《Foods》：Identification of Black Bean Geographical Origins Using Portable NIR Spectroscopy Combined with Fuzzy Orthogonal Linear Discriminant Analysis and Its Kernel Extension
编辑推荐：
由于不同地理来源的黑豆具有不同的营养和经济价值，对其进行分类在农业领域具有重要意义。因此，本研究旨在基于近红外（NIR）光谱数据的化学计量学分析，开发一种黑豆产地识别分类模型。由于原始近红外光谱数据存在重叠且分布特征复杂，传统线性判别分析算法无法从中提取有效的
由于不同地理来源的黑豆具有不同的营养和经济价值，对其进行分类在农业领域具有重要意义。因此，本研究旨在基于近红外（NIR）光谱数据的化学计量学分析，开发一种黑豆产地识别分类模型。由于原始近红外光谱数据存在重叠且分布特征复杂，传统线性判别分析算法无法从中提取有效的判别信息。为克服这些局限性并提高算法性能，研究人员将模糊集理论引入正交线性判别分析（OLDA），提出了模糊正交线性判别分析（FOLDA），用于从黑豆近红外吸收光谱中提取判别特征。FOLDA增强了样本多样性，并能更好地处理含噪数据。此外，通过将FOLDA与线性核函数相结合，研究人员提出了核模糊正交线性判别分析（KFOLDA）算法，以应对线性算法在处理非线性数据时面临的挑战。KFOLDA不仅能有效捕获和处理数据中的非线性信息，还显著提高了模型的分类精度。实验结果表明，K近邻（KNN）分类器对FOLDA和KFOLDA的分类准确率分别达到86.4%和95.5%。因此，所提出的模型在区分不同地理来源的黑豆方面表现出令人满意的分类精度和性能指标。
论文解读
一、研究背景与意义
黑豆作为一种兼具药用与保健功能的豆类食品，因其富含蛋白质、氨基酸、花青素等营养成分而深受国内外消费者青睐。我国黑豆产区广泛，主要集中在东北、新疆、山西和四川等地。不同地理来源的黑豆在营养成分上存在显著差异，这直接影响了其营养和经济价值。然而，当前市场上各类外观相似的黑豆混杂，部分商家以次充好、混淆产地，导致掺假销售现象频发，严重损害了消费者权益。同时，由于黑豆的营养组成取决于其产地，若能利用不同产地黑豆的独特性质开发相关产品和提取功能成分，将有助于加工部门提高产品利用率和相关营养成分的提取纯度。因此，建立一种快速、无损且准确的黑豆产地分类模型具有迫切的现实需求。
传统的人感感官鉴别和化学分析方法存在明显不足：感官鉴别耗费大量人力物力、鉴定周期长且效率低下；化学方法虽可获得较高的分类精度，但实验成本过高，不适用于大批量样品的鉴定。随着无损检测技术的兴起，近红外（NIR）光谱技术在食品、农产品等领域得到广泛应用。便携式近红外光谱仪具有灵活、廉价、操作简便等优势，适用于农业、食品质量评估和药物分析等场景。然而，原始近红外光谱数据存在重叠和复杂分布特征，传统线性判别分析（LDA）算法面临小样本（SSS）问题，难以从中提取有效的判别信息。为此，研究人员将模糊集理论引入正交线性判别分析（OLDA），提出模糊正交线性判别分析（FOLDA），并进一步结合核函数提出核模糊正交线性判别分析（KFOLDA），以解决非线性数据处理难题，提高黑豆产地识别的准确性。
二、关键技术与方法
研究人员使用深圳普研互联网科技有限公司生产的NIR-M-F1-C便携式近红外光谱仪，采集了来自辽宁、黑龙江、新疆、四川和山西五个产地的黑豆样本近红外光谱，波长范围为900–1700 nm。每个产地采集80个样本，共计400个样本，其中每类58个样本作为训练集，其余22个作为测试集。样本均购自淘宝电商平台并直接来源于产地，要求表面光滑完整、长度5–6 mm、重量0.5–0.7 g。光谱采集过程中保持湿度约25–30%、温度25°C，光谱仪提前预热半小时，每次扫描取6次曝光平均值，每个样本扫描3次取均值。研究人员采用五种预处理算法（Savitzky–Golay（SG）、标准正态变量变换（SNV）、多元散射校正（MSC）、均值中心化（MC）和一阶导数（1st D））处理原始光谱数据，通过主成分分析（PCA）将400维数据降至10维（累计贡献率达99.96%），随后分别采用LDA、FST、UDT、OLDA、FOLDA和KFOLDA进行特征提取，最后使用K近邻（KNN）和支持向量机（SVM）分类器进行产地判别。
三、研究结果
光谱分析。 五种不同产地的黑豆样本在1205 nm和1485 nm处均有两个明显的吸收峰，分别对应C-H伸缩振动的二级倍频和O-H伸缩振动的一级倍频。四川黑豆在900–1700 nm范围内的吸光度显著高于其他四类，不同产地黑豆的光谱在1400 nm后开始出现差异，这反映了不同产地黑豆在化学成分上的差异，为产地分类提供了必要基础。
光谱预处理。 通过对比五种预处理算法与四种特征提取算法组合的分类结果，SG算法显著优于其他四种预处理算法，表明原始光谱数据中混有大量干扰噪声，SG预处理能有效去除噪声干扰并保持光谱形状和宽度不变。
PCA + LDA分类。 PCA降维后使用LDA提取4个判别向量，将10维数据变换为4维数据，最终分类准确率为80.9%。PCA本身在识别黑豆样本方面表现不佳，LDA受限于SSS问题，分类效果有限。
PCA + FST分类。 FST处理10维训练样本获得5个最优判别向量，辽宁和山西的数据分离较好，但其他三个地区的数据存在明显重叠，分类准确率为84.5%。
PCA + UDT分类。 UDT获得4个最优判别向量，山西、黑龙江和四川之间呈现较好的分离效果，但辽宁和新疆样本之间存在明显重叠，分类准确率为85.5%。
PCA + OLDA分类。 OLDA获得4个最优判别向量，辽宁、四川和山西的数据分布分离较好，但黑龙江和新疆的数据重叠区域较多，分类准确率仅为83.6%。
PCA + FOLDA分类。 研究人员设置模糊权重指数m=1.6、样本类别数c=5，通过模糊隶属函数为每个样本分配隶属度。模糊隶属度分析显示，辽宁样本在其自身类别中的隶属度接近1，而黑龙江样本的模糊隶属度存在部分重叠，这与平均光谱图中黑龙江样本光谱曲线高度相似的分析一致。FOLDA提取判别信息后，辽宁和黑龙江的数据距离较远可准确区分，四川和新疆的重叠数据较多。PCA + FOLDA的分类准确率达到86.4%。
PCA + KFOLDA分类。 研究人员将线性核函数引入FOLDA，提出KFOLDA算法。核函数将光谱数据映射到核特征空间后，10维黑豆数据被映射到4个判别向量。与FST和FOLDA相比，KFOLDA处理后不同产地黑豆的数据分离显著改善，辽宁、新疆和山西的样本无重叠区域，各类别内数据点更紧密聚集，类别边界更清晰，仅少量黑龙江和四川样本存在重叠。混淆矩阵显示，四川和山西的测试样本全部正确分类，准确率达100%，黑龙江和辽宁各有一个样本被误分类，新疆有3个样本被错误标记。PCA + KFOLDA最终达到95.5%的分类准确率。
KNN与SVM分类器对比。 研究人员比较了不同K值（K=1, 3, 5, 7, 9, 11, 13, 15）下四种特征提取算法的分类准确率。K值较小时PCA + FOLDA的准确率低于PCA + LDA和PCA + OLDA，可能出现过拟合；K值过大时模型过于简单导致分类误差增加。PCA + KFOLDA和PCA + FOLDA在K值处于中间范围时表现最佳。SVM采用径向基函数（RBF）核，通过五折交叉验证优化惩罚参数c和函数宽度g。综合比较，KNN在区分不同产地黑豆方面表现更优，FOLDA和KFOLDA分别达到86.4%和95.5%的分类准确率。
四、讨论与结论
参数与性能分析。 当训练样本数为58、测试样本数为22时，PCA + FOLDA准确率达86.4%，PCA + KFOLDA高达95.5%。模糊权重指数m对模糊特征提取算法的结果起关键作用：m值过小时无法有效区分重叠数据点，m值过大时不同类别的数据样本变得模糊导致准确率下降。实验表明，m=1.6时分类准确率达到最大值，因此选择1.6作为最优权重指数。研究人员选择线性核函数与FOLDA结合，线性核函数运算为两个向量的内积，无需参数优化，大大降低了计算时间和成本。在准确率、灵敏度和特异性三个指标上，FOLDA-KNN和KFOLDA-KNN均取得最佳性能，显著优于其他方法。
特征提取机制对比。 传统LDA存在小样本问题，变换矩阵不稳定，与KNN结合仅获得80.9%的分类准确率。OLDA通过对判别向量施加正交约束缓解了LDA的矩阵奇异问题，但仍以硬类别分配处理样本，忽略了光谱重叠导致的样本模糊性，准确率仅为83.6%。FOLDA通过引入模糊隶属度实现对模糊样本的软划分，增强了处理含噪和重叠光谱数据的能力，准确率达86.4%。KFOLDA通过将线性核嵌入FOLDA，将原始光谱特征映射到核空间以提取非线性判别信息，获得最高的95.5%准确率。与已有的UDT-XGBoost框架相比，KFOLDA在特征提取阶段即完成非线性特征变换，避免了复杂集成模型的超参数调优，计算成本较低，更适合便携式近红外检测终端的嵌入式部署。
研究结论。 本研究开发了基于便携式近红外光谱结合新型模糊特征提取算法的黑豆产地快速无损识别方法。FOLDA通过嵌入模糊集理论为每个样本分配模糊隶属度，增强了处理重叠和含噪光谱数据的能力；KFOLDA进一步引入线性核函数，将原始光谱数据映射到高维核空间，提取近红外光谱中隐藏的内在非线性判别信息。实验结果表明，PCA-FOLDA模型分类准确率为86.4%，PCA-KFOLDA达到95.5%，并具有优越的灵敏度和特异性指标。KFOLDA结合简单KNN分类器即可获得具有竞争力的分类性能，适合在便携式近红外分析终端上轻量化部署，为黑豆产地溯源提供了可行的分析方案，有助于遏制豆类产品市场的产地掺假行为。当前研究仍存在样本来源有限、仅采用线性核函数、缺乏复杂实际场景下的现场验证等不足，未来将扩展更多产地的样本集、筛选最优核函数配置并开展现场工业测试，进一步优化模型计算开销以促进现场检测的嵌入式实现。
