从江苏省农业科学研究院农产品质量安全与营养研究所选取2017年江苏地区的小麦, 品种为济麦22。 人工分拣除去小麦样本中的石子、 秸秆、 草籽、 土块等杂质后利用PM8188A型无损水分测量仪(泰州市维科特仪器仪表有限公司)对小麦进行水分含量检测, 对含水量较高的样本进行通风干燥, 含水量较低的样本暴露在潮湿空气中, 最终控制所有小麦样本水分含量在12%~13%^[12], 消除水分对后续实验的影响。 每25 g小麦作为一个样本, 共称取95个样本, 依次标号, 随机选取72个样本作为建模集, 23个作为测试集。

(1)磨粉: 用XA-1型固体样品粉碎机(常州越新仪器制造有限公司)对每个样本进行磨粉至全部颗粒均可通过20目筛, 将其混合均匀, 从中取0.002 g小麦粉待用。

(2)压片: 将0.2 g干燥的纯溴化钾(南京晚晴化玻仪器有限公司)在玛瑙研钵(南京晚晴化玻仪器有限公司)中充分研磨直至溴化钾粉末粘附在研钵壁上, 然后加入称取好的小麦粉样本, 边研磨边使样本与溴化钾充分混匀, 最后将磨好的混合粉末装入YP-2型压片机(上海山岳科学仪器有限公司)的模具内压制成片。

(3)扫描: 用Nicolet iS10傅里叶变换红外光谱仪(美国Thermo Fisher公司)对压片进行光谱数据的采集, 其光谱范围为4 000~400 cm^-1, 最高分辨率为4.0 cm^-1, 扫描次数为16次。

(4)赤霉病等级划分与DON毒素含量测定: 以粮食卫生标准GB 2715— 2005中规定的小麦及全麦粉中DON限量标准1 mg· kg^-1为分界线, DON含量超过1 mg· kg^-1的样本为感染赤霉病样本, 不超过1 mg· kg^-1的为健康样本。 DON含量的检测方法参考标准SN/T3137— 2012中规定的液相色谱-质谱法, 提取液由乙腈和水按84:16的比例配置, 离心时转速为2 500 r· min^-1, 活化时使用3 mL提取液, 提取的样品过柱时的流速为1 mL· min^-1。 利用型号为3500QTRAP色谱仪-液相色谱质谱联用仪(ABSCIEX公司)进行毒素含量测定, 流动相A为5 mmol· L^-1的醋酸铵水, 按照时间0, 3, 7, 13, 13.1和16 min时, 流动相A和流动相B分别按照85:15, 30:70, 20:80, 10:90, 85:15, 85:15的浓度梯度进行操作, 流速为0.6 mL· min^-1, 进样量为5 μ L。 毒素检出限为20 μ g· kg^-1。

1.2.1 数据采集与校正

(1)对小麦样本扫描前需要对纯KBr压片进行扫描, 作为背景谱图。 (2)将制备好的小麦样本压片装入样品池, 扫描样本谱图。 (3)利用OMNIC 8.0软件对采集到的光谱图进行大气背景扣除和基线校正。 将每个样本各个波数处的透射率作为该样本的光谱数据, 在MATLAB 2009a软件(美国MathWorks公司)中做后续处理。

1.2.2 数据预处理方法

由于小麦样本压片表面会残留一些细小粉末, 在傅里叶红外透射光谱测量过程中存在光程误差, 影响样本的光谱信息, 本文采用多元散射校正法(multiplicative scatter correction, MSC)对采集的光谱数据进行预处理。

1.2.3 特征波长提取方法

实验采集的光谱在4 000~400 cm^-1波数范围内共有3 734个数据点, 其包含的信息量大, 但并不是所有的光谱信息都对小麦赤霉病等级鉴别有价值。 且不同样本的透射率光谱曲线大致相似, 只在某些波段范围或波长处存在较大差异, 因此可对最能代表样品信息的特征波长进行提取, 减少后期建模的输入参量, 提高数据处理效率。 本文分别采用载荷系数法和随机森林进行特征波长提取。

载荷系数法(X-loading weights, XLW)是基于PLS建模结果产生的, 在每个隐含变量(latent variable, LV)下均可得到各个波长点所对应的载荷系数。 载荷系数的大小说明了该波长对所建模型预测性能影响的大小^[13], 因此可根据各波长所对应的载荷系数的大小来提取特征波长。

利用随机森林(random forest, RF)可计算波长变量重要性的特点, 采用Boostrap重采样方法生成多个训练集, 后利用CART算法构建决策树, 随机选取若干特征作为节点的候选特征, 根据基尼指数最小原则度量候选特征的重要性^[14], 最后根据随机森林的特征重要性评分对所有特征进行排序并选取大于设定阈值的特征。 特征F的重要性评分Sc(i)表示如下

Sc(i)=1m∑j=1mGini(fij)(1)

其中m为训练集的个数, f_ij为第j个训练集中第i维特征, i=1, 2, …, 3 734, Gini(f_ij)为特征f_ij的基尼指数。

1.2.4 定性建模方法

稀疏表示分类方法(sparse representation based classification, SRC)是近年来出现的一种新的分类算法。 分别用全波段和特征波长提取后的光谱数据构成数据词典矩阵, 用该数据词典矩阵近似线性的表示每一个测试样本, 使用CVX 3.0凸优化工具箱求得稀疏表示系数, 进而重构样本, 最后分别计算重构样本与测试样本之间的残差平方和, 将测试样本确定为残差平方和较小的类^[15]。

测试样本Y的第i类重构样本 Y˙i

Y˙i=CV˙i (i=1, 2)(2)

其中C表示数据词典矩阵, V˙i为稀疏表示系数。

感染不同等级赤霉病的小麦样本在4 000~400 cm^-1波数范围内的光谱透射曲线如图1所示。 观察图1(a)可知, 感染不同等级赤霉病的小麦样本的透射率光谱曲线相似, 在3 600~3 000, 3 000~2 800, 1 700~1 600, 1 570~1 550和1 000 cm^-1附近有明显的光谱吸收峰, 各吸收峰所对应的振动模式如下: 3 600~3 000 cm^-1范围内为分子内羟基(— OH)伸缩振动谱带, 此处的吸收峰强度越大, 表明样本中所含— OH数量越多, 分子内— OH主要来自淀粉、 纤维素、 半纤维素、 多糖、 单糖^[16]及水分^[9]。 3 000~2 800 cm^-1为淀粉中C— H伸缩振动引起的吸收峰。 1 700~1 600 cm^-1为蛋白质中肽基C=O伸缩振动引起的吸收峰与脂肪族中C=C和C=N伸缩振动引起的特征峰的重叠部分, 1 570~1 550 cm^-1吸收峰主要由蛋白质中N─H弯曲振动和C─N伸缩振动以及脂肪族硝基化合物NO₂反对称伸缩振动引起, 其中N─H弯曲振动峰强度反映了小麦中蛋白质的含量^[17]。 1 000 cm^-1附近为碳水化合物中多糖类的C— O伸缩振动吸收峰。 1 000~650 cm^-1区域内的谱带多而弱, 吸收峰较密集, 复杂多变而且不容易辨识^[18]。 由上述分析可知, 感染不同等级赤霉病的小麦中纤维素、 多糖、 水分、 淀粉、 蛋白质、 脂肪等吸收峰强度和尖锐程度不同。 采用多元散射校正法对光谱进行预处理以消除压片表面粉末引起的散射效应。 图1(b)为预处理后的光谱图。 经过散射校正后的光谱数据增强了与成分含量和组织结构相关的光谱吸收信息。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 小麦样本透射率光谱曲线图Fig.1 Spectral curve of transmittance of wheat samples (a): Spectral curve of transmittance of wheat samples; (b): Transmission spectrum curve after pretreatment

2.2.1 基于XLW的特征波长提取

用预处理后的光谱数据建立偏最小二乘判别模型, 当模型的最佳主成分数为4时交叉验证的准确率达87.52%, 前四个主成分的载荷分布如图2所示。 将每个主成分载荷系数最大处所对应的特征波长作为该主成分选取的特征波长。 从图2可以看出选择的特征波长所对应的波数分别为1 000, 2 855, 3 416和3 676 cm^-1。 1 000 cm^-1处于碳水化合物中多糖类的C— O伸缩振动吸收峰附近, 可反映小麦样本中多糖类如纤维素、 半纤维素等含量的差异; 2 855 cm^-1处于淀粉中C— H伸缩振动引起的吸收峰, 反映了小麦样本中淀粉含量的差异; 3 416和3 676 cm^-1均处于分子内羟基(— OH)伸缩振动谱带, 反映了感染不同等级赤霉病小麦样本中淀粉、 纤维素、 半纤维素、 多糖、 单糖及水分含量的差异。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 不同波数处的载荷系数Fig.2 The load coefficient at different wavenumber

2.2.2 基于RF的特征波长提取

将预处理后的所有样本的光谱数据作为随机森林算法输入, 求得各特征的重要性得分如图3所示。 在阈值为0.002 8的情况下选择20个特征波长。 分别对应的波数为1 029, 1 030, 1 031, 1 592, 1 594, 1 600, 1 613, 1 614, 1 615, 1 620, 1 621, 3 388, 3 397, 3 398, 3 419, 3 420, 3 425, 3 433, 3 438和3 472 cm^-1。 所选的特征波长对应的波数主要集中在1 029~1 031, 1 600~1 621和3 388~3 472 cm^-1三个区域, 其中1 029~1 031 cm^-1处于碳水化合物中多糖类的C─O伸缩振动吸收峰附近, 1 600~1 621 cm^-1处于蛋白质中肽基C=O伸缩振动引起的吸收峰与脂肪族中C=C和C=N伸缩振动引起的特征峰的重叠部分, 与小麦样本中脂肪酸含量有关; 3 388~3 472 cm^-1处于分子内羟基(— OH)伸缩振动谱带, 反映了小麦样本中淀粉、 纤维素、 半纤维素、 多糖、 单糖及水分含量的差异。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 波数的重要性评分Fig.3 The importance score of each wavenumber

XLW和RF算法选择的特征波长在小麦样本平均光谱上的位置见图4。 两种算法均选择了1 000和3 400 cm^-1附近的波长, 对应成分反映小麦样本中淀粉、 纤维素、 半纤维素、 多糖、 单糖及水分含量信息。 而XLW算法选择的位于2 855 cm^-1(淀粉中C— H伸缩振动吸收峰)和3676 cm^-1(纤维素、 半纤维素、 多糖、 单糖及水分分子内— OH伸缩振动谱带)反映的物质信息与1 000和3 400 cm^-1反映的物质信息一致; RF算法选择的1 600 cm^-1附近的6个特征波数还反映了小麦样本中蛋白质和脂肪含量差异, 因此, 与XLW算法相比, RF算法选择的特征波长多包含了蛋白质和脂肪含量信息, 这为后续建立模型准确性的差异分析提供了理论依据。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 XLW和RF算法选择的特征波长Fig.4 The characteristic wavelength selected by the XLW and RF algorithms

分别将建模集中72个样本的全波段光谱数据及经特征提取后的光谱数据作为SRC模型的数据词典矩阵, 利用CVX3.0凸优化工具箱求解稀疏表示系数, 进而重构样本。 根据重构样本与测试样本间的残差平方和对测试样本进识别。 为说明该模型的有效性对建模集样本进行十折交叉得到交叉建模集识别准确率。 具体结果见表1。

表1

Table 1

表1(Table 1)

表1 基于SRC的小麦赤霉病等级鉴别结果 Table 1 Identification results of wheat scab grade based on SRC 模型类别 模型 输入 变量 数 建模集 鉴别准 确率 /% 测试集 鉴别准 确率 /% 模型 处理 时间/s 基于全波段的SRC鉴别模型 3 734 96 91 63.105 140 基于XLW的SRC鉴别模型 4 90 91 36.186 938 基于RF的SRC鉴别模型 20 97 96 32.242 960

表1 基于SRC的小麦赤霉病等级鉴别结果 Table 1 Identification results of wheat scab grade based on SRC

分析表1中的鉴别结果可知, 基于全波段和基于各特征提取算法建立的SRC鉴别模型均达到90%以上, 特征提取算法建立的SRC鉴别模型的处理速度均约为全波段建立的SRC鉴别模型的1/2。 表明由XLW和RF两种特征提取算法选择的特征波长反映的有效信息与全波段光谱数据基本相同, 进行特征提取可提高SRC模型的鉴别效率。 比较两种鉴别模型, RF-SRC模型的测试集鉴别准确率最高, 其原因可能为采用RF算法选择的特征波长不仅反映小麦中淀粉、 纤维素、 半纤维素、 多糖、 单糖、 水分的吸收信息, 同时也涵盖了蛋白质、 脂肪等物质的吸收信息, 与小麦受赤霉病侵染后主要成分含量变化情况更吻合。 比较XLW-SRC模型, RF-SRC模型除反映样本中淀粉、 纤维素、 半纤维素、 多糖、 单糖及水分含量信息的光谱数据外, 反映蛋白质、 脂肪含量信息的光谱数据也对模型鉴别准确率有显著影响, 该数据的缺少会导致鉴别准确率下降。