PCA-LDA法結(jié)合近紅外光譜用于酵母水解物真假判別及產(chǎn)地溯源

謝嘉，劉健，秦磊磊，薛剛，李亞茹，劉靜怡，賴衍清

［1.酵母功能湖北省重點(diǎn)實(shí)驗(yàn)室，湖北 宜昌 443000；2.三峽公共檢驗(yàn)檢測(cè)中心，湖北 宜昌 443000；3.珀金埃爾默企業(yè)管理（上海）有限公司，上海 200000］

酵母水解物廣泛應(yīng)用于水產(chǎn)業(yè)[1?2]與家畜業(yè)[3?4]，它可以有效增強(qiáng)動(dòng)物體的免疫力，改善動(dòng)物體內(nèi)的腸道環(huán)境，促進(jìn)細(xì)胞的修復(fù)與再生，從而加快動(dòng)物體的生長(zhǎng)速度。不同工廠、不同工藝生產(chǎn)的酵母水解物，其營養(yǎng)價(jià)值存在明顯差異。目前研究農(nóng)產(chǎn)品溯源以及真假判別主要有穩(wěn)定同位素分析技術(shù)[5?6]、礦物元素指紋分析技術(shù)[7?8]、氨基酸與脂肪酸指紋分析技術(shù)[9]以及近紅外光譜分析技術(shù)[10?11]。前三種分析技術(shù)對(duì)實(shí)驗(yàn)人員要求較高、耗時(shí)耗力，而近紅外光譜分析技術(shù)具有方便快捷、無須任何預(yù)處理、信息量豐富、光譜特性穩(wěn)定、重現(xiàn)性佳等諸多優(yōu)點(diǎn)，在真假判別以及產(chǎn)地溯源方面具有很好的應(yīng)用前景。

利用近紅外光譜法對(duì)酵母水解物溯源分析以及真假判別目前還沒見報(bào)道，筆者采用主成分分析(PCA)法對(duì)預(yù)處理后的不同工廠、不同工藝的酵母水解物光譜進(jìn)行分類，提取最佳主因子數(shù)，再結(jié)合線性判別分析(LDA)法，建立了酵母水解物產(chǎn)地溯源以及真假判別模型，所有樣品識(shí)別準(zhǔn)確率均超過85%，為近紅外光譜分析技術(shù)在酵母水解物產(chǎn)地溯源以及真假判別方面的研究提供理論依據(jù)。

1 實(shí)驗(yàn)部分

1.1 主要儀器與試劑

近紅外光譜儀：FT9700型傅里葉近紅外變換光譜，美國珀金埃爾默公司。

酵母水解物樣品：在3 個(gè)酵母工廠的生產(chǎn)線直接取樣，根據(jù)不同工廠、不同工藝、不同時(shí)間段，共采集樣品500 個(gè)，其中NA-Y 系列59 個(gè)、NA-L 系列108個(gè)、NA-C系列101個(gè)、NX-C系列122個(gè)、NX-L系列110 個(gè)，市場(chǎng)隨機(jī)選取偽劣樣品MF 10 個(gè)。訓(xùn)練(建模)樣本集與預(yù)測(cè)樣本集見表1。

表1 訓(xùn)練(建模)樣本集與預(yù)測(cè)樣本集

1.2 近紅外光譜儀參數(shù)

干涉儀：Michelson 干涉儀；光源：鹵鎢燈光源；樣品杯：藍(lán)寶石材質(zhì)，主要成分為三氧化二鋁；分束器：寬范圍多鍍層CaF2；光譜掃描次數(shù)：64 次；分辨率：8 cm-1；光譜范圍：14 304～3 856 cm-1；漫反射采樣附件：電磁驅(qū)動(dòng)旋轉(zhuǎn)樣品盤，保證光譜數(shù)據(jù)的均一性。

1.3 光譜采集

使用漫反射模式采集光譜，考慮到酵母水解物可能會(huì)吸潮，掃描之前要保持干燥、恒溫的環(huán)境，室溫為25 ℃、相對(duì)濕度為45%左右時(shí)最佳。每個(gè)樣品掃描3次，取其平均值作為樣品的典型光譜。

2 結(jié)果與討論

2.1 主成分分析(PCA)

光譜數(shù)據(jù)采集軟件為Results Plus (Perkin Elmer，版本號(hào)：3.19.21170)，建模訓(xùn)練集的原始圖譜如圖1所示。

圖1 酵母水解物（訓(xùn)練集）原始圖譜

采用非線性迭代偏最小二乘法進(jìn)行主成分分析[12?13]?？紤]到酵母水解物屬于生物樣品，近紅外光譜信息量豐富，遂使用14 304～3 856 cm-1全波數(shù)光譜進(jìn)行預(yù)處理：采用一階求導(dǎo)法、平滑濾波法[14]可有效消除基線以及其它背景的干擾，進(jìn)而提高分辨率和靈敏度；采用標(biāo)準(zhǔn)正態(tài)變量轉(zhuǎn)換消除樣品表面散射、固體顆粒大小以及光程的變化對(duì)近紅外漫反射光譜的影響；采用多元散射校正消除顆粒大小以及顆粒分布不均勻產(chǎn)生的散射影響；采用去趨勢(shì)算法消除漫反射光譜的基線漂移。

將上述光譜預(yù)處理方法進(jìn)行不同的結(jié)合[15?16]，并對(duì)預(yù)處理后的光譜進(jìn)行主成分分析，根據(jù)不同主因子數(shù)的特征值，選擇最佳光譜預(yù)處理方法。特征值的大小代表矩陣正交化后所對(duì)應(yīng)特征向量對(duì)整個(gè)矩陣的貢獻(xiàn)程度。某主因子數(shù)所對(duì)應(yīng)的特征值越大，則說明該主因子數(shù)所包含的樣品信息量越豐富。如果某主因子數(shù)所對(duì)應(yīng)的特征值為0，則說明該主因子數(shù)不包含任何信息，變量為常數(shù)。當(dāng)變量與矩陣X之間存在一定程度的線性相關(guān)時(shí)，X的變化將體現(xiàn)在最前面幾個(gè)載和向量(主因子數(shù))方向上，X在最后幾個(gè)載和向量(主因子數(shù))的投影很小，可以認(rèn)為它們是由測(cè)量噪聲所引起的。

不同預(yù)處理方法光譜主成分分析的各主因子數(shù)特征值見表2。由表2可知，使用多元散射校正對(duì)全光譜進(jìn)行預(yù)處理，對(duì)處理后的光譜進(jìn)行主成分分析，各主因子數(shù)所對(duì)應(yīng)的特征值幾乎都為0，變量與矩陣X沒有線性關(guān)系，說明多元散射校正光譜預(yù)處理無法用于酵母水解物產(chǎn)地分類；使用平滑濾波法聯(lián)合一階求導(dǎo)法，各主因子數(shù)所對(duì)應(yīng)的特征值也幾乎都為0，不適用于酵母水解物產(chǎn)地分類。使用平滑濾波法、一階求導(dǎo)法、標(biāo)準(zhǔn)正態(tài)變量轉(zhuǎn)換法，三者聯(lián)合用于近紅外光譜預(yù)處理時(shí)，各主因子數(shù)所對(duì)應(yīng)的特征值最大，變量與矩陣X有明顯的線性關(guān)系，可用于酵母水解物的產(chǎn)地分類，光譜預(yù)處理后的譜圖如圖2所示。

圖2 酵母水解物（訓(xùn)練集）預(yù)處理后光譜

表2 不同預(yù)處理方法光譜主成分分析的各主因子數(shù)特征值

上述分析結(jié)果表明，6 個(gè)主因子數(shù)的累計(jì)方差貢獻(xiàn)率為67.80%、22.53%、5.09%、2.63%、1.28%、0.68%，其中前5 個(gè)主因子數(shù)的累積方差貢獻(xiàn)率為99.32%，確定主因子數(shù)為5。

3家工廠的酵母水解物樣品不同成分得分分布分別如圖3～圖6 所示。由圖3～圖6 可知，利用前三個(gè)主因子數(shù)基本可以區(qū)分不同工廠、不同工藝的5種酵母水解物樣品，但有少部分的樣品有重疊，利用其它主成分的投影時(shí)，重疊情況會(huì)更嚴(yán)重。

圖3 酵母水解物樣品主成分1（PC-1）與主成分2（PC-2）得分分布

圖4 酵母水解物樣品主成分1（PC-1）與主成分3（PC-3）得分分布

圖6 酵母水解物樣品主成分1（PC-1）、主成分2（PC-2）及主成分3（PC-3）得分分布3D圖

2.2 線性判別分析(LDA)

主成分分析法屬于無監(jiān)督的模式識(shí)別方法，它可以通過光譜的特異性區(qū)分各類物質(zhì)。線性判別分析(LDA)屬于有監(jiān)督的模式識(shí)別方法[17?18]，它首先需要對(duì)各光譜進(jìn)行定義，區(qū)分出光譜所對(duì)應(yīng)的樣品種類，讓計(jì)算機(jī)向這些被預(yù)先區(qū)分出的樣本“學(xué)習(xí)”。LDA算法的目的是使降維后的數(shù)據(jù)類間方差最大，類內(nèi)方差最小，LDA就是求解SB/SW(SW為類內(nèi)協(xié)方差矩陣，SB為類間協(xié)方差矩陣)的特征值與特征向量，該算法能夠把彼此關(guān)聯(lián)的多變量數(shù)據(jù)，簡(jiǎn)化為少數(shù)幾個(gè)互相獨(dú)立的新變量數(shù)據(jù)，而且簡(jiǎn)化之后的數(shù)據(jù)不會(huì)出現(xiàn)信息量丟失，依舊能保持原來數(shù)據(jù)的絕大部分信息。根據(jù)上述主成分分析的結(jié)論，該數(shù)據(jù)的主因子數(shù)為5，因此，使用LDA法對(duì)前5個(gè)主因子數(shù)進(jìn)行分析、建模，使用馬氏距離[19?20]來判斷異常值。

LDA 算法樣品分類如圖7 所示。由圖7 可知，LDA 算法的訓(xùn)練集所有樣品的識(shí)別準(zhǔn)確率達(dá)到94.81%，訓(xùn)練集混淆矩陣見表3。

圖7 LDA算法樣品分類圖

表3 訓(xùn)練集混淆矩陣

訓(xùn)練集中NX-C 系列樣品識(shí)別率為99.02%，NX-L 系列樣品識(shí)別率為86.67%，NA-Y 系列樣品識(shí)別率為100%，NA-C 系列樣品識(shí)別率為97.53%，NA-L系列樣品識(shí)別率為93.18%。將驗(yàn)證集代入建好的PCA-LDA模型中，其混淆矩陣見表4。

表4 驗(yàn)證集混淆矩陣

驗(yàn)證集中NX-C系列樣品識(shí)別率為100%，NXL系列樣品識(shí)別率為85%，NA-Y系列樣品識(shí)別率為100%，NA-C 系列樣品識(shí)別率為100%，NA-L 系列樣品識(shí)別率為95%。

找出訓(xùn)練集樣品中的誤判樣品，列出各樣品的馬氏距離，如圖8所示。

圖8 訓(xùn)練集誤判樣品的馬氏距離

誤判樣品的馬氏距離基本位于3～5之間，將馬氏距離報(bào)警值設(shè)為5，即可有效區(qū)分偽劣樣品。對(duì)10個(gè)市場(chǎng)上流通的偽劣樣品進(jìn)行近紅外光譜掃描，并用已建好的模型預(yù)測(cè)，拒絕率達(dá)到100%，偽劣樣品的馬氏距離如圖9所示。

圖9 偽劣樣品的馬氏距離

使用PCA-LDA 模型預(yù)測(cè)偽劣樣品時(shí)，各樣品的馬氏距離均遠(yuǎn)大于5，該模型可有效用于酵母水解物的真假判別分析。

3 結(jié)語

使用平滑濾波法結(jié)合一階求導(dǎo)法以及標(biāo)準(zhǔn)正態(tài)變量轉(zhuǎn)化法對(duì)酵母水解物原始光譜進(jìn)行預(yù)處理，去除光譜所產(chǎn)生的噪聲和散射的干擾，對(duì)預(yù)處理后的光譜進(jìn)行主成分分析確定主因子數(shù)，再結(jié)合線性判別分析，對(duì)三個(gè)產(chǎn)地、兩種不同工藝的酵母水解物進(jìn)行產(chǎn)地溯源分析，主成分分析法基本可以區(qū)分酵母水解物的產(chǎn)地，但有部分重疊，而PCA-LDA聯(lián)用法可更有效區(qū)分酵母水解物產(chǎn)地，所有樣品的識(shí)別率都在85%以上。根據(jù)誤判樣品設(shè)置馬氏距離閾值，偽劣樣品的識(shí)別率達(dá)到100%。因此基于PCALDA 法結(jié)合近紅外光譜用于酵母水解物產(chǎn)地溯源及真假判別分析具有一定的可行性與實(shí)用價(jià)值。