选取云南省主栽的两个市售番茄品种“ 水果番茄” 与“ 大红番茄” , 于2024年采收季采摘成熟果实各120个(共240个); 采收标准为果实表面≥ 90%面积转红^[17]。 剔除损伤及病虫害果后, 用无菌软布擦净表面杂质, 置于实验室[温度(20± 1) ℃, 湿度80%± 5%]中静置12 h以平衡样本状态。 后续高光谱采集均在相同环境下进行。

高光谱图像采集采用“ GaiaField” 高光谱成像系统(GaiaField-F-V10, 双利合谱科技有限公司), 该系统主要由高光谱成像仪、 镜头, 光源、 样品移动平台以及配备高光谱数据采集软件SpecView的专用计算机等部件组成。 成像系统的光谱采集波长范围为400~1 000 nm, 包含256个连续波段, 能够全面覆盖可见光近红外波段的光谱范围, 光谱分辨率为0.2 nm。 设备结构及样品放置示意见图1, 采集的数据可同时提供光谱信息与图像信息, 实现光谱与空间的有机融合。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 高光谱成像系统示意图Fig.1 Schematic diagram of hyperspectral imaging system

为获取清晰且不失真的高光谱图像, 实验过程中, 高光谱图像采集系统的各项关键参数进行了统一设置: 曝光时间设定为15 ms, 移动平台的前进速度为1 cm· s^-1, 回退速度为2 cm· s^-1, 镜头与样品间的距离保持为20 cm。 在高光谱图像采集过程中, 受光敏单元自身响应差异、 暗电流以及偏置等因素的影响, 导致高光谱图像的输出强度不均匀, 从而影响后续特征提取与建模分析的准确性^[18]。 为减少高光谱成像系统中暗电流等噪声对图像的干扰, 对采集图像进行了黑白校正, 将光强度数据转换为光反射率数据进而实施黑白校正, 黑白校正如式(1)所示。

I=R-BW-B(1)

式(1)中, I为校正后的反射率, B为原始高光谱图像, W为暗参考图像, R为白参考图像。 通过黑白校正处理, 有效消除了系统误差及环境光干扰, 为后续光谱分析提供了可靠的数据基础。

1.4.1 可溶性固形物(SSC)测定

高光谱图像采集完成后, 使用榨汁机对番茄样品进行充分榨碎处理。 将所得番茄浆液通过200目过滤袋过滤, 并收集滤得的番茄汁。 随后, 采用ATAGOPAL-α 折射仪(日本ATAGO公司)测定样品的SSC含量。 每个样品重复测量三次, 取平均值作为该样品的最终SSC测定结果。

1.4.2 维生素C含量测量

维生素C含量的测定参考Wu等^[19]报道的方法。 采用2, 6-二氯靛酚滴定法测定维生素C的含量。 称取5 g番茄匀浆, 稀释在2%草酸溶液中, 使用标准化的2, 6-二氯靛酚溶液进行滴定, 直至样品颜色刚好褪色为终点。 根据式(2)计算样品的维生素C的含量。

VC[mg·100mg)-1]=V* T* 2.5m* 100(2)

式(2)中, V为滴定样品所消耗的2, 6-二氯靛酚钠溶液的体积(mL); T为1 mL 2, 6-二氯靛酚钠溶液相当于抗坏血酸的毫克数; m样品质量。

1.4.3 番茄红素的含量测量

番茄红素含量的测定参照Shao等^[1]的方法。 以无水乙醇、 正己烷以及2%二氯甲烷混合溶液作为萃取剂, 对番茄匀浆进行番茄红素的提取。 提取完成后, 运用紫外分光光度计(型号: UV-2600, 日本岛津公司)测定所提取样品中的番茄红素含量。 在测定过程中, 以径长为1 cm的石英池作为比色容器, 同时选用正己烷和2%二氯甲烷的混合溶液作为空白对照调零。 记录番茄红素提取液在503 nm波长处的吸光度, 结合相关标准曲线进行含量计算, 最终实现番茄红素的定量分析。

使用ENVI 5.6软件(ResearchSystemsInc., Boulder, CO, USA)对每个样品的感兴趣区域(region of interest, ROI)进行手动选取, 并计算该区域的平均光谱值, 生成各样品的光谱数据矩阵。 为消除散射效应及样品表面不均匀性对光谱数据的干扰, 提升数据质量, 对原始光谱采用标准正态变量变换(SNV)进行预处理, SNV 预处理算法如式(3)所示:

xi(SNV)=xi-uiσi (i=1, 2, …, m)(3)

式(3)中, x_i第i个样本的光谱向量; u_i该样本所有波段反射率均值; σ _i该样本反射率标准差。

为降低高光谱数据的冗余性与建模复杂度, 利用遗传算法(GA)对SNV预处理后的光谱数据进行特征波段筛选。 GA通过模拟自然界生物进化过程选择、 交叉和变异等遗传操作, 迭代搜索最优特征, 以最大化预测模型的性能^[7]。 特征波段的最优组合依据交叉验证所得的均方根误差(root mean square error of cross validation, RMSECV)最小原则进行确定。

选择反向传播-人工神经网络(BP-ANN)和极限学习机(ELM)作为预测模型的算法, 分别构建番茄理化指标的预测模型。 BP-ANN通过多层非线性结构深入挖掘光谱数据与目标指标之间的复杂映射关系。 相比之下, ELM随机生成隐藏层权重与偏置, 通过解析解直接计算输出权重, 大幅提升训练速度, 且具有较强的泛化能力^[20]。

为全面评估模型的拟合效果与预斥能力, 采用决定系数(R²)、 均方根误差(RMSE)与剩余预测偏差(RPD)作为模型评价指标, 以全面评估模型的拟合效果与预测能力。 对应公式如式(4)— 式(6)所示。

R2=1-∑i=1n(yi-y^i)2∑i=1nc(yi-y-)2(4)

$\mathrm{RMSE}=\sqrt{\frac{1}{n} \sum_{i=1}^{n}\left(y_{j}-\hat{y}_{j}\right)^{2}}$ (5)

RPD=SDRMSEP(6)

式(4)— 式(6)中, n样本数; y_i为理化指标的实际测量值; y-i为理化指标实际测量值的平均值; y^i和 y^j分别表示校正集中或预测集中的理化指标预测值; SD为预测集中理化指标参考值的标准差; RMSEP为预测集的均方根误差。

为确保预测模型结果的可靠性评估具备充分的数据基础, 在建模分析前对番茄样品的品质指标进行了统计分析(表1)。 结果显示, 番茄红素含量范围为1.41~2.89 mg· (100 g)^-1, SSC含量范围为4.71~7.36° Brix, 维生素C含量范围为18.69~30.14 mg· (100 g)^-1。 各指标的标准差反映出样品间存在一定差异性, 可为后续建模分析提供必要的数据支撑。

表1

Table 1

表1(Table 1)

表1 番茄品质指标含量分析 Table 1 Analysis of quality index content of tomato 品质指标 样本量/个 范围(min~max) 均值± 标准差 单位 番茄红素 240 1.41~2.89 2.00± 0.31 mg· (100 g)-1 SSC 240 4.71-7.36 6.11± 0.56 ° Brix 维生素C 240 18.69~30.14 25.52± 2.09 mg· (100 g)-1

表1 番茄品质指标含量分析 Table 1 Analysis of quality index content of tomato

图2展示了所采集的番茄样品的原始光谱数据, 曲线整体呈现丰富且连续的光谱信息, 不同波长区域的反射率的变化特征与番茄品质指标(番茄红素、 SSC以及维生素C)等具有紧密的相关性。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 原始光谱Fig.2 Original spectra

其中, 番茄红素作为番茄中重要的类胡萝卜素, 其分子结构决定了其在可见光区(400~700 nm)光谱中的吸收特性。 筛选出的波长与番茄红素的电子跃迁吸收密切相关。 类胡萝卜素分子具有共轭双键体系, 在吸收特定波长的光能后, 会发生电子从基态到激发态的跃迁。 具体而言, Soret带和Q带吸收峰是类胡萝卜素光谱特征的典型代表。 Soret带通常位于紫外-可见光区的较短波长处, 具有较高的摩尔吸光系数, 而Q带则位于相对较长波长处, 吸收强度相对较弱。 在番茄红素的光谱分析中, 这些吸收峰的位置和强度能够反映其分子结构和含量的信息^[21]。 因此, 在400~700 nm范围内筛选出的特征波段, 极有可能是对应于番茄红素分子中电子跃迁的关键波长, 通过该波段的光谱信息, 可有效预测番茄红素的含量和结构特征。

对于维生素C, 其抗氧化活性主要来源于其分子结构中的羟基(— OH)和羰基(C=O)基团。 SSC主要由糖类组成, 其分子结构仔富含的C— H和O— H化学键在红外光谱区域所变现出显著的振动吸收特性。 研究表明, 970~926 nm 波段与芳香族醚、 碳水化合物及多糖中的C— O— C伸缩振动相关, 855 nm处的特征峰可归因于醇基团的振动, 而833~794 nm波段则反映了芳香族C— O— H伸缩振动及芳香族醚/酚类中C— O— C的振动模式^{[22, 23]}。 通过分析这些波段的光谱信息, 可以准确地反映番茄中维生素C和SSC的含量, 符合维生素C和SSC的光谱特性。 综上所述, 番茄样品在可见光与近红外区域所呈现的光谱特征, 与其主要品质指标(番茄红素、 SSC、 维生素C)具有良好的相关性。 本研究所提取的特征波段不仅符合化学机理, 也为后续预测模型的构建提供了坚实的数据基础。

在光谱数据分析中, 光谱预处理对有效提取关键化学信息, 降低物理干扰及提升模型预测性能具有重要作用。 标准正态变换(SNV)作为一种常用的光谱预处理方法, 主要用于消除光谱数据中的基线漂移和物理散射效应的影响, 从而突出样品光谱中的化学成分信息。 图3给出了经过SNV处理后的光谱数据。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 SVN预处理光谱数据图Fig.3 Spectral data after SNV preprocessing

从图2未经处理的原始光谱数据图中可以观察到, 原始光谱存在明显的基线漂移现象, 这种现象主要源于样品的物理属性差异(如颗粒大小、 分布不均匀性等)以及测量过程中光程变化、 仪器噪声等外部因素等引起的^[5]。 基线漂移不仅会掩盖光谱中的吸收峰和特征信息, 还会影响后续的特征提取分析和建模分析。 此外, 原始光谱曲线在不同样本之间存在较大离散性, 尽管这种差异部分反映了样品间的化学组成差异, 但也不可避免地混杂了散射效应和其他物理干扰, 增加了光谱解析和建模的复杂度。 相比之下, 图3给出了经过SNV处理后的光谱数据。 经过SNV预处理后, 光谱的基线明显得到了校正, 曲线整体趋于平稳, 不同样本之间的离散性显著减小, 光谱重叠度大幅提高。 以550 nm附近的吸收峰为例, 原始光谱中该吸收峰由于基线漂移影响, 形态模糊、 强度不稳定, 难以准确表征目标化学组分。 而经过SNV处理后, 吸收峰变得更加尖锐, 强度和位置更加明确, 从而能更准确地反映样本中特定化学成分的吸收特性。 此外, 在700~1 000 nm波段内的“ 红边” 区域, SNV处理也显著增强了光谱特征的表达能力, 使该区域的吸收特性更加清晰, 有助于后续对相关理化指标的精确建模。 综上所述, SNV预处理有效提升了光谱数据的信噪比和分析价值, 为后续特征波段提取及预测模型的构建奠定了良好基础。

本文中采用遗传算法(GA)结合交叉验证均方根误差(RMSECV)对预处理后的全光谱(波长400~1 000 nm, 256个波段)进行特征波段筛选, 提取出与番茄品质指标显著相关的特征波长, 特征波长提取见表2。

表2

Table 2

表2(Table 2)

表2 选定的特征波段 Table 2 Selected characteristic bands 指标 特征波长/nm 番茄红素 395、397、400、402、404、541、544、570、573、850、852、855、858、860、863、865、868、1 009、1 020、1 022、1 025、1 028 SSC 855、858、860、901、904、907、912、914、917、943、946、948、951、954、956、959、962、972 维生素C 827、829、832、834、845、847、850、863、865、868、962、964、967、969、972、975、977、980

表2 选定的特征波段 Table 2 Selected characteristic bands

如表2所示, 针对番茄红素、 SSC、 维生素C中三个理化指标, GA 分别提取出22、 18和18个关键特征波段, 与全波段相比, 所选的特征波段的数量分别占全波段的比例分别为8.59%, 7.03%, 7.03%。 与全光谱建模相比, GA显著降低了输入变量维度, 减少了冗余信息和噪声干扰, 有助于降低模型复杂度并提升预测稳定性。 另外, 从特征光谱带分布来看, 在光谱起始段(2~6波段, 对应约400~410 nm), 属于可见光区的短波段, 可能与番茄红素分子在紫外-可见区的电子跃迁相关, 尤其是Soret吸收带, 表明该区域对番茄红素的浓度变化较为敏感。 在波段64~77(对应约520~540 nm)处于番茄红素特征吸收峰的主区域, 进一步验证了该波段与番茄红素含量的密切关系。 波段188~195(对应约780~810 nm)处于“ 红边” 过渡区, 可能与类胡萝卜素的光谱衰减特性和样品组织结构有关。 249~256(对应约960~1 000 nm)处于近红外区域, 可能与水分、 糖类、 酯类及其他分子的C— H、 O— H、 N— H振动吸收有关, 表明番茄红素的分布不仅与色素吸收有关, 还可能受到细胞结构和基质环境的影响。

为了进一步验证特征波长提取的合理性, 图4进一步给出了特征波长的筛选过程以及相应RMSECV的变化趋势, 为遗传算法特征选择提供了清晰的可视化依据。

图4

Fig.4

Figure Option ViewDownloadNew Window

图4 GA算法选择的特征波段 (a): 番茄红素特征波段筛选结果; (b): SSC特征波段筛选结果; (c): 维生素C特征波段筛选结果(* 每个柱状图显示了各波长的选择频率或重要性指标, 红色星号标注为GA选中的关键特征波段); (d): 番茄红素交叉验证均方根误差的变化趋势; (e): SSC交叉验证均方根误差的变化趋势; (f): 维生素C交叉验证均方根误差的变化趋势Fig.4 GA-selected feature bands (a): Screening results of characteristic bands for lycopene; (b): Screening results of characteristic bands for soluble solids content; (c): Screening results of characteristic bands for Vitamin C(Each bar chart displays the selection frequency or importance metric of each wavelength, with red asterisks marking key feature bands selected by GA); (d): The trend of RMSECV changes in lycopene; (e): The trend of RMSECV changes in soluble solids content; (f): The trend of RMSECV changes in Vitamin C

从图4中可以看出, 随着所选特征波段数量的增加, RMSECV显著下降, 说明初期变量增加对模型性能提升有明显贡献。 当选取的特征波段达到一定数量后(番茄红素22个波段, SSC 18个波段, 维生素C 18个波段), RMSECV 曲线趋于平稳, 继续增加波段数量对模型精度提升有限, 甚至可能引入冗余信息。 虽然不同品质指标所选特征波段存在部分重叠, 表明番茄红素、 SSC与维生素C在光谱响应上存在一定相关性, 但每个指标也具备独立的特征信息。 这种RMSECV的下降趋势充分验证了遗传算法在有效剔除冗余波段、 提取关键特征方面的优越性。 特征波段的优化不仅简化了模型结构, 也为后续建立更具普适性和实际应用价值的预测模型提供了基础。 特征波段选择结果与Zhao等^[24]的报道一致, 进一步验证了通过合理选择关键波长能够显著提升高光谱建模的预测性能和泛化能力。

为了分析BP和ELM两种模型在番茄番茄红素、 SSC及维生素C含量预测中的建模性能, 表3给出了不同模型预测不同指标的模型性能评估系数。

表3

Table 3

表3(Table 3)

表3 BP和ELM两种模型性能对比 Table 3 Performance evaluation of various models 指标 模型 Rc2 RMSEC Rp2 RMSEP RPD 番茄红素 BP 0.90 0.10 0.80 0.20 2.27 ELM 0.92 0.09 0.86 0.15 2.73 SSC BP 0.90 0.27 0.79 0.36 2.25 ELM 0.92 0.24 0.88 0.28 2.82 维生素C BP 0.90 0.69 0.82 0.77 2.44 ELM 0.92 0.66 0.90 0.69 3.12

表3 BP和ELM两种模型性能对比 Table 3 Performance evaluation of various models

从表3可以看出, ELM模型在番茄红素、 SSC以及维生素C三项品质指标预测中, 整体优于BP-ANN模型。 具体表现在以下几个方面: (1)ELM在校正集 Rc2和预测集 Rp2上均高于BP, 表明ELM模型对数据的拟合能力更强, 预测结果与实际值的相关性更高。 例如, 在番茄红素预测中, ELM的 Rp2达到0.86, 相比BP的0.80, 提高了7.5%; 在SSC预测中, ELM的 Rp2提高了11.4%; 在维生素C预测中, ELM的 Rp2提高了9.8%。 (2)ELM的RMSEC和RMSEP全面低于BP, 表明ELM在模型训练和实际预测过程中均有更高的准确性。 例如, 在番茄红素预测中, ELM的RMSEP降低到0.09, 相较BP的0.20减少了25.0%。 ELM在三项指标的RPD值分别达到2.73(番茄红素)、 2.82(SSC)和 3.12(维生素C), 均高于BP的2.27、 2.25 和 2.44, 预测能力显著更强, 且维生素C的RPD已达到优秀预测模型的评价标准。 综上所述, ELM模型在准确性、 稳定性以及泛化能力方面均优于BP-ANN, 此外ELM的优势源于其随机初始化权重和快速训练特性, 避免了BP模型的梯度消失和过拟合问题^[25]。

为直观验证极限学习机(ELM)模型在番茄品质预测中的性能, 给出了真实值与预测值的散点图, 其中校正集为蓝色圆点, 预测集为红色点, 如图5所示。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 极限学习机实测值与预测值的相关性 (a): 番茄红素实测值与预测值的相关性; (b): SSC实测值与预测值的相关性; (c): 维生素C实测值与预测值的相关性Fig.5 Correlation between measured and predicted values of the extreme learning machine (a): Correlation between measured and predicted lycopene values; (b): Correlation between measured and predicted SSC values; (c): Correlation between measured and predicted Vitamin C values

从图5中可以看出三个图中的数据点均高度集中于直线线附近, 表明模型的预测值与实际测量值具有较强的一致性。 从图5(a)番茄红素预测结果来看, 决定系数( Rc2=0.92, Rp2=0.86)显示校正与预测的拟合程度较高, 残差预测偏差(RPD=2.73)表明模型具有良好的预测能力。 散点均匀分布在回归线周围, 说明ELM模型能够稳定、 准确地预测番茄红素含量。 从图5(b) SSC预测结果来看, Rc2和 Rp2分别为0.92和0.88, 表明校正和预测效果均优良。 RPD达到2.82, 已进入优秀预测模型的标准(一般认为RPD> 2.5表明模型具有良好的预测实用性^[26])。 图中预测点分布紧密, 偏离较小, 进一步验证了模型对SSC的预测稳定性。 从图5(c)维生素C预测结果来看, Rc2=0.92, Rp2=0.90, 模型预测能力突出, RPD=3.12, 属于高度可靠的预测结果。 散点图显示, 大多数样本点紧贴回归线, 模型对维生素C的预测表现尤为优异。 综上所述: ELM模型在番茄红素、 SSC和维生素C的预测中均表现出高精度和高稳定性, 预测结果与实际值高度吻合。