基于短波红外高光谱成像与机器学习的甜菜切片水分含量预测

《Food Analytical Methods》：Predicting Moisture Content in Sugar Beet Slices Using Shortwave Infrared Hyperspectral Imaging and Machine Learning

　　

中文摘要翻译 精确监测甜菜（Beta vulgaris L.）块根的水分含量对于保存蔗糖（决定产量和经济价值的主要因素）至关重要。当前的工业水分测量方法具有破坏性和耗时性，限制了其在实时和大规模应用中的适用性。以往研究虽已利用高光谱成像进行甜菜水分预测，但主要依赖可见光至近红外波段，尚无研究评估短波红外区域中更强的水吸收特征用于甜菜水分评估。本研究通过评估短波红外（SWIR, 1000–2500 nm）高光谱成像结合机器学习，填补了这一空白，实现了对块根水分含量的无损预测。研究人员在温室条件下种植了三个商业甜菜品种，并将块根切成10 mm厚的横切片（样本量 n = 540）。使用SWIR高光谱相机获取光谱数据，并通过65 °C烘箱干燥至恒重的重量法测定参考水分含量（范围56.9–88.4%）。研究人员评估了三种机器学习模型——人工神经网络（ANN）、轻量梯度提升机（LGBM）和一维卷积神经网络（1D-CNN），并结合三种特征降维方法——主成分分析（PCA）、连续投影算法（SPA）和竞争性自适应重加权采样（CARS），在四种预处理策略（SNV、SG1、SNV+SG1及无预处理）下进行建模。在所有测试的模型和特征降维策略组合中，ANN–CARS–SG1提供了最佳整体性能（预测相关系数 Rp = 0.808，预测均方根误差 RMSEP = 2.890%，预测集相对分析误差 RPDp = 1.663），而ANN–CARS–SNV+SG1则取得了最高的预测相关性（Rp = 0.811）。在基于PCA的模型中，1D-CNN–PCA–SNV表现最佳（Rp = 0.781, RMSEP = 3.210%, RPDp = 1.497）。在基于SPA的模型中，ANN–SPA–SG1表现最佳（Rp = 0.773, RMSEP = 3.288%, RPDp = 1.461）。总体而言，基于CARS的模型相比PCA和SPA配置表现出最强的预测性能。这些发现证明了将SWIR高光谱成像与波长选择和机器学习相结合，用于甜菜块根快速、无损水分评估的潜力，但仍需进一步验证以提高定量预测性能。

论文解读文章

1. 研究背景

甜菜是全球约20-25%食糖产量的来源，其蔗糖的提取效率受块根内部生理状况的显著影响。新鲜甜菜块根通常含有75-86%的水分，这对于维持细胞膨压、组织完整性以及在加工过程中保持适宜的机械特性至关重要。水分流失或不平衡会增加组织脆性，促进酶解和微生物定殖，并损害提取过程中的扩散效率，最终导致蔗糖损失。因此，在采后价值链中进行快速、准确的水分评估对于质量管理和高效工业加工至关重要。

目前标准的水分测定方法（如烘箱干燥法）具有破坏性、劳动强度大且耗时长，不适用于快速或连续的质量评估。尽管近红外光谱技术（NIRS）等无损替代方案可提供快速分析，但传统NIRS通常提供的是体平均光谱测量，无法直接表征异质性样品内水分的空间变化。高光谱成像（HSI）通过在像素级同时采集光谱和空间信息，解决了这一局限。然而，以往大多数农业HSI应用集中在可见-近红外（VIS-NIR, 400-1000 nm）区域，该区域与水相关的吸收特征较弱，可能限制了对高水分植物组织中水分变化的敏感性。

短波红外（SWIR, 1000-2500 nm）区域因其包含与O-H分子振动相关的强水吸收特征（尤其在约1450 nm处），特别适合水分评估。此前尚未有研究将SWIR-HSI应用于甜菜的水分分析，已有的甜菜水分HSI研究使用了VIS-NIR区域，并且采用平均光谱而非像素级光谱，也未进行系统的光谱降维或波长选择。因此，评估降维和波长选择方法对于开发便携式传感器具有重要意义。

2. 研究目的与方法

为解决上述研究空白，本研究旨在评估SWIR-HSI（1000-2500 nm）结合机器学习用于甜菜切片水分含量的无损预测。研究人员从美国农业部农业研究服务局（USDA-ARS）位于北达科他州法戈的温室设施中，培育了三个商业甜菜品种共90个块根，并将其切成540个10 mm厚的横切片作为实验样本。主要关键技术方法包括：

• •
  高光谱成像系统：使用Specim SWIR推扫式相机（Lumo Scanner系统）在997.9-2504.7 nm范围内采集图像，共272个光谱波段。
• •
  光谱预处理：应用标准正态变量变换（SNV）校正散射效应，以及Savitzky-Golay一阶导数（SG1）增强光谱特征。
• •
  特征降维与波长选择：独立应用主成分分析（PCA）、连续投影算法（SPA）和竞争性自适应重加权采样（CARS）三种方法减少数据冗余并识别信息波段。
• •
  机器学习模型：构建并比较了人工神经网络（ANN）、轻量梯度提升机（LGBM）和一维卷积神经网络（1D-CNN）三种模型。
• •
  数据集划分：将540个切片按唯一样本ID随机划分为训练集（60%）、验证集（20%）和测试集（20%），确保同一切片的所有光谱数据归属同一子集，防止信息泄露。

3. 研究结果

3.1 水分含量分析

样本水分含量范围为56.9%至88.4%。单因素方差分析表明，不同品种间的平均水分含量存在显著差异（F = 60.46, p < 0.0001），其中品种B的平均水分（71.98%）高于品种A（67.78%）和C（68.56%）。而不同根段位置（顶部、中部、底部）的平均水分含量无显著差异（F = 0.16, p = 0.85）。

3.2 光谱数据评估与预处理

原始光谱显示，反射率随水分含量增加而升高，且在约1200 nm、1400 nm和1900 nm处观察到与水吸收相关的明显吸收带。经过SNV、SG1及其组合预处理后，光谱信号得到有效调整，增强了关键特征。

3.3 基于PCA变换光谱特征的预测

使用前20个主成分（PCs）进行建模。结果表明最优预处理策略因模型而异：对于ANN和LGBM，SNV+SG1组合效果最佳；对于1D-CNN，单独使用SNV效果最好。其中，1D-CNN-PCA-SNV取得了所有PCA模型中最高的预测相关系数（R_p=0.781），ANN-PCA-SNV+SG1获得了最高的相对分析误差（RPD_p=1.499）。但所有PCA模型的RPD_p值均低于2.0，指示其定量预测能力有限。

3.4 基于SPA选择波长的预测

SPA算法选出了20个对水分变化最敏感的非共线波段，其中三个分别位于1200 nm、1400 nm和1900 nm附近的水吸收区域。在SPA模型中，ANN-SPA-SG1表现最佳（R_p=0.773, RMSEP=3.288%, RPD_p=1.461）。LGBM和1D-CNN的最优预处理策略分别为SNV和SNV+SG1。

3.5 基于CARS选择波长的预测

CARS算法通过迭代重加权筛选出与水分预测高度相关的波长子集。在所有模型与特征降维组合中，CARS模型表现最强。ANN-CARS-SG1获得了最低的预测误差（RMSEP=2.890%）和最高的RPD_p（1.663），而ANN-CARS-SNV+SG1取得了最高的预测相关系数（R_p=0.811）。1D-CNN-CARS-SNV+SG1也表现强劲（R_p=0.803, RMSEP=2.932%, RPD_p=1.639）。LGBM-CARS的表现相对较弱。

3.6 PCA、SPA和CARS模型的比较评估

综合比较，CARS结合ANN或1D-CNN在SG1或SNV+SG1预处理下取得了最优性能。这表明波长降维策略、光谱预处理和模型架构三者必须联合考虑，其有效性相互依赖。

4. 总结与讨论

本研究表明，SWIR高光谱成像结合机器学习，特别是CARS波长选择与ANN或1D-CNN模型的组合，能够有效地对甜菜切片水分含量进行无损评估。其中，ANN-CARS-SG1模型在测试集上取得了最低的预测误差（RMSEP=2.890%）和最高的残差预测偏差（RPD_p=1.663），而ANN-CARS-SNV+SG1模型获得了最高的预测相关性（R_p=0.811）。相比之下，PCA和SPA方法的预测性能普遍较低，LGBM模型在所有降维方法下的竞争力均不如神经网络模型。

研究结论：研究证实了靶向波长选择（尤其是CARS）在降低SWIR数据维度的同时，能够有效保留与水分估计相关的预测信息。然而，所有评估模型的RPD_p值均未达到2.0，表明当前模型更适合初步筛查或相对水分评估，而非高精度定量预测。研究强调，波长降维方法的效果需与光谱预处理和模型架构联合评估。未来研究应更精细地量化样品制备过程中的潜在水分变化，并使用涵盖更多基因型、生长环境、收获季节和储存条件的大型多样化数据集进行独立外部验证。将该技术转化为商业化应用还需在真实条件下对完整块根进行验证，并系统控制和记录各项采集参数。