基于高光谱成像与多尺度通道注意力网络的猕猴桃可溶性固形物含量无损预测

《International Journal of Food Properties》：Non-destructive prediction of soluble solids content in kiwifruit using hyperspectral imaging and a multi-scale channel-attention network

　　

可溶性固形物含量（SSC）是猕猴桃甜度、成熟度和食用品质的重要指标。传统折射法需要破坏性样品制备，不适合快速批量检测，而许多现有光谱建模方法主要依赖平均光谱，对高光谱图像中所含空间信息的利用有限。因此，本研究开发了一种基于高光谱成像（HSI）的深度学习框架，用于"徐香"猕猴桃可溶性固形物含量的无损预测。共采集400个成熟果实，并在900–1700 nm光谱范围内获取近红外高光谱图像。经过图像校正、感兴趣区域（ROI）提取和主成分分析（PCA）后，将降维后的高光谱图像作为模型输入。研究人员开发了一种轻量级多尺度通道注意力二维卷积神经网络（2D CNN），用于提取空间–光谱特征。评估了保留不同数量主成分的影响，并将所提出的网络与偏最小二乘回归（PLSR）、支持向量回归（SVR）、ResNet50和VGGNet进行了比较。结果表明，保留的主成分数量影响预测性能，15个主成分在信息保留与冗余降低之间提供了合适的平衡。在该设置下，所提出的网络取得了测试集决定系数（R²）为0.9714 ± 0.0054、均方根误差（RMSE）为0.3305 ± 0.0682 °Brix、相对分析偏差（RPD）为5.9695 ± 0.5221的结果。这些发现证明了高光谱成像结合多尺度通道注意力学习在猕猴桃品质快速无损评价中的潜力。

研究背景：猕猴桃富含维生素C、膳食纤维、多酚及多种矿物质，具有较高的营养和商业价值。在采后品质评估中，甜度、糖酸比和成熟度是影响消费者接受度和市场分级的关键因素。可溶性固形物含量（SSC）通常被视为糖分积累和食用品质的重要指标。在成熟和采后后熟过程中，淀粉降解转化为可溶性糖，引起SSC变化，因此SSC可反映猕猴桃甜度，并为成熟度评价、采收时机、果实分级和贮藏管理提供有用信息。目前猕猴桃SSC测定主要使用数字折射仪，该方法需要切开果实并提取汁液，虽可靠但会破坏样品，不适合生产线上的连续批量检测，且测得的SSC通常仅代表整果或局部组织的平均值，难以表征内部品质的空间变异和个体差异。因此，迫切需要快速、客观、无损的猕猴桃SSC检测方法用于品质评价和智能分选。

高光谱成像（HSI）集成了空间和光谱信息，已被广泛用于农业无损检测。与传统点测量或平均光谱测量相比，HSI可在二维图像平面上捕获连续光谱响应和空间纹理信息，生成用于果实品质建模的高维空间–光谱数据立方体。随着机器学习和深度学习的发展，HSI越来越多地与智能建模方法相结合。基于卷积神经网络（CNN）的模型能够捕获跨波段相关性和局部纹理特征，二维CNN可将光谱维度作为输入通道以利用空间结构；三维CNN可联合建模光谱和空间特征，但通常计算复杂度更高。传统机器学习和化学计量学方法（如偏最小二乘回归PLSR、支持向量回归SVR等）长期用于建立光谱信息与果实品质属性之间的关系，但此类方法通常依赖平均光谱、波长选择、光谱预处理或手动设计特征，限制了其自动利用高光谱图像空间–光谱信息的能力。尽管CNN及相关深度学习架构在果实品质预测方面取得了进展，但基于图像的高光谱猕猴桃SSC预测受到的关注有限，现有猕猴桃研究主要集中于一维光谱建模，高光谱图像中的空间信息尚未得到充分利用；此外，预处理、降维和深度特征提取常作为独立步骤处理，仍缺乏面向猕猴桃SSC预测的集成任务导向框架。

针对上述不足，研究人员开展了基于高光谱成像的深度学习框架研究，开发了Kiwi-MSCANet——一种轻量级多尺度通道注意力二维CNN，用于基于PCA降维高光谱数据的图像级SSC预测。研究目标包括：建立图像级高光谱建模策略，利用PCA降低光谱冗余并保留二维主成分图，评估保留PCA维度对SSC预测的影响；开发Kiwi-MSCANet，通过多尺度特征提取、通道注意力、残差学习和双池化从PCA降维图像中学习空间–光谱特征；通过重复模型比较、消融实验和复杂度分析系统评估所提方法的预测性能、组件贡献和计算效率。研究得出，PCA维度对预测性能有明显影响，15个主成分在三种评估设置中提供最佳整体结果；在该配置下，Kiwi-MSCANet取得了测试集R²为0.9714 ± 0.0054、RMSE为0.3305 ± 0.0682 °Brix、RPD为5.9695 ± 0.5221的结果；消融实验表明四个研究组件均对预测性能有贡献，其中多尺度特征提取和ECA模块产生的性能变化最大；此外，Kiwi-MSCANet的参数量显著少于ResNet50和VGGNet，计算量远低于ResNet50。研究结果证实了高光谱成像、PCA降维与多尺度通道注意力深度学习相结合用于猕猴桃SSC预测的可行性，减少了对着破坏性折射仪测量的依赖，为智能果实分级和品质评价提供了有用基础，但所报道的预测性能是在本研究受控实验条件下针对"徐香"品种获得的，在推广至其他品种或实际运行环境前需进一步验证。

关键技术方法：研究人员从中国陕西省周至县商业猕猴桃园采集400个成熟"徐香"猕猴桃样品（2025年9月27日人工采收，采自约15棵树，每树约25–30个果实，随机采样覆盖不同冠层朝向和光照条件），采用Image-RT17近红外高光谱成像系统（900–1700 nm，光谱分辨率5 nm，光谱采样间隔1.6 nm）获取高光谱图像，经白板和暗参考校正后进行60×60像素ROI提取，应用PCA降维并保留10、15、30个主成分作为输入；开发Kiwi-MSCANet网络（包含光谱stem、多尺度残差块MSRB、高效通道注意力ECA模块和双池化回归头）；以数字折射仪（PAL-BX/ACID8）测定SSC作为参考值（每果测三次取均值）；数据集按6:1.5:2.5随机划分为训练集240、验证集60、测试集100；采用均方误差损失和AdamW优化器训练，以R²、RMSE和RPD为评价指标，并与PLSR、SVR、ResNet50和VGGNet进行比较及消融实验。

研究结果：（1）PCA维度与比较模型性能：基于解释方差分析，采用10、15和30个主成分评估PCA维度对SSC预测的影响，对PLSR、SVR、ResNet50、VGGNet和Kiwi-MSCANet五种模型进行评估。结果表明PCA维度和模型架构均影响SSC预测性能，15-PC设置下所有五种模型的平均测试性能最佳。10-PC下传统回归模型预测精度相对有限（PLSR测试R²为0.7514 ± 0.0344，SVR为0.7048 ± 0.0447），ResNet50取得最高平均测试R²（0.9037 ± 0.0041）。15-PC下Kiwi-MSCANet取得最佳整体结果（测试R²为0.9714 ± 0.0054，RMSE为0.3305 ± 0.0682 °Brix，RPD为5.9695 ± 0.5221），ResNet50和VGGNet测试R²分别为0.9382 ± 0.0119和0.9208 ± 0.0056，PLSR和SVR分别为0.8904 ± 0.0253和0.8817 ± 0.0157。30-PC下所有模型平均测试性能相对15-PC下降，Kiwi-MSCANet仍为最佳（测试R²为0.9424 ± 0.0118）。虽然主成分增至30使累积解释方差从79.95%升至91.51%，但未带来预测精度的相应提升，表明保留更多方差不一定提供更多与SSC预测相关的信息，因此选择15-PC作为最终PCA配置。代表性Kiwi-MSCANet运行的训练和验证损失曲线显示损失早期快速下降并逐渐收敛，验证损失趋势与训练损失相似，表明优化过程中学习行为稳定。15-PC与30-PC下的散点图和前50个测试样本的线图进一步表明15-PC下预测值与实测值一致性更好。（2）消融研究：基于15-PC设置进行消融实验，完整Kiwi-MSCANet在训练、验证和测试集上均取得最佳性能。四个目标组件被移除或替换后性能均下降，其中将多尺度分支替换为单尺度分支导致最大性能退化（测试R²降至0.8563 ± 0.0189，RMSE增至0.7885 ± 0.0511 °Brix）；移除ECA也导致明显下降（测试R²为0.8709 ± 0.0228）；无残差连接和无双池化的变体保留了较高预测精度（测试R²分别为0.9104 ± 0.0330和0.9288 ± 0.0156），但均低于完整模型。性能退化顺序为多尺度特征提取 > ECA > 残差连接 > 双池化，证实四个组件均对最终预测性能有贡献。（3）计算复杂度：在15-PC输入和60×60空间尺寸下评估Kiwi-MSCANet、ResNet50和VGGNet的计算复杂度。Kiwi-MSCANet含0.626百万参数，明显低于ResNet50的24.048百万和VGGNet的3.341百万；Kiwi-MSCANet每次前向传递需0.475 GFLOPs，而ResNet50需9.406 GFLOPs，但VGGNet所需运算略少（0.414 GFLOPs）；推理速度方面，Kiwi-MSCANet延迟为2.798 ± 0.527 ms/样本，低于ResNet50的4.159 ± 0.674 ms/样本但高于VGGNet的1.024 ± 0.276 ms/样本。结果表明Kiwi-MSCANet的主要效率优势在于紧凑的参数化和相对更深的ResNet50大幅降低的计算负担，但与VGGNet的比较表明更小的参数量不一定直接转化为更少的运算或更短的GPU推理时间。

讨论部分总结：PCA结果表明保留更多总方差不一定改善SSC预测，PCA按输入数据方差排序组件，而解释方差较高的组件并不总是与特定回归目标最相关，先前主成分回归研究也有类似观察；对于高光谱品质预测，降维的有效性最终应通过下游预测性能评估。本研究将主成分数从10增至15改善了SSC预测，而进一步增至30虽使累积解释方差从79.95%升至91.51%却降低了平均测试性能，表明后期组件保留的额外方差对SSC回归的信息量不等同，因此15个主成分在本数据集上提供了信息保留与预测相关性之间更好的平衡。近期猕猴桃品质研究仍主要依赖提取的光谱向量，而近期果实研究越来越多地探索光谱–空间深度学习以更充分利用高光谱数据中的成像信息；本研究中PCA降低光谱冗余同时将每个主成分保留为二维图，Kiwi-MSCANet因此作用于图像级PCA表示而非仅光谱向量，使空间分布的主成分信息得以贡献于SSC回归。近期研究表明多尺度特征提取和注意力机制对改善果实和农业光谱数据表示有效，本研究的消融实验与之一致，表明Kiwi-MSCANet的贡献并非来自任何单一操作，而是这些组件面向图像级猕猴桃SSC回归的任务导向集成。模型效率是高光谱深度学习的另一考量，近期综述强调轻量级架构及预测精度与模型复杂度之间的平衡是果蔬品质检测的重要方向；本研究中Kiwi-MSCANet仅含0.626百万参数，而ResNet50为24.048百万、VGGNet为3.341百万，且所需FLOPs远少于ResNet50，尽管VGGNet更快且所需FLOPs略少，但Kiwi-MSCANet取得了最高预测精度，表明其主要优势在于有利的精度–参数权衡而非最低推理成本。与代表性猕猴桃SSC研究比较，早期研究主要依赖提取的光谱向量结合传统回归或化学计量学模型，近期研究通过光谱预处理和特征优化继续改进该策略，而本研究将PCA组件保留为二维图并用Kiwi-MSCANet进行图像级特征学习，代表了从光谱向量优化向紧凑空间–光谱表示学习的转变。局限性方面：样本来自单一品种和产区，可能限制模型推广至其他品种、果园、季节或成熟阶段的能力；高光谱图像采集和SSC测量在受控实验室条件下进行，实际分选或田间场景中光照、果实朝向、表面污染和系统噪声的变化可能影响光谱响应和预测稳定性。未来研究将采集不同品种、果园、采收季节、成熟阶段和SSC范围的更多样本以评估模型可迁移性，使用独立获取的数据集进行外部验证，并在在线或半在线条件下系统评估光照变化、果实朝向、表面污染、传送带速度和仪器变异的影响，进一步研究自动果实定位、采集期间校准转移以及预测模型与分选平台的集成。实际应用方面：与折射仪测量不同，高光谱成像无需去皮、榨汁或破坏果实，具有无破坏采样重复或批量检测的潜力；未来可能的实施方式包括将猕猴桃通过传送带输送经过成像区域，依次进行高光谱采集、辐射校正、果实区域定位、PCA变换、Kiwi-MSCANet SSC预测和按预设SSC阈值分级，预测输出可传输至分选执行器以实现自动等级分配。表6结果提供了与潜在部署计算可行性相关的模型级信息，Kiwi-MSCANet含0.626百万参数、需0.475 GFLOPs，在RTX 4060 Laptop GPU上测得网络推理延迟为2.798 ± 0.527 ms/样本，表明网络推理本身引入的计算负担相对较小，但该延迟仅代表网络前向推理，不包括高光谱扫描、辐射校正、ROI定位、PCA变换、数据传输或机械分选，因此不应解释为端到端处理时间、总系统吞吐量或完整分选系统实时运行的证据；本研究未评估集成在线分选流水线的端到端吞吐量，对于推扫式成像系统，可实现的线速度将在很大程度上取决于图像采集和完整处理流水线的集成效率而非仅网络推理。经济方面，工业实施需要投资高光谱相机、照明系统、传送带硬件、计算单元、校准和系统维护，因此本研究未确立相对传统SSC测量的直接经济优势，但无损自动化系统可减少人工采样和果实损失，同时允许将SSC信息纳入连续分级，需进一步在线验证以确定这些潜在收益能否在商业运行条件下抵消设备和维护成本。

研究结论翻译：本研究开发了一种基于高光谱成像的深度学习方法，用于"徐香"猕猴桃SSC的无损预测。获取了400个成熟样品的近红外高光谱图像，并利用PCA降低光谱冗余同时保留空间–光谱信息。开发了一种轻量级多尺度通道注意力二维CNN，称为Kiwi-MSCANet，用于从PCA降维高光谱图像中进行特征学习。结果表明PCA维度对预测性能有明显影响，15个主成分在三种评估设置中提供最佳整体结果。在该配置下，Kiwi-MSCANet取得了测试集R²为0.9714 ± 0.0054、RMSE为0.3305 ± 0.0682 °Brix、RPD为5.9695 ± 0.5221的结果。消融实验进一步表明四个研究组件均对预测性能有贡献，其中多尺度特征提取和ECA模块产生的性能变化最大。此外，Kiwi-MSCANet的参数量显著少于ResNet50和VGGNet，同时所需计算量远低于ResNet50。总体而言，结果证实了高光谱成像、基于PCA的降维与多尺度通道注意力深度学习相结合用于猕猴桃SSC预测的可行性。所提方法减少了对着破坏性折射仪测量的依赖，为智能果实分级和品质评价提供了有用基础。应强调，所报道的预测性能是在本研究使用的受控实验条件下针对"徐香"品种获得的，在推广至其他品种或实际运行环境前应进一步验证。未来工作将侧重于扩展数据集至不同品种、产区、季节和成熟阶段，并在在线或半在线分选条件下验证模型。