留蘭香作為藥食同源的作物，其富含的揮發(fā)油可作為食品添加劑被用于香料中，在飲料、海鮮制品、奶茶、面包等食品加工領(lǐng)域被廣泛使用。盡管不同產(chǎn)地的留蘭香在外觀上沒(méi)有明顯差別，但其香味和營(yíng)養(yǎng)價(jià)值存在較大差異。高光譜成像技術(shù)不僅檢測(cè)精準(zhǔn)、快速、易操作，并且屬于無(wú)損檢測(cè)，可以準(zhǔn)確獲得樣品的光譜信息和空間信息，是一種將光譜學(xué)與圖像學(xué)結(jié)合的新興無(wú)損檢測(cè)技術(shù),已經(jīng)在地質(zhì)領(lǐng)域、文物保護(hù)、醫(yī)學(xué)診療、農(nóng)產(chǎn)品品質(zhì)評(píng)價(jià)及礦物信息提取等方面得到廣泛使用。近年來(lái)，高光譜技術(shù)在農(nóng)產(chǎn)品品種和產(chǎn)地鑒別中的應(yīng)用也有不少報(bào)道,

河南科技大學(xué)食品與生物工程學(xué)院的李曉龍、殷勇*、于慧春等擬利用高光譜成像技術(shù)對(duì)留蘭香樣本進(jìn)行數(shù)據(jù)采集，光譜數(shù)據(jù)在經(jīng)過(guò)預(yù)處理后，運(yùn)用不受到理化指標(biāo)限制的特征波長(zhǎng)提取方法獲得特征波長(zhǎng)，再借助于Fisher判別分析（FDA）構(gòu)造具有可分性的鑒別模型輸入變量，進(jìn)而構(gòu)建穩(wěn)健的留蘭香產(chǎn)地鑒別模型，旨在為快速、無(wú)損、準(zhǔn)確地鑒別留蘭香產(chǎn)地提供一種新方法。

01

原始光譜數(shù)據(jù)預(yù)處理

通過(guò)3 種光譜數(shù)據(jù)預(yù)處理結(jié)果的對(duì)比分析，發(fā)現(xiàn)MSC是最合適的光譜數(shù)據(jù)預(yù)處理方法。 圖2、3分別給出5 個(gè)產(chǎn)地所有留蘭香原始光譜圖及MSC預(yù)處理后光譜圖。對(duì)比分析發(fā)現(xiàn)MSC預(yù)處理后的光譜曲線(xiàn)中毛刺明顯減少，有效消除了光譜噪聲。從圖3還發(fā)現(xiàn)在435.82～961.60 nm波段范圍內(nèi)，平均光譜反射值波動(dòng)幅度較大，整體呈現(xiàn)“兩峰一谷”的明顯變化趨勢(shì)，這表明該波段包含著豐富的留蘭香信息。因此，篩選435.82～961.60 nm波段范圍以進(jìn)行后續(xù)處理。

02

理化指標(biāo)分析

由圖4、5及表1可以看出，雖然不同產(chǎn)地的理化指標(biāo)含量均有差異，但其中上海產(chǎn)地留蘭香的左旋香芹酮和檸檬烯含量明顯少于其他產(chǎn)地，這可能是在運(yùn)輸、實(shí)驗(yàn)等過(guò)程中操作不當(dāng)造成的，并且5 個(gè)產(chǎn)地留蘭香之間的左旋香芹酮、檸檬烯和總黃酮含量普遍存在顯著差異（P＜0.05）。

03

特征波長(zhǎng)提取

3.1PCA聯(lián)合Wilks

最小、次小、再次小的Λ值對(duì)應(yīng)的主成分變量分別為第2主成分、第3主成分以及第5主成分。因?yàn)闄?quán)重系數(shù)的絕對(duì)值越大，該波長(zhǎng)對(duì)主成分的貢獻(xiàn)度就越大，也越能夠體現(xiàn)不同產(chǎn)地樣本間的差異性,故選取權(quán)重系數(shù)曲線(xiàn)上峰谷對(duì)應(yīng)的波長(zhǎng)為特征波長(zhǎng)。如表2所示，由于有3 個(gè)波長(zhǎng)為重復(fù)波長(zhǎng)，因此共篩選出37 個(gè)特征波長(zhǎng)。

采用PCA對(duì)高光譜數(shù)據(jù)進(jìn)行特征波長(zhǎng)的提取，選取累計(jì)貢獻(xiàn)率達(dá)99%的前9 個(gè)主成分作為輸入變量輸入到SVM和BPNN模型中，其訓(xùn)練集鑒別正確率分別為96.67%和92.33%，測(cè)試集鑒別正確率分別為86.67%和85.33%，鑒別效果不理想。所以，單獨(dú)用PC提取的特征波長(zhǎng)構(gòu)建的鑒別模型不是最優(yōu)模型。

3.2SPA提取特征波長(zhǎng)驗(yàn)證

在SPA中將最大波長(zhǎng)數(shù)目設(shè)置為50，用PCA對(duì)4 種理化指標(biāo)進(jìn)行信息融合，融合后的主成分1與主成分2的累計(jì)方差貢獻(xiàn)率已達(dá)95%以上。因此，由SPA分別與第1主成分和第2主成分結(jié)合對(duì)預(yù)處理后的光譜數(shù)據(jù)提取特征波長(zhǎng)，結(jié)果如表3所示，SPA與第1主成分結(jié)合提取24 個(gè)特征波長(zhǎng)，與第2主成分結(jié)合也提取24 個(gè)特征波長(zhǎng)。將這些特征波長(zhǎng)進(jìn)行組合，篩選出35 個(gè)特征波長(zhǎng)，其中有13 個(gè)波長(zhǎng)為重復(fù)波長(zhǎng)。

04

鑒別模型輸入變量構(gòu)造

將上述得到的特征波長(zhǎng)按照1.3.5節(jié)的方法進(jìn)行FDA，結(jié)果見(jiàn)表4，將生成的FD變量輸入到SVM和BPNN模型中，將兩種方法提取到的特征波長(zhǎng)光譜值經(jīng)FDA融合后，生成的前4 個(gè)FD變量累計(jì)判別能力均已達(dá)到99%，所以將兩種方法通過(guò)FDA得到的前4 個(gè)FD變量都分別輸入到SVM和BPNN的模型中，以構(gòu)建產(chǎn)地鑒別模型。

05

鑒別模型構(gòu)建

SVM和BPNN的產(chǎn)地鑒別模型結(jié)果如表5所示，4 個(gè)理化指標(biāo)經(jīng)PCA融合后，借助于SPA提取的特征波長(zhǎng)也可較好地表征產(chǎn)地的差異性，這充分說(shuō)明了運(yùn)用多個(gè)主要理化指標(biāo)融合提取特征波長(zhǎng)是適宜的，也是必需的。然而，高光譜信息借助PCA聯(lián)合Wilks Λ統(tǒng)計(jì)量提取特征波長(zhǎng)的效果更好，優(yōu)于SPA，且不受測(cè)量的理化指標(biāo)數(shù)量影響，進(jìn)而使產(chǎn)地鑒別模型具有較強(qiáng)的魯棒性。同時(shí)，Wilks Λ統(tǒng)計(jì)量Λ值本身就能體現(xiàn)出產(chǎn)地差異性，Λ值越小，樣本之間產(chǎn)地差異性就越大，而SPA卻無(wú)法判斷。

由表5還可知，對(duì)于PCA聯(lián)合Wilks Λ統(tǒng)計(jì)量提取的特征波長(zhǎng)，SVM模型對(duì)訓(xùn)練集鑒別的正確率為99.67%，對(duì)測(cè)試集的鑒別正確率為98.67%，被錯(cuò)誤鑒別的樣本個(gè)數(shù)均為1；而B(niǎo)PNN模型的訓(xùn)練集樣本鑒別中有4 個(gè)樣本被錯(cuò)誤鑒別，正確率為98.67%，測(cè)試集樣本鑒別中有2 個(gè)樣本被錯(cuò)誤鑒別，正確率為97.33%。

對(duì)比兩種模型結(jié)果可知，SVM模型的訓(xùn)練集鑒別正確率比BPNN模型的高1%，測(cè)試集鑒別正確率高1.34%，SVM的鑒別結(jié)果優(yōu)于BPNN。

結(jié)論

為了實(shí)現(xiàn)留蘭香產(chǎn)地鑒別，本研究采集了安徽宣城、北京、廣東廣州、河南周口和上海5 個(gè)產(chǎn)地留蘭香的高光譜數(shù)據(jù)，通過(guò)對(duì)特征波長(zhǎng)提取方法、可分性變量構(gòu)造方法的研究，分別構(gòu)建了SVM和BPNN產(chǎn)地鑒別模型。主要結(jié)論如下：

1）提出了一種基于PCA聯(lián)合Wilks Λ統(tǒng)計(jì)量的穩(wěn)健特征波長(zhǎng)提取方法。將預(yù)處理數(shù)據(jù)經(jīng)PCA處理后，計(jì)算各主成分變量的Λ值，并從小到大排序。選出前3小Λ值對(duì)應(yīng)的3 個(gè)主成分變量，繪出這3 個(gè)主成分在各個(gè)波長(zhǎng)下的權(quán)重系數(shù)曲線(xiàn)，提取系數(shù)曲線(xiàn)上峰谷對(duì)應(yīng)的波長(zhǎng)為特征波長(zhǎng)，并將分別提取到特征波長(zhǎng)進(jìn)行組合，作為最終的特征波長(zhǎng)。該方法不僅有效減少了數(shù)據(jù)中的冗余信息，而且提取的特征波長(zhǎng)僅借助光譜信息，不受因測(cè)量的理化指標(biāo)較少而產(chǎn)生的不利影響，使其具有魯棒性。

2）利用FDA對(duì)特征波長(zhǎng)的光譜值進(jìn)行可分性融合，構(gòu)建了產(chǎn)地鑒別模型的輸入變量。對(duì)比兩種鑒別模型的結(jié)果，SVM對(duì)訓(xùn)練集與測(cè)試集的鑒別結(jié)果均要優(yōu)于BPNN，其正確率分別是99.67%和98.67%。

作者簡(jiǎn)介

通信作者：

殷勇，博士，教授，河南科技大學(xué)食品與生物工程學(xué)院博士生導(dǎo)師。河南省首屆高校青年骨干教師，河南省學(xué)術(shù)技術(shù)帶頭人，河南省杰出青年科學(xué)基金獲得者，美國(guó)農(nóng)業(yè)工程學(xué)會(huì)會(huì)員。主持或參與完成國(guó)家級(jí)、省部級(jí)科研項(xiàng)目9 項(xiàng)，在《Sensors and Actuators B》 《Journal of Food Engineering》《農(nóng)業(yè)工程學(xué)報(bào)》 《農(nóng)業(yè)機(jī)械學(xué)報(bào)》《儀器儀表學(xué)報(bào)》等著名雜志上發(fā)表論文60余篇，SCI、EI檢索50余篇，獲省部級(jí)科技進(jìn)步二等獎(jiǎng)2 項(xiàng)，出版專(zhuān)著1 部，教材1 部。主持或參與國(guó)家級(jí)、省部級(jí)項(xiàng)目各7 項(xiàng)，現(xiàn)為《Sensors and Actuators B》 《Food and Bioprocess Technology》 《Food Control》《農(nóng)業(yè)機(jī)械學(xué)報(bào)》《農(nóng)業(yè)工程學(xué)報(bào)》《食品科學(xué)》等期刊評(píng)閱人，國(guó)家自然科學(xué)基金函評(píng)專(zhuān)家，中國(guó)農(nóng)業(yè)機(jī)械學(xué)會(huì)基礎(chǔ)技術(shù)學(xué)會(huì)理事。現(xiàn)從事農(nóng)產(chǎn)品、食品快速無(wú)損智能檢測(cè)技術(shù)等方面研究。該技術(shù)涉及農(nóng)產(chǎn)品/食品的各種物理與化學(xué)特性，傳感器融合技術(shù)、計(jì)算機(jī)技術(shù)、電化學(xué)技術(shù)、全局優(yōu)化技術(shù)、計(jì)算數(shù)學(xué)等內(nèi)容。所指導(dǎo)的研究生具有跨界的知識(shí)結(jié)構(gòu)，尤其為今后從事AI、數(shù)據(jù)處理等方面的工作奠定了基礎(chǔ)，為以后在多種領(lǐng)域就業(yè)儲(chǔ)備了必要的基礎(chǔ)技能。

第一作者：

李曉龍，河南科技大學(xué)食品與生物工程學(xué)院碩士研究生，食品加工與安全，研究方向?yàn)槭称窓z測(cè)與智能分析。

本文《留蘭香高光譜特征波長(zhǎng)穩(wěn)健提取及產(chǎn)地鑒別模型構(gòu)建》來(lái)源于《食品科學(xué)》2024年45卷第22期262-268頁(yè)，作者：李曉龍，殷 勇*，于慧春，袁云霞。DOI:10.7506/spkx1002-6630-20240513-093。點(diǎn)擊下方閱讀原文即可查看文章相關(guān)信息。

實(shí)習(xí)編輯：南伊；責(zé)任編輯：張睿梅。點(diǎn)擊下方閱讀原文即可查看全文。圖片來(lái)源于文章原文及攝圖網(wǎng)

為深入探討未來(lái)食品在大食物觀框架下的創(chuàng)新發(fā)展機(jī)遇與挑戰(zhàn)，促進(jìn)產(chǎn)學(xué)研用各界的交流合作，由北京食品科學(xué)研究院、中國(guó)肉類(lèi)食品綜合研究中心、國(guó)家市場(chǎng)監(jiān)督管理總局技術(shù)創(chuàng)新中心（動(dòng)物替代蛋白）及中國(guó)食品雜志社《食品科學(xué)》雜志、《Food Science and Human Wellness》雜志、《Journal of Future Foods》雜志主辦，西華大學(xué)食品與生物工程學(xué)院、四川旅游學(xué)院烹飪與食品科學(xué)工程學(xué)院、四川輕化工大學(xué)生物工程學(xué)院、成都大學(xué)食品與生物工程學(xué)院、成都醫(yī)學(xué)院檢驗(yàn)醫(yī)學(xué)院、四川省農(nóng)業(yè)科學(xué)院農(nóng)產(chǎn)品加工研究所、中國(guó)農(nóng)業(yè)科學(xué)院都市農(nóng)業(yè)研究所、四川大學(xué)農(nóng)產(chǎn)品加工研究院、西昌學(xué)院農(nóng)業(yè)科學(xué)學(xué)院、宿州學(xué)院生物與食品工程學(xué)院、大連民族大學(xué)生命科學(xué)學(xué)院、北京聯(lián)合大學(xué)保健食品功能檢測(cè)中心共同主辦的“第二屆大食物觀·未來(lái)食品科技創(chuàng)新國(guó)際研討會(huì)”即將于2025年5月24-25日在中國(guó) 四川 成都召開(kāi)。

長(zhǎng)按或微信掃碼進(jìn)行注冊(cè)

會(huì)議招商招展

聯(lián)系人：楊紅；電話(huà)：010-83152138；手機(jī)：13522179918（微信同號(hào)）

為進(jìn)一步深入探討食品產(chǎn)業(yè)在當(dāng)前復(fù)雜多變環(huán)境下的高質(zhì)量發(fā)展路徑，并著重關(guān)注食品科學(xué)、營(yíng)養(yǎng)安全保障的基礎(chǔ)研究與關(guān)鍵技術(shù)研發(fā)，貫徹落實(shí)“大食物觀”和“健康中國(guó)2030”國(guó)家戰(zhàn)略，北京食品科學(xué)研究院和中國(guó)食品雜志社《食品科學(xué)》雜志、《Food Science and Human Wellness》雜志、《Journal of Future Foods》雜志，將與國(guó)際谷物科技協(xié)會(huì)（ICC）、湖南省食品科學(xué)技術(shù)學(xué)會(huì)、湖南省農(nóng)業(yè)科學(xué)院農(nóng)產(chǎn)品加工研究所、湖南農(nóng)業(yè)大學(xué)、中南林業(yè)科技大學(xué)、長(zhǎng)沙理工大學(xué)、湘潭大學(xué)、湖南中醫(yī)藥大學(xué)、湖南農(nóng)業(yè)大學(xué)長(zhǎng)沙現(xiàn)代食品創(chuàng)新研究院共同舉辦“第十二屆食品科學(xué)國(guó)際年會(huì)”。本屆年會(huì)將于2025年8月9-10日在中國(guó) 湖南 長(zhǎng)沙召開(kāi)。

長(zhǎng)按或微信掃碼進(jìn)行注冊(cè)

會(huì)議招商招展

聯(lián)系人：楊紅；電話(huà)：010-83152138；手機(jī)：13522179918（微信同號(hào)）