《Computers and Electronics in Agriculture》：SpecMCR: A multi-channel spectral regression framework with clustering and GAN-based augmentation for accurate grape sugar prediction
编辑推荐：
•
提出了一种多通道光谱回归框架（SpecMCR）用于预测葡萄糖含量。
•
基于聚类的通道划分提高了对异构光谱分布的建模性能。
•
基于SCGAN的光谱增强技术提高了样本多样性和模型的泛化能力。
•
PCA和SAM分析验证了生成光谱与真实光谱之间
- •
提出了一种多通道光谱回归框架（SpecMCR）用于预测葡萄糖含量。
- •
基于聚类的通道划分提高了对异构光谱分布的建模性能。
- •
基于SCGAN的光谱增强技术提高了样本多样性和模型的泛化能力。
- •
PCA和SAM分析验证了生成光谱与真实光谱之间的结构一致性。
- •
与传统的回归模型相比，SpecMCR具有更高的预测准确性。
引言
葡萄是世界上经济价值最高的作物之一（Qi等人，2023年），年产量达到7950万吨（Tsakiridis等人，2023年），主要用于酿酒（Ferrero等人，2025年）。果实质量和成熟度密切相关（Shinde等人，2025年；Carmen等人，2023年），其中糖含量是影响产量、风味特征、质地和采后储存方法的关键指标（Shen等人，2022年）。在酿酒过程中，葡萄糖和果糖不仅决定了酒精含量，还影响葡萄酒的风味、香气和甜度平衡（Silva和Melo-Pinto，2021年；Gao等人，2022年）。因此，开发准确的糖检测方法对于葡萄种植和葡萄酒行业至关重要。
传统的糖检测方法，如化学分析和高效液相色谱（HPLC）以及气相色谱-质谱联用（GC–MS）（Han等人，2025年；Fonseca等人，2025年；Vilas-Boas等人，2025年），尽管准确度高，但耗时且需要复杂的实验条件，难以满足葡萄园的实时检测需求（Oliveira等人，2024年）。近红外（NIR）光谱技术因其快速、无损的优势而成为糖量测量的主流工具（Zhao等人，2025年；Peraza-Alemán等人，2025年；Guo等人，2025年；Panchbhai等人，2025年）。与高光谱成像等多维技术相比，一维近红外（NIR）技术具有采集速度快和部署成本低的优势，同时保持高精度（Wu等人，2021年）。
虽然高维光谱数据信息量大，但也引入了特征冗余和计算开销。首先，NIR数据需要额外的处理步骤来去除信号中的噪声（Mishra等人，2022年；Shi等人，2025年）。为了消除基线漂移和由背景信息、环境噪声及样品粒径引起的散射干扰，应用了多种光谱信号预处理方法，如多元散射校正（MSC）（Arslan等人，2026年）、标准正态变量转换（SNV）（Li等人，2025年）以及一阶和二阶导数（Liu等人，2025年）。之后进行特征降维，如奇异值分解（SVD）（Tubbesing等人，2021年；Szalontai等人，2020年）和主成分分析（PCA）。
近红外（NIR）光谱技术在农产品质量评估中表现出显著优势。然而，实际应用中常面临样本量不足的挑战（Ng等人，2020年）。传统的机器学习模型严重依赖于训练样本的数量和多样性；在数据有限的情况下（Naser，2026年），模型容易过拟合并泛化能力差。为了解决小样本问题，研究人员提出了多种数据增强策略，包括Kennard-Stone采样（Solout等人，2025年）和SMOTE插值（Li和Liu，2024年；Qin等人，2024年）。然而，这些传统方法存在明显的局限性：简单的噪声添加可能会破坏光谱的物理含义，而插值方法仅在现有样本内进行线性组合，无法扩展数据分布范围。最近，生成对抗网络（GANs）通过生成器与判别器之间的对抗训练生成符合真实数据分布的新样本（Zhao等人，2024年；Bao等人，2025年；Cui等人，2024b），但其完全无监督的性质导致生成结果难以控制。为了解决这个问题，条件GANs（CGANs）引入了类别标签作为生成条件以实现方向性控制（Tai和Hsu，2025年；Gutiérrez和Tardaguila，2023年）。此外，我们提出了一种基于分数的条件GAN（SCGAN），创新地将PLS评分机制融入CGAN框架中。
在复杂的农业场景中，葡萄的光谱数据容易受到品种、种植环境、气候条件和仪器差异的影响（Xu等人，2015年；Fan等人，2025年；Su等人，2023年），导致数据分布复杂且同类样本间差异显著（Doherty等人，2014年；Wan等人，2025年；Zhang等人，2024年）。特征提取后，光谱数据具有复杂的空间分布（Liu，2024年），可以通过聚类将其划分为多个簇，以提高同一簇内数据点的相似性（Gao等人，2025年；Su等人，2025年）。这种数据异质性使得传统光谱回归方法难以捕捉数据的真实分布，从而影响模型的泛化能力（Liu和Cui，2025年）。传统方法通常直接将提取的特征输入到单一回归模型中（Lanjewar等人，2024年；Cui等人，2024b年；Xu等人，2017年），忽略了特征空间中的聚类现象，可能导致模型过拟合或欠拟合。因此，现有的光谱模型在预测含量时仍存在显著误差。
本研究旨在提高在光谱变化复杂情况下葡萄糖含量的预测准确性。图1展示了当前光谱回归方法的局限性以及我们的改进之处。我们的关键贡献包括：首次实现自动多通道划分和光谱数据集建模，其中无监督聚类将数据分配到多个通道，并使用独立训练的回归模型来减少类内变异，提高预测精度；设计了一种基于分数的条件生成对抗网络（SCGAN）用于一维光谱，并引入了评分机制来选择生成的数据以优化通道边界细化。
章节片段
葡萄数据
本研究使用的葡萄数据来源于Ryckewaert的论文（Ryckewaert等人，2023年）。数据包括详细的采集步骤。葡萄品种包括Syrah、Fer和Mauzac，采集于2020年夏季的法国Guegnac地区。使用氯化钠（NaCl）浴法对葡萄进行批次排序，以确保成熟的均匀性。准备了12种不同浓度的NaCl溶液，浓度范围从70 g/L到190 g/L。
数据划分模块的分析
为了评估数据空间划分在减少光谱异质性方面的有效性，系统地比较了四种常用的聚类算法：K-Means、Adaptive Radius、DBSCAN和Agglomerative Clustering，并通过网格搜索进行了验证。
通过聚类和生成增强技术减少光谱异质性
本研究表明，由品种差异、环境效应和采集变异性引起的光谱异质性仍然是准确预测葡萄糖含量的主要障碍。通过将层次聚类与基于SCGAN的增强策略结合，SpecMCR框架有效减少了簇内变异性，并通过额外的高质量合成光谱重新塑造了簇边界。这种双重策略使得通道级别的PLS模型能够更有效地处理光谱数据。
结论
糖含量是评估葡萄成熟度和质量的重要指标。为了解决在复杂农业条件下光谱数据的显著异质性问题——不同样本之间不一致的光谱响应模式使得统一模型难以有效提取稳定特征——本研究提出了一种基于光谱特征分布的多通道回归方法SpecMCR。
CRediT作者贡献声明
Jiyue Gao：撰写——原始草稿、方法论、概念化。Xiangqian Ding：监督、软件开发、调查。Huili Gong：撰写——审稿与编辑、可视化、资金获取。Zhongzhi Han：监督、可视化、撰写——审稿与编辑。Baoqi Guo：正式分析。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
本研究得到了中国关键研发计划项目（项目编号：2022YFB3305303）和山东省关键研发计划（中国，项目编号：2024CXGC010109）的支持。
Jiyue Gao|Xiangqian Ding|Huili Gong|Zhongzhi Han|Baoqi Guo
