近红外光(near-infrared, NIR)是人们最早发现的非可见光区域, 它的波长范围为780~2 526 nm, 波数范围为12 500~4 000 cm^-1。 近红外光谱属于分子振动光谱, 利用分子含氢基团(C— H, O— H 和N— H等)的倍频与合频的吸收特性来获取复杂的光谱信息。 典型的近红外光谱分析系统一般由光源、 光谱仪、 载物台、 光纤、 计算机等部分组成, 如图1所示。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 近红外光谱分析系统示意图Fig.1 Schematic diagram of NIRS system

高光谱成像技术兴起于20世纪80年代末, 结合了光谱学和传统成像或计算机视觉技术, 可以有效地获取样品“ 图谱合一” 的三维数据信息, 包括二维的样品空间图像信息和一维的光谱信息^{[5, 6]}。 典型的高光谱成像系统一般由成像光谱仪、 CCD相机、 光源、 计算机、 传输机构等部分组成, 如图2所示^[7]。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 高光谱成像系统示意图Fig.2 Schematic diagram of HSI system

近红外光谱分析技术和高光谱成像技术的区别与联系^{[8, 9, 10]}, 如表1所示。

表1

Table 1

表1(Table 1)

表1 近红外光谱分析和高光谱成像的区别和联系 Table 1 Summary of differences and connections for NIRS and HSI 技术 区别 联系 仪器设备 信息获取 应用方向 信息处理 信息检测 NIRS 成本较低 设备较小, 便于携带 只能获取光谱信息 数据采集速度快 只能实现样品化学参数的评估 适用于在线检测 需依赖机器学习、 化学计量学等方法建立数学模型进行定量、 定性分析 模型鲁棒性和适应性差 数据有效信息挖掘难度大 可实现样品多组分信息的同时检测 HSI 成本较高 设备较大, 适用于室内 需要较高性能的计算机硬件 能够同时获取图像和光谱信息 数据量庞大且冗余信息较多 数据采集速度慢 可实现样品物理和化学参数的评估并将其可视化 难以实现商业化在线实时检测

表1 近红外光谱分析和高光谱成像的区别和联系 Table 1 Summary of differences and connections for NIRS and HSI

在光谱信息解析过程中, 因光谱系统采集的光谱信息会受到采集环境、 光学条件和仪器性能等因素的影响, 故原始光谱信息除含有被测样品属性的信息外, 还包含大量无关信息, 如噪声、 背景干扰、 杂散光等。 为消除光谱冗余信息, 提高模型的预测精度, 对光谱信息进行预处理并提取有效信息是模型建立前的重要环节。 一般的光谱信息解析步骤主要包括光谱信息的采集、 光谱信息的预处理、 变量的筛选、 预测模型的建立、 模型的评价等, 其流程图如图3所示^[11]。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 光谱信息解析流程图Fig.3 Flow chart of spectral information analysis

光谱信息解析首要环节就是对采集的光谱信息进行预处理, 常用光谱信息预处理方法^[12]主要有平滑(smoothing), 包括移动平均法(moving average, MA)和卷积法(savitzky-golay, SG)等、 导数修正(derivative correction), 包括一阶导数(first-order derivative, 1^stD)和二阶导数(second-order derivative, 2^ndD)、 归一化(normalization, NOR)、 标准正态变换(standard normal variable transformation, SNV)、 多元散射校正(multiplicative scattering correction, MSC)、 小波变换(wavelet transform, WT)等, 其作用效果如表2所示。

表2

Table 2

表2(Table 2)

表2 光谱预处理方法及其作用效果 Table 2 Spectrum pre-treatment methods and its effect 预处理方法 作用效果 Smoothing 消除噪声, 提高信噪比 Derivative Correction 消除基线的平移和漂移、 分离重叠峰, 提高光谱灵敏度 NOR 消除光程变化产生的影响 SNV 补偿由颗粒大小和表面散射引起的偏差 MSC 补偿颗粒分布不均匀和颗粒大小引起的散射影响 WT 平滑滤波、 基线校正、 信息压缩

表2 光谱预处理方法及其作用效果 Table 2 Spectrum pre-treatment methods and its effect

光谱信息中存在的大量冗余信息会降低预测模型的准确性和稳定性。 为提高模型运算速度和精度, 进行光谱信息变量筛选是十分必要的。 常用变量筛选方法^[13]主要有变量区间选择算法, 包括移动窗口偏最小二乘法(moving windows partial least squares, MWPLS)和区间偏最小二乘法(interval partial least squares, iPLS)等、 无信息变量消除算法(uninformative variable elimination, UVE)、 遗传算法(genetic algorithm, GA)、 连续投影算法(successive projections algorithm, SPA)和竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)等, 其特点如表3所示。

表3

Table 3

表3(Table 3)

表3 变量筛选方法的特点 Table 3 Characteristics of variable selection methods 变量筛选方法 特点 变量区间选择算法 筛选速度较快, 与单一变量筛选方法相比稳定性较高 UVE 通过定义阈值来筛选有效变量, 筛选变量的速度较快, 稳定性较高 GA 可以较好地保留变量间的组合优势, 适用于全局优化问题 SPA 具有较少的光谱冗余信息和共线性变量, 适用于高共线性光谱信息的变量筛选 CARS 具有平滑降噪、 基线校正、 压缩信息、 计算速度快等特点

表3 变量筛选方法的特点 Table 3 Characteristics of variable selection methods

建立样品待测指标的数学模型是光谱信息解析过程中关键的一步, 不同的建模方法会直接影响模型的准确性和稳定性。 常用的建模方法^[14]主要有多元线性回归(multi linear regression, MLR)、 主成分回归(principal component regression, PCR)、 偏最小二乘回归(partial least squares regression, PLSR)、 支持向量机(support vector machine, SVM)、 最小二乘支持向量机(least square support vector machine, LS-SVM)等, 其特点如表4所示。

表4

Table 4

表4(Table 4)

表4 建模方法的特点 Table 4 Characteristics of modeling methods 建模方法 特点 MLR 计算简单, 适用于变量较少的回归分析 PCR 降低光谱信息维度以排除原始光谱中相互重叠的信息, 在一定程度上滤除了噪声, 较好地解决了多元线性回归中的多重共线性问题 PLSR 在建模过程中结合了多元线性回归分析、 主成分分析和典型相关分析等方法的特点, 不仅可以简化信息结构, 提取关键信息, 建立鲁棒性较好的定量分析模型, 同时可以更好地解决变量的多重相关性问题 SVM 具有优秀的泛化能力, 建立的模型鲁棒性较好, 能较好地解决少量样本的分类问题 LS-SVM 具有较强的非线性处理能力和泛化能力, 能进行快速地多元建模

表4 建模方法的特点 Table 4 Characteristics of modeling methods

在样品待测指标的预测模型建立后, 需对模型进行评价, 常见的模型预测性能评价标准^[15]主要有预测集相关系数(correlation coefficient of prediction set, R_P)、 校正集相关系数(correlation coefficient of calibration set, R_C)、 决定系数(coefficient of determination, R²)、 预测标准偏差(root mean square error of prediction, RMSEP)、 校正标准偏差(root mean square error of calibration, RMSEC)、 剩余预测偏差(residual predictive deviation, RPD)等。 质量较高的模型具有较高的R_P, R_C, R²和RPD, 较低且较为接近的RMSEP和RMSEC^[16]。

通过对常用光谱信息解析方法的总结可以看出, 机器学习算法已逐渐应用于光谱信息的变量筛选和模型建立, 虽然提高了模型精度, 但是模型的普适性和实用性仍不能满足实际需要。 现阶段, 深度学习作为机器学习的分支迅速崛起, 深度网络的规模和精度也在不断提高, 并且持续成功地应用于各类实际问题。 为进一步提高模型的精度和泛化能力, 使其能够满足现代生产的需要, 应用深度学习算法进行光谱信息解析将是今后发展的必然趋势之一。

表5列举了近红外光谱分析在西甜瓜内部品质无损检测中的应用。

表5

Table 5

表5(Table 5)

表5 近红外光谱分析在西甜瓜内部品质无损检测中的应用 Table 5 Applications of NIRS for non-destructive detection of internal quality in watermelon and muskmelon 品种 检测指标 最优预测模型 检测 部位 模型性能评价 文献 西瓜 SSC/(° Brix) MC-UVE-GA-PLS 瓜脐 RP=0.845, RMSEP=0.574 [17] SPA-PLSR RP=0.828, RMSEP=0.611 [18] PLSR RP=0.823, RMSEP=0.652 [19] MC-UVE-SMLR RP=0.70, RMSEP=0.33 [20] Lycopene/(mg· 100 g-1FW) PLS RP=0.751, RMSEP=0.439, RPD=1.13 [21] SSC/(° Brix) RP=0.862, RMSEP=0.717, RPD=1.83 Moisture/% RP=0.939, RMSEP=0.276, RPD=2.79 SSC/(° Brix) CARS-PLS 混合 RP=0.905, RMSEP=0.629 [22] Lycopene/(mg· kg-1) PLS 整瓜 R2=0.877, RMSECV=15.68 [23] β -Carotene/(mg· kg-1) R2=0.822, RMSECV=0.81 TSS/% R2=0.836, RMSECV=0.8 Maturity/% C-RPP 瓜脐 Calibration set: CCR=90.2% [24] Prediction set: CCR=88.1% 甜瓜 SSC/(° Brix) GA-PLS 赤道 R2=0.938, RMSEP=0.83, RPD≈ 3.0 [25] FM/(kgf· cm-2) R2=0.741, RMSEP=0.35 哈密瓜 SSC/(° Brix) UVE-SPA-PLS RP=0.9143, RMSEP=0.835 9 [26] CARS-SPA-LSSVM RP=0.9134, RMSEP=0.895 8 Note: “ MC” is Monte Carlo; “ FW” is fresh weight; “ RMSECV” is root mean square error of cross validation; “ SMLR” is stepwise multiple linear regression; “ C-RPP” is corrected-ratio of peaks method; “ CCR” is correct classification rate

表5 近红外光谱分析在西甜瓜内部品质无损检测中的应用 Table 5 Applications of NIRS for non-destructive detection of internal quality in watermelon and muskmelon

SSC含量作为西甜瓜内部品质的重要评价指标, 其定量分析一直是研究热点。 介邓飞等^[18]以“ 麒麟” 西瓜为样品, 研究了不同变量筛选方法(等间隔平均光谱法、 等间隔抽取光谱法、 SPA)和不同建模方法(PLSR, MLR和PCR)对SSC含量预测模型精度的影响。 结果表明, 采用等间隔抽取光谱法结合SPA建立的PLSR模型精度较高(R_P为0.828, RMSEC为0.589, RMSEP为0.611)。 西甜瓜的SSC含量在不同部位存在明显差异, 检测部位差异是影响西甜瓜SSC含量预测模型精度的重要因素。 为探究西甜瓜SSC含量的最佳检测部位, 介邓飞等^[19]分别利用瓜梗、 赤道和瓜脐部位的近红外漫透射光谱信息结合PLSR和LS-SVM建立了西瓜单一检测部位的SSC含量预测模型。 结果表明, 瓜脐为最佳单一检测部位(LS-SVM模型: R_P为0.768, RMSEP为0.731、 PLSR模型: R_P为0.823, RMSEP为0.652)。 Zhang等^[26]以哈密瓜为研究对象, 选用不同变量筛选方法(CARS, UVE, CARS-SPA和UVE-SPA), 对比分析了线性PLS和非线性LS-SVM建模方法对基于单一检测部位的哈密瓜SSC含量预测模型的影响。 结果表明, 无论是线性模型还是非线性模型, 基于赤道部位光谱信息建立的哈密瓜SSC含量预测模型性能最佳(UVE-SPA-PLS 模型: R_P为0.914 3, RMSEP为0.835 9、 CARS-SPA-LSSVM模型: R_P为0.913 4, RMSEP为0.895 8)。 由此可见, 不同品种西甜瓜的最佳检测部位不同。 为减小检测部位差异对西甜瓜SSC含量预测模型性能的影响, 钱曼等^[22]利用“ 京秀” 西瓜三个检测部位的近红外漫反射光谱信息结合CARS和PLS, 建立了西瓜SSC含量的混合(赤道-瓜脐-瓜梗)预测模型(R_P为0.905, RMSEP为0.629), 其性能优于单一(瓜脐)预测模型。 上述研究表明, 对于不同品种的西甜瓜选择适宜的近红外光谱检测部位并结合变量筛选方法, 可以有效提高西甜瓜SSC含量预测模型的性能。

研究开发西甜瓜内部品质快速无损检测设备对西甜瓜的质量管理和市场竞争起着至关重要的作用, 国内外应用近红外光谱分析已构建多种西甜瓜内部品质快速无损在线检测系统。 Jie等^[20]采集697~920 nm范围内西瓜瓜脐部位的近红外漫透射光谱信息, 利用基线偏移校正(baseline offset correction, BOC)进行光谱预处理, 建立了MC-UVE-SMLR预测模型(R_P为0.70, RMSEP为0.33), 构建了西瓜SSC含量在线检测系统。 Tamburini等^[23]采集900~1 700 nm范围内的完整西瓜的近红外漫反射光谱信息, 利用导数修正和SNV进行光谱预处理, 建立了PLS模型, 构建了西瓜内部品质在线检测系统, 可实现对番茄红素(R²为0.877, RMSECV为15.68), β 胡萝卜素(R²为0.822, RMSECV为0.81)和TSS(R²为0.836, RMSECV为0.8)的检测。 少数公司研发的西甜瓜内部品质在线检测设备已达到工业化标准, 如日本三井金属矿业株式会社的西瓜糖度无损检测生产线(效率为120 pcs· min^-1, 误差为± 0.5 ° Brix), 意大利萨克米公司研发的西甜瓜内部品质(糖度、 酸度、 成熟度和空心度)在线检测系统(效率为300 pcs· min^-1)等^[27]。 上述系统及设备均为大型装置, 不便于小型商户和消费者使用, 开发基于智能移动终端的快速检测系统是未来发展方向之一。

表6列举了高光谱成像技术在西甜瓜内部品质无损检测中的应用。

表6

Table 6

表6(Table 6)

表6 高光谱成像在西甜瓜内部品质无损检测中的应用 Table 6 Applications of HSI for non-destructive detection of internal quality in watermelon and muskmelon 品种 检测指标 最优预测模型 检测部位 模型性能评价 文献 哈密瓜 FM/N PLS 赤道 RC=0.873, RP=0.646 [28] RMSEC=4.18, RMSEP=6.40 SSC/(° Brix) MSC-CARS-SPA-SVM RP=0.9404, RMSEP=0.4027, RPD=2.941 [29] FM/(g· cm-2) RP=0.8253, RMSEP=35.22, RPD=1.771 Maturity/% CARS-PCA-SVM Calibration set: Accuracy=95% Prediction set: Accuracy=94% FM/(g· cm-2) CARS-PLS RP=0.867 1, RMSEP=20.05, RPD=1.996 [7] SSC/(° Brix) SNV-CARS-PLS RP=0.960 6, RMSEP=0.381 6, RPD=3.598 TAC/(g· kg-1) RP=0.912 5, RMSEP=0.026 3, RPD=2.445 甜瓜 SSC/(° Brix) PLSR 混合 R2=0.775 5, RMSEP=1.187 1 [30] FM/(g· cm-2) R2=0.355 5, RMSEP=525.293 2

表6 高光谱成像在西甜瓜内部品质无损检测中的应用 Table 6 Applications of HSI for non-destructive detection of internal quality in watermelon and muskmelon

近些年来利用高光谱成像技术对西甜瓜SSC、 FM的定量分析较多, 李锋霞等^[28]以哈密瓜为对象, 选取500~820 nm波段范围内的高光谱图像信息, 分别研究了不同光谱预处理方法(1^stD, 2^ndD, MSC和SNV)和不同建模方法(PLS, SMLR和PCR)对哈密瓜SSC和FM预测模型的影响。 结果显示, 1^stD和SNV结合PLS建立的哈密瓜FM预测模型的预测效果最佳(R_C为0.873, R_P为0.646, RMSEC为4.18, RMSEP为6.4)。 高光谱成像所获取的光谱信息冗余度较大, 与被测组分无关的信息会削弱模型的预测精度。 因此, 选择包含相对较多有效信息的变量来建立预测模型是十分必要的。 Sun等^[7]分别比较了基于不同变量筛选方法(SPA, CARS和GA)结合PLS建立的哈密瓜SSC, FM和TAC预测模型的精度。 结果表明, CARS-PLS模型实现了对哈密瓜SSC(R_P为0.960 6, RMSEP为0.381 6, RDP为3.598)、 FM(R_P为0.867 1, RMSEP为20.05, RPD为1.996)和TAC(R_P为0.912 5, RMSEP为0.026 3, RPD为2.445)的准确预测。 Sun等^[30]利用PLSR, PCA, SVM和人工神经网络(artificial neural network, ANN)分别建立了甜瓜SSC和FM预测模型, 其中PLSR模型的预测性能最佳。 为进一步提高模型精度, 采用加权回归系数法筛选变量后结合PLSR重新建立了甜瓜SSC和FM预测模型。 结果表明, 经变量筛选后建立的甜瓜SSC模型(R²为0.775 5, RMSEP为1.187 1)和FM模型(R²为0.355 5, RMSEP为525.293 2)的预测精度均得到了提高。

上述研究均是对内部品质的单一指标进行检测, 忽略了各指标间的相关性, 因此可能会对西甜瓜内部品质的综合评判造成影响。 SSC和FM作为西甜瓜成熟度的关键表征因子, 孙静涛等^[29]分别采用MSC和SNV对光谱信息进行预处理并选择SPA, CARS和SPA-CARS对变量进行筛选后, 对比分析了基于全光谱、 SSC或FM单一特征和基于PCA特征融合的哈密瓜成熟度SVM判别模型的准确率。 结果显示, 基于CARS-PCA-SVM特征融合和全光谱SNV-SVM的哈密瓜成熟度判别模型的准确率较高, 其校正集和预测集的判别准确率分别为95%和94%。

研究表明, 利用变量筛选方法可有效降低高光谱信息冗余度, 简化模型, 提高模型预测精度。 建立特征信息融合的成熟度判别模型为今后利用高光谱“ 图谱合一” 的特性综合评判西甜瓜的内部品质提供了理论依据。