使用的龟甲药材样品从湖北省国家级京山盛昌乌龟原种场提供并炮制。 其中生长周期在5年内的龟甲背甲621 g, 腹甲570 g; 5~10年龟甲背甲590 g, 腹甲525 g; 10年以上的龟甲背甲615 g, 腹甲553 g。

研究采用挪威纳斯克电子光学公司(Norsk Elektro Optikk AS)的高光谱成像仪采集龟甲药材的光谱数据。 详细工作组件包括: 高光谱成像仪、 两盏150 W卤素灯、 移动式扫描平台、 计算机处理系统以及可见近红外线(visible and near infrared ray, VNIR)和短波红外线(short wave infrared ray, SWIR)两个光谱采样透镜。 其中VNIR透镜的积分时间为9 000 μ s, 采样光谱波长范围为410.41~990.10 nm, 波段间隔为5.37 nm, 共计108个波段; SWIR透镜的积分时间为3 500 μ s, 光谱波长范围为948.72~2 512.97 nm, 波段间隔为5.43 nm, 共计288个波段。 为避免自然光的干扰, 实验在暗室环境下进行, 采样过程中, 保持高光谱成像仪的透镜与样本距离为20 cm, 可移动平台速度保持为1.5 mm· s^-1。

由于暗电流、 光源分布不均匀等外界因素影响, 高光谱成像系统初始产生的图像存在一定的噪声干扰, 需要对原始光谱图像进行黑白板校正。 校正过程的数学表达如式(1)所示。 式中I_c为校正后的高光谱图像, I_raw是原始光谱图像, I_dark和I_white分别代表黑板和白板校正图像。

Ic=Iraw-IdarkIwhite-Idark(1)

为提高采样效率, 避免手动采样带来的主观性, 采用基于网格的ROI自动采样法。 将校正后的VNIR与SWIR透镜下的龟甲HSI依波长范围进行级联, 以保证两透镜下采样得到ROI区域的一致性; 对级联后的龟甲药材HSI进行网格划分, 由于背景黑板对光的吸收特性, 其光谱反射特征远小于龟甲药材的反射特征, 因此可以采用阈值法分辨出划分的ROI网格是否包含背景黑板像素(比较网格四角像素的反射特征); 最后, 滤除掉包含背景的网格, 将保留的ROI网格矩阵进行均值处理作为采样样本, 即每个样本代表对应ROI区域的平均反射率特征。 采样规模如表1所示。

表1

Table 1

表1(Table 1)

表1 不同年限龟甲药材的ROI样本数量 Table 1 The description of ROI samples of Plastrum Testudinis in different years 类型 5年内 5~10年 10年以上 背甲 914 890 956 腹甲 861 805 923

表1 不同年限龟甲药材的ROI样本数量 Table 1 The description of ROI samples of Plastrum Testudinis in different years

1.5.1 标准正态变换

为减少表面散射及漫反射带来的影响, 采用标准正态变换(standard normal variate, SNV)对采样后的数据进行预处理^[20], 如式2所示。 其中, m为波长点数, x-为样本均值, xSNV为SNV变换后的样本值。

$x_{\mathrm{SNV}}=\frac{x-\bar{x}}{\sqrt{\frac{\sum_{k=1}^{m}\left(x_{k}-\bar{x}\right)}{m-1}}}$(2)

1.5.2 波段选择

高光谱图像是由数百个光谱波段组成的“ 数据块” , 包含丰富的光谱信息, 可以表达物质的特定属性^{[21, 22]}。 由于其特征波段是通过对波长的连续划分而获得, 因此高光谱图像的波段间具有较高的相似性, 尤其体现在相邻维度。 这种冗余性对高光谱数据的处理效率、 预测性能等存在较大的负面影响。 为降低高光谱图像的冗余性, 简化数据结构, 提高后续模型的预测性能, 通常需要对原始图像进行降维操作。 降维可分为特征(波段)选择和特征提取。 特征提取需要构建映射矩阵, 通过矩阵运算将高维数据映射至低维空间。 波段选择则通过选择原始HSI中的有效波段实现降维^{[23, 24]}。 波段选择并未改变原始数据中的光谱数据信息, 因此物理可解释性更强。 而根据使用标签信息与否, 波段选择方法又可以分为有监督波段选择与无监督波段选择。 无监督不依赖标签信息, 旨在发掘光谱特征之间的关联性, 因此更符合对未知样本的客观规律认识。 由于标签的获取代价较大, 现实应用中许多问题难以获得大量标签样本。 本研究采用无监督波段选择对获得的龟甲样本进行降维处理, 滤除冗余的波段特征, 降低样本的复杂度。

Optimal clustering framework (OCF)是基于动态规划的无监督波段选择策略^[25]。 由于波段选择本质上是一种最优化问题, 动态规划可以将最优化问题分解为若干可求解的简单子问题, 并将其重新组合获取问题的最优解决方案。 OCF将光谱波段视为单个个体, 将高光谱空间划分为若干连续的波段子空间, 每个波段子空间为一个波段簇。 通过最大化波段簇之间的类内距离与类间距离之比, 得到最优的波段子空间划分方案。 在每个子空间选择信息熵最大的波段组合成为最终的波段子集, 实现降维的目的。 本研究采用OCF对龟甲药材的高光谱图像进行波段选择, 使用较少的龟甲光谱波段保留原始图像中的光谱信息, 以达到较好的鉴别效果。

在对龟甲药材的高光谱数据完成预处理后, 需要通过机器学习算法挖掘出不同年限龟甲药材光谱曲线的差异性, 从而实现对龟甲生长年限的鉴定。 由于单个分类模型对样本存在一定的偏好性, 本研究采用集成学习构建龟甲生长年限的预测模型。 集成学习将多个分类器组合, 使之组合后的输出达到不弱于任意单个分类器的分类效果。 为实现此目的, 这些分类器不应被其中某个分类器所支配, 即分类器之间应该具有多样性。 异构集成学习(heterogeneous ensemble learning, HEL)指使用不同种类的分类模型做出集成决策的机器学习手段, 可以综合多种分类器的优势, 具有较好的多样性。 本研究采用支持向量机(support vector machine, SVM)、 逻辑回归(logistic regression, LR)与K近邻(K-nearest neighbor, KNN)三类模型为学习器, 对不同分类模型的预测结果进行投票操作, 以达到更好的鉴别精度。

SVM是机器学习中较为流行的分类模型, 具有结构简单, 泛化能力强等优点。 SVM的算法思想是通过核函数将原始样本映射至更高维的空间, 并在高维空间中寻找一个最佳超平面, 使不同类别的样本距分类平面的距离最大, 以实现最优的分类效果。

LR是一种广义的线性回归模型, 其本质是对线性回归结果的一种非线性映射, 可以通过最大似然估计将样本特征与事件发生的概率联系起来, 故LR也是一种基于概率的分类模型。 LR形式简单, 效率较高, 具有很好的模型可解释性, 因此本研究采用LR作为集成学习模型的个体分类器之一。

KNN算法的主要思想是相同属性的样本标签应和与其相似的邻近样本保持一致。 这种相似性可以用距离来衡量, 如欧式距离、 曼哈顿距离、 闵可夫斯基距离等。

建立分类模型后, 使用分类准确率衡量模型对龟甲生长年限的鉴别能力, 其计算方式为分类准确率=正确分类ROI样本数/总采样数。 当分类准确率越接近100%时, 代表模型的预测能力越强。

本研究的高光谱图像可视化软件采用ENVI 5.3, 后续ROI采样过程采用Matlab 2018b编程环境实现, 数据的预处理、 降维与分类模型建立均基于Python 3.8编程语言实现。

研究中采集了不同生长年限的龟甲药材的高光谱图像, 并采用机器学习技术挖掘龟甲药材在光谱特征上的差异, 以实现对龟甲药材的生长年限的有效鉴别。 首先实验对不同生长年限的龟甲药材的光谱特征进行分析, 然后采用波段选择对龟甲样本进行降维操作, 增加模型的预测速度, 最后构建异构集成学习模型, 实现对龟甲药材年限的有效鉴别。 整体框架如图1所示。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 异构集成学习策略框架Fig.1 The framework of heterogeneous ensemble learning strategy

首先对龟甲药材光谱反射特征进行分析, 其中涉及到的所有光谱数据均在相同实验环境下采集。 以背甲为例, 样本在VNIR和SWIR透镜下的光谱曲线和平均光谱曲线如图2所示。 图2显示, 在相同的光照环境下, 龟甲药材的光谱曲线具有相似的变化趋势[图2(a)、 (c)], 表明了其在光谱特征上的一致性。 然而对于不同生长年限的龟甲, 彼此之间的平均反射率具有一定的差异[图2(b)、 (d)]。 其原因可能是内部所含的化学成分含量或物理性质不同, 因此对相同光照的反射特征不同。 十年以上的龟甲药材在VNIR与SWIR透镜下均具有较高的光谱反射率。 而5~10年与5年内的龟甲在VNIR透镜下的光谱特征互有交叉[图2(b)]。 在SWIR透镜下, 5~10年龟甲的光谱反射率高于生长年限在5年内的龟甲药材[图2(d)]。 因此可以推测生长年限越久的龟甲药材通常具有较高的光谱反射率, 表明了用高光谱成像技术对龟甲年限进行鉴别可行。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 龟甲药材的样本光谱曲线与平均光谱曲线 (a): VNIR光谱; (b): VNIR平均光谱; (c): SWIR光谱; (d): SWIR平均光谱Fig.2 Overall and averaged spectral curves of Plastrum Testudinis samples (a): Overall spectral curves of VNIR; (b): Averaged spectral curves of VNIR; (c): Overall spectral curves of SWIR; (d): Averaged curves spectral curves of SWIR

2.2.1 模型构建

将采样得到的龟甲ROI样本随机划分为训练集(90%)与测试集(10%), 其中训练集用于模型训练及内部十折交叉验证选择最优模型参数; 测试集用于模型性能的最终验证。 实验构建了基于SVM、 LR、 KNN三种分类算法的异构集成学习模型。 其中, SVM算法将原始样本映射至更高维的空间, 并使不同类别的样本距分类平面的距离最大, 以实现最优的分类效果。 关键超参数为惩罚项因子C, C值越大表示对错误分类样本的惩罚程度越大。 本实验SVM模型参数最终确定为采用高斯核函数, 惩罚项因子C=50。 LR是一种基于概率的分类模型, 形式简单, 具有很好模型可解释性。 本实验LR采用L2正则化以防止模型的过拟合, 超参数正则化系数确定为λ =0.3。 KNN的主要是样本的类别应和与其相似的邻近样本保持一致。 实验中, KNN采用欧式距离衡量样本间的相似程度, 经十折交叉验证后, 模型设置最近邻个数k=3。

2.2.2 全波段模型分类精度

实验采用VNIR与SWIR透镜下采集的龟甲HSI图像构建了龟甲年限的分类模型。 为了更全面地分析龟甲年限与光谱特征规律, 实验将两透镜下的龟甲高光谱图像依照波长进行级联, 得到波长覆盖范围410~2 500 nm的融合波段光谱数据, 并利用建立的模型进行分析。 实验首先对三种数据在全波段下的样本进行分类, 准确率见表2。

表2

Table 2

表2(Table 2)

表2 全波段不同年限龟甲药材的分类精度(%) Table 2 Classification accuracies of PlastrumTestudinis in different growth years with full spectral bands (%) 分类模型 VNIR SWIR 融合波段 背甲 腹甲 背甲 腹甲 背甲 腹甲 训练集 测试集 训练集 测试集 训练集 测试集 训练集 测试集 训练集 测试集 训练集 测试集 SVM 91.70 90.31 90.47 88.92 95.55 92.57 93.88 91.32 97.80 93.25 94.37 93.18 LR 92.77 90.72 91.38 89.60 94.15 91.03 93.47 91.13 96.93 91.87 95.85 93.49 KNN 90.89 88.55 89.22 86.79 92.27 91.41 91.24 90.45 94.09 92.33 93.33 90.62 HEL 93.18 91.46 92.13 90.51 96.78 93.17 94.35 92.56 98.06 96.14 96.26 93.82

表2 全波段不同年限龟甲药材的分类精度(%) Table 2 Classification accuracies of PlastrumTestudinis in different growth years with full spectral bands (%)

由表2中:

(1)相比于腹甲样本, 四种模型在VNIR透镜、 SWIR透镜与融合波段三类数据中的背甲样本基本上达到了较高的分类准确率, 表明龟甲背甲的光谱特征与其生长年限的相关度较高。

(2)对于SVM、 LR、 KNN三种基学习器, 在VNIR透镜下, LR模型具有较好的分类性能, 测试精度分别达到90.72%(背甲)与89.60%(腹甲); 而在SWIR透镜下, SVM模型预测精度较高, 分别为92.57%(背甲)与91.32%(腹甲)。 表明不同的分类模型对不同的高光谱数据具有各自的优势。 而融合波段综合了两透镜下的光谱信息, 使得模型的分类准确率普遍高于VNIR与SWIR透镜。 相比于学习器, HEL模型综合了不同模型与融合波段的优势, 进一步提升了对龟甲生长年限的分类准确率, 背甲样本达到96.14%的分类精度。

实验验证了采用全波段惯光谱图像对龟甲药材生长年限鉴别的有效性。 由于“ Hughes” 现象的存在, 波段数过高反而会对模型的分类精度产生负面影响。 在实际应用中, 高光谱图像的高复杂度与强共线性会大幅影响模型的效率, 不利于快速与批量检验。 因此进一步对龟甲药材的高光谱数据进行降维分析, 目的是使用较少的波段逼近或超越全波段HSI的分类准确率。

采用OCF波段选择简化全波段龟甲药材高光谱图像的复杂度。 OCF的算法将高光谱空间划分为若干低相关的波段子空间, 并在每个子空间选择信息熵最大的波段组合成为最终的波段子集, 在保证信息量的同时, 降低波段间的相关性。 模型在不同波段数目及全波段(HEL)及不同波段数目下对龟甲药材年限的分类精度与波段选择情况见图3。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 不同波段数目下模型分类精度 (a): VNIR透镜-背甲; (b): SWIR透镜-背甲; (c): 融合波段-背甲; (d): VNIR透镜-腹甲; (e): SWIR透镜-腹甲; (f): 融合波段-腹甲Fig.3 Classification accuracies of constructed prediction models with different number of bands (a): VNIR; (b): SWIR; (c): Fused bands-tergum; (d): VNIR; (e): SWIR; (f): Fused bands-plastrom

由图3(a— f)可以看出, 随着波段数目的增多, 模型的准确率逐渐提升, 表明了波段中有效新信息在不断增加。 对于背甲样本, 当波段降维数目为32时, HEL模型在融合波段的龟甲年限分类精度[图3(c)]达到最高分类精度96.35%, 并超过龟甲药材原始高光谱图像的精度。 因此OCF可以选择32个特征波段表征原始龟甲高光谱图像的信息。 图4给出了OCF在融合波段下, 降维维度为16与32时波段选取的对比结果。

由图4可以看出, 当波段选择数目较少时, 选择的波段主要集中于光谱曲线的反射特征峰值区域。 随着波段选择数目增多, 每个特征峰值区域会根据信息熵继续增添特征波段, 并保证波段之间的离散程度, 避免相邻的冗余波段被同时选中。 与图3实验结果比较, HEL模型可以使用较少的光谱特征实现龟甲药材年限的准确鉴别, 为快速性、 批量检验提供一定的技术参考。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 OCF波段选择结果 (a): 波段选择数16; (b): 波段选择数32Fig.4 Results of OCF band selection algorithm (a): Results of 16 selected bands; (b): Results of 32 selected bands