菜籽品种可见近红外光谱鉴别研究

董小玲

DONG Xiao-ling

（华东交通大学外国语学院，江西 南昌 330013）

(School of Foreign Languages,East China Jiaotong University,Nanchang,Jiangxi330013,China)

菜籽品种是决定蔬菜品质、制约蔬菜产量的主要因素之一[1]。一些不法商贩往往混淆品种，以次充好，谋取暴利，严重影响了市场秩序及菜农权益。形态学方法、农艺性状法、蛋白质电泳技术检验法、DNA分子标记技术检验法等传统菜籽品种评价方法，耗时、费力、准确性差。随着消费者对蔬菜数量及品质要求的不断提高，迫切要求采用快速检测手段，现场识别菜籽的品种及优劣，维护市场秩序、保障菜农权益。

经过物料漫射的可见近红外光谱中含有丰富的含氢基团信息，可表征物料的物理及化学信息，具有快速、绿色、无损等优点，利用农产品种子的可见近红外光谱信息，可进行种子品种鉴别。国内科技人员建立了枇杷[2]、奶茶[3]、茶叶[4]、小麦[5]、葡萄[6]、草莓[7]、玉米[8-10]、大米[11]、人参[12]、稻米[13]、鲜枣[14]、大豆[15]等农作物种子品种识别研究，并建立了相应的数学模型。在建模过程中，可见近红外光谱包含上千个波长点甚至更多的信息，若将全部光谱作为分类算法的输入变量，会影响算法的收敛速度和收敛性。通常做法是将光谱数据压缩成几个主成分，作为输入变量训练数学模型，预测未知样品。笔者在前期白菜籽品种识别试验[16]中，采用了若干主成分（PCA）表征原光谱信息的方法。该方法虽可表征绝大多数光谱信息，但因线性变换过程少量信息会自然损失，原光谱信息并未充分利用。所以，采用部分主成分表征原光谱信息的方法，在一定程度上影响了品种识别的精度[17]。线性判别分析（LDA）是以样本的可分性为目标，寻找一组线性变换，使样本类内离散度最小而类间离散度最大的分类方法[18]。LDA方法高效、便捷，可较为有效地解决光谱分类问题[19,20]。但LDA光谱数据分类应用报道较少，主要是LDA面对高维小样数据时，易产生过拟合现象，面对不同试验数据，需优选适宜的特征变量，更易发挥LDA算法特长。

为了提高菜籽品种可见近红外光谱识别率，提出了一种基于主成分载荷向量和LDA的菜籽品种识别方法。根据主成分载荷向量峰谷变化趋势，筛选特征光谱变量，作为LDA的输入向量，进行6种菜籽品种的判别分析，并与PCA-LAD的分类判别结果对比，验证方法的可靠性。

1 材料与方法

1.1 试验仪器

光谱仪：Handheld Field SpecPro，美国Analytical Spectral Devices公司。

性能参数：光谱范围325～1 075 nm，采样间隔1.5 nm，探头视场角20°，光源卤钨灯14.5 V。试验中采用漫反射方式，使用仪器自带ASD ViewSpec Pro软件采集光谱。

1.2 试验材料

菜籽：鑫丰70白菜籽，青麻叶白菜籽，山东五号白菜籽，四季抗热芥菜籽，特选大坪埔芥菜籽，芥菜笋籽，港种四九菜心籽，十月红菜心籽，九月鲜菜心籽，广东四九菜心籽，白皮苦瓜籽，长绿苦瓜籽，春华苦瓜籽，金禾莴笋籽，花红柳绿莴笋籽，金发莴笋籽，汉城白玉萝卜籽，广东短叶萝卜籽，浙大长萝卜籽，马耳萝卜籽，南昌某种子公司；试验样品的具体品种及数量见表1。

采用直径60 mm的培养皿装样，盛满压实后供试验使用。每个品种的菜籽样品搅拌均匀后等分若干份。采集光谱前，将每份样品置于约30℃的室温环境中约24 h，达到室温后采集可见近红外光谱。

表1 不同品种菜籽样品统计结果Table1 Statistical result of the different varieties of vegetable seeds

1.3 光谱采集

采用漫反射方式，采集菜籽样品的可见近红外光谱。采集样品光谱前，先采集聚四氟乙烯标准白板光谱，作为参比光谱，采集参比及样品的积分时间均为272ms。每份菜籽样品采集10条可见近红外光谱取平均，并利用ASD ViewSpec Pro软件转化成反射率光谱，供后续数据分析使用。试验中共采集660份样品光谱，即660条光谱。

1.4 数据处理

菜籽的可见近红外光谱数据处理采用unscrambler X10.1和Matlab 2010a软件。数据读取、转换均在Matlab 2010a中完成。PCA和LDA均在unscrambler X10.1中完成，采用误判率评价品种鉴别结果的准确性。

2 结果与讨论

2.1 菜籽光谱响应特性

不同品种菜籽的可见近红外光谱响应特性见图1。试验中采集到的菜籽原始光谱范围是325～1 075 nm，因为325～450 nm和1 000～1 075 nm处于检测器的两端，信噪比较低，在数据分析中予以剔除，故数据分析中选用450～1 000 nm波段的光谱数据。由图1可知，不同品种菜籽形态各异，在光谱上体现为不同品种菜籽在相同波长点处的反射率不同，苦瓜籽粒最大，反射率也最大，菜心籽粒最小，反射率也最小。不同菜籽色泽各异，也会导致光谱趋势变化，700 nm处是拐点，700 nm后不同品种的可见近红外反射率光谱差异变大，其中苦瓜籽和莴笋籽与其余菜籽的光谱变化趋势略有不同，后续分析中，苦瓜籽和莴笋籽也未被误分入其它种类中。

图1 不同品种菜籽的可见近红外反射率光谱曲线Figure 1 Visible near-infrared reflectance spectral curves of the different varieties for vegetable seeds

2.2 菜籽光谱主成分分析

可见近红外光谱通常包含上千个波长点以上的数据，若将所有数据都作为输入训练熟悉模型，势必导致计算速度和收敛性变差。通常采用将原光谱数据压缩成若干个主成分，表征原光谱数据信息。试验中采用PCA方法将菜籽的可见近红外光谱压缩成20个主成分因子，得到20个主成分累积贡献率曲线，因第8主成分后累计贡献率曲线基本不变，故绘制了前7个主成分贡献率曲线见图2。由图2可知，增加主成分因子数，主成分累积贡献率也随之增加，当增加到第4主成分时，累积贡献率基本保持不变，在图上呈现为一条水平直线。前4个主成分累积贡献率为99.99%，较为全面地包含了原始光谱信息，剩余16个主成分累积贡献率为0.01%，所包含原始光谱信息极少。试验中分别采用前4、7和21个主成分因子作为LDA的输入变量。

不同品种菜籽可见近红外光谱的第1和第2主成分得分图见图3，其中第1和第2主成分贡献率分别为94.97%和4.22%。由图3可知，6个品种菜籽在主成分得分图上大致分成三类，其中苦瓜籽（KG）、莴笋籽（WS）和其他菜籽分成三类，除KG和WS外，其余菜籽混在一起，从图3中难以分辨出来。

图2 不同品种菜籽可见近红外光谱主成分累计贡献率曲线Figure 2 Cumulative contribution rate curve of principal component for different varieties of vegetable seeds

图3 不同品种菜籽可见近红外光谱第一和第二主成分得分图Figure 3 Score plots of first and second principal components for different varieties of vegetable seeds

2.3 菜籽可见近红外光谱变量选择

菜籽可见近红外光谱的前7个主成分因子载荷曲线见图4，其中载荷曲线的波峰和波谷处，表示不同品种引起的光谱载荷变化较大处。由图4可知，第1主因子（PC1）主要反映不同菜籽反射率大小引起的载荷曲线变化，其中673 nm为峰值，被选为特征光谱变量。第2、3、4、5、6和7载荷曲线主要反映了不同品种菜籽在 507，518，545，569，586，611，668，673，721，734，748，754，804，851，881，918，966 nm 处的差异较为明显。507，518，545，569，586 nm 可能是由于菜籽表皮的黄绿色变化引起的，611，668，673 nm可能是由于菜籽表皮的红色变化引起的，734和748 nm可能与菜籽中某些成分的C—H键4倍频振动有关，918和966 nm可能由菜籽中某些成分的C—H键3倍频和O—H伸缩振动引起。507，518，545，569，586，611，668，673，721，734，748，754，804，851，881，918，966 nm共17个光谱变量与菜籽的外观或内部特征相关联，也作为线性判别分析的输入变量。

图4 不同品种菜籽的主成分载荷向量曲线Figure 4 Cures of principal components for different varieties of vegetable seeds

2.4 菜籽品种线性判别分类

图5 不同主成分和变量输入的菜籽品种线性判别分析结果（PCs：主成分）Figure 5 Results of linear discriminantanalysiswith the input vectors of principal components(PCs)and variables

LDA是基于Fisher判别准则的判别方法，通过最大化类间距离和最小化类内距离的方法，提高了类别间的区分能力。然而，LDA难以适应高维数据，且要求输入变量是非奇异的。试验中的光谱范围450～1 000 nm，共551个光谱变量，难以直接作为LDA的输入变量。试验采用PCA将光谱数据压缩成20个主成分因子，且主成分因子间线性无关。但主成分分析过程中，保留了大量的光谱共性信息，损失了部分的样本类别差异信息。为此，数据处理中采用主成分载荷向量峰谷变化，选择了17个与类别信息相关的光谱变量，作为LDA的输入变量，同时作为对比组，分别选择20、7和4个主成分因子作为LDA的输入变量，进行对比，结果见图5。由图5可知，随着输入LDA的主成分数的增加（4，7，20），误判率逐步下降（12.27%，5.00%，2.42%），20个主成分时误判率最小为2.42%。但从主成分贡献率曲线上看，从第5个主成分开始，贡献率基本没有变化，故使用20个主成分作为LDA的输入变量，发生了过拟合现象。采用17个光谱变量作为LDA输入变量的判别结果与20个主成分时一致，误判率都达到了2.42%，但优于7和4个主成分作为LDA输入变量的判别结果。由此，可采用主成分载荷曲线图选择光谱变量，而不是将主成分因子直接作为LDA的输入变量，可以提高LDA判别的精度。

表2 不同品种菜籽的线性判别分析结果Table2 Results of linear discriminant analysis for different varieties of vegetable seeds

表2 不同品种菜籽的线性判别分析结果Table2 Results of linear discriminant analysis for different varieties of vegetable seeds

a：主成分数为20，b：主成分数为7,c：主成分数为4,d：17个变量,*表示正确判别,**表示误判,例如90a*表示某种菜籽在主成分数为20时的90个样品被正确判别，9c**表示某种菜籽在主成分数为4时9个样品被误判。

品种BC CX JC KG LB WS BC 90a*/90b*/75c*/90d*KG LB WS 6c**9c**CX 1b**/2c**76a*/72b*/67c*/76d*14a**/17b**/21c**/14d**JC 1b**/10c**2a**/14b**/30c**/2d**118a*/105b*/80c*/118d*000 90a*/90b*/87c*/90d*0 0 0 0 0 00000 150a*/150b*/150c*/150d*000 000 000 3c**120a*/120b*/120c*/120d*0

不同品种菜籽的LDA判别结果见表2，其中上标标注a、b、c和d的结果，分别为20、7、4个主成分和17个光谱变量作为LDA输入的判别结果，*表示样品被正确判别个数，**表示样品被误判个数。采用17个光谱变量作为LDA输入变量的判别结果最优，其中白菜籽（BC）、苦瓜籽（KG）、萝卜籽（LB）和莴笋籽（WS）均未发生误判，2份芥菜籽（JC）样品被误判为菜心籽（CX），14份菜心籽被误判为芥菜籽，总的误判率为2.42%。

3 结论

本试验采用可见近红外光谱技术和LDA方法进行了6种菜籽品种鉴别研究。根据主成分载荷曲线峰谷变化趋势筛选出17个光谱变量，作为LDA的输入变量，解决了PCA压缩光谱矩阵损失类别信息的问题，提高了菜籽品种的判别精度，误判率达到2.42%，试验结果表明可见近红外光谱结合LDA的菜籽品种鉴别方法具有简单、快速、准确、无损等优点，在农产品种子鉴别和质量控制方面具有参考价值。

1 黄玲，钟新民，李必元，等.春白菜品种比较试验[J].山东农业科学，2010(90:13～14,26.

2 Fu X P,Ying Y B,Zhou Y,et al.Application of probabilistic neural networks in qualitative analysis of near infrared spectra:Determination of producing area and variety of loquats[J].Analytica Chimica Acta,2007,598(1):27～33.

3 Liu F,Ye X J,He Y.Application of visible/near infrared spectroscopy and chemometric calibrations for variety discrimination of instantmilk teas[J].Journal of Food Engineering,2009,93(2):127～133.

4 He Y,Li X L,Deng X F.Discrimination of varieties of tea using near infrared spectroscopy by principal component analysis and BP model[J].Journal of Food Engineering,2007,79(4):1 238～1 242.

5 Carlos M.Discrimination of European wheat varieties using near infrared reflectance spectroscopy[J].Food Chemistry,2008,106(1):386～389.

6 Cao F,Wu D,He Y.Soluble solids content and pH prediction and varieties discrimination of grapes based on visible-near infrared spectroscopy[J].Computers and Electronics in Agriculture,2010,71(S1):S15～S18.

7 牛晓颖，邵利敏，赵志磊，等.基于BP-ANN的草莓品种近红外光谱无损鉴别方法研究[J].光谱学与光谱分析，2012，32(8)：2 095～2 099.

8 卢洋，梁先扬，李卫军，等.基于近红外光谱短波段的玉米品种鉴别研究[J].河南大学学报（自然科学版），2012，42(3)：239～243.

9 覃鸿，王徽蓉，李卫军，等.基于DPLS特征提取的LDA方法在玉米近红外光谱定性分析中的应用[J].光谱学与光谱分析，2011，31(7)：1 777～1 781.

10 王徽蓉，李卫军，刘扬阳，等.基于遗传算法与线性鉴别的近红外光谱玉米品种鉴别研究[J].光谱学与光谱分析，2011，31(3)：669～672.

11 周子立，张瑜，何勇，等.基于近红外光谱技术的大米品种快速鉴别方法[J].农业工程学报，2009，25(8)：131～135.

12 黄亚伟，王加华，李晓云，等.基于近红外光谱的人参与西洋参的快速鉴别研究[J].光谱学与光谱分析，2010，30(11)：2 954～2 957.

13 梁亮，刘志霄，杨敏华，等.基于可见/近红外反射光谱的稻米品种与真伪鉴别[J].红外与毫米波学报，2009,28(5)：353～356.

14 张淑娟，王凤花，张海红，等.鲜枣品种和可溶性固形物含量近红外光谱检测[J].农业机械学报，2009，40(4)：139～142.

15 朱大洲，王坤，周光华，等.单粒大豆的近红外光谱特征及品种鉴别研究[J].光谱学与光谱分析，2010，30(12)：3 217～3 221.

16 董小玲.基于可见近红外光谱技术的白菜籽品种主成分和聚类分析研究[J].农业机械·粮油加工，2012(12):102～104.

17 成忠，诸爱士.近红外透射光谱结合规范变量分析用于化学模式分类[J].光谱学与光谱分析，2009，29(3)：624～628.

18 王晓慧.线性判别分析与主成分分析及其相关研究评述 [J].中山大学研究生学刊（自然科学、医学版），2007，28(4)：50～61.

19 张凯，赵辽英，厉小润.基于约束线性判别分析的非监督高光谱影像分类方法[J].机电工程，2009，26(8)：41～44.

20 胡兰萍，张琳，李燕，等.主成分—线性判别法对大气易挥发性有机化合物的预警[J].分析化学，2007，35(3)：345～349.