以玉米种子品种真实性鉴别任务为例, 对漫透射和漫反射两种采集方法下所建定性分析模型的鉴别效果进行分析。

针对形状各异、 大小不一的非均匀玉米籽粒, 为确定适合于单籽粒玉米近红外光谱采集方法, 首先采用图1所示的两种自制光谱采集装置分别采集多个品种玉米籽粒漫透射以及漫反射近红外光谱。

实验数据为2016年10月份连续5日采集的农华032、 农大108、 京玉16、 洛单248四个品种玉米籽粒的近红外光谱。

采集时, 各品种分别挑选100颗作为待测样品, 分别以漫反射方式与漫透射方式采集每玉米胚面和非胚面光谱各一次, 每次采集十条光谱并取平均。 采用交替采集方法, 即按照农华032一粒— 农大108一粒— 京玉16一粒— 洛单248一粒……的方式采集单颗籽粒光谱。

将连续5日采集数据分别命名为T1, T2, T3, T4和T5数据集, 各数据集中均包含胚面(germ surface)光谱和非胚面(non-germ surface)光谱。

使用朴素贝叶斯等5种模式分类方法^{[9, 10]}分别对所采集的漫反射与漫透射光谱建立单籽粒玉米定性鉴别模型, 5种模式分类方法简介如下:

(1)朴素贝叶斯分类器(Naï ve Bayes classifier, NBC)是一种基于贝叶斯决策理论的分类方法。

(2)K近邻(K-nearest neighbor, KNN)方法是一种基于实例的机器学习方法, 其特点是在训练过程中存储已知类别的训练数据, 在预测新的未知样本时, 从已存储数据中抽取相似样本, 作为分类的重要辅助信息。

(3)支持向量机(support vector machine, SVM)方法是一种二分类机器学习方法, 支持向量机的理论基础是VC维理论和结构风险最小化原理, 依据少量样本并折中考虑模型的复杂性和学习能力, 以增强模型的泛化能力^[10], SVM分类器的目标就是寻找最优超平面, 将两类样本正确分开, 且分类间隔最大。

(4)BP神经网络(back propagation artificial neuron network, BPANN)算法通过正向传播与反向传播交替运行, 使用梯度最速下降法与动态迭代搜索一组权重向量, 使网络误差函数达到最小值^[10]。

(5)仿生模式识别(biomimetic pattern recognition, BPR)方法是一种基于同源连续性原理的模式识别方法, 其特点是基于识而不识别, 通过构建在高维空间中能够对同类样本具有最优覆盖的超几何体为目标^[11]。

根据分类器工作原理的特点, 实验中使用两种不同分类器前处理策略, 分类器前处理策略即光谱的预处理方法以及特征提取组合的具体样式。

分类前处理策略1仅采用平滑、 一阶导、 归一化, 分类前处理策略2除使用策略1中的预处理外还需使用偏最小二乘及正交线性鉴别分析方法进行特征提取^[8]。

使用NBC, SVM, KNN, BPANN和BPR共5种模式分类方法建立单籽粒玉米定性鉴别模型, 其中NBC, KNN, SVM和BPR使用分类前处理策略1, BPANN使用分类前处理策略2。

针对每种分类方法的特点对其参数进行如下设置:

NBC: 贝叶斯分类器的分类先验概率可设定为0.25, 各个特征类条件概率可利用T1数据集数据计算得到。

KNN: 分类器使用欧氏距离, 以鉴别准确率为选择标准, 通过5折交叉验证的方法确定适合该分类任务的最优近邻数为5。

SVM: 实验中使用LIBSVM工具箱, 设置SVM分类器类型为Nu-SVC, 多分类类型, 选用径向基核函数, 通过工具箱中的网格寻参函数交叉验证来确定参数Nu为0.6, 核函数中的gamma值为2.8。

BPANN: 采用分类器前处理策略1, 将预处理方法得到的输出值直接作为BP神经网络的输入值, 通过5折交叉验证的方法确定最优隐藏层数目为9。

BPR: 使用KS方法选择构网样本点, 超香肠作为基本覆盖单元, 通过交叉验证确定超香肠神经元的半径。

为评价模式分类器性能, 对于多分类问题, 以类别代号为i的样本为例:

(1)正确识别率(correct acceptance rate, CAR)

CAR=NcaNthiskind(1)

式(1)中, N_ca为正确识别的i类光谱数; N_thiskind为i类总光谱数。

(2)正确拒识率(correct rejection rate, CRR)

CRR=NcrNotherkind(2)

式(2)中, N_cr为正确拒识的非i类光谱数; N_otherkind为非i类总光谱数。

(3)鉴别准确率或平均识别率(correct discriminate rate, CDR)

CDR=(CAR+CRR)/2(3)

实验1

以T1作为实验数据集, 分析胚面朝向对玉米品种单籽粒的漫反射与漫透射光谱定性分析模型鉴别效果影响。

实验过程中, 每次从T1数据集中随机抽取二分之一光谱样本作为训练集, 其余二分之一光谱样本作为测试集对模型性能进行测试, 重复50次实验后取鉴别准确率均值。

根据训练集与测试集选择玉米胚面或非胚面光谱不同排列组合分为以下4种情形S1— S4:

S1: 训练集选择胚面光谱, 测试集选择胚面光谱;

S2: 训练集选择非胚面光谱, 测试集选择非胚面光谱;

S3: 训练集选择非胚面光谱, 测试集选择胚面光谱;

S4: 训练集选择胚面光谱, 测试集选择非胚面光谱。

表1— 表4是从T1数据集的胚面或非胚面光谱数据中随机抽取二分之一作为训练集, 其余二分之一作为测试集进行测试时, 4种可能排列组合情形下漫反射与漫透射方式实验结果对比。

表1

Table 1

表1(Table 1)

表1 S1情形胚面识别胚面鉴别准确率(%) Table 1 Identification accuracy of case S1 (%) 方法 NBC KNN SVM BPANN BPR 漫反射 75.0 82.0 81.5 83.0 85.5 漫透射 80.0 85.6 90.6 91.1 95.0

表1 S1情形胚面识别胚面鉴别准确率(%) Table 1 Identification accuracy of case S1 (%)

表2

Table 2

表2(Table 2)

表2 S2情形非胚面识别非胚面鉴别准确率(%) Table 2 Identification accuracy of case S2 (%) 方法 NBC KNN SVM BPANN BPR 漫反射 74.0 81.5 82.5 83.5 85.5 漫透射 80.5 85.5 91.2 91.0 95.0

表2 S2情形非胚面识别非胚面鉴别准确率(%) Table 2 Identification accuracy of case S2 (%)

表3

Table 3

表3(Table 3)

表3 S3情形非胚面识别胚面鉴别准确率(%) Table 3 Identification accuracy of case S3(%) 方法 NBC KNN SVM BPANN BPR 漫反射 69.0 70.0 75.3 75.5 80.2 漫透射 81.0 85.0 90.8 90.5 95.0

表3 S3情形非胚面识别胚面鉴别准确率(%) Table 3 Identification accuracy of case S3(%)

表4

Table 4

表4(Table 4)

表4 S4情形胚面识别非胚面鉴别准确率(%) Table 4 Identification accuracy of case S4(%) 方法 NBC KNN SVM BPANN BPR 漫反射 65.0 70.3 73.5 75.6 80.6 漫透射 81.2 85.3 91.5 91.5 96.5

表4 S4情形胚面识别非胚面鉴别准确率(%) Table 4 Identification accuracy of case S4(%)

由S1— S4四种情形对比结果可见:

(1)漫透射方式: S1— S4四种情形识别率差异较小。 以BPR方法为例, 四种情形所得识别率均在95%左右。

(2)漫反射方式: S1— S4四种情形识别率并不完全一致。 S1和S2两种情形下, 定性分析模型所得识别率均相对较高, 以BPR方法为例, 其识别率达到85%左右; S3和S4两种情形下, 定性分析模型所得识别率均相对较低, 以BPR方法为例, 其识别率为80%左右。

产生上述现象的原因分析如下:

(1)采用漫反射方式时, 近红外光源未能完全穿透玉米籽粒, 近红外探测器接收到的漫反射光只携带了玉米籽粒某一面或者表皮的信息, 因此在S3, S4两种情形下, 玉米品种鉴别准确率出现明显下降。

(2)采用漫透射方式时, 近红外探测器采集所得近红外光一定为贯穿玉米籽粒的部分, 其光谱中既包含了玉米籽粒胚面信息, 又包含了玉米籽粒非胚面信息, 同时还包含了种子内部物质信息, 因此, 在S3和S4两种情形下, 正确鉴别率并未出现明显下降。

采用5种模式分类方法建立定性分析模型性能实验结果表明, 在单日数据集上, 漫透射定性分析模型不受玉米胚面摆放方式影响, 而漫反射定性分析模型易受玉米籽粒摆放方式影响, S1— S4四种情形下漫透射定性分析模型性能均高于漫反射定性分析模型性能。

实验2

以T1数据集作为训练集, T2— T5作为测试集对模型性能进行测试。 训练集可选择胚面光谱或非胚面光谱, 而测试集也可以选择胚面或者非胚面光谱, 由此产生S1— S4四种情形, 使用BPR方法建立定性分析模型, 并对四种情形下的模型预测性能进行比较。

表5为使用BPR方法时, 4种可能排列组合情形下, 漫反射与漫透射方式下鉴别准确率对比。

表5

Table 5

表5(Table 5)

表5 BPR方法不同测试集的鉴别准确率(%) Table 5 Identification accuracy of different test sets with BPR method (%) 组合类型 采集方式 T2 T3 T4 T5 S1 漫反射 漫透射 84.5 96.5 83.0 96.0 83.5 95.5 82.0 94.0 S2 漫反射 漫透射 84.5 96.7 83.5 95.5 83.0 95.0 82.5 94.5 S3 漫反射 漫透射 80.3 95.5 79.5 95.5 79.5 94.0 78.0 93.0 S4 漫反射 漫透射 82.5 95.5 81.5 95.3 80.5 95.3 79.0 95.0

表5 BPR方法不同测试集的鉴别准确率(%) Table 5 Identification accuracy of different test sets with BPR method (%)

由表5可知, 在S1— S4情形下, 在T2— T5测试集中, 有如下结果:

(1)漫反射方式: S3及S4情形的识别率低于S1、 S2情形的识别率。

(2)漫透射方式: S3及S4情形的识别率与S1、 S2情形的识别率基本接近。

以T3测试集为例, 漫透射方式下, 四种情形的模型识别率均在95%左右。 而漫反射方式下, S1、 S2情形的模型识别率为83%左右, S3、 S4情形下的识别率在80%左右。

由此可见, 漫透射方式T2— T5测试集的S1— S4四种情形鉴别准确率基本一致, 漫反射方式T2— T5测试集的S1、 S2情形鉴别准确率高于S3、 S4情形。 总体而言, 在多个测试集上, 漫反射方式下所采光谱数据建立模型性能均低于漫透射方式下所采光谱数据建的模型。 实验2在多个实验数据集上证明: 漫透射方式更适合于玉米单籽粒品种鉴别。

实验3

以T1胚面与非胚面混合光谱作为训练集, T2— T5的胚面与非胚面混合光谱作为测试集进行测试。 选择训练集时, 随机从T1胚面光谱及非胚面光谱中各抽取50条光谱样本, 以模拟实际测量近红外光谱时玉米胚面朝向随机摆放的情形, 即胚面和非胚面朝上概率各为50%, 选择测试集时使用相同方式。 鉴别准确率为50次实验取均值得到。

表6是在漫透射方式下以T1数据集作为建模集建立定性分析模型, T2— T5作为测试集进行测试时所得鉴别准确率。

表6

Table 6

表6(Table 6)

表6 漫透射方式下不同测试集的鉴别准确率(%) Table 6 Identification accuracy of different test sets under diffuse transmission mode (%) 方法 T2 T3 T4 T5 BPR 95.5 94.5 92.3 91.5

表6 漫透射方式下不同测试集的鉴别准确率(%) Table 6 Identification accuracy of different test sets under diffuse transmission mode (%)

由表6可以看出, 对于胚面与非胚面光谱混合的建模集T1, 使用不同测试集进行测试时, 以漫透射光谱建立的定性分析模型具有较高识别率, 在T2— T5四个测试集上的识别率均高于91%, 此外, 漫透射采集方式下, 建立定性模型对不同测试集数据进行鉴别时, 随测试集与建模集时间间隔增大, 模型性能下降较为平缓, 因此漫透射方式定性分析模型具有较强泛化能力。