基于高光譜與在線序列極限學習機確證大米產地方法

王靖會, 曹崴, 冷全陽, 程嬌嬌, 王艷輝, 沈海鷗, 陳雷, 王朝輝

(1.吉林農業(yè)大學信息技術學院，長春 130118；2.吉林省長春市凈月開發(fā)區(qū)福祉街道辦事處，長春 130122；3.吉林農業(yè)大學資源環(huán)境學院 長春 130118；4.吉林省長春市交警支隊南關區(qū)大隊，長春 130000；5.吉林農業(yè)大學食品工程技術學院，長春 130118)

大米是我國主要糧食之一，不同產地大米的口感與營養(yǎng)價值具有較大差異，而大米外觀及品質用肉眼難以鑒別，使得低質高價、混淆真?zhèn)巍a地造假等現象日益嚴重。傳統(tǒng)鑒別方法包括感官識別、近紅外光譜、礦物質元素等，都有一定的劣勢與不足。感官評價不僅對從業(yè)人員有很高的經驗要求，且容易受主觀影響而錯判，近紅外光譜方法需要對大米進行粉碎處理，礦物質元素方法實驗繁瑣且周期長，均無法滿足快速無損的確證需求。

近年來，高光譜圖像技術在無損檢測領域發(fā)展迅速，其在獲取樣本光譜信息的同時也可以獲取樣本的圖像信息，具有快速、無損、準確性高等特點，被廣泛應用于農產品的產地鑒別、損傷識別和品質檢測中[1-9]。但其數據高維性以及相鄰波長數據點存在共線性和冗余等問題，限制了在實際應用中的便利性[10]。降維是對高維度數據特征的預處理，基于高維度的數據保留下最重要的一些特征，去除噪聲和不重要的特征，從而提升數據處理的速度[11-14]。多維尺度分析(multidimensional scaling，MDS)是一種在低維空間去展示高維多元數據的可視化方法，其基本目標是將原始數據“擬合”到一個低維坐標系中，使得由降維所引起的任何形變最小。在高光譜特征提取與降維中，MDS既能保留光譜所包含的維度信息，又不會對降維后的數據特征產生衰減[15]。目前，基于高光譜數據建立分類模型的相關研究多是基于支持向量機(support vector machine，SVM)、偏最小二乘判別(partial least squares discrimination analysis，PLS-DA)、多層感知機(multi-layer perceptron，MLP)等[16-18]。隨著實際應用中高光譜圖像數據量的不斷增加，SVM、PLS-DA、MLP等方法的訓練方式都存在反復迭代的問題，大大增加了訓練時間。

由于高光譜數據中包含大量非線性數據，本文選擇更適應于非線性數據處理的在線序列極限學習機(online sequential extreme learning machine，OS-ELM)算法[19]、極限學習機(extreme learning machine，ELM)算法[20]與多層感知機(MLP)算法[21]，分別建立大米產地確證模型，并在分類準確率與訓練時間上進行對比分析，探究一種適用于大米產地確證的高效、準確、穩(wěn)定的方法。

1 材料與方法

1.1 樣本采集

1.1.1大米樣本采集 梅河口市是吉林省主要的優(yōu)質粳稻生產基地，是世界黃金糧食生產帶。梅河大米以其米飯?zhí)赜械南?、粘、滑、軟而聞名，為我國地理標識保護產品。本研究樣本采集于吉林省梅河口市水稻主產區(qū)和松原、輝南、大安等其他水稻產區(qū)。遵循空間采樣布點原則[22]，在梅河口市主產區(qū)采集成熟的水稻樣本585組，非梅河產區(qū)采集水稻樣本405組，具體采樣區(qū)域及采樣點分布如表1所示。利用JLGJ4.5礱谷機、HNMJ3碾米機(河南鄭州南北儀器設備有限公司)對其進行脫殼、碾米處理后，每組樣本隨機選取15粒米作為高光譜檢測樣本。

表1 大米樣本采集點分布表

1.1.2高光譜圖像采集及校正 利用高光譜圖像采集系統(tǒng)(圖1)采集大米原始高光譜數據，該系統(tǒng)波長范圍為400～1 000 nm，由2×2 binning壓縮方式的成像光譜儀(Imspector V10E-QE，Spectral Imaging Ltd.，Oulu，Finland)、P/N 9130線光源及2900ER控制器(Illumination Technologies，USA)、C8484-05G相機(Hamamatsu Photonics，Japan)、V23-f/2.4 030603鏡頭(Specim，Finland)、GZ02DS20可升降樣品臺(光正公司)和PSA200-11-X電控位移臺(卓立漢光公司)構成，采用9589(EKE-ER，Philips公司)全光譜鹵素燈為光源。在相機與鏡頭之間加入2 mm的近攝接圈以保證獲取清晰地樣品圖像。為了有效獲取能代表大米產地的高光譜信息，經多次試驗對比后，將大米樣本按照3×5網格分布，以單粒隨機擺放至載物臺黑板上，物距為13.5 cm，曝光時間為15 ms，位移臺移動速度為1.62 mm·s-1。

圖1 高光譜圖像采集系統(tǒng)

為避免在高光譜成像系統(tǒng)中暗電流的影響以及光源強度分布不均勻等情況，采用Spectracube 2.75b(spectral imaging ltd，oulu，finland)軟件進行高光譜圖像采集和黑白校正，再對樣本進行高光譜圖像采集，如式(1)所示。

(1)

式中，E0為未校正光譜圖像；P為標準白板(spectral on，lab sphere lnc，USA)的全白標定圖像；Z為關閉電源蓋上鏡頭蓋后的全黑標定圖像。

1.2 感興趣區(qū)域選擇

感興趣區(qū)域(region of interest，ROI)選取方法直接影響建立模型的分類精度。本文在3×5網格內所有單粒米樣的中間部位選取，采用如圖2所示的10×10像素的紅色正方形區(qū)域作為感興趣區(qū)域，通過計算感興趣區(qū)域內所有像素的均值反射率得到每個樣本的平均光譜數據。均值反射率計算如式(2)所示。

圖2 感興趣區(qū)域選擇

采用ENVI 5.0對高光譜圖像ROI進行選擇，感興趣區(qū)域內均值反射率由ENVI5.0計算生成?；赑ython3.6軟件提取高光譜圖像對應的光譜數據。采集的高光譜圖像共549個波段。

1.3 光譜預處理

為提高模型分類準確率與穩(wěn)定性，本文分別采用標準正態(tài)變量變換(standard normal variate,SNV)、多元散射校正(multiplicative scatter correction,MSC)[23]及卷積平滑(savitzky-Golay,S-G)[24]方法對光譜進行預處理，將預處理后的數據導入MLP、ELM、OS-ELM模型，并根據模型分類性能對預處理方法進行選擇，以獲得最佳預處理方法。預處理軟件采用Matlab.2016b。

1.4 特征波長選取

由于全波段光譜含有大量冗余信息，導致算法性能下降，本文采用Python3.6編寫及運行MDS算法，從第51～499波段(468～942 nm)的光譜中提取特征波長，輸入測試集與訓練集樣本的光譜數據和類別編號，共采用13個特征波長用于后續(xù)建模分析。

1.5 分類方法

由于高光譜數據中所包含大量非線性特征數據，本文選取能夠實現復雜非線性映射的分類方法建立產地確證模型，建模過程由Python語言編程實現。本文運用Python第三方庫pandas程序包中的Sample函數實現數據分層抽樣以保證數據劃分的隨機性和一致性，在保證梅河與非梅河的大米樣本比例一致的前提下將原始數據集的990個樣本以7∶3的比例隨機劃分為訓練集和測試集，其中693個訓練集樣本用于模型的建立和優(yōu)化，297個測試集樣本用于外部精度檢驗。

1.5.1多層感知機 多層感知機網絡(MLP)是一種誤差反向傳播的多層前饋神經網絡算法,本文采用Python語言，首先導入sklearn庫中的neural_network.MLPClassifier包，加載訓練數據，之后訓練模型，最終輸出MLP模型的測試集評價。

1.5.2極限學習機 極限學習機(ELM)是一種無需在訓練過程中反復調整輸入層與隱含層間的連接權值，且隱含層神經元的閾值是隨機產生的算法[25-27]。本文采用Python語言，導入sklearn庫中的metrics驗證方法，首先輸入樣本集、激活函數和隱藏層節(jié)點數，之后隨機設置輸入權值和隱含節(jié)點偏置，計算隱藏層輸出矩陣以及輸出矩陣的廣義逆矩陣，再計算極限學習機的隱含層到輸出層的權值，最后輸出權值，實現ELM模型。

1.5.3在線序列極限學習機 在線序列極限學習機(OS-ELM)是ELM的在線學習改進算法。本文采用Python語言，在ELM模型算法的基礎上加入在線序列階段，得到單個樣本或者樣本數據塊初始階段所學習的單隱層前饋神經網絡的輸出權重，實現OS-ELM模型。

1.6 模型評估

1.6.1模型性能評估 混淆矩陣(confusion matrix)是一種用可視化方式呈現算法性能的評價標準，它通過矩陣描述樣本數據的真實類別屬性和預測結果的關系[28]。本文模型準確率由混淆矩陣計算得出，如式(2)所示。

(2)

式中，TP為真正例,定義為被判定為梅河樣本，事實上也是梅河樣本；TN為真反例,定義為被判定為非梅河樣本，事實上也是非梅河樣本；FP為假正例,定義為被判定為梅河樣本，事實上是非梅河樣本；FN為假反例,定義為被判定為非梅河樣本，事實上是梅河樣本。

1.6.2模型效率評估 為了驗證OS-ELM和ELM訓練效率上的性能優(yōu)勢，本文隨機選取500組樣本數據分別訓練3種算法，計算三種算法的訓練時間。對于OS-ELM算法，設置隱含層數L為10、選取參與初始學習階段的樣本個數N0為100、數據塊長度為[75,250]區(qū)間的隨機數；ELM算法設置隱含層數L為10，MLP隱含層數亦為10。

1.7 訓練時間對比測試

為了模擬實際應用中不斷地分批次得到新數據的數據獲取途徑，本文假設分五次每次獲得100組共500組數據進行模型訓練與測試，OS-ELM在線學習數據塊長度設置為20，對OS-ELM和ELM同時輸入100組變量作為第一批數據進行訓練，并依次加入100組訓練樣本作為新添加數據，分別計算OS-ELM與ELM的訓練時間。

2 結果與分析

2.1 基于全波段高光譜數據的產地確證模型

為了避免光譜區(qū)間邊緣響應低、噪聲大對模型所造成的負面影響，本文剔除了1～50(408～467 nm)和500～549(944～100 7 nm)波段光譜，選取第51～499(468～942 nm)波段光譜進行分析。

將經標準正態(tài)變量變換(SNV)、多元散射校正(MSC)及卷積平滑(S-G)方法預處理并進行樣本劃分后的高光譜數據作為輸入變量，計算MLP、ELM、OS-ELM三種方法的分類準確率，結果如表2所示。可以看出，SNV與S-G預處理方法對分類準確率有一定程度的負面影響，而基于MSC處理后的分類結果與全波段分類結果相比略有提高，其中所建立的MSC-OS-ELM模型的分類效果最優(yōu)，分類準確率達到了98.3%，說明建立的模型具有良好的性能，利用MSC對光譜信息進行預處理可以得到良好的產地確證模型。

表2 基于預處理方法的全波段分類準確率對比

2.2 基于高光譜特征波長數據的產地確證模型

2.2.1特征波長分析 經MDS提取13個特征波長為484、510、536、560、608、720、750、780、841、854、899、921、932 nm。選取的特征波長位置如圖4所示。據已有研究，510、560、750 nm 的吸收波段主要與大米中水分、脂肪、淀粉和蛋白質的吸收有關[29]。位于608、536 和720nm 的吸收波段與大米中直鏈淀粉和支鏈淀粉的吸收相關[35]；780 nm左右的光譜吸收主要與水分子中O-H鍵的第二和第三倍頻峰的振動和延伸相關[36]。而蛋白質、脂肪、糖等大米內部重要的化學指標均可以由高光譜信息表征，且大米顆粒中最主要的水分和淀粉等理化指標，因大米的產地不同其含量也會有一定的區(qū)別[37]。這些對應關系從大米理化指標上進一步驗證MDS降維方法選取的特征波段是可靠的。

圖3 特征波長選擇

2.2.2模型性能評估結果 在990組高光譜樣本中，將經MSC預處理與MDS降維后提取的特征波長高光譜數據按照隨機劃分好的693組訓練集與297組測試集進行三種模型的訓練與測試，測試結果如表3所示。

表3 全波段光譜數據與降維后數據分類準確率對比

通過對基于全波段光譜數據和特征波長光譜數據所建立的判別模型進行對比可知，MDS-MLP分類準確率相比較于全波段光譜數據模型下降了1.3%，MDS-ELM下降了1.1%，MDS-OS-ELM則下降了0.9%?；谔卣鞑ㄩL數據的分類模型識別率下降均在1.3%以內，其中MDS-OS-ELM準確率能達到97%以上，而輸入變量減少了96.6%，大量冗余信息被剔除。

2.3 模型運行效率評估

2.3.1全樣本訓練時間對比 OS-ELM、ELM、MLP三種模型訓練時間如表4所示?？梢钥闯?，本文采用的OS-ELM算法在訓練時間上與ELM基本相同，對比于MLP算法，在相同的參數取值下，模型訓練時間極大地減少。

表4 三種模型訓練時間對比

2.3.2累次增加樣本訓練時間對比 不同樣本訓練時間比較結果如表5所示。可以看出，在數據樣本分批次獲得的情況下，對于初始的100組樣本，OS-ELM訓練時間略高于ELM。而隨著分批次數據樣本的加入，ELM需要找回已經學習過的初始的100組數據與新加入的數據一起訓練網絡，OS-ELM由于在任何時候都僅需對新加入的樣本進行學習的特點，避免了重復學習已經訓練過的舊樣本。另外，對于OS-ELM，數據在學習完成之后立即刪除，不再占用RAM運行內存空間，因而訓練時間低于ELM。同理，加入的數據樣本越多，OS-ELM的優(yōu)勢越明顯。

表5 OS-ELM與ELM按比例增加數據后模型訓練時間對比

3 討論

多層感知機網絡(MLP)是一種誤差反向傳播的多層前饋神經網絡算法，是由若干層感知機神經元組成的非線性神經網絡。MLP不僅結構簡單且易于實現，可以通過共同作用的多層神經元解決大多數線性不可分的問題。但訓練速度較慢，有時需要通過特征工程對輸入數據進行特征提取[30]。極限學習機(ELM)是一種批量學習算法，由輸入層、隱含層和輸出層組成，由于其無需在訓練過程中反復調整輸入層與隱含層間的連接權值，且隱含層神經元的閾值是隨機產生的特點，近年來被廣泛用于高光譜數據的分類分析[31-33]。較之傳統(tǒng)的神經網絡算法具有學習速率快和泛化性能好等優(yōu)點。OS-ELM不僅保留了ELM的優(yōu)點與特點，且能有效地銜接舊樣本與新加入的樣本，對樣本進行靈活的分批處理，避免了數據重復訓練所帶來問題，有效的提高了模型的準確率與訓練效率[34]。本文采用Python語言基于高光譜圖像技術建立了MLP、ELM、OS-ELM算法的產地確證模型。

由于受電噪音、光散射、基線漂移、光程變化等因素的影響，使得高光譜數據中包含大量的干擾信息[35]。本文分別采用多元散射校正(MSC)、標準正態(tài)變量變換(SNV)、卷積平滑(S-G)方法對光譜數據進行處理。最終基于MSC處理后的數據建立的MLP、ELM、OS-ELM模型分類準確率均高于未進行預處理和經SNV、S-G預處理的。其中所建立的MSC-OS-ELM模型的分類效果最優(yōu)，分類準確率達到了98.3%,證明MSC可以對數據進行良好的修正及處理。

全波段光譜數據具有很高的維數和復雜的結構，帶有大量的冗余信息，使得時間和空間復雜度上升從而導致算法性能下降[36]，大大影響了實際應用中的便利性。多維尺度分析(MDS)是一種非常有效的數據降維方法[37]。與上述方法不同的是，在高光譜圖像技術特征提取領域，MDS能夠有效的在低維數據中保留高維數據間的相對關系，減小降維引起的任何形變，既不會對降維后的數據特征產生衰減，又保留了光譜所包含的維度信息。為了簡化輸入變量，提升模型訓練效率，應用MDS降維方法提取了13個有代表性的特征波長，降維后輸入變量減少96.6%，大大減少了光譜數據信息的數量。基于特征波長數據分別建立MDS-OS-ELM、MDS-ELM和MDS-MLP模型，其中MDS-OS-ELM算法模型分類準確率穩(wěn)定在97.4%，降維在保證模型分類性能的前提下提高了模型訓練速度?；谔卣鞑ㄩL光譜數據所建立的模型在分類準確率上雖略低于基于全波段光譜數據所建立的模型，但運算時間縮減效率提高，更加適合于快速無損鑒別大米產地的需求。

在模型訓練效率評估試驗中，ELM與OS-ELM在模型訓練時間上明顯優(yōu)于MLP。由于MLP在模型訓練過程中需反復訓練和修改連接權值、閾值的原因，使得模型在訓練時間上不具有優(yōu)越性。而ELM相比較于MLP算法，其輸入層到隱含層的權值和閾值都是隨機產生的，避免了反復訓練和修改連接權值閾值的過程；另一方面，隱含層到輸出層的權值矩陣實質上是利用最小二乘法求取使損失函數最小化的最優(yōu)解，不需要迭代過程。因此，從理論上ELM算法相比較于MLP能夠大大地降低網絡訓練調節(jié)時間，有著極快的訓練速度。而OS-ELM算法是ELM的在線序列學習改進算法，每當有新的數據塊被接收，就重新運行一次ELM并得到新的輸出權重，最后新舊輸出權重會進行組合從而完成對神經網絡的更新，避免了對已經訓練過的樣本重復學習，大大提升了模型效率，滿足了快速無損的大米產地確證需求，在大數據背景下的地標大米產地確證領域更具有實用性。