王甜甜，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 150040）

藍莓學(xué)名越橘，杜鵑花科，其成熟果實可食率達100%，果肉細膩，有酸甜可口的味道且伴有清爽宜人的香氣。富含花色苷、維生素C、維生素E、黃酮醇、花青素等多種抗氧化物質(zhì)，被譽為“漿果之王”[1]。果實的營養(yǎng)物質(zhì)含量與其成熟度、貯藏時間及腐敗程度的關(guān)聯(lián)甚密，是加工產(chǎn)品品質(zhì)及鮮食口感的重要因素之一。消費者在購買過程中除關(guān)心水果的味道外，營養(yǎng)成分作為重要指標也有著越來越高的關(guān)注度[2]。藍莓內(nèi)部品質(zhì)的傳統(tǒng)檢測方法多為破壞性檢測，耗時長、效率低，無法滿足生產(chǎn)實踐中大批量檢測的需求，亟待發(fā)展無損檢測技術(shù)對藍莓內(nèi)部品質(zhì)進行快速檢測。

近年來，可見/近紅外光譜、高光譜成像、電子鼻以及超聲波檢測等技術(shù)已經(jīng)嘗試用于水果內(nèi)在品質(zhì)的無損檢測[3-4]。其中，近紅外光譜技術(shù)（Near-Infrared Spectroscopy，NIR）因其操作簡單、檢測速度快、穩(wěn)定性好、無污染等優(yōu)點，逐漸成為農(nóng)產(chǎn)品無損檢測的一項重要技術(shù)手段。陳蓓等[5]利用競爭適應(yīng)性重加權(quán)采樣法（Competitive Adaptive Reweighted Sampling，CARS）、無信息變量消除法、隨機蛙跳算法（Random Frog，RF）和連續(xù)投影算法對NIR 波長進行降維處理，定量預(yù)測人參皂苷中Rg1 和Rc 含量，所建偏最小二乘模型決定系數(shù)均達到0.94 以上。Agulheiro 等[6]對光譜進行一階求導(dǎo)后利用偏最小二乘回歸定量分析草莓可溶性固形物含量，校正集決定系數(shù)和預(yù)測集決定系數(shù)分別達到0.9277 和0.8207。姜妍等[7]通過對光譜進行一階求導(dǎo)、去趨勢算法和標準正太變換組合算法預(yù)處理后建立偏最小二乘模型，對青飼大豆三種主要品質(zhì)參數(shù)進行定量分析，結(jié)果達到了較高的預(yù)測精度。以上研究表明，光譜預(yù)處理方法及分析模型的選擇對農(nóng)作物品質(zhì)的分析精度具有較大的影響，不同種類預(yù)處理和模型的組合方式會導(dǎo)致不同的分析結(jié)果。盡管國內(nèi)外基于NIR 預(yù)處理和建模的組合方式有很多，但對于分析不同貯藏時間下的藍莓果實內(nèi)部品質(zhì)的預(yù)處理和模型的組合方式還需進一步的研究。

本研究收集了不同貯藏時間的藍莓果實樣品，基于NIR 技術(shù)，比較多種預(yù)處理方法，并采用最佳的預(yù)處理方法結(jié)合競爭適應(yīng)性重加權(quán)采樣法和隨機蛙跳算法篩選最佳的特征波長，運用偏最小二乘回歸（Partial Least Square Regression，PLSR）和支持向量回歸（Support Vector Regression，SVR）兩種技術(shù)建立藍莓營養(yǎng)成分含量快速預(yù)測模型，第一種屬于線性方法，被認為是使用NIR 光譜時的標準技術(shù)之一；第二種屬于非線性方法，可能更適合定量分析。通過比較線性和非線性兩種方法，以期進一步提高藍莓營養(yǎng)成分的預(yù)測精準度，并為藍莓收儲提供一種快速準確的檢測方法。

1 材料與方法

1.1 材料與儀器

藍莓品種 綠寶石，挑選大小均勻、無損傷的成熟新鮮藍莓于采摘當天低溫貯藏運回實驗室，為確保實驗樣品具有代表性梯度范圍，藍莓以每6 個為一組分為300 組裝在 PET 專用水果包裝盒放置于10 ℃恒溫箱內(nèi)貯藏，每次實驗取30 組藍莓，待恢復(fù)室溫后采集其NIR 光譜，再進行相關(guān)理化指標的測定。樣品從貯藏當天開始，每天選取30 組樣品進行測定，共收集了藍莓貯藏1～10 d 的光譜及理化值數(shù)據(jù)。

LabSpec 5000 型光譜儀 美國ASD 公司；UV-1801 紫外可見分光光度計 北京北分瑞利公司；LYT-330 手持式折光儀 上海淋譽貿(mào)易有限公司；PX-70BⅢ生化培養(yǎng)恒溫箱 天津泰斯特儀器有限公司。

1.2 實驗方法

1.2.1 NIR 采集 采用LabSpec 5000 型光譜儀采集光譜，光譜掃描前，機器預(yù)熱時間為30 min，以保證采集結(jié)果的穩(wěn)定，設(shè)置采集參數(shù)波長范圍350～2500 nm，使用配套軟件Indico ProVersion3.1 采集光譜，采集間隔1 nm。在樣品果腹赤道處每隔約120°掃描光譜3 次，以3 次所得平均結(jié)果作為該單果樣品的NIR 光譜，以每組中6 個樣品的平均光譜代表該組樣本的光譜數(shù)據(jù)。

1.2.2 理化值測定 由于果實的化學(xué)性質(zhì)在全貯藏過程中將會發(fā)生變化，因此這些性質(zhì)的無損估計對于銷售及健康食用等具有重要的使用價值[8]。在這方面，本研究中考慮的兩個化學(xué)性質(zhì)是可溶性固形物（Soluble Solids Content，SSC）和維生素C（Vitamin C，VC）。藍莓樣品的這些參數(shù)的實際值是在破壞性實驗室分析中測量的，在光譜分析之后以下列方式進行。

1.2.2.1 SSC 測定 取一組藍莓樣品，放入研缽搗碎，用紗布包裹，擠出藍莓汁液，對手持式折光儀進行零點校正后，將汁液滴于折光儀獲得讀數(shù)，測量3 次取平均值，作為該組樣本SSC 實測值[9]。

1.2.2.2 VC測定 稱取2 g 搗碎的藍莓加入1% HCL研磨均勻，加入蒸餾水定容至25 mL。取濾液2 mL加0.2 mL 10% HCl，加水稀釋至10 mL。以蒸餾水為空白對照，使用紫外分光光度計在423 nm 處測待測液吸光度值，并查標準曲線（C=15.12A+0.1222，R2=0.9833，由抗壞血酸標準液測得）計算得出[10-11]。

1.3 數(shù)據(jù)處理

1.3.1 光譜數(shù)據(jù)預(yù)處理 建立SSC、VC含量的定量識別模型時，采用馬氏距離[12-13]的方法來識別藍莓樣品中的異常樣品光譜，剔除馬氏距離大于10 的樣本。運用基于x-y 聯(lián)合距離的樣本集劃分方法（SPXY）[14]，按照訓(xùn)練集與驗證集樣品數(shù)量之比4:1，將剔除異常樣品后的全部樣品光譜及理化值劃分為校正集和預(yù)測集，利用校正集數(shù)據(jù)進行模型的訓(xùn)練，利用預(yù)測集數(shù)據(jù)進行模型的性能測試。

原始光譜包括由于背景和環(huán)境光、樣品的曲率以及不同大小的藍莓造成的不需要的信息，為提高光譜分辨率，去除樣品表面顆粒不均勻帶來的雜散光等，消除或減弱非目標因素的干擾，提高信噪比和判別準確度，實現(xiàn)模型的可靠校準和歸一化，建立相對穩(wěn)定的數(shù)學(xué)模型，因此有必要對284 個樣本的原始光譜進行預(yù)處理，本研究將在軟件Unscrambler X 10.4 中實現(xiàn)光譜的預(yù)處理。光譜預(yù)處理主要采用一階導(dǎo)數(shù)（First Derivative，1-DER）、二階導(dǎo)數(shù)（Second Derivative，2-DER）、標準正態(tài)變換（Standard Normal Variate Transform，SNV）、多元散射校正（Multiplicative Scatter Correction，MSC）、Savitzky-Golay 平滑（S-G）等一種或幾種方法組合進行比較分析。其中導(dǎo)數(shù)算法可以消除樣品背景干擾、區(qū)分重疊峰、提高靈敏度；SNV 可以消除固體顆粒大小、表面散射以及光程變化對NIR 光譜的影響；MSC 主要是消除顆粒分布不均勻及顆粒大小產(chǎn)生的散射影響；S-G 旨在平滑噪聲數(shù)據(jù)并消除具有大障礙的數(shù)據(jù)點[15-17]。這幾種方法單獨或組合使用都會使分析結(jié)果不同，因此，需要大量的實驗來驗證以得到更合適的預(yù)處理方法。對光譜進行預(yù)處理后，使用偏最小二乘法分別建模。最后，利用校正相關(guān)系數(shù)（Corrected Correlation Coefficient，Rc）、 校正均方根誤差（Root Mean Square Error of Correction，RMSEC）、 預(yù)測相關(guān)系數(shù)（Prediction Correlation Coefficient，Rp）、 預(yù)測均方根誤差（Root Mean Square Error of Prediction，RMSEP）來定量比較預(yù)測效果，計算公式如式（1）和（2）所示。Rc 和Rp 取值越接近1，RMSEC 和RMSEP 越接近0，模型的擬合性越好，預(yù)測精度越高。

式（1）和（2）中，RMSE 為均方根誤差；R為相關(guān)系數(shù)；n 為樣本個數(shù)；為第i 個樣本的觀測值；為觀測值的平均值； yi為第i 個樣本的預(yù)測值（i=1,2,3,…,n）。

1.3.2 特征波長選擇算法 藍莓營養(yǎng)成分預(yù)測模型的建立，需將所測得的藍莓樣品近紅外光譜數(shù)據(jù)作為預(yù)測模型的輸入變量，考慮到全光譜的輸入會有信號譜帶的重疊問題，且降低模型的運行速度[18]；所以將全光譜進行特征提取，以消除原始數(shù)據(jù)之間存在的共線性關(guān)系，提高預(yù)測結(jié)果穩(wěn)定性[19]。采用CARS 和RF 兩種原理不同的算法，對預(yù)處理后的光譜進行特征波長篩選，提取特征變量作為預(yù)測模型的輸入，此過程及后續(xù)的模型建立均在軟件matlab 2018b 中完成。

CARS 算法是通過蒙特卡羅采樣建立PLSR 模型，基于自適應(yīng)重加權(quán)采樣和一個指數(shù)遞減函數(shù)，獲得多個波長子集。然后，為每個波長子集建立一個交叉驗證模型。最后根據(jù)交叉驗證均方根誤差（Cross Validation Root Mean Squared Error，RMSECV）值最小原則選擇最終的波長[20-21]。由于自適應(yīng)重加權(quán)采樣和指數(shù)遞減函數(shù)的隨機性，每次的篩選結(jié)果都不同，因此需要多次執(zhí)行CARS 算法，將RMSECV 值最小時對應(yīng)的波長變量作為最終的選擇。

RF 算法類似于可逆跳躍馬爾可夫鏈蒙特卡羅，通過迭代進行，在隨機選取的波長子集的基礎(chǔ)上生成一個新的波長子集，并以一定的概率被接受。循環(huán)該步驟，直到完成N 次迭代并選擇區(qū)間子集，計算每次迭代中每個變量被選中的概率[22-23]。概率值越高，變量的重要性越大；具有最高概率的變量被選為特征變量。

1.3.3 預(yù)測模型 隨著光譜技術(shù)的發(fā)展，PLSR 也成為其分析時的常用方法。在通過 PLSR 方法創(chuàng)建模型之前，需要確定潛在變量的數(shù)量。本研究利用留一法交叉驗證優(yōu)化潛在變量的數(shù)量。潛在變量的最佳數(shù)量對應(yīng)于最低的RMSECV 值[24-27]。應(yīng)用此過程后，可以得到最佳的潛在變量，從而可得到更好的預(yù)測效果。

SVR 用于解決機器學(xué)習(xí)的問題，被認為是功能強大且能靈活應(yīng)用的一種計算算法。目前，被廣泛應(yīng)用于具有非線性性質(zhì)的、數(shù)據(jù)量大且繁雜的工作中。與PLSR 一樣，SVR 也需要在校準過程之前設(shè)置一些參數(shù)。參數(shù)ε決定了回歸曲線的平坦程度，且0＜ε＜1；核函數(shù)參數(shù)g 和懲罰因子參數(shù)c 對支持向量回歸模型的精度和泛化能力的影響是最主要的，因此需要確定這兩個參數(shù)以提高模型的效果[28-29]。本文利用網(wǎng)格搜索技術(shù)的全局搜索能力，通過設(shè)定網(wǎng)格搜索的c 和g 值的搜索范圍和步長，自動確定c 和g 參數(shù)的取值，然后進行交叉驗證，找出精確度最高的（c，g）對，從而減少參數(shù)選擇的盲目性，提高參數(shù)選擇的精度[30-31]。

2 結(jié)果與分析

2.1 樣本數(shù)據(jù)處理結(jié)果

圖1 所示為藍莓樣本第1～10 d 的平均原始光譜曲線圖，不同顏色的曲線代表不同的儲藏期，圖中第1～10 d 的光譜反射率由高到低依次下降。由于350～500 nm 和2300～2500 nm 的范圍內(nèi)的光譜噪聲太大，因此截取500～2300 nm 的光譜作為本研究的分析范圍。在700～1300、1440～1830 nm 范圍，不同貯藏期藍莓樣品之間的反射率差異較大，因為該區(qū)域主要承載了-OH、-NH、-CO 和C-H 官能團信息，而SSC 和VC的化學(xué)結(jié)構(gòu)主就是由這類化學(xué)鍵組成，因此，利用近紅外光譜可用于檢測藍莓的SSC 和VC。

圖1 不同貯藏期藍莓原始平均光譜曲線圖Fig.1 Original average spectral curve of blueberries in different storage periods

圖2 為300 個樣本的馬氏距離，黑色直線以上的部分是馬氏距離大于10 的樣本，剔除馬氏距離大于10 的樣本共16 個，將其余的284 個樣本按4：1 劃分為校正集和預(yù)測集。SSC 和VC分布范圍、校正集及預(yù)測集的平均值如表1 所示。SSC、VC校正集的分布范圍大于預(yù)測集的分布范圍，證明SPXY算法劃分后的校正集具有代表性，可以為模型提供更準確的結(jié)果。

表1 SPXY 算法劃分校正集和預(yù)測集結(jié)果統(tǒng)計Table 1 SPXY algorithm divides calibration set and prediction set result statistics

圖2 所有樣本馬氏距離Fig.2 Mahalanobis distance for all samples

為了篩選最佳的光譜預(yù)處理方法，在Unscrambler X 10.4 軟件中得出12 種預(yù)處理組合，其中1-DER 采用間隔點數(shù)7，2-DER 采用間隔點數(shù)6，SG 采用窗口寬度13，多項式導(dǎo)數(shù)為3。用PLSR 建立模型，通過比較每種組合所得出的的Rc、RMSEC、Rp、RMSEP 來衡量預(yù)處理的效果。光譜預(yù)處理結(jié)果如表2 所示，通過MSC+2-DER（圖3）組合處理的光譜數(shù)據(jù)用于預(yù)測可溶性固形物和維生素C 含量均表現(xiàn)出相對較好的效果，且相較于原始光譜預(yù)測效果也大幅提升，說明該預(yù)處理方法可提供更加有效的信息，可用于進一步波長篩選及建模分析。

表2 不同組合預(yù)處理結(jié)果Table 2 Different combinations of preprocessing results

圖3 MSC+2-DER 預(yù)處理后的近紅外光譜Fig.3 NIR spectra after MSC+2-DER pretreatment

2.2 特征波長篩選及效果評價

將經(jīng)過光譜預(yù)處理的原始光譜利用CARS 算法和RF 算法提取特征波長，以下是SSC 和VC特征波長提取過程。

CARS 的提取中，蒙特卡羅采樣設(shè)置為15 次，9 折交叉驗證。300 次迭代過程中SSC 和VC的RMSECV 變化如圖4（a）和圖4（b）所示，RMSECV 值隨著重復(fù)選擇次數(shù)的增加均呈現(xiàn)先緩慢下降，然后再整體上升的趨勢，最后趨于平緩，當RMSECV 值達到最小值時，為所建PLSR 模型的最優(yōu)結(jié)果，此時對于SSC 和VC采樣分別運行了178 次和162 次，RMSECV 值分別為1.427 和4.262。所選波長數(shù)量分別為32 個和46 個，對應(yīng)于全波段的位置分別如圖5（a）和圖5（b）所示。

圖4 RMSECV 隨采樣次數(shù)變化過程Fig.4 Process of RMSECV changing with the number of samples

圖5 優(yōu)選波長分布Fig.5 Preferred wavelength distribution

基于RF 算法，對于SSC 和VC，每個變量被選擇的概率如圖6（a）和圖6（b）所示，選擇概率大于0.3 的變量為最終特征波長，SSC 和VC得到滿足條件的特征波長分別有79 個和53 個，如圖7（a）和圖7（b）所示。

圖6 變量選擇概率Fig.6 Variable selection probability

圖7 優(yōu)選波長分布Fig.7 Preferred wavelength distribution

將兩種方法所選波長變量結(jié)合起來，去掉重復(fù)的波長，SSC 和VC分別有100 個和87 個波長變量。以上優(yōu)選出的三種波長組合將分別作為模型的輸入，通過比較建模結(jié)果分析CARS 和RF 兩種算法的適用性。

2.3 建模結(jié)果與評價

基于預(yù)處理之后選出的特征變量作為輸入量，分別建立PLSR 和SVR 模型，對藍莓中SSC 和VC含量進行預(yù)測。

建立SVR 模型時，利用網(wǎng)格法尋找最佳的參數(shù)c 和g。本文設(shè)定ε=0.01，設(shè)定網(wǎng)格搜索的c、g 值的搜索范圍和步長，這里設(shè)置為c∈[0, 10]，步長為0.5，g∈[-10, 0]，步長為1，將模型運行50 次的結(jié)果取平均值作為最終預(yù)測結(jié)果進行分析。兩種模型的預(yù)測結(jié)果見表3 所示。

表3 PLSR 和SVR 模型預(yù)測效果Table 3 PLSR and SVR model prediction effect

波長選擇后，2 種優(yōu)化算法消除了大量與預(yù)測內(nèi)容無關(guān)的波長，用于建模的光譜數(shù)據(jù)量顯著減少。將CARS 算法和RF 算法提取到的特征波長及組合波長建立PLSR 模型，相較于全波段所建立的PLSR模型，優(yōu)選出的特征波長所得到的Rc 和Rp 均大幅提高，RMSEC 和RMSEP 也相對減少，SSC 波長變量分別降到了全波段變量1.7%、4.3%、5.6%，VC波長變量分別降到了全波段變量的2.5%、2.9%、4.8%。說明，利用CARS 和RF 特征波長提取方法均可提高模型對藍莓中SSC 和VC含量的預(yù)測精度。

三種優(yōu)選變量組合中，CARS+RF 組合的波長數(shù)量最多，建模結(jié)果最好。其余兩種波長組合中，對于SSC 而言，RF 組合的建模效果比CARS 組合更好；對于VC而言，CARS 組合的建模效果比RF 組合更好?？傊?，采用CARS 和RF 算法選出的光譜特征波長，能夠保留有效的光譜信息，在此基礎(chǔ)上將兩者相結(jié)合，進一步提高了模型的預(yù)測效果，實現(xiàn)了算法之間的優(yōu)劣互補。

圖8 為利用CARS 結(jié)合RF 算法提取的特征波長下，SSC 和VC含量真實值與預(yù)測值的變化趨勢，（a）和（c）為PLSR 模型對SSC 和VC含量的預(yù)測結(jié)果，（b）和（d）為SVR 模型對SSC 和VC含量的預(yù)測結(jié)果。兩種模型進行對比發(fā)現(xiàn)，非線性的SVR 算法與線性的PLSR 算法的建模效果相差不大，但SVR算法并沒有表現(xiàn)出更好的預(yù)測效果。

圖8 SSC 與VC 預(yù)測值與真實值對比圖Fig.8 Comparison chart of predicted values and real values of SSC and VC

3 結(jié)論

本研究結(jié)合CARS 和RF 算法篩選特征波長，利用PLSR 和SVR 算法對藍莓中的SSC 和VC含量進行快速定量預(yù)測。采用近紅外光譜儀采集300組藍莓的原始光譜，利用馬氏距離剔除16 個異常樣本，比較五種不同的光譜預(yù)處理方法（1-DER、2-DER、SNV、MSC、S-G），并結(jié)合各種預(yù)處理方法對藍莓樣品的原始光譜進行處理，并建立PLSR 模型進行對比，選擇MSC 結(jié)合2-DER 作為藍莓原始光譜的最佳預(yù)處理方法，SSC 和VC含量預(yù)測的Rc 分別為0.7796、0.8089，RMSEC 分別為1.2052、3.5839，Rp 分別為0.7376、0.7021，RMSEP 分別為0.9673、3.6885。利用CARS 和RF 算法及兩種算法組合對預(yù)處理后的全光譜波段進行特征波長篩選，對于SSC 和VC，CARS 算法分別篩選出32 和46 個特征波長，RF 算法分別篩選出79 和53 個特征波長，組合篩選特征波長分別為101 和87 個。比較篩選出的三種波長組合對PLSR 模型預(yù)測性能的影響，發(fā)現(xiàn)兩種波長篩選算法均能有效選取SSC 和VC的特征波長，CARS 結(jié)合RF 算法提取的特征波長預(yù)測結(jié)果最好。為了進一步探索本研究中校正模型的預(yù)測性能，將其與相同波長組合下的SVR 模型進行了比較，發(fā)現(xiàn)線性PLSR 和非線性SVR 算法分別建立的校正模型均具有較好的預(yù)測性能，但SVR 的預(yù)測結(jié)果略低于PLSR。研究表明，近紅外光譜結(jié)合機器學(xué)習(xí)算法是一種快速、無損檢測藍莓營養(yǎng)物質(zhì)含量的方法，波長選擇技術(shù)可以提高預(yù)測模型對藍莓中SSC 和VC的預(yù)測性能。機器學(xué)習(xí)與波長篩選算法相結(jié)合便于建立無損檢測通用模型，能夠有效預(yù)測藍莓中多種營養(yǎng)物質(zhì)，為其質(zhì)量評價及監(jiān)測提供了一種有效的途徑。

本研究在藍莓貯藏溫度10 ℃條件下，共采集300 組樣本的光譜數(shù)據(jù)、SSC 和VC含量，為近紅外光譜快速檢測藍莓SSC 和VC含量提供了理論依據(jù)和數(shù)據(jù)支持。為進一步提高模型預(yù)測精度，增強模型的泛化性能，在今后的研究中將增加樣本量，擴大藍莓種類和貯藏溫度的采集范圍，對數(shù)據(jù)處理方法及預(yù)測模型進行更深入的研究。