翟雙，庹先國(guó)*，張貴宇,2*，朱雪梅，羅林，高婧，羅琪

（1.四川輕化工大學(xué)自動(dòng)化與信息工程學(xué)院，人工智能四川省重點(diǎn)實(shí)驗(yàn)室，四川宜賓 644000）（2.西南科技大學(xué)信息工程學(xué)院，四川綿陽(yáng) 621010）

白酒在中國(guó)是一種具有獨(dú)特歷史背景和風(fēng)土人情的產(chǎn)物，其釀造工藝更是代代相傳。摘酒是釀造工藝中很重要的一個(gè)環(huán)節(jié)[1,2]，基酒的準(zhǔn)確分級(jí)是摘酒過(guò)程中最為重要的操作。基酒品質(zhì)的好壞直接影響到白酒的貯存和優(yōu)質(zhì)成品酒的產(chǎn)量。目前，摘酒主要還是靠成熟的摘酒工通過(guò)看酒花的大小和品嘗味道來(lái)對(duì)基酒的酒度和風(fēng)味進(jìn)行一個(gè)評(píng)判和分段摘取，此方法會(huì)因?yàn)楣と说氖炀毝扔兴煌鴮?dǎo)致基酒品級(jí)良莠不齊，從而影響白酒的分級(jí)貯存和優(yōu)質(zhì)酒的產(chǎn)量。故研究一種簡(jiǎn)單且又客觀準(zhǔn)確的基酒分段判別技術(shù)尤為重要。

近年來(lái)，光譜技術(shù)的發(fā)展尤為迅速，因其重現(xiàn)性好，檢測(cè)快速且無(wú)損，樣品無(wú)需處理等優(yōu)點(diǎn)已經(jīng)被廣泛運(yùn)用于食品行業(yè)的質(zhì)量檢測(cè)以及其他行業(yè)物質(zhì)類別的快速鑒別。高暢等[3]、段飛等[4]運(yùn)用近紅外光譜技術(shù)結(jié)合算法對(duì)白酒基酒總酯建立了定量分析模型。董新羅[5]運(yùn)用近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法對(duì)杜康基酒中五種主要風(fēng)味物質(zhì)進(jìn)行了快速檢測(cè)。龔輝等[6]利用近紅外漫反射技術(shù)實(shí)現(xiàn)了對(duì)黃酒酒醅中的酒精度的快速測(cè)定。袁強(qiáng)等[7]使用傅里葉近紅外光譜法快速測(cè)定了養(yǎng)生酒的酒精度。孫宗保等[8]利用傅里葉變換近紅外光譜技術(shù)對(duì)白酒基酒的主要風(fēng)味物質(zhì)進(jìn)行了快速定量分析以及對(duì)白酒基酒建立了定性分析模型。以上研究都表明光譜技術(shù)能對(duì)白酒進(jìn)行定性和定量檢測(cè)，而目前對(duì)摘酒過(guò)程中基酒的檢測(cè)和研究還比較少，基本集中在對(duì)基酒的實(shí)驗(yàn)室研究。因其FT-NIR近紅外光譜對(duì)樣品檢測(cè)速度快且對(duì)樣品無(wú)損，能滿足在生產(chǎn)過(guò)程對(duì)基酒的檢測(cè)。

近紅外光譜技術(shù)作為一種間接的分析檢測(cè)手段，是無(wú)法直接從光譜信號(hào)中得出相關(guān)化合物的定量或定性信息，其檢測(cè)結(jié)果需要結(jié)合有效的建模方法來(lái)體現(xiàn)。光譜數(shù)據(jù)本質(zhì)上屬于非線性數(shù)據(jù)，數(shù)據(jù)處理時(shí)尋找一種有效的非線性分析處理方法能夠提高建模效果。核主成分分析（Kernel Principal Component Analysis，KPCA）是一種建立在主成分分析（Principal Component Analysis，PCA）基礎(chǔ)上的非線性處理算法。PCA在處理線性數(shù)據(jù)時(shí)效果良好，但是在非線性數(shù)據(jù)處理效果上不明顯，而KPCA就能較好的解決這個(gè)問(wèn)題[9,10]。異常樣品的存在會(huì)降低模型的精度和泛化能力，所以在構(gòu)建模型時(shí)需要將其異常數(shù)據(jù)剔除。馬氏距離（Mahalanobis distance，MD）適用于近紅外光譜異常數(shù)據(jù)的剔除[11]，因此選擇了此方法來(lái)剔除基酒異常光譜數(shù)據(jù)。支持向量機(jī)（Support Vector Machine，SVM）主要是通過(guò)找到最大間隔的劃分超平面，使得不同類別之間的間隔最大化，在處理非線性和高維數(shù)據(jù)等問(wèn)題中具有一定優(yōu)勢(shì)[12-14]。故利用KPCA+MD+SVM對(duì)白酒基酒光譜數(shù)據(jù)建立定性判別模型以實(shí)現(xiàn)對(duì)白酒基酒的快速鑒別，為近紅外在自動(dòng)摘酒上提供一種理論可能。

1 材料與方法

1.1 樣品與數(shù)據(jù)采集

摘取的基酒品級(jí)段數(shù)是根據(jù)發(fā)酵酒醅的質(zhì)量而具體制定。實(shí)驗(yàn)所摘取的基酒樣品有四個(gè)品級(jí)的劃分，有頭段、一段、二段以及尾段。從酒甑開(kāi)始流酒起，摘取頭段到尾段每個(gè)段數(shù)的基酒樣品。由于不同酒段的流酒時(shí)間不同，設(shè)置摘取基酒樣本的間隔時(shí)間也是不同的。頭段、二段以及尾酒摘取時(shí)間間隔為1～2 min，一段酒的摘取間隔為7～8 min。從頭段到尾段一共采集10個(gè)樣品，將采集好的樣品裝入事先準(zhǔn)備好的50 mL的采集瓶，以備采集光譜數(shù)據(jù)使用。本文研究所用白酒基酒近紅外光譜樣品共400個(gè)，其中按基酒段數(shù)各取100個(gè)，樣品取自中國(guó)某白酒酒廠。

1.2 儀器與樣品制備

儀器設(shè)備：光譜采集設(shè)備是來(lái)自德國(guó)Bruker公司型號(hào)為Matrix-F的傅里葉變換近紅外光譜儀，光譜分析軟件采用MATLAB2020。

樣品制備：實(shí)驗(yàn)室溫度為20±2 ℃，空氣相對(duì)濕度＜80% RH。先將近紅外檢測(cè)附件安裝在光譜儀上，然后啟動(dòng)與儀器相連的電腦，并啟動(dòng)儀器電源，待儀器穩(wěn)定后啟動(dòng)光譜信號(hào)采集軟件OPUS7.8，并預(yù)熱1 h。調(diào)試儀器檢測(cè)模式，將儀器檢測(cè)模式調(diào)為液體檢測(cè)模式，液體測(cè)定采用透射模式，并且設(shè)置光譜掃描范圍：4000～12000 cm-1；分辨率：8 cm-1；掃描次數(shù)：32次?；频脑脊庾V數(shù)據(jù)是取兩次光譜掃描結(jié)果的平均值。

1.3 數(shù)據(jù)處理

1.3.1 數(shù)據(jù)預(yù)處理

基酒樣品光譜采集范圍是4000～12000 cm-1，因受儀器本身的原因，光譜圖的兩端的噪聲影響較大，因此截取采集在4300～9000 cm-1范圍內(nèi)的1217個(gè)光譜數(shù)據(jù)進(jìn)行處理分析。光譜譜圖一般會(huì)存在噪聲、基線漂移及背景干擾，為提高建模的精度與可靠性，需對(duì)原始光譜數(shù)據(jù)進(jìn)行預(yù)處理來(lái)消除其無(wú)關(guān)干擾。常用的光譜預(yù)處理方法有一階導(dǎo)數(shù)，Savitzky-Golay平滑，基線校準(zhǔn)等方法。

1.3.2 數(shù)據(jù)降維與異常樣本剔除

1.3.2.1 數(shù)據(jù)降維

基酒中含有香味物質(zhì)的種類繁多，光譜數(shù)據(jù)中含有大量的特征信息及冗余信息，故對(duì)數(shù)據(jù)進(jìn)行降維處理。線性降維不能很好將數(shù)據(jù)分類，故使用核主成分分析（KPCA）對(duì)基酒光譜數(shù)據(jù)進(jìn)行降維處理。

核主成分分析算法是在PCA算法的基礎(chǔ)上加入了核函數(shù)，可以挖掘出數(shù)據(jù)集中隱含的非線性信息。

假設(shè)有n個(gè)基酒樣本x={x1，x2，···，xn}，xi∈RN，每個(gè)樣本有m個(gè)屬性，則xi={xi1，xi2，···，xim}。構(gòu)造初始樣本矩陣X′n×m并進(jìn)行標(biāo)準(zhǔn)化，得到樣本矩陣

Xn×m。

首先，將樣本通過(guò)映射函數(shù)φ映射到高維特征空間RF中，對(duì)應(yīng)映射值為φ(x1)，φ(x2)，···，φ(xn)并使用PCA方法得到協(xié)方差矩陣為：

通過(guò)(8)式，求得特征值λ1≥λ2≥···λn及其對(duì)應(yīng)特征向量α1，α2，···，αn。選取p（p≤n）個(gè)特征值，滿足貢獻(xiàn)率≥85%。新樣本φ(xj)投影后的第j(j=1，2，···，p)維坐標(biāo)為：

1.3.2.2 異常樣本剔除

為提高建模的準(zhǔn)確性，研究采用馬氏距離來(lái)剔除基酒光譜的異常樣品。

馬氏距離計(jì)算公式：

1.3.3 分類模型建立

當(dāng)數(shù)據(jù)通過(guò)KPCA降維和馬氏距離剔除異常樣本后，對(duì)訓(xùn)練集進(jìn)行建模。

本文的基酒段數(shù)有四段，采用支持向量機(jī)（SVM）建立基酒分類模型，采用的分類方式為“一對(duì)一”，每一類分別構(gòu)建與其他類的二分類器，其具體原理參考王乃芯多分類支持向量機(jī)的研究[15]。本研究采用了徑向基（RBF）核函數(shù)對(duì)基酒光譜數(shù)據(jù)建立模型，因?yàn)閺较蚧撕瘮?shù)具有比較寬的收斂域，具有較強(qiáng)的適應(yīng)性[16]。對(duì)于基于SVM建立的分類模型，懲罰因子和RBF參數(shù)對(duì)分類結(jié)果有重要的影響，本研究采用網(wǎng)格搜索法來(lái)尋找最優(yōu)的參數(shù)值。

2 結(jié)果與分析

2.1 原始光譜數(shù)據(jù)建模效果

圖1為400個(gè)基酒樣品原始近紅外光譜圖。

為驗(yàn)證模型的準(zhǔn)確率與泛化能力，采用SPXY對(duì)數(shù)據(jù)集進(jìn)行劃分，劃分比例為4:1。將400個(gè)基酒樣品中的320個(gè)作為訓(xùn)練集用于支持向量機(jī)（SVM）進(jìn)行建模，然后用所建基酒分段模型對(duì)余下的80個(gè)基酒樣品組成的測(cè)試集進(jìn)行判別。其訓(xùn)練集正確率為90%，測(cè)試集判別率為87.70%，判別效果不理想。

2.2 預(yù)處理與KPCA分析后的模型效果

原始數(shù)據(jù)量中一個(gè)樣品具有2203個(gè)特征，計(jì)算量龐大，十分耗費(fèi)時(shí)間。除此之外，12000 cm-1與4000 cm-1附近因?yàn)閮x器本身和環(huán)境的噪聲對(duì)建模也有影響，故截取采集在4300～9000 cm-1范圍內(nèi)的1217個(gè)光譜數(shù)據(jù)進(jìn)行分析。

從圖2a中可看出光譜存在基線漂移和噪聲的問(wèn)題，為消除噪聲和基線漂移等干擾建模效果因素，對(duì)光譜數(shù)據(jù)進(jìn)行了預(yù)處理，其預(yù)處理效果如圖2b。經(jīng)過(guò)計(jì)算驗(yàn)證，基線校準(zhǔn)+SG平滑為最優(yōu)預(yù)處理方式，其中建模時(shí)間為17706.15 s且訓(xùn)練集正確率為93.02%，測(cè)試集判別率為90.08%，相比較原始光譜的建模結(jié)果，進(jìn)行過(guò)最優(yōu)預(yù)處理的光譜的模型訓(xùn)練集正確率提高了3.02%，測(cè)試集判別率提高了2.38%。

為了對(duì)基酒進(jìn)行快速判別，減少運(yùn)算時(shí)間，數(shù)據(jù)降維處理非常有必要。由于光譜數(shù)據(jù)呈非線性，使用主成分分析時(shí)的分類效果不好，所以使用了核主成分分析對(duì)樣品光譜數(shù)據(jù)進(jìn)行降維處理，圖3是經(jīng)過(guò)最優(yōu)預(yù)處理方式后的核主成分累計(jì)貢獻(xiàn)率結(jié)果。

從圖3中可以看出當(dāng)核主成分?jǐn)?shù)為14時(shí)，其累計(jì)貢獻(xiàn)率就已經(jīng)達(dá)到90%。當(dāng)累計(jì)貢獻(xiàn)率為100%時(shí)，核主成分?jǐn)?shù)為400。相比原數(shù)據(jù)的1217維數(shù)據(jù)特征，經(jīng)過(guò)核主成分分析的數(shù)據(jù)降維效果明顯。

選取核主成分分析的部分不同累計(jì)貢獻(xiàn)率的降維數(shù)據(jù)進(jìn)行建模，其計(jì)算結(jié)果見(jiàn)表1。

表1 不同核主成分?jǐn)?shù)下的基酒判別結(jié)果Table 1 Discrimination results of base liquor under different kernel principal component fractions

從表1中可以看出隨著累計(jì)貢獻(xiàn)率的增加，取得的核主成分?jǐn)?shù)就越多，其中當(dāng)累計(jì)貢獻(xiàn)率達(dá)到0.9即核主成分?jǐn)?shù)為14時(shí)，分類效果最好。其中訓(xùn)練集的正確率達(dá)到94.81%，測(cè)試集的判別率達(dá)到90.75%，同時(shí)模型建立時(shí)間為731.57 s。相比于未進(jìn)行核主成分分析時(shí)模型訓(xùn)練集的正確率提高了1.79%，測(cè)試集的判別率提高了0.67%，同時(shí)少用24倍的建模時(shí)間。說(shuō)明了核主成分分析能夠提高模型準(zhǔn)確率的同時(shí)大大縮短了建模所需時(shí)間。

雖然使用核主成分分析后的基酒分段模型時(shí)間遠(yuǎn)遠(yuǎn)少于未進(jìn)行核主成分處理的模型，但是模型的判別效果還需要提升。其中訓(xùn)練集正確率還有待提高，預(yù)測(cè)集判別效果不夠理想，這可能是異常樣品的存在影響了模型的判別能力，故該對(duì)樣本做異常數(shù)據(jù)剔除。

2.3 剔除異常樣品對(duì)判別效果的研究

選取基線校準(zhǔn)+SG平滑的前13個(gè)核主成分的基酒數(shù)據(jù)進(jìn)行馬氏距離計(jì)算，得到馬氏距離分布圖4。從圖4中可以看出，第1、4、7號(hào)樣品的馬氏距離過(guò)大，為異常光譜數(shù)據(jù)樣品。為了探討異常樣品對(duì)模型的影響，按照1.3.2.2中所提到的方法，本研究設(shè)置了6個(gè)不同權(quán)重系數(shù)e（3，2，1.95，1.9，1.85，1.8），分別將大于該閾值的異常光譜數(shù)據(jù)剔除，然后利用剩下的樣品數(shù)據(jù)采用SVM進(jìn)行訓(xùn)練集建模，用測(cè)試集檢測(cè)異常樣品剔除對(duì)建模效果的影響，其剔除樣品個(gè)數(shù)與建模效果如下表2所示，其中當(dāng)閾值e為1.85時(shí)，其判別率最高。

表2 不同權(quán)重系數(shù)下的判別結(jié)果Table 2 Discrimination results under different weight coefficients

從表2中可以看出，當(dāng)權(quán)重系數(shù)越小時(shí)，剔除的數(shù)據(jù)就越多。當(dāng)權(quán)重系數(shù)e為1.85時(shí)，基酒分段模型對(duì)測(cè)試集的判別效果最好，其訓(xùn)練集判別率能達(dá)到98.72%，測(cè)試集判別率能達(dá)到98.75%，相比未進(jìn)行異常數(shù)據(jù)剔除時(shí)訓(xùn)練集的正確率提高了3.91%，測(cè)試集的判別率提高了8%，說(shuō)明了馬氏距離能夠有效剔除異常光譜數(shù)據(jù)，提高模型的判別能力。圖5為權(quán)重系數(shù)e為1.85時(shí)，測(cè)試集的結(jié)果圖。

3 結(jié)論

本文利用傅里葉近紅外光譜技術(shù)對(duì)摘酒過(guò)程中的基酒樣品進(jìn)行測(cè)量，借助KPCA-MD-SVM算法建立了基酒分段模型。此基酒分段模型對(duì)測(cè)試集的判別率為98.75%，證明了使用核主成分分析（KPCA）能有效對(duì)基酒的近紅外光譜進(jìn)行降維處理，并且降維處理后的數(shù)據(jù)建立的分類模型能很好對(duì)基酒段數(shù)進(jìn)行判別。同時(shí)馬氏距離法能有效地剔除基酒的異常光譜數(shù)據(jù)，基酒的分類模型的準(zhǔn)確性得到了明顯的提升。KPCA-MD-SVM模型對(duì)基酒段數(shù)進(jìn)行判別，其穩(wěn)定性好，為近紅外光譜在實(shí)現(xiàn)自動(dòng)化摘酒應(yīng)用上提供了一種理論可能。