基于MatlabGUI的羊肉產(chǎn)地鑒別平臺設計

楊旭寧 郭中華 吳忻怡 王靖

摘 ?要： 為了快速、簡便、無損地鑒別出羊肉產(chǎn)地，設計一種基于Matlab 圖形用戶界面（GUI）的鑒別平臺。該平臺包括5個模塊：原始數(shù)據(jù)模塊、數(shù)據(jù)預處理模塊、特征波長提取模塊、產(chǎn)地鑒別模塊和新樣本預測模塊。通過設置控件屬性值，編寫回調(diào)函數(shù)內(nèi)容實現(xiàn)平臺羊肉產(chǎn)地鑒別功能;并根據(jù)900～1 700 nm高光譜成像儀采集3個不同產(chǎn)地羊肉新樣本的近紅外高光譜數(shù)據(jù)驗證鑒別平臺的有效性。該鑒別平臺界面操作簡單，方便用戶使用且預測結(jié)果可靠，具有良好的實用性、交互性等。

關(guān)鍵詞： Matlab圖形用戶界面; 高光譜數(shù)據(jù)采集; 羊肉產(chǎn)地鑒別; 數(shù)據(jù)預處理; 樣本預測; 平臺設計

中圖分類號： TN012?34; TP399 ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2019）12?0021?04

Abstract： An identification platform based on Matlab graphical user interface （GUI） is designed to identify the mutton origin place quickly， easily and non?destructively. The platform includes five modules： original data module， data preprocessing module， feature wavelength extraction module， origin place identification module and new sample prediction module. The callback function content is compiled by setting the attribute values of controls， so as to realize the mutton origin place identification function of the platform. The near?infrared hyperspectral data of new mutton samples from three different origin places is collected by the hyperspectral imager working at 900～1 700 nm， so as to verify the effectiveness of the identification platform. The identification platform has an easy?to?operation interface， good practicability and interactivity， can obtain reliable prediction results， and is user?friendly.

Keywords： Matlab GUI; hyperspectral data acquisition; mutton origin place identification; data preprocessing; sample prediction; platform design

0 ?引 ?言

羊肉含有高蛋白、低脂肪和低膽固醇，還富含礦物質(zhì)元素鐵、硒、鋅，以及維生素B1，B2，B6等，經(jīng)常食用可以起到溫陽散寒、補益氣血、強健脾胃的保健效果[1]，深受消費者的喜愛。目前，市場上銷售的羊肉來自于不同的產(chǎn)地，因受地理位置和環(huán)境氣候的影響，不同產(chǎn)地的羊肉營養(yǎng)價值、口感以及價格也不盡相同[2]。近年來，市場上時常發(fā)生以次充好的牟取暴利的事件，因此，研究羊肉產(chǎn)地鑒別且開發(fā)快速、簡便、準確的鑒別平臺對打擊非法商販，保護消費者利益意義重大。

羊肉產(chǎn)地鑒別已逐漸受到關(guān)注，目前，劉興勇等人利用水解氨基酸法實現(xiàn)了羊肉產(chǎn)地鑒別[3]，判別正確率為93.48%;孫淑敏等人通過同位素鑒別方法實現(xiàn)了羊肉產(chǎn)地鑒別[4]，判別正確率為89.9%;王靖等人利用近紅外高光譜成像技術(shù)實現(xiàn)了羊肉產(chǎn)地的鑒別[5]，判別正確率為84.21%。以上這些鑒別方法，都能實現(xiàn)對羊肉產(chǎn)地的鑒別工作。但是，這些研究都是基于理論的研究。Matlab作為一款功能全面、使用廣泛的編程軟件[6]，其強大的工具箱為數(shù)學計算和工程仿真提供了極大的便利[7]。為此，利用GUI提供各種控件，基于Matlab的編程環(huán)境可以設計出廣大用戶更容易接受和使用的平臺界面[8?11]，既優(yōu)化了程序，又簡化了代碼，更便于用戶操作。

為此，本文根據(jù)項目組的實驗結(jié)果，結(jié)合Matlab GUI的強大功能，建立直觀簡潔的羊肉產(chǎn)地鑒別平臺，使用者可以通過對比不同的數(shù)據(jù)預處理、特征波長提取方法選擇出最優(yōu)的預處理方法及提取算法，并依據(jù)最優(yōu)的方法建立鑒別模型進行新樣本的產(chǎn)地預測。

1 ?Matlab GUI的羊肉產(chǎn)地鑒別平臺

1.1 ?平臺設計路線

根據(jù)Matlab GUI通常使用的兩種圖形用戶界面設計方法，直接編寫m文件創(chuàng)建gui界面和用guide方法創(chuàng)建gui界面。選擇guide方法創(chuàng)建，打開guide界面，拖拽所需要的控件至合適位置，調(diào)整控件的屬性值，保證各個控件大小、顏色等在界面中美觀、大方、合理。保存創(chuàng)建好的figure窗口，在自動形成的m文件中，編寫各個對象的回調(diào)函數(shù)（call?back），實現(xiàn)各個對象的動態(tài)功能。最后通過反復調(diào)試該平臺，從而得到理想的結(jié)果。此平臺由1個主界面和6個子界面構(gòu)成。使用者可以直觀地了解每個界面所能實現(xiàn)的功能，并且在界面間任意切換。根據(jù)界面功能不同，設計實現(xiàn)功能的按鈕，通過界面選擇相應的按鈕，從而達到羊肉產(chǎn)地的鑒別。平臺設計模塊圖如圖1所示。

圖1 ?平臺設計模塊圖

1.2 ?平臺設計框架

1） 原始數(shù)據(jù)模塊。展示900～1 700 nm的近紅外高光譜數(shù)據(jù)樣本光譜圖，能夠直觀地反映樣本波長與反射率所對應的關(guān)系。

2） 數(shù)據(jù)預處理模塊。數(shù)據(jù)預處理可達到對原始數(shù)據(jù)去噪，以此提高信噪比的目的。本GUI界面包括標準正態(tài)變量（SNV）、乘法散射校正（MSC）、面積歸一法（AN）、SG卷積平滑（SGS）、矢量歸一法（VN）、一階導數(shù)（FD）、二階導數(shù)（SD）、卷積平滑與標準正態(tài)矢量結(jié)合（SNV?SG）八種數(shù)據(jù)預處理方法。可選擇其中任意一種算法對數(shù)據(jù)進行預處理，通過對比預處理光譜圖，選擇出最優(yōu)的預處理方法。

3） 特征波長提取模塊。該平臺實現(xiàn)了連續(xù)投影（SPA）、競爭性正直適應加權(quán)（CARS）、無信息變量消除（UVE）三種特征波長提取的算法。分別對預處理后的數(shù)據(jù)進行特征波長提取，通過對比選擇最優(yōu)波長數(shù)，得出樣本數(shù)據(jù)。

4） 產(chǎn)地建模模塊。共有兩種數(shù)據(jù)識別分類的算法，分別是K最近鄰分類算法（KNN）和偏最小二乘判別分析（PLS?DA）。在KNN中選取最優(yōu)的K值，在PLS?DA中選取最優(yōu)的主成分，結(jié)合最優(yōu)預處理方法和最優(yōu)波長數(shù)分別建立鑒別模型。

5） 新樣本預測模塊。根據(jù)建立的產(chǎn)地鑒別模型，加載需要預測的新樣本，預測出新樣本中每個數(shù)據(jù)的產(chǎn)地。

2 ?GUI界面開發(fā)

2.1 ?界面設計

GUI平臺的主界面以及各個子界面均由靜態(tài)文本（Static Text）、編輯框（Edit Text）、按鈕（Push Button）、彈出式菜單（Popup Menu）、坐標軸（Axes）等控件根據(jù)所需組合而成。

2.2 ?各模塊功能實現(xiàn)

2.2.1 ?原始數(shù)據(jù)模塊功能實現(xiàn)

使用Matlab中uigetfile函數(shù)，加載原始樣本數(shù)據(jù)。該平臺可以讀取.xls，.txt，.csv，.mat四種格式的樣本文件，待數(shù)據(jù)加載完畢可以通過編輯框（Edit Text）顯示讀取數(shù)據(jù)文件路徑。最后用plot函數(shù)做出該原始數(shù)據(jù)的光譜圖，關(guān)鍵代碼如下：

圖2 ?樣本a光譜圖

2.2.2 ?數(shù)據(jù)預處理模塊功能實現(xiàn)

在彈出式菜單控件（Popup Menu）中，編寫了8種數(shù)據(jù)預處理的方法，并在回調(diào)函數(shù)（Call?Back）中使用switch函數(shù)，讓其表達式等于彈出式控件的返回值，在對應的case中編寫相應方法所對應的代碼。當用戶選擇某一種預處理方法，該平臺就能做出該方法處理后的樣本光譜圖。經(jīng)標準正態(tài)變量（SNV）方法處理后樣本a的光譜圖如圖3所示。

圖3 ?SNV方法處理后樣本a的光譜圖

2.2.3 ?特征波長提取模塊功能實現(xiàn)

加載預處理后樣本數(shù)據(jù)，選擇3種預處理方法的其中1種進行特征波長的提取。在該子界面中共有6個坐標軸（Axes）控件，OpeningFcn函數(shù)中用set命令把坐標軸（Axes）控件默認值設置為off，在回調(diào)函數(shù)（Call?Back）中將提取方法對應的坐標軸（Axes）控件設置為on，使提取算法與所使用的坐標軸一一對應。點擊“運行”按鈕，待提取完成后會返回提取的特征波長的個數(shù)。

連續(xù)投影（SPA）方法提取的特征波長個數(shù)如圖4所示。

2.2.4 ?產(chǎn)地建模模塊功能實現(xiàn)

結(jié)合提取出來的特征波長個數(shù)，選擇特征波長數(shù)以及對應的反射率，用兩種建模方法進行建模。選擇建模方法后，平臺會返回出該方法建立的鑒別模型。K最近鄰分類算法（KNN）建立的鑒別模型如圖5所示（其中K=5;

1，2，3分別代表來自不同產(chǎn)地的樣本a，b，c）。

2.2.5 ?新樣本預測模塊功能實現(xiàn)

根據(jù)鑒別算法建立的鑒別模型，對新的樣本數(shù)據(jù)進行預測。加載120個新樣本數(shù)據(jù)，以上一步選擇的鑒別模型為依據(jù)，進行新樣本的預測。預測結(jié)果如圖6所示。

圖4 ?連續(xù)投影（SPA）方法提取特征波長個數(shù)

圖5 ?K最近鄰分類算法（KNN）鑒別模型

圖6 ?預測結(jié)果

3 ?結(jié) ?語

本文所設計的基于Matlab GUI的羊肉產(chǎn)地檢測平臺，實現(xiàn)了8種數(shù)據(jù)預處理方法，3種特征波長提取算法以及2種建模方法，通過比較選擇出最優(yōu)的數(shù)據(jù)預處理方法和提取算法，分別建立判別模型，完成了對羊肉產(chǎn)地的鑒別工作。使用900～1 700 nm近紅外高光譜儀采集3個不同產(chǎn)地共120個樣本的近紅外高光譜樣本數(shù)據(jù)進行測試，有102個的樣本測試正確，正確率為85%，平臺判別正確率高，為實現(xiàn)羊肉產(chǎn)地在線識別檢測提供了一定的參考價值。

參考文獻

[1] 張進，王衛(wèi)，郭秀蘭，等.羊肉制品加工技術(shù)研究進展[J].肉類研究，2011，25（11）：50?54.

ZHANG Jin， WANG Wei， GUO Xiulan， et al. Recent research progress on mutton product processing technologies [J]. Meat research， 2011， 25（11）： 50?54.

[2] 梁靜，張文舉，王博.影響羊肉品質(zhì)因素的研究進展[J].中國畜牧獸醫(yī)，2016，43（5）：1250?1254.

LIANG Jing， ZHANG Wenju， WANG Bo. Research progress on influence factors of mutton quality [J]. China animal husbandry and veterinary medicine， 2016， 43（5）： 1250?1254.

[3] 劉興勇，林濤，劉宏程，等.基于水解氨基酸分析山羊肉的產(chǎn)地溯源[J].現(xiàn)代食品科技，2013，29（11）：2788?2792.

LIU Xingyong， LIN Tao， LIU Hongcheng， et al. Distinguishment of goat meat geographical origin based on amino acids composition [J]. Modern food science & technology， 2013， 29（11）： 2788?2792.

[4] 孫淑敏，郭波莉，魏益民，等.多種穩(wěn)定性同位素（C、N、H）分析在羊肉產(chǎn)地溯源中的應用[C]//第四屆中國北京國際食品安全高峰論壇論文集.北京：北京食品學會，2011：50?55.

SUN Shumin， GUO Boli， WEI Yimin， et al. Application of various stable isotope （C， N， H） analysis in traceability of lamb origin [C]// Proceedings of the 4th China Beijing International Food Safety Summit Forum. Beijing： Beijing Food Association， 2011： 50?55.

[5] 王靖，丁佳興，郭中華，等.基于近紅外高光譜成像技術(shù)的寧夏羊肉產(chǎn)地鑒別[J].食品工業(yè)科技，2018，39（2）：250?254.

WANG Jing， DING Jiaxing， GUO Zhonghua， et al. Identification of geographical origins of mutton in Ningxia based on the near infrared hyperspectral imaging technique [J]. Science and technology of food industry， 2018， 39（2）： 250?254.

[6] 羅華飛.Matlab GUI設計學習手記[M].北京：北京航空航天大學出版社，2011.

LUO Huafei. Learning notes of Matlab GUI design [M]. Beijing： Beihang University Press， 2011.

[7] 馮康，王維新，王靜，等.基于Matlab GUI的成熟棉花特征提取系統(tǒng)設計[J].江蘇農(nóng)業(yè)科學，2015，43（5）：397?400.

FENG Kang， WANG Weixin， WANG Jing， et al. Design of mature cotton feature extraction system based on Matlab GUI [J]. Jiangsu agricultural science， 2015， 43（5）： 397?400.

[8] 江莎莉，任瓊.基于Matlab GUI的服裝顏色特征提取系統(tǒng)設計[J].現(xiàn)代電子技術(shù)，2018，41（9）：96?99.

JIANG Shali， REN Qiong. Design of clothing color feature extraction system based on Matlab GUI [J]. Modern electronics technique， 2018， 41（9）： 96?99.

[9] 燕麗紅.基于Matlab/GUI的音樂播放器設計[J].現(xiàn)代電子技術(shù)，2015，38（8）：114?116.

YAN Lihong. Design of music player based on Matlab/GUI [J]. Modern electronics technique， 2015， 38（8）： 114?116.

[10] 王兆文，李浩，黃都，等.基于Matlab/GUI的汽油機缸內(nèi)直接噴霧圖像處理方法[J].農(nóng)業(yè)機械學報，2013，44（9）：19?23.

WANG Zhaowen， LI Hao， HUANG Du， et al. Digital image processing method of gasoline direct injection spray based on Matlab/GUI [J]. Transactions of the Chinese Society of Agricultural Machinery， 2013， 44（9）： 19?23.

[11] 郝豫.基于Matlab GUI的大型公共活動擁擠踩踏事故風險預警及應用研究[J].現(xiàn)代電子技術(shù)，2017，40（13）：110?113.

HAO Yu. Research on Matlab GUI based stampede accident risk pre?warning of large public event and its application [J]. Modern electronics technique， 2017， 40（13）： 110?113.