬肉新鮮度。

高光譜成像技術(shù)在農(nóng)林產(chǎn)品質(zhì)量安全檢測等方面獲得了較多應(yīng)用[3-7]。光譜圖像中每個像素點(diǎn)均包含特定信息，因此可以實(shí)現(xiàn)指標(biāo)空間分布預(yù)測的可視化[8-17]，即基于興趣區(qū)域的均值光譜建立化學(xué)計(jì)量學(xué)預(yù)測模型，并將其應(yīng)用于像素光譜中，從而得到指標(biāo)空間分布預(yù)測圖像。這一方法已被應(yīng)用于農(nóng)林產(chǎn)品品質(zhì)檢測工作中[18]。但像素位置缺乏微觀指標(biāo)參考值，無法對可視化圖像進(jìn)行直接評價，因此目前的研究僅停留在建立可視化圖像層面，未對指標(biāo)空間分布預(yù)測的效果進(jìn)行評價。

然而，將眾多準(zhǔn)度相近的化學(xué)計(jì)量學(xué)模型應(yīng)用到像素光譜進(jìn)行指標(biāo)空間分布預(yù)測時，像素預(yù)測結(jié)果存在明顯差異，甚至出現(xiàn)預(yù)測結(jié)果不具備統(tǒng)計(jì)意義的情況[19-20]。究其原因，其差異主要表現(xiàn)在兩方面：一是準(zhǔn)度，即各像素位置微觀預(yù)測值的統(tǒng)計(jì)均值與理化檢測值的偏差程度；二是精度，即根據(jù)指標(biāo)理論允許范圍，異常點(diǎn)在興趣區(qū)域內(nèi)所占比值。因此，本文以豬肉新鮮度指標(biāo)空間分布預(yù)測為例，建立基于不同光譜預(yù)處理及化學(xué)計(jì)量學(xué)模型所得新鮮度指標(biāo)空間分布預(yù)測圖像，從準(zhǔn)度和精度兩方面，對指標(biāo)空間分布預(yù)測評價的方法進(jìn)行研究。

1 材料與方法

1.1 實(shí)驗(yàn)材料

實(shí)驗(yàn)所用豬肉樣本購買于江蘇省南京市麥德龍下關(guān)商場，分割出5條豬肉背長肌作為研究對象，用內(nèi)置冰袋的保溫箱運(yùn)送至南京林業(yè)大學(xué)逸夫科技實(shí)驗(yàn)樓。將每條豬肉背長肌分割成18塊厚度約為10 mm的肉塊，共獲取90個實(shí)驗(yàn)樣本。分割完成后，將實(shí)驗(yàn)樣本放置于4℃的冰箱中冷藏保存，以維持豬肉內(nèi)部的自然組織結(jié)構(gòu)狀態(tài)。

1.2 高光譜圖像采集及處理

1.2.1高光譜成像系統(tǒng)

高光譜成像系統(tǒng)由光譜成像單元、照明系統(tǒng)、計(jì)算機(jī)和輔助支架組成，其中光譜成像單元包括工作在可見-近紅外波段(550～1 000 nm)的CVA-200型聲光可調(diào)諧濾波器(BRIMEROSE公司，美國)、ORCA-R2型可見-近紅外相機(jī)(HAMAMATSU公司，日本)和可變焦鏡頭(18～200 mm，尼康公司，日本)；照明系統(tǒng)包括C3K型UPS穩(wěn)壓電源(山特電子(深圳)有限公司)輸出的12個50 W鹵素?zé)艉?個半球形漫反射穹頂。由計(jì)算機(jī)(Yangtian A4600t， Windows XP系統(tǒng))通過基于Visual Studio 2008平臺編寫的采集程序?qū)崿F(xiàn)高光譜圖像采集控制。

1.2.2高光譜圖像采集

每隔24 h從冰箱中取出10個實(shí)驗(yàn)樣本，用保溫箱運(yùn)送至高光譜成像系統(tǒng)處采集光譜數(shù)據(jù)。在550～1 000 nm波段范圍內(nèi)，區(qū)域灰度均值范圍設(shè)定為1 600～2 400，采用變曝光時間采集方式，相機(jī)曝光時間如圖1所示。采集步長為3 nm，曝光物距為860 mm，圖像分辨率為516像素×672像素，單次采集實(shí)驗(yàn)樣本的高光譜圖像。

圖1 曝光時間Fig.1 Exposure time

由于970～1 000 nm波段內(nèi)圖像信噪比過低，故舍棄該部分圖像，僅保留550～970 nm共141個波段的光譜圖像。

在豬肉樣本高光譜圖像采集結(jié)束后，先采集標(biāo)稱值75%的標(biāo)準(zhǔn)反射率標(biāo)定板(SRT-75-100型，Labsphere公司，美國)的光譜圖像；后蓋上鏡頭蓋，采集此時的光譜圖像，即暗噪圖像。將以上兩種光譜圖像作為當(dāng)日采集豬肉樣本光譜圖像相對反射率校正的基準(zhǔn)。

1.2.3高光譜圖像預(yù)處理

(1)光譜均值濾波

本文采用光譜均值濾波提高像素光譜質(zhì)量。設(shè)置固定寬度的濾波器窗口，沿原始光譜滑動，不同窗口的跨度相互重疊，取窗口內(nèi)k個波段的平均值代替第1個波段的數(shù)據(jù)。濾波后第i個波段的光譜數(shù)據(jù)計(jì)算方法為

(1)

式中Rout(i)——光譜均值濾波后第i個波段的光譜圖像

Rin(h)——第h個波段的原始光譜圖像

m0——原始光譜圖像的波段數(shù)量

本文采用的聲光可調(diào)諧濾波器每個波段的帶寬最大為20 nm。為使光譜均值濾波帶寬與光學(xué)濾鏡帶寬相當(dāng)，本文設(shè)置濾波器寬度為6、18、30、42、54 nm，對應(yīng)波段數(shù)量分別為2、6、10、14、18。

(2)相對反射率校正

為進(jìn)一步提高信噪比，消除圖像采集過程中暗電流、背景光強(qiáng)度及光源分布不均勻等產(chǎn)生的噪聲影響，需要對采集的高光譜圖像進(jìn)行相對反射率校正[21]。利用當(dāng)日系統(tǒng)暗噪圖像和標(biāo)稱值為75%的標(biāo)準(zhǔn)反射率標(biāo)定板的光譜圖像，對采集的樣本光譜進(jìn)行相對反射率校正，計(jì)算公式為

(2)

式中RT——相對反射率校正后的光譜圖像

Ro——相對反射率校正前的光譜圖像

Rb——當(dāng)日系統(tǒng)暗噪圖像

Rw——標(biāo)稱值為75%的標(biāo)準(zhǔn)反射率標(biāo)定板光譜圖像

w——根據(jù)標(biāo)準(zhǔn)反射率，用于Rw的標(biāo)準(zhǔn)反射率標(biāo)定板各波段實(shí)際反射率

(3)肌肉有效興趣區(qū)域創(chuàng)建

TVB-N含量指標(biāo)主要反映肌肉中蛋白質(zhì)的分解程度，因此將興趣區(qū)域定義為肌肉有效興趣區(qū)域(Eligible muscle region of interest，EMROI)，即僅保留肌肉區(qū)域，排除脂肪、筋膜及肉皮等組織成分的干擾。豬肉中肥肉和肌肉部分與背景在圖像特定通道上有不同的反射率，因此，首先采用固定閾值法在727 nm處人工設(shè)置反射率閾值為0.3，對高光譜數(shù)據(jù)集內(nèi)所有圖像進(jìn)行分割，實(shí)現(xiàn)豬肉與背景的分離；其次，由于部分豬肉樣本的側(cè)面也被采集至圖像中，用半徑為8像素的圓形模板對所有分離后豬肉圖像進(jìn)行邊緣腐蝕操作，以消除對預(yù)測模型的影響，僅保留待檢的上表面區(qū)域；最后在805 nm處人工設(shè)置反射率閾值0.45對所有腐蝕后豬肉圖像進(jìn)行分割，以剔除肥肉部分，實(shí)現(xiàn)肌肉的精確分離。

(4)特征光譜提取

通過求取不同波長下EMROI內(nèi)所有空間像素位置處的光譜數(shù)據(jù)均值，提取得到豬肉樣本不同預(yù)處理方法下的特征光譜{si}，即均值光譜。計(jì)算公式為

(3)

式中si——特征光譜(均值光譜)在第i個波段的反射率

aij——EMROI內(nèi)第j個像素點(diǎn)在第i個波段的反射率

n——EMROI內(nèi)像素點(diǎn)數(shù)量

m——光譜圖像的波段數(shù)量

(5)特征波段選取

本文采集的高光譜圖像數(shù)據(jù)量較大，包含550～970 nm范圍內(nèi)的141個波段信息，其中包含很多冗余信息，降低了模型運(yùn)算效率。因此，需要采用合適的方法選取相關(guān)性較高的特征波段。采用連續(xù)投影算法(Successive projection algorithm，SPA)[22]對基于EMROI的全波段光譜進(jìn)行特征波段提取，該算法是一種前向循環(huán)的使矢量空間共線性最小化特征變量篩選方法，可以篩選出有效信息，降低數(shù)據(jù)之間共線性影響，增加模型的魯棒性和泛化性。

為便于工業(yè)現(xiàn)場應(yīng)用，實(shí)現(xiàn)樣本的快速檢測，常需要組建專用的多光譜成像系統(tǒng)。基于掃描式光譜成像，光譜波段數(shù)量一般不超過6個；基于快照式光譜成像，相機(jī)在一次曝光周期內(nèi)同時采集圖像的波段數(shù)量通常為20個左右。因此，本文分別優(yōu)選出6個和20個特征波段，用于建立豬肉新鮮度預(yù)測模型。

1.3 揮發(fā)性鹽基氮含量測定

參照對鮮凍肉的評價標(biāo)準(zhǔn)[1]，TVB-N含量(質(zhì)量比)不超過15 mg/(100 g)可認(rèn)定為新鮮肉。將采集完高光譜圖像的樣本用保溫箱運(yùn)送至理化檢測實(shí)驗(yàn)室，以測定TVB-N含量。參照對揮發(fā)性鹽基氮測定的國標(biāo)方法[23]，取樣本表面5 mm的純肌肉部分，剁成肉粉，采用半微量定氮法進(jìn)行測定。在同等條件下，對獲得的兩次獨(dú)立測定結(jié)果計(jì)算平均值。若兩次結(jié)果的絕對差值不超過平均值的10%，以該平均值作為該實(shí)驗(yàn)樣本的TVB-N含量理化檢測值。

1.4 基于均值光譜的豬肉新鮮度預(yù)測模型建立與評價

偏最小二乘回歸(Partial least squares regression，PLSR)[24]是一種廣泛應(yīng)用于光譜分析的線性回歸建模方法，是典型的相關(guān)分析和主成分分析的集成和發(fā)展，可以同時實(shí)現(xiàn)提取變量特征、分析變量間相關(guān)性和回歸建模，是光譜分析領(lǐng)域應(yīng)用最廣泛的方法之一[25]。其思路是從自變量集合中選取主成分，然后建立主成分與自變量的回歸方程，公式為

(4)

式中Y——預(yù)測值

β0——增益常數(shù)

βi——第i個波段的增益系數(shù)

Xi——第i個波段的平均反射率

本文基于Matlab工具箱中偏最小二乘回歸函數(shù)plsregress建立預(yù)測模型，得到回歸參數(shù)向量β，作為化學(xué)計(jì)量學(xué)模型的波段增益。其中，βi值越大，對預(yù)測結(jié)果的貢獻(xiàn)度越高，相應(yīng)波段的放大倍率也越高。

1.5 基于像素光譜的豬肉新鮮度空間分布預(yù)測評價方法

1.5.1豬肉新鮮度空間分布預(yù)測

將基于均值光譜的化學(xué)計(jì)量學(xué)模型{β0，β1,…，βm}應(yīng)用到像素光譜進(jìn)行新鮮度指標(biāo)空間分布預(yù)測，計(jì)算出相應(yīng)像素點(diǎn)的TVB-N含量預(yù)測值，得到灰度圖像。各像素位置微觀預(yù)測值的計(jì)算公式為

(5)

式中Pj——EMROI內(nèi)第j個像素點(diǎn)的微觀預(yù)測值

根據(jù)數(shù)值大小結(jié)合偽色彩處理技術(shù)，繪制得到豬肉新鮮度可視化圖像。肉樣表面預(yù)測值由高(腐敗)至低(新鮮)分別以紅色至藍(lán)色顯示，背景設(shè)置成黑色，肥肉部分設(shè)置成白色，樣本原始尺寸(即包含樣本側(cè)面的未腐蝕圖像尺寸)在肉樣外側(cè)用白色線條表示，色帶范圍設(shè)置為0～25 mg/(100g)。

1.5.2空間分布預(yù)測評價方法

由于無法對各像素位置的微觀新鮮度TVB-N含量指標(biāo)進(jìn)行直接評價，因此從準(zhǔn)度及精度兩方面，對基于不同光譜預(yù)處理及化學(xué)計(jì)量學(xué)模型所得肉樣檢測區(qū)域新鮮度指標(biāo)空間分布預(yù)測結(jié)果進(jìn)行評價。

(1)準(zhǔn)度評價

(2)精度評價

求取不同波長下EMROI內(nèi)所有空間像素位置處光譜數(shù)據(jù)均值得到均值光譜的過程，相當(dāng)于經(jīng)過一個尺寸為EMROI大小的空間均值濾波器降噪，可有效提高信噪比。在將基于均值光譜所建化學(xué)計(jì)量學(xué)模型應(yīng)用到像素光譜時，由于未經(jīng)過該空間均值濾波，像素光譜質(zhì)量明顯低于區(qū)域均值光譜，導(dǎo)致模型的預(yù)測精度下降，從而造成豬肉新鮮度TVB-N含量預(yù)測值出現(xiàn)負(fù)值。根據(jù)新鮮度理化指標(biāo)的理論允許范圍，以TVB-N含量微觀預(yù)測值小于零的像素點(diǎn)在興趣區(qū)域內(nèi)所占比值作為精度評價指標(biāo)，即異常預(yù)測點(diǎn)占比越小，空間預(yù)測精度越高。

1.5.3空間分布預(yù)測精度影響因素

(1)像素光譜質(zhì)量

通過理想均值濾波對光譜圖像進(jìn)行6～54 nm的5種不同帶寬的光譜濾波降噪，可以有效提高像素光譜質(zhì)量。將暗噪圖像各波段EMROI內(nèi)所有像素點(diǎn)亮度值的標(biāo)準(zhǔn)差，記為暗噪標(biāo)準(zhǔn)差，以傳感器輸出值(Digital number，DN)作為計(jì)量單位，從而量化圖像隨機(jī)噪聲抑制效果，以評價像素光譜質(zhì)量。通常來講，暗噪標(biāo)準(zhǔn)差越小，圖像的噪聲水平越低，像素光譜質(zhì)量越高。

(2)模型波段增益

對于一般的化學(xué)計(jì)量學(xué)模型，波段增益是光譜圖像每一個波段的放大倍率。本文應(yīng)用PLSR建立預(yù)測模型，m個波段的增益系數(shù)分別為PLSR回歸系數(shù){β1，β2，…，βm}。

1.6 數(shù)據(jù)處理軟件

光譜圖像預(yù)處理、PLSR預(yù)測模型建立、空間分布預(yù)測、數(shù)據(jù)分析及圖形繪制均采用Matlab R2017b軟件；數(shù)據(jù)匯總整理由Excel 2016軟件完成。

2 結(jié)果與分析

2.1 樣本集劃分

本文共采集90個樣本。圖像采集時，第21號樣本20%表面肌肉區(qū)域被不慎掉落的脂肪組織覆蓋，造成圖像光譜數(shù)據(jù)與理化檢測值不對應(yīng)，被判為無效樣本排除，剩余有效樣本共89個。選擇合適的定標(biāo)集方法劃分樣本可以有效提高模型的預(yù)測能力。本文按照TVB-N含量排序，采用留出法[26]確定樣本集，其中67個樣本為訓(xùn)練集，22個樣本為預(yù)測集。如表1所示，訓(xùn)練集、預(yù)測集和總樣本的TVB-N含量變化范圍為3.49～26.19 mg/(100 g)，樣本標(biāo)簽值跨度范圍在豬肉TVB-N含量正常范圍內(nèi)，并且數(shù)據(jù)集樣本之間差異明顯，具有廣泛性；平均值和標(biāo)準(zhǔn)差相近，保證訓(xùn)練集與預(yù)測集處于相同的分布狀況。數(shù)據(jù)集具有較強(qiáng)的泛化性和一致性，為建立可靠的豬肉新鮮度預(yù)測模型提供了數(shù)據(jù)基礎(chǔ)。

表1 豬肉樣本訓(xùn)練集與預(yù)測集TVB-N含量統(tǒng)計(jì)結(jié)果Tab.1 Statistical results of TVB-N value in training set and prediction set of pork samplesmg/(100 g)

2.2 光譜曲線分析

對550～970 nm內(nèi)141個波段求取EMROI內(nèi)所有空間像素位置處的光譜數(shù)據(jù)均值，可獲得豬肉樣本不同預(yù)處理方法下的光譜反射率曲線。圖2分別表示豬肉樣本原始光譜反射率曲線及濾波器寬度為6、18、30、42、54 nm的濾波后光譜反射率曲線。由圖2a可以看出，不同豬肉樣本之間的光譜曲線具有相似的趨勢。575 nm附近的吸收峰是脫氧肌紅蛋白與氧合肌紅蛋白的合頻，肌紅蛋白的存在狀態(tài)決定了鮮肉的肉色[27]。

圖2 89個豬肉樣本EMROI內(nèi)光譜反射率曲線Fig.2 Spectral reflectance curves of 89 pork samples in EMROI

對比圖2a～2f發(fā)現(xiàn)，隨著濾波器寬度的增加，光譜均值濾波有效降低了圖像噪聲，抑制了原始光譜曲線的細(xì)小波動，使光譜曲線變得更加光滑，預(yù)測模型的穩(wěn)健性得以提升；但曲線峰谷的數(shù)量及波動幅度出現(xiàn)下降，特別是575 nm附近的吸收峰，當(dāng)濾波器寬度為54 nm時該吸收峰已經(jīng)消失，說明噪聲抑制能力增強(qiáng)的同時可能會導(dǎo)致部分細(xì)節(jié)信息的丟失。

2.3 豬肉新鮮度預(yù)測模型的建立

采用偏最小二乘回歸法，分別基于原始光譜和濾波后5種不同帶寬的光譜對全波段、精選出的20、6個特征波段建立新鮮度預(yù)測模型。為了得到可靠穩(wěn)定的模型，采用交叉驗(yàn)證法對訓(xùn)練集進(jìn)行驗(yàn)證，以減小訓(xùn)練過程中的過擬合。設(shè)置交叉驗(yàn)證次數(shù)為5，分別建立PLSR豬肉新鮮度預(yù)測模型，模型性能如表2所示。

表2 PLSR豬肉新鮮度預(yù)測模型準(zhǔn)度Tab.2 Accuracy of PLSR pork freshness model

2.4 豬肉新鮮度空間分布預(yù)測評價

2.4.1豬肉新鮮度空間分布預(yù)測準(zhǔn)度評價

圖3 均值光譜預(yù)測值與像素光譜預(yù)測值對照結(jié)果Fig.3 Comparison results of mean spectral prediction and pixel spectral prediction

從原理上對樣本基于均值光譜的預(yù)測值和各像素位置微觀預(yù)測值的統(tǒng)計(jì)均值相等的原因進(jìn)行探討。偏最小二乘回歸建模過程中，利用線性化學(xué)計(jì)量學(xué)算法，樣本基于均值光譜的預(yù)測值公式為

(6)

將基于均值光譜所建模型應(yīng)用到像素光譜進(jìn)行新鮮度指標(biāo)空間分布預(yù)測時，利用線性化學(xué)計(jì)量學(xué)算法，各像素位置微觀預(yù)測值的統(tǒng)計(jì)均值公式為

(7)

式中P2——各像素位置微觀預(yù)測值的統(tǒng)計(jì)均值

將P2化簡，可得

(8)

由式(8)可知，對于線性化學(xué)計(jì)量學(xué)算法，樣本基于均值光譜的預(yù)測值恒等于各像素位置微觀預(yù)測值的統(tǒng)計(jì)均值。

文獻(xiàn)[19]利用類似光譜成像系統(tǒng)進(jìn)行過新鮮度分布預(yù)測。與本文不同，其所得樣本表面新鮮度像素級定量可視化預(yù)測均值與有效興趣區(qū)域特征光譜預(yù)測值之間存在明顯差異，而該差異是由在光譜預(yù)處理環(huán)節(jié)采用的標(biāo)準(zhǔn)正態(tài)化處理(Standard normal variate，SNV)算法所引入的非線性所致。

2.4.2豬肉新鮮度空間分布預(yù)測精度評價

(1)各種新鮮度分布可視化圖像感官對比

根據(jù)各像素點(diǎn)預(yù)測值結(jié)合偽色彩處理技術(shù)，繪制得到豬肉新鮮度可視化圖像。同一肉樣經(jīng)不同光譜預(yù)處理及化學(xué)計(jì)量學(xué)預(yù)測模型所得的新鮮度指標(biāo)空間分布可視化圖像存在明顯差異。整體來看，隨濾波器寬度的增加，大部分化學(xué)計(jì)量學(xué)模型的可視化效果呈現(xiàn)出逐漸提升的趨勢；但存在個別模型游離在趨勢之外，可視化效果不升反降。選取一塊肥瘦分明的典型豬肉樣本，利用不同的化學(xué)計(jì)量學(xué)模型對新鮮度空間分布預(yù)測，在同一維度上，即特征波段數(shù)量相等或同為全波段建模時，各選擇3個典型模型建立可視化圖像，如圖4所示。圖4a～4c中，圖4c的可視化效果最好；圖4d～4f中，圖4f的可視化效果最好；圖4g～4i中，圖4h的可視化效果最好。肉樣表面預(yù)測值由高(腐敗)至低(新鮮)分別以紅色至藍(lán)色顯示，背景設(shè)置成黑色，肥肉部分設(shè)置成白色，樣本原始尺寸(即包含樣本側(cè)面的未腐蝕圖像尺寸)在肉樣外側(cè)用白色線條表示，色帶范圍設(shè)置為0～25 mg/(100g)。顏色越接近紅色，預(yù)測值越高，豬肉越腐?。活伾浇咏{(lán)色，預(yù)測值越低，豬肉越新鮮。可視化圖像右側(cè)上方附以該模型的各波段暗噪標(biāo)準(zhǔn)差和化學(xué)計(jì)量學(xué)模型增益，暗噪標(biāo)準(zhǔn)差用藍(lán)色線條表示，各波段增益值用紅色線條表示；右側(cè)下方附以肉樣表面TVB-N含量預(yù)測值分布直方圖，預(yù)測值等于零用紅色線條標(biāo)出，預(yù)測值小于零像素占比用紅色數(shù)字標(biāo)出。

圖4 豬肉新鮮度預(yù)測模型空間可視化圖像Fig.4 Spatial visualization images of pork freshness prediction model

(2)新鮮度空間分布預(yù)測精度對比

將準(zhǔn)度相當(dāng)?shù)幕瘜W(xué)計(jì)量學(xué)模型應(yīng)用到像素光譜，指標(biāo)空間分布預(yù)測精度會存在明顯差異，圖5為豬肉新鮮度18種空間分布預(yù)測的精度與像素光譜質(zhì)量及預(yù)測模型波段增益的關(guān)系圖。圖5a、5c、5e、5g、5i、5k、5m、5p、5r分別與圖4a～4i所示模型對應(yīng)。從中可以看出，大部分模型隨濾波器寬度的增加，預(yù)測精度逐漸提升；但當(dāng)濾波器寬度增加到一定程度時，預(yù)測精度開始下降。圖5a～5f、圖5g～5l、圖5m～5r分別表示基于6個特征波段、20個特征波段以及全波段建模時，原始光譜及濾波器寬度依次為6、18、30、42、54 nm濾波后光譜的空間分布預(yù)測精度與像素光譜質(zhì)量及預(yù)測模型波段增益的關(guān)系。橢圓的橫軸半徑表示該模型各波段增益標(biāo)準(zhǔn)差，縱軸半徑表示暗噪標(biāo)準(zhǔn)差；箱線圖上下邊緣分別表示預(yù)測值小于零像素占比的最大值和最小值，箱子上下兩端邊位置分別表示預(yù)測值小于零像素占比的上下四分位數(shù)，箱子中間紅色線條表示預(yù)測值小于零像素占比的中值，極端異常值用紅色“+”標(biāo)出?？梢园l(fā)現(xiàn)，在同一維度上，即特征波段數(shù)量相等或同為全波段建模時，橢圓的橫軸半徑和縱軸半徑越小，箱子面積就越小，箱子位置越低，模型的預(yù)測精度越高。

圖5 豬肉新鮮度18種空間分布預(yù)測的精度與像素光譜質(zhì)量及預(yù)測模型波段增益的關(guān)系Fig.5 Relationships between precision of 18 spatial distribution prediction of pork freshness and spectral quality of pixels and band gain of prediction model

基于6個特征波段建模時，隨濾波器寬度的增加，橢圓縱軸半徑逐漸減小，暗噪標(biāo)準(zhǔn)差逐漸降低，由20.58 DN下降至7.91 DN，像素光譜質(zhì)量逐漸提升；圖5a～5e模型橢圓橫軸半徑無明顯差異，各波段增益標(biāo)準(zhǔn)差均處于107.17～149.45的范圍內(nèi)。此時箱子面積逐步減小，箱子位置逐漸降低，預(yù)測精度逐步提升。而圖5f模型相較于圖5e模型，橢圓橫軸半徑有所增大，各波段增益標(biāo)準(zhǔn)差達(dá)到205.59，增長幅度為37.56%；在暗噪標(biāo)準(zhǔn)差減小幅度僅為4.24%的情況下，箱子面積增大，箱子位置升高，預(yù)測精度略有下降。

基于20個特征波段建模時，相同的預(yù)測精度變化趨勢再次出現(xiàn)。隨濾波器寬度的增加，橢圓縱軸半徑逐漸減小，暗噪標(biāo)準(zhǔn)差逐漸降低，由20.51 DN下降至7.86 DN，像素光譜質(zhì)量逐漸提升；圖5g～5k模型橢圓橫軸半徑雖略有起伏，但各波段增益標(biāo)準(zhǔn)差均處于45.66～90.97的范圍內(nèi)。此時箱子面積逐步減小，箱子位置逐漸降低，預(yù)測精度逐步提升。而圖5l模型相較于圖5k模型，橢圓橫軸半徑有所增大，各波段增益標(biāo)準(zhǔn)差達(dá)到99.55，增長幅度為31.51%；在暗噪標(biāo)準(zhǔn)差減小幅度僅為4.97%的情況下，箱子面積增大，箱子位置升高，預(yù)測精度略有下降。

基于全波段建模時，隨濾波器寬度的增加，橢圓縱軸半徑逐漸減小，暗噪標(biāo)準(zhǔn)差逐漸降低，由20.41 DN下降至7.83 DN，像素光譜質(zhì)量逐漸提升；圖5m～5p模型橢圓橫軸半徑相差無幾，各波段增益標(biāo)準(zhǔn)差最大僅為43.85。此時，箱子面積逐步減小，箱子位置逐漸降低，預(yù)測精度逐步提升。而圖5q模型相較于圖5p模型，橢圓橫軸半徑有所增大，各波段增益標(biāo)準(zhǔn)差達(dá)到114.85，增長幅度為1 036.00%，遠(yuǎn)超過7.23%的暗噪標(biāo)準(zhǔn)差減小幅度；圖5r模型橢圓橫軸半徑進(jìn)一步增大，各波段增益標(biāo)準(zhǔn)差達(dá)到287.54，增長幅度為150.36%，而暗噪標(biāo)準(zhǔn)差減小幅度僅為4.63%；與此同時，圖5q和圖5r模型的箱子面積明顯增大，箱子位置升高，預(yù)測精度顯著下降。

總之，預(yù)測精度與像素光譜質(zhì)量的變化趨勢非常接近，即像素光譜質(zhì)量越高，預(yù)測精度越高；而異常模型的出現(xiàn)則是由于各波段增益標(biāo)準(zhǔn)差明顯增大，增長幅度遠(yuǎn)大于暗噪標(biāo)準(zhǔn)差減小幅度所造成的。

像素光譜質(zhì)量與空間分布預(yù)測精度的相關(guān)度散點(diǎn)圖如圖6所示。暗噪標(biāo)準(zhǔn)差與預(yù)測值小于零像素占比中值的擬合方程為Y1=1.295X-6.672，大部分藍(lán)色圓點(diǎn)分布趨勢貼近擬合直線，其相關(guān)系數(shù)為0.72，表明兩者具有良好的一致性，即像素光譜質(zhì)量與空間分布預(yù)測精度相關(guān)度較高。而左上方界外點(diǎn)的出現(xiàn)，則是受到各波段增益的影響，說明單純考慮化學(xué)計(jì)量學(xué)模型的準(zhǔn)度指標(biāo)，忽視其波段增益數(shù)值偏大，可能導(dǎo)致其應(yīng)用到像素光譜時精度極差。暗噪標(biāo)準(zhǔn)差與像素預(yù)測值標(biāo)準(zhǔn)差中值的擬合方程為Y2=0.591X+0.456，橙色三角形分布非常貼近擬合直線，且沒有界外點(diǎn)出現(xiàn)，其相關(guān)系數(shù)為0.76，說明兩者同樣具有良好的一致性，即隨像素光譜質(zhì)量的提升，暗噪標(biāo)準(zhǔn)差減小，此時像素預(yù)測值標(biāo)準(zhǔn)差隨之減小，興趣區(qū)域內(nèi)各像素點(diǎn)預(yù)測值分布范圍逐漸減小，分布更加精確集中，并不是整體向預(yù)測值增大的方向移動。

圖6 像素光譜質(zhì)量與空間分布預(yù)測精度相關(guān)度Fig.6 Pearson correlation coefficient between pixel spectral quality and spatial distribution prediction precision

綜上所述，新鮮度指標(biāo)空間分布預(yù)測的精度明顯受到像素光譜質(zhì)量及化學(xué)計(jì)量學(xué)模型波段增益值的共同影響，其中像素光譜質(zhì)量占主導(dǎo)作用。因此，在應(yīng)用線性化學(xué)計(jì)量學(xué)算法，將基于興趣區(qū)域均值光譜所建化學(xué)計(jì)量學(xué)模型應(yīng)用到像素光譜進(jìn)行新鮮度指標(biāo)空間分布預(yù)測時，應(yīng)充分提高像素光譜信噪比，同時注意限制化學(xué)計(jì)量學(xué)的波段增益值，以提高空間分布預(yù)測的精度。

3 結(jié)論

(1)雖然受限于缺乏像素位置微觀指標(biāo)參考值無法進(jìn)行直接評價，但通過對像素位置微觀預(yù)測值的統(tǒng)計(jì)均值進(jìn)行準(zhǔn)度評價及根據(jù)指標(biāo)理論正確值的有效范圍進(jìn)行精度評價的方法，能夠?qū)诠庾V成像的化學(xué)計(jì)量學(xué)指標(biāo)空間分布預(yù)測質(zhì)量進(jìn)行綜合評價。

(2)在應(yīng)用線性化學(xué)計(jì)量學(xué)算法，將基于興趣區(qū)域均值光譜所建化學(xué)計(jì)量學(xué)模型應(yīng)用到像素光譜進(jìn)行新鮮度指標(biāo)空間分布預(yù)測時，其準(zhǔn)度不會下降。

(3)新鮮度指標(biāo)空間分布預(yù)測的精度明顯受到像素光譜質(zhì)量及化學(xué)計(jì)量學(xué)模型波段增益值的共同影響，其中像素光譜質(zhì)量占主導(dǎo)作用(R=0.72)。

(4)在應(yīng)用線性化學(xué)計(jì)量學(xué)算法，將基于興趣區(qū)域均值光譜所建化學(xué)計(jì)量學(xué)模型應(yīng)用到像素光譜進(jìn)行新鮮度指標(biāo)空間分布預(yù)測時，高準(zhǔn)度化學(xué)計(jì)量學(xué)模型不一定適用于像素光譜進(jìn)行空間分布預(yù)測，區(qū)域預(yù)測效果與空間分布預(yù)測效果并無必然聯(lián)系；可以通過提高像素光譜信噪比和限制模型波段增益提高預(yù)測的精度。