欒景然，馮國紅，朱玉杰

（東北林業(yè)大學(xué) 工程技術(shù)學(xué)院， 黑龍江 哈爾濱 150006）

木材在中國可再生資源中占有很大的比例。隨著國民經(jīng)濟(jì)逐步增長，木材市場不斷擴(kuò)大。目前，由于優(yōu)質(zhì)木材頻頻出現(xiàn)供需不平衡、木材造假等問題，因此采用多種識別技術(shù)來甄別木材種類已成為必然。木材種類識別除了依照形態(tài)學(xué)處理外，還可以使用計(jì)算機(jī)圖像識別、DNA識別等方法[1-3]，但是這些方法和傳統(tǒng)的取樣方法一樣[4]，都需要對樹木進(jìn)行剖析和制樣，對于一些珍貴的木材會(huì)造成不必要的浪費(fèi)，甚至?xí)档捅旧淼膬r(jià)值。近紅外光譜分析技術(shù)是20世紀(jì)70年代興起的一種新的木材識別分析技術(shù)。它作為一種常用的測量工具，具有快速、無損、在線分析等優(yōu)勢。近幾年，學(xué)者們應(yīng)用近紅外光譜技術(shù)對木材種類進(jìn)行了識別研究[5]，如王學(xué)順等[6]利用近紅外光譜技術(shù)，結(jié)合主成分分析(PCA)和BP神經(jīng)網(wǎng)絡(luò)對不同木材種類進(jìn)行了識別研究，效果良好。譚念等[7]基于近紅外光譜技術(shù)，聯(lián)合PCA和支持向量機(jī)實(shí)現(xiàn)了木材種類的有效鑒別。

目前，近紅外光譜分析技術(shù)用于木材種類識別大多采用PCA進(jìn)行特征提取，實(shí)現(xiàn)數(shù)據(jù)降維，但這種方法的特征值篩選有一定的局限性，僅憑累計(jì)貢獻(xiàn)率決定特征值的個(gè)數(shù)，無法通過參數(shù)化等方法對處理過程進(jìn)行干預(yù)，效率和物理實(shí)用性不高。連續(xù)投影算法(SPA)是一種常用的特征波長篩選算法。它能夠利用向量的投影分析，尋找含有最低限度冗長信息的變量組，通過參數(shù)調(diào)整可實(shí)現(xiàn)較強(qiáng)物理實(shí)用性的數(shù)據(jù)壓縮。陳遠(yuǎn)哲等[8]基于SPA構(gòu)建了最小偏二乘法回歸模型，適用于淡水魚儲(chǔ)藏期質(zhì)構(gòu)品質(zhì)的快速無損檢測。郭文川等[9]通過比較不同特征提取方式，得出采用SPA和隨機(jī)森林識別準(zhǔn)確率最高。遺傳算法(GA)用于尋優(yōu)，廣泛應(yīng)用于機(jī)器學(xué)習(xí)等領(lǐng)域。

本研究將SPA和GA聯(lián)用，在運(yùn)用SPA獲得特征值后，應(yīng)用GA進(jìn)一步尋找最佳特征參數(shù)，以提升木材識別的效率和準(zhǔn)確率。本研究以紅檀Swartizia spp.、刺猬紫檀Pterocarpus erinaceus、巴里黃檀Dalbergia bariensis、大果紫檀Pterocarpus macrocarpus、紅檀香Myroxylon balsamu、破布木Cordia dichotoma、豆瓣香Osmanthus delavayi、檀香紫檀Pterocarpus santalinus、中美洲黃檀Dalbergia granadillo和黑檀Dalbergia nigra為研究對象，應(yīng)用可見/近紅外光譜儀采集10種木材的光譜圖，運(yùn)用不同的預(yù)處理方式疊加進(jìn)行降噪分析，以BP神經(jīng)網(wǎng)絡(luò)為木材種類的分類識別算法，探討經(jīng)GA優(yōu)化的SPA較之常規(guī)特征提取算法的優(yōu)越性，為更精確高效的木材識別提供參考。

1 材料與方法

1.1 數(shù)據(jù)采集與主要儀器

數(shù)據(jù)采集：參與試驗(yàn)的木材共10種，試樣為6 cm×5 cm×2 cm的木塊。每種木材制備5塊樣本，共計(jì)50塊。每塊木材分10個(gè)點(diǎn)采集光譜，以木塊橫向等分2份，縱向等分5份，取每份的中心點(diǎn)作為標(biāo)記進(jìn)行采樣，每個(gè)點(diǎn)采集10組數(shù)據(jù)，取平均值作為此樣點(diǎn)的實(shí)驗(yàn)數(shù)據(jù)，即1塊試樣采集10組實(shí)驗(yàn)數(shù)據(jù)，10種木材共計(jì)采集500組實(shí)驗(yàn)數(shù)據(jù)。樣點(diǎn)采集遵循以下原則：①采譜過程中每15 min進(jìn)行1次空白校正，以保證光譜的穩(wěn)定性。②每塊木材樣本大小、薄厚和形狀均保持一致，確保樣點(diǎn)在每塊樣本木塊上的屬性相同，最大程度縮小誤差。

主要儀器：LabSpec 5 000 光譜儀(ASD 公司，美國)，波長為 350～2 500 nm。用光譜儀配套的軟件Indico Pro Version 3.1 采集光譜數(shù)據(jù)。

1.2 主成分分析法 (PCA)

PCA是一種常用的波段降維手段。主成分通常表示為原始變量的某種線性組合，它們不僅能夠代表原始變量絕大多數(shù)的信息，還可以一定程度上去除噪聲，壓縮數(shù)據(jù)，對高維數(shù)據(jù)進(jìn)行降維，減少預(yù)測變量的個(gè)數(shù)[10]。

1.3 連續(xù)投影算法 (SPA)

SPA是一種使矢量空間共線性最小化的前向變量選擇算法，在降低共線信息的研究和有效信息獲取的研究中取得較好的成效[11-12]。本研究應(yīng)用SPA在光譜全波段中篩選出少量幾個(gè)特征波段，不僅能夠減少參與識別的光譜波段個(gè)數(shù)，并且可以保證特征波段之間的共線性最小，進(jìn)而提高識別正確率和速度。

1.4 SPA-GA-BP 神經(jīng)網(wǎng)絡(luò)識別方法

當(dāng)SPA篩選后的輸入自變量較多且不是相互獨(dú)立時(shí)，利用BP神經(jīng)網(wǎng)絡(luò)容易出現(xiàn)過擬合的現(xiàn)象，從而導(dǎo)致所建立的模型精度低、建模時(shí)間長等問題，因此，在構(gòu)建模型前，有必要對輸入自變量進(jìn)行優(yōu)化，選擇最能反映輸入與輸出關(guān)系的自變量參與建模。GA優(yōu)化能較好解決上述問題。利用GA進(jìn)行優(yōu)化計(jì)算，需要將解空間映射到編碼空間，每個(gè)編碼對應(yīng)問題的1個(gè)解。本研究將編碼長度設(shè)計(jì)為10，木材光譜特征的每位對應(yīng)1個(gè)輸入自變量，每一位的基因取值只能是“1”和“0”，如果一位值為“1”，表示該位對應(yīng)的輸入自變量參與最終的建模；反之，則表示“0”對應(yīng)的輸入自變量不作為最終的建模自變量。選取測試集數(shù)據(jù)均方誤差的倒數(shù)作為GA的適應(yīng)度函數(shù)，這樣，經(jīng)過不斷的迭代進(jìn)化，最終篩選出最具代表性的輸入自變量參與建模[13-14]。GA優(yōu)化的設(shè)計(jì)步驟主要為：首先產(chǎn)生初始種群，對適應(yīng)度函數(shù)進(jìn)行計(jì)算，其次進(jìn)行選擇、交叉和變異的基礎(chǔ)操作，最后優(yōu)化結(jié)果輸出，構(gòu)建其模型。設(shè)計(jì)步驟如圖1所示。

圖1 SPA-GA-BP 設(shè)計(jì)步驟Figure 1 SPA-GA-BP design steps

2 結(jié)果與分析

2.1 10 種木材的原始光譜圖

應(yīng)用LabSpec 5000光譜儀采集10種木材的原始光譜圖，其中選取紅檀的50個(gè)樣本進(jìn)行對比分析 (圖 2)。

為了更直觀地對比10種木材光譜圖的差異，分別取10種木材中第1組數(shù)據(jù)進(jìn)行繪圖分析(圖3)。由圖3可見：大果紫檀、紅檀和檀香紫檀的強(qiáng)度數(shù)值過小，幾乎與x軸重疊。

由圖2和圖3可以看出：同一種木材光譜圖的波形基本一致，但強(qiáng)度值略有差異；刺猬紫檀、巴里黃檀、紅檀香、破布木、豆瓣香、中美洲黃檀這6種木材的光譜圖從波峰、形狀上相似性均較高，黑檀與這6種木材的光譜圖也較相似，僅在第1個(gè)波谷處形狀上略有差異。

圖2 紅檀的原始光譜圖Figure 2 Original spectra of red sandalwood

圖3 10 種木材的光譜圖Figure 3 Spectral diagrams of 10 species of wood

2.2 主成分分析的 BP 神經(jīng)網(wǎng)絡(luò)識別

原始光譜圖往往帶有一定的噪聲，影響B(tài)P神經(jīng)網(wǎng)絡(luò)識別的正確率，因此有必要對光譜數(shù)據(jù)進(jìn)行預(yù)處理[15-17]。數(shù)據(jù)的預(yù)處理方法較多，本研究分別采用了移動(dòng)平均法、移動(dòng)平均法+多元散射校正(MSC)、移動(dòng)平均法+標(biāo)準(zhǔn)正態(tài)變量變換(SNV)、Savitzky-Golay卷積平滑算法(S-G濾波器)、S-G濾波器+MSC和S-G濾波器+SNV對10種木材的原始光譜進(jìn)行了預(yù)處理，通過對比分析以確定最佳的預(yù)處理方法。

針對上述的幾種預(yù)處理方法，分別進(jìn)行主成分特征提取。以累計(jì)貢獻(xiàn)率達(dá)95%及以上為主成分個(gè)數(shù)的選取標(biāo)準(zhǔn)。以選取的主成分為輸入向量，40個(gè)樣本作為訓(xùn)練，10個(gè)樣本作為測試(后文測試數(shù)據(jù)均與此相同，不再贅述)。應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行木材種類識別測試，經(jīng)過20次的隨機(jī)試驗(yàn)，獲得各種預(yù)處理下BP神經(jīng)網(wǎng)絡(luò)的平均識別結(jié)果(表1)。由表1可以看出：采用S-G濾波器+SNV預(yù)處理時(shí)，BP 神經(jīng)網(wǎng)絡(luò)獲得的平均識別率最高，達(dá)到了84.7%。

表1 不同預(yù)處理的 PCA-BP 神經(jīng)網(wǎng)絡(luò)識別率Table 1 PCA-BP neural network recognition with different preprocessing

為了方便對比10種木材各自的識別效果，整理了S-G濾波器+SNV預(yù)處理時(shí)10種木材的BP神經(jīng)網(wǎng)絡(luò)識別結(jié)果：10種木材的識別效果相差不大，最低為豆瓣香(83.1%)，最高為刺猬紫檀(85.8%)。

2.3 SPA-BP 神經(jīng)網(wǎng)絡(luò)識別

2.3.1 不同預(yù)處理的對比分析 針對 2.2 節(jié)中的幾種預(yù)處理方法進(jìn)行SPA的BP神經(jīng)網(wǎng)絡(luò)識別探討，以確定最佳的預(yù)處理方法。為了對比預(yù)處理的效果，針對SPA方法中的起始波段和特征值個(gè)數(shù)進(jìn)行了隨機(jī)設(shè)置。令SPA方法中的起始波段(Winitial)為15 nm，特征值個(gè)數(shù)(Ntot)為10，對各種預(yù)處理后的數(shù)據(jù)進(jìn)行SPA特征提取，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行20次的隨機(jī)識別，得出10種木材的平均識別率(表2)。由表2可以看出：對于不同的預(yù)處理方式，SPA-BP的正確識別率有所不同，移動(dòng)平均法+SNV的預(yù)處理方法最佳，正確率可達(dá)88.2%，因此，后續(xù)在分析SPA-BP神經(jīng)網(wǎng)絡(luò)識別木材時(shí)，本研究僅針對移動(dòng)平均法和SNV疊加的預(yù)處理方法進(jìn)行分析。

表2 不同預(yù)處理的 SPA-BP 神經(jīng)網(wǎng)絡(luò)平均識別率Table 2 Average recognition rate of SPA-BP neural network with different pretreatments

2.3.2 基于吸收峰的最佳起始波段分析 影響 SPA 特征提取的因素通常有 2 個(gè)，分別是Winitial和Ntot。隨著Winitial和Ntot的改變，提取的特征波長分布會(huì)有所不同，從而影響最終BP神經(jīng)網(wǎng)絡(luò)的正確識別率，此處探討最佳Winitial的選取方法。光譜圖中的特征吸收峰對被分析物質(zhì)是很關(guān)鍵的特征，因此首先考慮分別以木材的吸收峰和非吸收峰作為起始波段，通過對比分析，確定最佳起始波段。①吸收峰作為起始波段的選取。光譜圖中分布了大小不一的波峰，選取波峰特征較明顯的吸收峰進(jìn)行分析，以波峰點(diǎn)為中心點(diǎn)，取寬度相等的波段區(qū)間(每個(gè)波段均取51個(gè)數(shù)據(jù))作為吸收峰的集中分布波段，10種木材的吸收峰集中波段如表3所示。由表3可以看出：10種木材的吸收峰重疊的波段有1 230～1 260、1 780～1 810、1 940～1 970 nm。分別取 3 個(gè)波段的中位數(shù)作為起始波段值，即 1 245、1 795 和 1 955 nm。因?yàn)閃initial的數(shù)值表示為序列號，所以在此基礎(chǔ)上減去初始波段350 nm，Winitial最終取值分別為895、1 445、1 605 nm。②非吸收峰作為起始波段的選取。將全波段 350～2 500 nm等分成 5份，分別在每個(gè)等分波段中隨機(jī)選取1個(gè)非吸收峰作為起始波段。本研究隨機(jī)選取的5個(gè)波段的波長分別為365、1 145、1 345、1 700、2 300 nm。在此基礎(chǔ)上減去初始波段 350 nm，Winitial最終取值分別為 15、795、995、1 350、1 950。分別以上述的吸收峰和非吸收峰為起始波段值，即以 15、795、895、995、1 350、1 445、1 605、1 950 nm作為SPA的起始波段。SPA的特征值個(gè)數(shù)統(tǒng)一取10，進(jìn)行BP神經(jīng)網(wǎng)絡(luò)識別，經(jīng)過20次的隨機(jī)試驗(yàn)，10種木材提取的特征波長分布和平均識別率如表4所示。由表4可以看出：以吸收峰作為起始波段時(shí)，特征波長分布大多追溯在吸收峰附近。對比表4的識別率可見，起始波段為1 445 nm 時(shí)最高，達(dá) 90.4%，其余按照 1 605、895、795、995、1 350、1 950 和 15 nm 的順序依次遞減。不難看出，吸收峰作為起始波段的識別率普遍優(yōu)于非吸收峰。

表3 10種木材吸收峰個(gè)數(shù)和集中波段Table 3 Number of absorption peaks and concentrated bands of 10 species of wood

表4 不同起始波段的 SPA-BP 神經(jīng)網(wǎng)絡(luò)平均識別率Table 4 Average recognition rate of SPA-BP neural network with different starting bands

2.3.3 最佳特征值個(gè)數(shù)分析 將起始波段固定為最佳，即Winitial=1 445 nm，探討Ntot取不同數(shù)值時(shí)，對BP神經(jīng)網(wǎng)絡(luò)識別木材的影響。從圖3的光譜圖可以看出：紅檀、大果紫檀、檀香紫檀3種木材樣本的吸收峰有7個(gè)，刺猬紫檀、巴里黃檀、紅檀香、破布木、豆瓣香、中美洲黃檀和黑檀有9個(gè)?？紤]吸收峰能更好地反映木材光譜圖的特征，Ntot分別取了7和9，同時(shí)參考SPA的相關(guān)文獻(xiàn)[18-21]，且基于BP神經(jīng)網(wǎng)絡(luò)輸入向量過多也會(huì)影響識別精度，又分別取了5、8、10、20、25進(jìn)行了對比分析?；谝陨咸卣鲾?shù)，分別應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行木材識別，每個(gè)狀態(tài)仍隨機(jī)運(yùn)行20次，獲得的結(jié)果如表5所示。分析表5可知：整體上，當(dāng)特征值個(gè)數(shù)取7和9時(shí)正確率偏高，說明特征值個(gè)數(shù)的取值和吸收峰值有關(guān)；當(dāng)特征值個(gè)數(shù)取9時(shí)識別率最高，達(dá)93.2%，說明特征值個(gè)數(shù)和單個(gè)木材的吸收峰無關(guān)，應(yīng)由整體的吸收峰來確定。

表5 同一起始波段不同特征波段的 SPA-BP 神經(jīng)網(wǎng)絡(luò)平均識別率Table 5 Average recognition rate of SPA-BP neural network with the same starting band and different characteristic bands

2.3.4 10 種木材的最佳識別結(jié)果分析 基于最佳預(yù)處理方式 (移動(dòng)平均法+SNV)、最佳起始波段(Winitial=1 445 nm)和最佳特征值個(gè)數(shù)(Ntot=9)，整理出SPA-BP神經(jīng)網(wǎng)絡(luò)識別10種木材各自的識別結(jié)果(表6)。由表6可以看出：在最佳參數(shù)設(shè)置下，SPA-BP神經(jīng)網(wǎng)絡(luò)的識別率較高，大果紫檀、紅檀香、中美洲黃檀和黑檀的平均識別率均為100.0%，其他木材的平均識別率最低達(dá)90.7%，最高達(dá)95.1%。

表6 同一預(yù)處理方式 10 種木材的 SPA-BP 神經(jīng)網(wǎng)絡(luò)平均識別率Table 6 Average recognition rate of SPA-BP neural network for 10 species of wood with the same pretreatment method

2.4 SPA-GA-BP 神經(jīng)網(wǎng)絡(luò)識別

針對SPA的最佳預(yù)處理方式(移動(dòng)平均法+SNV)、最佳起始波段(Winitial=1 445 nm)和最佳特征值個(gè)數(shù)(Ntot=9)，基于SPA-GA的BP神經(jīng)網(wǎng)絡(luò)識別方法隨機(jī)運(yùn)行20次，采用GA優(yōu)化前后建模時(shí)間明顯縮短；大果紫檀、紅檀香、中美洲黃檀和黑檀在采用GA優(yōu)化前后正確識別率均為100.0%，說明這4種木材在采用SPA特征提取時(shí)，識別率較高，采用GA優(yōu)化后對正確識別率影響不大；其他6種木材采用SPA特征提取時(shí)均有一定的誤判，運(yùn)用GA優(yōu)化后識別率有一定的提高。其中破布木的識別率由90.0%提升到了100.0%，巴里黃檀由88.9%提升到了100.0%，刺猬紫檀由90.9%提升到了100.0%。雖然每次僅提升1種木材，但通過多次運(yùn)行，可達(dá)到整體提升的效果。

針對上述20次運(yùn)行結(jié)果，獲得10種木材各自的識別結(jié)果：大果紫檀、中美洲黃檀、刺猬紫檀、巴里黃檀、紅檀香、破布木和黑檀平均識別正確率高達(dá)100.0%，其他3種木材的平均識別率最低達(dá)91.5%，最高達(dá)95.7%，10種木材的平均識別率達(dá)98.0%。

已有的木材識別研究的特征提取方法主要集中于主成分分析[22]、導(dǎo)數(shù)處理[23]等，主成分分析的平均識別率為70.0%～95.3%，導(dǎo)數(shù)處理識別率達(dá)98.6%。雖然這些研究識別率較高，但這些研究參與識別的木材種類大多僅為4～5個(gè)，對于同時(shí)識別10種木材未見嘗試。經(jīng)研究，參與識別的木材種類越多，識別率越難保證。本研究的主成分分析法識別10種木材，平均識別率僅為84.7%。本研究采取SPAGA聯(lián)合的特征提取方法，識別對象為10種木材，通過調(diào)整吸收峰、特征值等參數(shù)，最終7種木材的平均識別率達(dá)100.0%，且識別速度提高為原來的2～3倍。為了進(jìn)一步驗(yàn)證識別率的魯棒性，本研究還采用多種預(yù)處理的方式，使得原始數(shù)據(jù)表現(xiàn)出良好的穩(wěn)定性和容錯(cuò)性。最后實(shí)驗(yàn)數(shù)據(jù)均為隨機(jī)20次運(yùn)行的結(jié)果，說明訓(xùn)練好的模型可以隨時(shí)間和頻次遷移應(yīng)用，識別性能不會(huì)降低。

3 結(jié)論

研究結(jié)果表明：①SPA-GA法識別木材時(shí)，選擇移動(dòng)平均法+SNV的預(yù)處理方式效果最佳。②對于參數(shù)的選擇，起始波段選取吸收峰比選取非吸收峰識別率更高，特征值個(gè)數(shù)結(jié)合光譜圖的峰值個(gè)數(shù)選取更恰當(dāng)。本研究分別選取起始波段為1 445 nm，特征值個(gè)數(shù)為9個(gè)。③SPA-GA提取光譜圖特征時(shí)識別性能最佳。SPA特征值經(jīng)GA尋優(yōu)后，特征個(gè)數(shù)大多減少為原來的一半左右，優(yōu)化后BP神經(jīng)網(wǎng)絡(luò)的平均識別速度顯著提升，大果紫檀、中美洲黃檀、刺猬紫檀、巴里黃檀、紅檀香、破布木和黑檀等7種木材的平均識別正確率均高達(dá)100.0%，總體識別率較SPA顯著提高。

本研究僅選擇了紅檀、刺猬紫檀、巴里黃檀、大果紫檀、紅檀香、破布木、豆瓣香、檀香紫檀、中美洲黃檀和黑檀這10種木材樣本進(jìn)行了探討，對于其他木材的識別有待進(jìn)一步研究驗(yàn)證。