基于高光谱成像与可解释深度学习(Interpretable Deep Learning)的枇杷可溶性固形物含量(Total Soluble Solids Content, TSSC)预测

《Horticulturae》：Prediction of Total Soluble Solids Content in Loquat Based on Hyperspectral Imaging and Interpretable Deep Learning

　　

摘要：枇杷(Eriobotrya japonica)是重要的亚热带经济果树，其内部甜度是市场品质的重要指标。因此，准确、无损测定可溶性固形物含量(Total Soluble Solids Content, TSSC)对果实分级与品质评价至关重要。研究人员将短波红外高光谱成像(Short-Wave Infrared Hyperspectral Imaging, SWIR-HSI，1000–2400 nm)与多尺度光谱注意力自适应卷积神经网络(Multi-Scale Spectral Attention Adaptive Convolutional Neural Network, MSSA-ACNN)相结合，用于枇杷TSSC的快速预测。光谱数据采用Savitzky–Golay-多元散射校正-去趋势(SG-MSC-DT)策略预处理以降低噪声与散射效应，并以传统模型[偏最小二乘回归(Partial Least Squares Regression, PLSR)、岭回归(Ridge Regression)和支持向量机(Support Vector Machine, SVM)]作对比。所提模型融合多尺度特征提取与双通路注意力机制，可自适应增强与化学成分相关的信息波段权重，同时抑制无关变异。经5折交叉验证严格评估，结果表明该方法预测性能最优，预测集决定系数(Rp2)达0.942，预测均方根误差(Root Mean Square Error of Prediction, RMSEP)为0.505 °Brix，残余预测偏差(Residual Predictive Deviation, RPD)为3.091，优于传统方法。此外，注意力权重分析显示模型主要关注与水和碳水化合物吸收相关的光谱区域，表明所学特征与已知化学信息一致。结果证明该方法为枇杷品质无损评价提供了有效且具可解释性的途径，在智能水果分级系统中具有应用潜力。

论文解读：《Prediction of Total Soluble Solids Content in Loquat Based on Hyperspectral Imaging and Interpretable Deep Learning》，发表于《Horticulturae》。

【研究背景与意义】

枇杷(Eriobotrya japonica)富含多种营养成分，其可溶性固形物含量(Total Soluble Solids Content, TSSC，通常以°Brix表示)是衡量内部品质及消费者接受度的核心指标。传统TSSC测定依赖折射仪或理化滴定等破坏性方法，存在劳动强度大、人为误差及样本损耗等问题，无法满足现代果蔬供应链对高通量、实时、在线分级的需求。近红外光谱(Near-Infrared Spectroscopy, NIRS)与高光谱成像(Hyperspectral Imaging, HSI)因具无损、高效、无需试剂的特点被广泛用于农产品品质检测。现有枇杷HSI研究多集中于外部损伤识别与硬度监测，内部TSSC预测虽已有初步探索，但仍受限于：①传统机器学习依赖人工特征工程，基于线性假设难以充分捕捉光谱信号与化学成分间的复杂非线性关系；②深度学习中常规一维卷积神经网络(1D-CNN)处理高噪声、小样本的农产品高光谱数据时，易受仪器边缘效应、果面曲率引起的基线漂移及散射干扰，难以区分真实化学吸收信号与背景噪声；③单尺度特征提取易丢失关键信息，且深度学习"黑箱"特性导致模型缺乏光谱化学意义上的可解释性。为此，研究人员提出一种集成多尺度特征提取与多尺度光谱注意力(Multi-Scale Spectral Attention, MSSA)机制的自适应卷积神经网络(MSSA-ACNN)，结合短波红外HSI技术实现枇杷TSSC的高精度、可解释无损预测。

【主要关键技术方法】

研究人员采集四川米易县'大五星'(Dawuxing)枇杷共300个(分3批次采收，各100个)，运回实验室25℃平衡8 h后，采用Gaia Sorter高光谱筛选系统(短波红外SWIR模块，1000–2500 nm，有效波段保留1000–2400 nm)采集 hyperspectral images，经黑白板校正获取反射率光谱，感兴趣区域(Region of Interest, ROI)取整个果面并在1200 nm波段分割、腐蚀后取均值代表单果光谱。TSSC用数字折射仪(PAL-1)测定(去皮去籽匀浆取汁，三次测量取均值，范围5.2–15.0 °Brix)。样本按联合X-Y距离算法(Sample set Partitioning based on joint X-Y distance, SPXY)以85:15划分为校正集255个与预测集45个，并辅以5折交叉验证。光谱预处理对比SG平滑、标准正态变量变换(Standard Normal Variate, SNV)、多元散射校正(Multiplicative Scatter Correction, MSC)、去趋势(De-trending, DT)及其组合，优选SG-MSC-DT组合。特征波长选取采用连续投影算法(Successive Projections Algorithm, SPA)、随机蛙跳(Random Frog, R-Frog)、无信息变量消除(Uninformative Variable Elimination, UVE)及竞争性自适应重加权采样(Competitive Adaptive Reweighted Sampling, CARS)；基准传统模型为PLSR、岭回归(Ridge)和支撑向量回归(Support Vector Regression, SVR，径向基核Radial Basis Function, RBF)；提出的MSSA-ACNN前端采用并行卷积核(k=7,5,3)多尺度提取后经自适应最大池化(Adaptive Max Pooling, AMP)，核心引入双通路[全局平均池化(Global Average Pooling, GAP)＋全局最大池化(Global Max Pooling, GMP)]的MSSA模块通过1×1卷积激励生成动态波段权重重标定，末端全连接输出TSSC预测值；训练中使用Dropout与L₂正则化(Adam优化器)防止小样本过拟合。模型性能以校正集决定系数(R_c²)、预测集决定系数(R_p²)、校正均方根误差(Root Mean Square Error of Calibration, RMSEC)、预测均方根误差(RMSEP)及残余预测偏差(RPD＝预测集标准差／RMSEP)评价。

【研究结果】

3.1. Region of Interest (ROI) Extraction

研究人员选取1200 nm波段灰度图进行自适应阈值分割生成二值掩膜，经形态学腐蚀消除果缘散射影响后对ROI内有效像素光谱取均值，获得代表单果的原始反射率曲线(1000–2400 nm)。

3.2. Spectral Preprocessing and Analysis

原始枇杷光谱在约1200 nm、1450 nm及1900 nm附近出现明显O–H与C–H倍频/合频吸收峰，但伴生基线漂移与散射。经对比不同预处理组合以PLSR评估，SG-MSC-DT联合预处理效果最优(R_p²=0.857，RMSEP=0.755，RPD=1.973)，故后续全部采用SG-MSC-DT预处理数据。

3.3. Machine Learning Modeling Based on Feature Wavelength Selection

经SPA(15波段)、R-Frog(25波段)、UVE(45波段)、CARS(30波段)降维后与PLSR/Ridge/SVM耦合建模，较全光谱模型RPD普遍提升至>2.0。其中SPA-PLSR表现最佳(R_c²=0.912，RMSEC=0.581；R_p²=0.888，RMSEP=0.725，RPD=2.235)，作为传统化学计量学基准模型。

3.4. Construction and Optimization of the Deep Learning Predictive Model

MSSA-ACNN直接输入SG-MSC-DT预处理后的全波段光谱，训练中采用高比例Dropout与权重衰减(L₂)，训练损失与验证损失同步收敛且无发散反弹，表明正则化有效抑制小样本过拟合，模型具备良好泛化稳定性。

3.5. Performance Evaluation and Ablation Analysis of the Proposed Model

3.5.1. Comparison with Traditional Machine Learning Benchmarks

MSSA-ACNN预测散点紧密分布于1:1线两侧，定量指标为R_c²=0.979，R_p²=0.942，RMSEP=0.505 °Brix，RPD=3.091，全面优于最佳传统模型SPA-PLSR(R_p²=0.888，RMSEP=0.725，RPD=2.235)。证明端到端深度学习结合多尺度卷积与MSSA注意力可有效挖掘光谱非线性映射并抑制噪声。

3.5.2. Ablation Study of the MSSA-ACNN Architecture

消融实验显示：Plain 1D-CNN(R_p²=0.916，RMSEP=0.646，RPD=2.726)；仅加多尺度卷积(R_p²=0.927，RMSEP=0.578)；仅加MSSA注意力(优于Plain CNN)；二者结合的MSSA-ACNN达最优(R_p²=0.942，RMSEP=0.505，RPD=3.091)，较Plain 1D-CNN的R_p²提升3.35%、RMSEP降低22.0%，证实多尺度模块与MSSA机制均对性能有正向贡献且具协同增效作用。

3.6. Five-Fold Cross-Validation

引入光谱Mixup增强与动态误差加权集成策略后，5折交叉验证平均结果为R_p²=0.876，RPD=2.809，各折变异较小，虽略低于SPXY独立测试集结果但仍RPD>2.5，进一步验证模型鲁棒性与泛化能力。

3.7. Interpretability Analysis and Chemical Significance

通过显著图(Saliency Mapping)可视化MSSA模块归一化注意力权重叠加于平均吸收光谱，发现模型重点关注四个与已知化学基团吸收对应的区域：1050–1100 nm(O–H弱倍频及组织散射相关)、1430–1470 nm(O–H伸缩振动一阶倍频，反映糖浓度波动引起的水—糖平衡状态变化)、~1900 nm(O–H合频带，反映水分状态及水—糖氢键耦合)，以及2100–2400 nm(C–H和O–H合频组合带，糖类特征吸收区，蔗糖/葡萄糖/果糖典型吸收波段)。注意力峰值与碳水化合物及水分相关特征吸收波段高度吻合，表明模型决策过程符合近红外光谱学已知归属，赋予深度学习预测结果物理/化学可解释性。

【讨论与结论翻译】

研究人员开发了一种结合HSI与可解释深度学习的MSSA-ACNN框架，用于枇杷TSSC的无损预测。通过集成多尺度卷积特征提取与双通路注意力机制，模型有效捕获全局光谱趋势与局部吸收特征，提升了对抗光谱变异与背景噪声的稳健性。基于SPXY划分的实验结果表明MSSA-ACNN优于传统化学计量学模型(PLSR、Ridge、SVM)，取得R_p²=0.942、RMSEP=0.505 °Brix、RPD=3.091；5折交叉验证独立证实了模型的稳定泛化能力。可解释性分析揭示模型聚焦于碳水化合物与水分吸收相关光谱区域，与已知近红外光谱特征相符，支持了方法物理关联性与可靠性。需注意当前MSSA-ACNN虽属轻量化架构，但其性能目前仅限于单一品种及受控实验室条件，工业应用面临跨品种、跨采收季及不同仪器间模型传递等挑战，未来需针对性开展模型鲁棒性与迁移性验证以实现在线工业分选系统集成。综上，本研究为枇杷TSSC实时预测提供了准确、稳健且轻量化的解决方案，展示了HSI结合可解释深度学习在农产质量评价中的应用潜力。