基于近红外光谱的PLS-RBF神经网络用于完整新鲜玉米籽粒多组分快速准确预测

《Food Chemistry》：Rapid and accurate PLS-RBF neural networks for multi-constituent prediction in intact fresh maize kernels using NIR spectroscopy

　　

• 提出了一种PLS-RBF神经网络用于完整鲜食玉米籽粒的品质评估。• PLS在光谱特征提取方面优于PCA。• 基于近红外光谱的PLS-RBF神经网络取得了可接受的预测性能。引言鲜食玉米是一种营养丰富的作物，广泛作为鲜玉米食用，具有重要的膳食和经济价值（Bao等，2025；Wongnaa等，2024）。中国是世界第二大玉米生产国，近年来鲜食玉米的种植面积稳步扩大（Pei等，2023）。鲜食玉米的品质属性，包括质构和风味，主要由其内部化学成分决定，如可溶性糖（果糖、葡萄糖、蔗糖）、支链淀粉、蛋白质和粗纤维（Luo等，2024；Shi等，2025；Zhai等，2024）。因此，准确高效地量化这些关键成分对于高品质育种计划、商业品质评价和食品加工应用至关重要。传统的湿化学方法可以提供准确的测量结果，然而，这些方法需要熟练的人员、大量的样品制备和耗时的分析程序，这限制了它们用于快速和常规分析的适用性（Xue等，2021）。作为替代方案，数学建模方法已被越来越多地探索以取代传统的化学分析（Chen等，2024；Cui等，2023；Yap等，2022；X. Zhou等，2025）。大多数现有研究依赖于粉末样品，因其更高的均质性和降低的谱噪声敏感性。然而，粉末制备涉及研磨玉米籽粒，这既费力又费时，且具有破坏性，这与快速、无损和大规模鲜食玉米品质评估的目标相矛盾。因此，迫切需要开发直接基于完整鲜食玉米籽粒数据的快速、准确和无损数学模型，以实现实际的、真实世界的大规模品质评估。近红外（NIR）光谱是一种快速且无损的分析技术，能够通过测量含氢官能团（如O-H、N-H和C-H）的倍频和合频振动，来预测农产品的理化性质和化学成分（Hao等，2023；Xia等，2024）。支链淀粉、蛋白质、粗纤维和总糖是玉米籽粒中主要的宏量分子，它们都含有大量的O-H、N-H和C-H基团。它们的内容、空间构象和氢键网络的变化会改变局部分子振动，从而产生可区分的与结构相关的近红外光谱。尽管直链淀粉和支链淀粉具有相同的α-1,4键合的葡萄糖骨架，但支链淀粉含有独特的α-1,6糖苷分支点，这会产生微妙但可检测的结构差异。这些架构变化在特定的近红外区域中得到体现。如Kahriman等（2020）所报道，直链淀粉在2235 nm处显示出强烈的负回归系数，而支链淀粉在1411?1422 nm范围内对应于高度正回归系数。Xie等（2022）进一步证实，1300?2400 nm的波长范围（涵盖134个光谱信号）对表观直链淀粉含量、直链淀粉和支链淀粉实现了优异的预测性能。近红外光谱的一个关键优势是它需要极少的样品制备，并能实现快速的数据采集和预测（Sitorus和Lapcharoensuk，2024；Zou等，2025）。由于这些优势，近红外光谱已被广泛应用于玉米研究，用于快速无损地评估品质属性和化学成分，包括水分、蛋白质、油和粗脂肪含量（Fatemi等，2022；Yang等，2025；Zheng等，2024；Zhou等，2025）。然而，由于固有的光谱特性（如宽吸收带、广泛的谱重叠和有限的化学特异性），直接从近红外光谱中提取成分相关信息仍然具有挑战性。因此，有效解释近红外光谱数据通常需要整合适当的化学计量方法，包括光谱预处理和特征提取，以增强化学成分与其相应光谱响应之间的相关性。为了减轻近红外光谱数据中的散射效应和谱噪声（这些数据容易受到样品厚度、粒径和样品制备等因素的干扰），在模型开发之前通常会进行光谱预处理。特别是，散射校正方法，包括多元散射校正（MSC）、标准正态变量（SNV）和导数处理，已被广泛用于减少物理散射效应并增强光谱一致性（Agelet和Hurburgh，2010；Cui等，2023；Luypaert等，2002）。这些技术确保提取的光谱信息更准确地反映样品的化学成分。除了降噪之外，近红外光谱数据还具有高维度的特征，其中光谱变量的数量通常远远超过可用的样品量，从而增加了多重共线性和模型过拟合的风险（Cheng等，2024）。因此，通常需要进行降维处理，将原始高维光谱转换为更紧凑且信息更丰富的特征空间（Chen等，2024；Luo等，2025；X. Zhou等，2025）。Chen等（2024）采用了主成分分析（PCA）、竞争性自适应重加权采样（CARS）和随机蛙算法，并将其与PLS模型结合，对姜粉进行品质评价和地理来源识别。X. Zhou等（2025）探讨了直接和间接特征提取算法与K-最近邻（KNN）分类器结合对茶叶品种分类的效果。PCA作为一种常用的无监督特征提取技术，通过将变量投影到捕获最大方差的正交主成分（PC）上进行降维（Behkami等，2019；Wu等，2024）。相比之下，偏最小二乘法（PLS）是一种有监督的化学计量方法，它通过最大化预测变量和响应变量之间的协方差来提取潜在变量（LVs）。虽然PLS传统上用于线性回归，但最近的研究表明，结合机器学习进行基于PLS的特征提取可以通过纳入响应相关信息实现更优异的性能（Cheng等，2025；Mohammadi等，2024）。在本研究中，采用PLS将光谱变量投影到低维潜在空间，有效地缓解了多重共线性，同时保留了完整鲜食玉米籽粒定量分析的关键信息。对于近红外光谱定量分析，偏最小二乘回归（PLSR）是最广泛使用的线性建模方法，因为它能够处理多重共线性。然而，随着光谱复杂性的增加，线性模型往往难以捕捉潜在的非线性关系（Mayr等，2021；Xue等，2024；Yoon等，2023）。为了解决这个问题，各种机器学习（ML）算法，如随机森林（RF）、极端梯度提升（XGBoost）和高斯过程回归（GPR），已成功应用于处理农产品数据的不确定性和高维特征（Sow等，2022；Yan等，2026）。最近，神经网络方法在建模复杂非线性关系方面也表现出强大的能力（Xue等，2024）。在这些架构中，径向基函数（RBF）神经网络在许多光谱应用中备受青睐。在结构上，RBF网络是一个前馈网络，通常由三层组成：输入层、隐藏层和输出层（Jiang和Qin，2023；Jitchaijaroen等，2024；Xue等，2024）。隐藏层对网络性能至关重要，采用径向基函数——最常用的是高斯函数——作为激活函数（L. Wang等，2024）。每个隐藏神经元表现出局部响应模式：只有当输入模式接近其预定义中心时才会产生强激活，并且随着输入到中心的径向距离增加，激活值迅速衰减。与其他人工神经网络（ANN），如反向传播（BP）网络或多层感知机（MLP）相比，RBF网络具有几个优势。虽然BP网络被广泛使用，但它们往往收敛缓慢，并且可能在内部验证中表现强劲但在外部泛化性较差（Deng等，2021）。相比之下，RBF网络表现出更快的学习速度、强大的全局逼近能力，以及比MLP网络更简单的网络结构下的更低错误率。此外，RBF网络在内部和外部验证场景中始终提供稳健的预测，使其非常适合复杂非线性系统的实用建模（Marfo和Przyby?a-Kasperek，2022；X. Wang等，2024）。在本研究中，开发了一种新颖的PLS-RBF神经网络框架（见图1(b)），用于基于近红外光谱快速无损地量化完整鲜食玉米籽粒中的关键品质属性。与先前报道的CC-PLSR-RBFNN模型不同（Jiang & Lu，2018）（在该模型中PLS作为主要回归模型，RBF仅校正PLS建模残差），所提出的框架采用PLS进行特征提取并生成最优潜在变量。提取的潜在变量随后输入RBF神经网络进行高精度非线性回归映射。所提出方法的整体技术流程图见图1(a)，涵盖光谱预处理、样本集划分、PLS特征提取、RBF神经网络建模和模型评估。本研究针对四个关键营养成分的定量测定，即支链淀粉、蛋白质、粗纤维和总糖。模型性能使用决定系数（R2）、均方根误差（RMSE）和残差预测偏差（RPD）进行了全面评估。所提出的方法为高通量成分检测和质量控制提供了一个高性能的分析平台，在本研究调查的鲜食玉米育种群体筛选中显示出良好的潜力。章节片段样本采集与制备共从浙江省杭州市农业科学院的试验基地于2023年7月获得249个鲜食玉米品种，包括143个甜玉米、72个糯玉米和34个甜糯玉米类型。对于样本采集，在每个品种的灌浆阶段（授粉后21?23天）随机收获四到五个果穗。对于样品制备，每个果穗中间20行的籽粒被收集，立即在液氮中冻结，然后…样本划分：校准集和验证集为防止异常和极端样品影响校准模型，我们采用CENTER算法（Shenk & Westerhaus，1991）计算马氏距离，也称为全局H距离（GH）。光谱使用标准正态变量和去趋势进行了预处理，然后进行1,5,1 Norris导数处理，其中1表示导数阶数，5是平滑段大小，1代表差分间隙（Pan等，2020；Wu和Shi，2007）。使用20个主成分的PCA…结论使用PLS-RBF神经网络系统地研究了完整鲜食玉米籽粒快速准确的近红外光谱建模方法，以建立光谱数据与化学成分之间的关系。首先，非线性检验（Runs检验和Durbin-Watson检验）表明支链淀粉和总糖与光谱数据之间存在非线性关系，而蛋白质和粗纤维表现出线性行为。其次，为了减少由散射效应引起的…CRediT作者贡献声明朱学军：写作-初稿、可视化、验证、软件、数据整理。史江：写作-审阅与编辑、监督、调查、概念化。曲胜涛：调查、数据整理。岳尔奎：方法学、调查、形式分析。赵琳：验证、调查、资金获取。王博特：软件、数据整理。吴建国：方法学、调查、概念化。陈卫峰：软件、方法学、资金获取。利益冲突声明作者声明没有已知的竞争性经济利益或个人关系，这些利益或关系可能影响本文报告的工作。致谢本研究得到了浙江省自然科学基金杭州联合基金资助（项目编号：LHZQN25C130005）。我们感谢杭州市农业科学院科技创新与示范推广基金的资助（编号：2022HNCT-08）以及浙江省自然科学基金的资助（编号：LY21A010011和LY21F020029）。朱学军|史江|曲胜涛|岳尔奎|赵琳|王博特|吴建国|陈卫峰|凌正艳|张正芳