駱立，徐兆軍，王曉羽，周康，那斌

(南京林業(yè)大學(xué)材料科學(xué)與工程學(xué)院，南京 210037)

木材種類繁多，而木材加工與貿(mào)易的前提是需要對(duì)木材樹種進(jìn)行精準(zhǔn)識(shí)別。隨著木材消費(fèi)的增長(zhǎng)和木材進(jìn)出口企業(yè)競(jìng)爭(zhēng)的日益激烈，高效精準(zhǔn)的木材樹種識(shí)別及質(zhì)量評(píng)估系統(tǒng)具有良好的應(yīng)用前景。我國(guó)約有2 500多種喬木，而目前已完成樹種識(shí)別的木材仍不足千種。傳統(tǒng)的木材樹種識(shí)別主要依據(jù)木材組織結(jié)構(gòu)特征，但這種方式工作效率低、存在人為誤識(shí)，且不能實(shí)現(xiàn)無(wú)損檢測(cè)，難以適應(yīng)現(xiàn)代林業(yè)的高速發(fā)展，阻礙了林業(yè)信息化由數(shù)字林業(yè)邁向智慧林業(yè)的進(jìn)程。近年來(lái)，隨著計(jì)算機(jī)輔助識(shí)別技術(shù)的發(fā)展，木材樹種及性能的無(wú)損檢測(cè)技術(shù)逐漸受到關(guān)注，如超聲波、核磁共振、應(yīng)力波和近紅外光譜等。其中，近紅外光譜技術(shù)因操作便捷、模型泛化能力強(qiáng)等優(yōu)點(diǎn)已廣泛應(yīng)用于農(nóng)業(yè)、石油化工、生命科學(xué)等領(lǐng)域，然而其在林業(yè)科學(xué)中的應(yīng)用仍處于探索階段。作為一種快速、綠色的新興無(wú)損檢測(cè)技術(shù)，近紅外光譜能反映出不同樹種對(duì)于不同波長(zhǎng)入射光反射率的差異，可對(duì)木材樹種進(jìn)行精準(zhǔn)分類。有研究證實(shí)了利用近紅外光譜技術(shù)識(shí)別木材樹種的可行性，但存在波段重疊嚴(yán)重、吸收強(qiáng)度低、易受外界環(huán)境影響等問題[1]。

近紅外光是介于可見光與中紅外光之間的電磁波，波長(zhǎng)780～2 500 nm，近紅外光譜主要包含了主要化學(xué)鍵(C—H，O—H，N—H)吸收信息和由微觀結(jié)構(gòu)不均勻引起的散射信息。與傳統(tǒng)木材識(shí)別技術(shù)相比，近紅外光譜技術(shù)具有高效、快速、無(wú)損和實(shí)時(shí)等優(yōu)勢(shì)，但是必須依賴于校準(zhǔn)方法和模型開發(fā)[2]。在之前的研究中多用經(jīng)典的線性模型，如偏最小二乘判別分析(partial least squares discriminant analysis，PLS-DA)[3-5]、主成分分析(principal component analysis，PCA)[6]和線性判別分析(linear discriminant analysis，LDA)[7]。盡管傳統(tǒng)線性建模方法得到了較為理想的預(yù)測(cè)結(jié)果，但鑒于木材材性的復(fù)雜度以及工廠實(shí)際環(huán)境的局限性，亟須尋找更為高效、適用度更廣的近紅外光譜建模方法，以提高木材樹種的識(shí)別精度和速度。近幾年來(lái)，有學(xué)者提出將近紅外光譜技術(shù)與機(jī)器學(xué)習(xí)方法相結(jié)合進(jìn)行木材樹種識(shí)別的手段，這將為木材樹種快速無(wú)損識(shí)別技術(shù)的發(fā)展提供廣闊的前景。支持向量機(jī)(support vector machine，SVM)是一種優(yōu)異的機(jī)器學(xué)習(xí)方法，能夠?qū)崿F(xiàn)全局最優(yōu)的魯棒分類，其將待解決的問題轉(zhuǎn)化成一個(gè)二次規(guī)劃的凸優(yōu)化問題，在解決小樣本和高維向量分類問題上表現(xiàn)出很多優(yōu)勢(shì)[8]。Li等[9]利用近紅外光譜技術(shù)識(shí)別木材樹種并預(yù)測(cè)密度，利用小波變換進(jìn)行光譜預(yù)處理，建立SVM模型，采用粒子群算法(particle swarm optimization，PSO)優(yōu)化參數(shù)，在測(cè)試集上準(zhǔn)確率為100%。Zhou等[10]開發(fā)了一種基于近紅外光譜快速鑒別西部鐵杉和冷杉的方法，對(duì)光譜進(jìn)行平滑處理和一階求導(dǎo)處理，建立基于最小二乘支持向量機(jī)(least squares-support vector machine，LS-SVM)的回歸模型與分類模型，模型最佳效果的準(zhǔn)確率達(dá)到99.8%。作為模型的輸入，數(shù)據(jù)的處理與模型的建立同樣重要，而之前的研究忽略了數(shù)據(jù)處理方法對(duì)模型運(yùn)行速率的影響。SVM模型實(shí)現(xiàn)的關(guān)鍵是核函數(shù)的選取，不同核函數(shù)的選取具有不同的分類效果，核函數(shù)的參數(shù)選擇也會(huì)影響到分類器的準(zhǔn)確率，但目前的研究缺乏核函數(shù)以及核函數(shù)參數(shù)對(duì)木材樹種識(shí)別影響的相關(guān)探討。

為了建立高效精準(zhǔn)的木材樹種識(shí)別及質(zhì)量評(píng)估系統(tǒng)，筆者開發(fā)了一種線性降維技術(shù)結(jié)合非線性分類算法的木材樹種識(shí)別模型，即先采用線性算法PCA和LDA對(duì)木材的光譜數(shù)據(jù)進(jìn)行降維處理以濾除噪聲和提高模型運(yùn)行速度，再分別結(jié)合非線性的SVM建立PCA-SVM、LDA-SVM模型。此外，還對(duì)比了無(wú)監(jiān)督學(xué)習(xí)的PCA和有監(jiān)督學(xué)習(xí)的LDA降維去噪效果，探討了不同核函數(shù)以及核函數(shù)參數(shù)對(duì)于模型分類效果的影響，以期為木材樹種快速鑒別提供理論依據(jù)與技術(shù)支撐，規(guī)范木材交易市場(chǎng)。

1 材料與方法

1.1 樣本來(lái)源與儀器設(shè)備

供試木材樣品均由圣象公司提供，分別為非洲紫檀、變色紫檀、橡膠木、白櫟和水曲柳5個(gè)樹種，規(guī)格均為20 cm×10 cm×2 cm(長(zhǎng)×寬×高)，每個(gè)樹種均備有200個(gè)木塊，共計(jì)1 000個(gè)試驗(yàn)樣本。樣本產(chǎn)地如表1所示。為避免鋸痕對(duì)試驗(yàn)結(jié)果的影響，采用100目(粒徑150 μm)砂紙對(duì)木塊進(jìn)行打磨，并存放在溫度為(25±2)℃、相對(duì)濕度為(50±2)%的受控環(huán)境中。采用光譜儀(臺(tái)灣五鈴光學(xué)公司，型號(hào)：NIRez)進(jìn)行光譜采集，光譜波長(zhǎng)范圍900～1 650 nm，光譜分辨率10 nm，每條光譜包含112個(gè)數(shù)據(jù)點(diǎn)。

表1 樣本樹種及來(lái)源Table 1 The tree species and sources of samples

1.2 光譜采集

近紅外光譜的采集系統(tǒng)主要由光譜儀、計(jì)算機(jī)、光源盒、光纖、暗箱等構(gòu)建而成。為避免室溫、光線等環(huán)境變化對(duì)實(shí)驗(yàn)造成影響，在暗箱內(nèi)進(jìn)行采集作業(yè)，環(huán)境溫度控制在20 ℃，平均相對(duì)濕度在50%。采集前，使用標(biāo)準(zhǔn)聚四氟乙烯白板進(jìn)行光譜白板校正，從而對(duì)環(huán)境噪聲波段進(jìn)行濾波處理。將待測(cè)樣本放置在支架平臺(tái)上，光纖探頭距待測(cè)樣本表面約5 mm。利用配套軟件SpectraSmart(臺(tái)灣五鈴光學(xué)公司，版本號(hào)：2018)采集數(shù)據(jù)，采樣的參數(shù)設(shè)置為：光譜范圍900～1 650 nm，積分時(shí)間1 ms，掃描平均次數(shù)900次，平滑度為5，同時(shí)啟用電子暗噪聲校正和雜散光校正。

1.3 光譜數(shù)據(jù)的降維處理

由于直接采集的光譜數(shù)據(jù)包含大量冗余信息、特征峰高度混疊、信噪比較低，在解決木材樹種識(shí)別的多分類問題時(shí)，需要對(duì)光譜數(shù)據(jù)進(jìn)行特征提取，本研究采用PCA與LDA兩種降維方法對(duì)光譜數(shù)據(jù)進(jìn)行處理。PCA是一種統(tǒng)計(jì)分析方法，將原始數(shù)據(jù)相關(guān)的多數(shù)指標(biāo)通過正交變換為少數(shù)不相關(guān)指標(biāo)，這些指標(biāo)稱為主成分。PCA的主成分各自獨(dú)立且不相關(guān)，能夠降低維數(shù)和去除光譜中的重疊信號(hào)，是一種目前最常用的光譜特征信息提取方法。利用PCA對(duì)5種木材光譜數(shù)據(jù)進(jìn)行降維，提取出特征數(shù)據(jù)，從而提高數(shù)據(jù)的聚類效果。而LDA通過找到一個(gè)投影面，使得類間距離最大化、類內(nèi)距離最小化，從而達(dá)到最好的分類效果，實(shí)現(xiàn)特征壓縮和分類信息抽取的作用[11]。與PCA相比，LDA屬于監(jiān)督學(xué)習(xí)的降維方法。在訓(xùn)練過程中，LDA會(huì)學(xué)習(xí)各類之間最有判斷力的軸，并使用這些軸來(lái)定義要在其上投影的超平面，是在建立SVM分類器前常用的一種降維技術(shù)，優(yōu)勢(shì)是能使各類之間保持盡可能遠(yuǎn)的距離，局限性是最多只能降到類別數(shù)減1的維度。

1.4 模型建立

選取SVM分類器作為樹種分類的模型，分別結(jié)合PCA和LDA建立PCA-SVM模型與LDA-SVM模型，模型的輸入為經(jīng)過降維處理的光譜數(shù)據(jù)，輸出為木材的樹種標(biāo)簽。木材的近紅外光譜數(shù)據(jù)屬于非線性數(shù)據(jù)，對(duì)于非線性的情況，SVM利用非線性映射把輸入樣本由低維空間映射到高維特征空間，使得在低維空間中線性不可分的問題轉(zhuǎn)化為在高維空間中線性可分。SVM常用的核函數(shù)有線性內(nèi)核(linear)、多項(xiàng)式內(nèi)核(polynomial)、雙曲正切內(nèi)核(sigmoid)和高斯徑向內(nèi)核(radial basis function，RBF)4種。SVM是建立在核函數(shù)的基礎(chǔ)之上的，核函數(shù)及其參數(shù)的選擇會(huì)影響到SVM的準(zhǔn)確率和穩(wěn)定性。目前常用的參數(shù)尋優(yōu)算法有粒子群優(yōu)化算法、遺傳算法和網(wǎng)格搜索算法等。本研究采取了網(wǎng)格搜索法結(jié)合5折交叉驗(yàn)證的方法。此外，SVM屬于嚴(yán)格的二元分類器，當(dāng)利用SVM進(jìn)行多元分類時(shí)，可以通過一對(duì)多(one-versus-all，OvR)和一對(duì)一(one-versus-one，OvO)兩種策略實(shí)現(xiàn)多類分類的目的。多類分類問題可描述為：給定訓(xùn)練集樣本集T={(x1,y1),(x2,y2),…,(xl,yl)}∈(X×Y)l，其中xi∈X=Rn，yi∈Y={1,2,…,K}，i=1,2,…,l，要在上述訓(xùn)練樣本尋求一個(gè)決策函數(shù)f(x)：X=Rn→Y，使對(duì)未知樣本x進(jìn)行分類時(shí)的錯(cuò)誤率盡可能小。

1.5 模型評(píng)價(jià)

選用準(zhǔn)確率、混淆矩陣和ROC曲線(受試者工作特征曲線)來(lái)評(píng)價(jià)模型的分類能力[12]。準(zhǔn)確率是所有正確識(shí)別樣本數(shù)與總樣本數(shù)的百分比，準(zhǔn)確率越接近1，表明正確識(shí)別的樣本越多。但當(dāng)進(jìn)行多元分類時(shí)，通常不能把準(zhǔn)確率作為評(píng)估分類器的首要性能指標(biāo)，評(píng)估分類器性能更好的方法是混淆矩陣,其總體思路是統(tǒng)計(jì)A類別實(shí)例被識(shí)別成B類別的次數(shù)?；煜仃嚨拿恳涣写眍A(yù)測(cè)類別，每一行代表的是真實(shí)類別，可以明確地了解到每類樹種被誤識(shí)的類別與次數(shù)。ROC曲線繪制的是真正類率和假正類率的關(guān)系，將AUC面積(ROC曲線下面積)作為評(píng)價(jià)模型表現(xiàn)的度量標(biāo)準(zhǔn)[13]。一般而言，曲線越朝左上角凸出，模型的表現(xiàn)越好，簡(jiǎn)單直觀。每個(gè)樹種能繪制出一條ROC曲線，畫出5條曲線后取其平均值得到最終的ROC曲線，其中求平均值又分為宏平均和微平均。

2 結(jié)果與分析

2.1 光譜數(shù)據(jù)預(yù)處理

由于原始光譜訊號(hào)存在著一些噪訊，因此采用SpectraSmart提供的平滑處理功能來(lái)消除噪訊，讓光譜曲線更加平滑，開啟DWT 降噪濾波器、 Savitzky-Golay濾波器[14]，并且設(shè)定11點(diǎn)平滑度及參考與量測(cè)曲線平滑模式。同一樹種的木材光譜曲線應(yīng)該具有相同的趨勢(shì)與走向，采用PCA將原始數(shù)據(jù)降到3維，目的是可視化數(shù)據(jù)，觀察數(shù)據(jù)的分布情況，如圖1a。觀察圖1a可知，異常值的存在不利于木材樹種的分類，通過計(jì)算樣本間的歐氏距離對(duì)異常值進(jìn)行檢測(cè)，共檢測(cè)出52個(gè)樣本點(diǎn)。由于異常值小于樣本總數(shù)的10%，直接對(duì)異常值進(jìn)行剔除，剩余948個(gè)實(shí)驗(yàn)樣本，剔除后的前3個(gè)主成分散點(diǎn)圖如圖1b所示。由圖1b可見，5種木材在主成分的3維空間里呈現(xiàn)出較高的聚合度，橡膠木、蒙古櫟、水曲柳的邊界線較為明顯，而非洲紫檀和變色紫檀的邊界線模糊。

圖1 5種木材的前3個(gè)主成分散點(diǎn)圖Fig. 1 Scatter plot of first three principal components for samples of five wood species

SVM只能處理數(shù)值型數(shù)據(jù)，因此在數(shù)據(jù)預(yù)處理時(shí)需要將文字型數(shù)據(jù)轉(zhuǎn)換為數(shù)值型，即對(duì)木材的樹種標(biāo)簽進(jìn)行編碼，將分類轉(zhuǎn)換為分類數(shù)值，非洲紫檀、變色紫檀、橡膠木、蒙古櫟、水曲柳分別編碼為類別0、類別1、類別2、類別3、類別4。

2.2 樣本集劃分

Kennard-Stone(K/S)算法通過計(jì)算樣本間的歐氏距離來(lái)劃分樣本，將光譜差距大的樣本選入訓(xùn)練集，其余的樣本歸入測(cè)試集。采用K/S算法將樣本集劃分為訓(xùn)練集和測(cè)試集，從每類樹種樣本中抽取70%作為訓(xùn)練集，30%作為測(cè)試集，則訓(xùn)練集中共有663個(gè)樣本，測(cè)試集共有285個(gè)樣本。為驗(yàn)證抽取出來(lái)的測(cè)試集是否具有代表性，采用PCA分別對(duì)訓(xùn)練集和測(cè)試集進(jìn)行降維處理。測(cè)試集與訓(xùn)練集的第一主成分和第二主成分分布圖見圖2。由圖2可見，測(cè)試集樣本均勻分布在訓(xùn)練集的分布空間上，說(shuō)明此測(cè)試集具有代表性。

圖2 樣本的第一主成分和第二主成分分布圖Fig. 2 Distribution of the first and the second principal component of the samples

2.3 PCA-SVM模型分類

PCA降維模型中最重要的參數(shù)是n_components，即降維后保留的特征維度。訓(xùn)練集和測(cè)試集的主成分累計(jì)貢獻(xiàn)率見表2。由表2可見，訓(xùn)練集及測(cè)試集的前3個(gè)主成分累計(jì)貢獻(xiàn)率已達(dá)到了99.94%，保留了原始數(shù)據(jù)足夠的信息量。通過學(xué)習(xí)曲線易于找到最佳的n_components，當(dāng)n_components為12時(shí)，PCA-SVM模型的分類性能最好，因此采用前12個(gè)主成分替代原始光譜數(shù)據(jù)作為模型的輸入。

表2 訓(xùn)練集和測(cè)試集的主成分累計(jì)貢獻(xiàn)率Table 2 Cumulative contribution rate of principal components of training set and test set

為選取最佳的核函數(shù)，在識(shí)別難度較大的非洲紫檀與變色紫檀訓(xùn)練集上探究4種核函數(shù)的識(shí)別效果，基于不同核函數(shù)建立SVM模型，各項(xiàng)參數(shù)均設(shè)定為默認(rèn)值，識(shí)別結(jié)果如圖3所示。由圖3可知，在同一樣本集下基于不同的核函數(shù)建立的識(shí)別模型對(duì)木材的識(shí)別效果不盡相同，基于高斯徑向內(nèi)核函數(shù)的模型準(zhǔn)確率可達(dá)到83%，而基于多項(xiàng)式內(nèi)核函數(shù)的模型準(zhǔn)確率卻只有67%；因此，根據(jù)核函數(shù)在此訓(xùn)練集上的表現(xiàn)，選取高斯徑向內(nèi)核作為SVM模型的核函數(shù)。

圖3 4種核函數(shù)的識(shí)別效果Fig. 3 Identification performance of four kernel functions

基于RBF的SVM模型存在兩個(gè)需要自定義的超參數(shù)，即懲罰因子C和RBF核函數(shù)寬度gamma[15]。為提高SVM的泛化性能和識(shí)別效果，采用網(wǎng)格搜索法結(jié)合5折交叉驗(yàn)證來(lái)優(yōu)化參數(shù)，得到C與gamma的最佳組合。由于本研究的訓(xùn)練集屬于較小的數(shù)據(jù)集，且OvO策略每次訓(xùn)練只使用兩類樣本，訓(xùn)練速度較快，多類分類方法采用OvO策略。

兩種模型樹種的混淆矩陣見圖4。當(dāng)C為32.66、gamma為0.026時(shí)，采用OvO策略，PCA-SVM模型的分類性能最佳，準(zhǔn)確率達(dá)到96.14%，有9個(gè)樣本識(shí)別錯(cuò)誤，模型速率達(dá)7.92 s。分析PCA-SVM模型的混淆矩陣(圖4a所示)，僅有非洲紫檀的準(zhǔn)確率達(dá)到了100%，而蒙古櫟的準(zhǔn)確率只有92%，被錯(cuò)誤識(shí)別為非洲紫檀和橡膠木。蒙古櫟的AUC面積為0.99，其余樹種均為1，可見PCA-SVM分類器對(duì)蒙古櫟的識(shí)別能力最差。

圖4 兩種模型樹種的混淆矩陣Fig. 4 The wood species prediction results of the two models

2.4 LDA-SVM模型分類結(jié)果分析

兩種降維方法的處理結(jié)果見圖5。為對(duì)比分析PCA和LDA降維的處理效果，在訓(xùn)練集上分別采用PCA和LDA進(jìn)行降維，得到二維投影圖。由圖5可見，LDA降維后的聚類效果優(yōu)于PCA，各類別樹種分界線清晰。這是因?yàn)榻t外光譜信息與木材樹種標(biāo)簽相關(guān)聯(lián)，LDA是屬于監(jiān)督學(xué)習(xí)的降維技術(shù)，在向低維度投影時(shí)使不同類別數(shù)據(jù)的類別中心間距盡可能遠(yuǎn)，而PCA是不考慮樣本類別輸出的無(wú)監(jiān)督降維技術(shù)[16]。

圖5 不同降維方法的處理結(jié)果Fig. 5 Processing results of different dimensionality reduction methods

由于LDA最多只能降到4維度，取n_components=4，SVM模型同樣選取RBF核函數(shù)，采用OvO策略，經(jīng)網(wǎng)格搜索法，結(jié)合5折交叉驗(yàn)證優(yōu)化參數(shù)，得到C=10.21，gamma=0.278，準(zhǔn)確率高達(dá)97.54%；有7個(gè)樣本未被正確識(shí)別，模型運(yùn)行速率達(dá)6.53 s。LDA-SVM模型的混淆矩陣(圖4b所示)直觀地反映了各類樹種的識(shí)別準(zhǔn)確率，其中非洲紫檀、橡膠木、水曲柳3個(gè)樹種的所有樣本均能正確識(shí)別，變色紫檀和蒙古櫟的準(zhǔn)確率分別為95%和92%。

5個(gè)樹種的AUC面積均為1，表明LDA-SVM模型對(duì)各類樹種的識(shí)別能力較強(qiáng)。兩個(gè)模型的區(qū)別在AUC面積中體現(xiàn)得不明顯，總體而言LDA-SVM模型略優(yōu)于PCA-SVM模型。

3 結(jié) 論

1)將機(jī)器學(xué)習(xí)與林業(yè)信息處理緊密結(jié)合，開發(fā)一種基于支持向量機(jī)的木材樹種識(shí)別模型，結(jié)果表明PCA-SVM和LDA-SVM兩種模型均可實(shí)現(xiàn)對(duì)木材樹種的識(shí)別。其中，LDA-SVM模型的準(zhǔn)確性優(yōu)于PCA-SVM模型，總體準(zhǔn)確率97.54%，模型運(yùn)行速率6.53 s。

2)采用PCA和LDA兩種線性算法對(duì)原始光譜數(shù)據(jù)進(jìn)行降維去噪處理，對(duì)比了其對(duì)木材近紅外光譜的去噪效果和模型運(yùn)行速度的影響，結(jié)果表明，基于LDA的模型優(yōu)于基于PCA的模型，模型識(shí)別準(zhǔn)確率提高了1.4%，運(yùn)行速率提升了17.6%。

3)探討了SVM的核函數(shù)對(duì)木材樹種識(shí)別的影響，結(jié)果發(fā)現(xiàn)基于高斯徑向內(nèi)核函數(shù)的模型識(shí)別效果最佳，線性內(nèi)核函數(shù)次之。