利用机器学习技术和近红外光谱数据融合技术检测有缺陷的可可豆

《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Detection of defective cocoa beans using machine learning techniques and NIR spectral data fusion

可可豆缺陷的非破坏性检测方法研究：采用双便携近红外光谱仪结合LDA特征提取和SVM/ANN/随机森林算法，通过数据融合实现健康与缺陷可可豆的100%准确分类，验证了LDA-SVM模型在单光谱及融合数据中的最优性能。

　　

查尔斯·劳埃德·耶博阿·阿穆阿 | 弗朗西斯·帕迪·兰普蒂 | 维达·吉玛·博阿杜 | 杰里·奥普库-安萨 | 埃利奥特·夸库·阿尼多霍 | 哈鲁纳·加多·亚库布 | 奥利维亚·齐法·皮斯·沃尔多阿古 | 塞缪尔·松科·萨克基 | 欧内斯特·泰耶

加纳海岸角大学农业与自然科学学院物理科学系，激光与光纤中心

摘要

可可豆根据发酵程度和缺陷的存在进行分级，通常通过传统的切割测试来进行评估。然而，这种方法具有破坏性，会导致随机选取的豆子被损坏。为了减少或消除传统切割测试方法的破坏性，需要采用相关、无损、快速且客观的替代技术。在本研究中，使用了两台具有短波长范围（740–1070 nm 和 900–1700 nm）的便携式近红外（NIR）光谱仪，结合特征提取技术（主成分分析（PCA）和线性判别分析（LDA）以及多变量算法（支持向量机（SVM）、人工神经网络（ANN）和随机森林（RF），构建了一个最优的判别模型，用于快速识别和分级可可豆。分别分析来自各个光谱仪的数据，并将其融合以改进识别结果。在校准集和预测集中，从准确性、灵敏度和精确度方面对模型进行了评估。结果表明，LDA-SVM 的性能优于其他模型（PCA-SVM、PCA-RF、PCA-ANN），对于单个光谱仪数据，准确率超过 96.39%；对于融合数据，准确率为 100.00%。这项研究展示了将两台便携式 NIR 光谱仪与 LDA 特征提取技术和 SVM 算法结合使用的潜力，作为传统切割测试的可靠、无损替代方案，能够实现快速和现场的可可豆分级和缺陷检测。

引言

可可豆（Theobroma cacao）是全球许多国家的主要经济作物，其中大部分来自西非（70%）。加纳是全球可可产业的重要参与者，生产了全球约 20% 的可可豆产量。可可豆是巧克力和糖果工业的重要原料。可可豆含有对人体有益的营养成分，可以促进大脑和心脏健康，减少炎症，调节体重和血糖，还有助于保持皮肤和牙齿的健康 [1]、[2]、[3]。其他研究还表明，可可豆含有原花青素、多酚、黄酮类化合物和抗氧化剂，这些成分可以减少血栓形成，降低中风和心血管疾病的风险 [4]、[5]、[6]、[7]。

为了充分利用可可豆的这些特性，收获后的主要初期活动（如豆荚储存和破碎、发酵、干燥、包装或储存以及运输）必须妥善进行并加以监控 [8]、[9]。这些初期活动对于发展可可豆的质量至关重要，任何在这个阶段出现的错误都会带来高昂的成本，且往往不可逆转。此外，不良的初期处理方式会导致可可豆出现缺陷，从而降低其整体质量和安全性 [10]。可可产业经常面临可可豆缺陷和品质低下的问题 [11]，一些购买可可豆的公司如果可可豆的质量超出允许范围或从高等级变为次级等级，可能会被拒收，这主要是由于缺陷的存在 [10]。尽管其他私营可可价值链参与者和政府机构（如加纳可可委员会的质量控制部门）采取了各种措施来控制这些缺陷豆和低品质可可豆，但仍有多份报告显示存在大量低品质可可豆，例如发芽豆、虫害豆、发霉豆和片状豆 [10]、[12]。另一个挑战是质量控制人员使用的分析方法繁琐、昂贵、具有破坏性且速度慢，难以快速区分健康可可豆和缺陷豆。

通常，确定缺陷豆的方法包括切割测试分析和物理计数，以每种缺陷豆的百分比表示，而游离脂肪酸和脂肪含量则通过 AOAC 方法测定 [10]。还有一些方法基于使用高效液相色谱法量化昆虫副产物或尿酸 [13]。然而，这些方法存在主观性（受人为因素影响），涉及化学物质的使用，不适合现场使用，过程繁琐，且通常只适用于少数样本。因此，需要开发用户友好、可靠且无损的检测技术，以便在现场检查和识别健康可可豆中的缺陷。便携式短波近红外（NIR）光谱技术可能有助于克服这一瓶颈，实现快速识别缺陷豆。

NIR 光谱是一种分析工具，已在多个行业中得到应用，包括食品行业，用于快速检测食品的质量和安全性。它已被用于检测大米的完整性 [14]、[15]、茶叶质量 [16]、食品欺诈分析 [17]、储存大米中的虫害 [18]，以及测量完整菠萝果实的品质参数 [19]。更具体地说，它最近也被应用于可可豆行业，用于快速检测可可粉中的可可壳 [20]、测量可可豆的品质参数 [21]、 区分有机可可豆和传统可可豆 [22]，以及检测完整可可豆的 pH 值和水分含量 [23]。然而，我们的文献检索显示，尚未有研究尝试将便携式 NIR 光谱与智能特征提取技术（如线性判别分析（LDA）和主成分分析（PCA）结合使用，作为输入数据，通过支持向量机（例如 PCA-SVM 和 LDA-SVM）进行模型建模，以实现健康可可豆和缺陷豆的快速现场区分。特征提取可以通过将原始变量转换为更紧凑的表示形式来提高机器学习性能，减少冗余或噪声信息，并限制数据集中不相关变异的影响。此外，本研究结合了无监督（PCA）和有监督（LDA）特征提取方法与多光谱数据融合。本研究旨在通过比较 PCA 或 LDA 与支持向量机（SVM）、随机森林（RF）和人工神经网络（ANN）的组合，揭示特征提取方法的有效性，从而提高缺陷可可豆和健康可可豆测量的准确性、灵敏度和预测性能。因此，本研究旨在开发并验证强大的机器学习模型，结合近红外（NIR）光谱数据融合，以实现缺陷可可豆的准确检测和分类。

来自便携式光谱仪的数据融合提供了一种新的方法，充分利用了多个传感器的优势，比单个传感器能够得出更可靠的推断 [24]、[25]。有关数据融合技术的更多信息，请参阅我们之前的研究 [26]。

样本收集与准备

从加纳七个可可生产地区（东部、西北部、西南部、阿散蒂、沃尔塔、中部和布朗-阿哈福）的仓库中收集了总共 1400 个可可豆样本。这些样本被分为四类：发霉豆、片状豆、发芽豆和健康豆。每个地区收集了 200 个样本，每类各 50 个样本（发霉豆、片状豆、发芽豆和健康豆）。为了确保类别平衡……

可可豆的类别

可可豆的化学和物理性质因类别而异。如图 1 所示，每种豆在切割测试时表现出不同的特征。然而，这种切割测试过程繁琐且有时具有主观性。发霉的可可豆是一个严重问题，因为它们会影响感官品质，并由于霉菌毒素而带来健康风险。发霉的豆子通常会发生变化，如水分含量增加……

结论

结果表明，LDA 特征提取技术的性能优于 PCA。因此，对于单个光谱仪（SCIO 和 TELLSPEC），LDA-SVM 的准确率在 96.39% 到 99.70% 之间。同时，融合光谱数据的准确率为 100.00%，而 PCA-SVM、PCA-RF 或 PCA-ANN 的准确率较低。通过 LDA-ANN 分析的融合光谱在校准集和预测集中的准确率和精确度均为 100.00%。

作者贡献声明

查尔斯·劳埃德·耶博阿·阿穆阿：撰写——审阅与编辑、撰写——初稿、可视化、验证、软件、资源、调查、数据管理、概念化、方法论。弗朗西斯·帕迪·兰普蒂：撰写——审阅与编辑、撰写——初稿、可视化、验证、软件、方法论、调查、概念化。维达·吉玛·博阿杜：撰写——审阅与编辑、撰写——初稿、可视化、验证、软件、方法论、调查、数据

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

作者感谢加纳海岸角大学研究、创新和咨询处（RSG/INT/CANS/2023/101）、农业学院、农业工程系以及所有致力于支持可可产业的加纳可可价值链参与者的支持。特别感谢乔尔·韦尔贝克先生、约翰·阿莫阿先生和雷吉娜·尼奥尔凯小姐提供的帮助。