基于近红外光谱结合迁移学习的多产地库尔勒香梨可溶性固形物含量高效检测方法

《LWT》:An efficient detection method for Soluble solids content of multi-origin Korla fragrant pears based on near-infrared spectroscopy combined with transfer learning

【字体: 大 中 小 】 时间:2026年07月11日 来源:LWT 6.0

编辑推荐:

  研究人员开发了一种高效检测多产地库尔勒香梨可溶性固形物含量(SSC)的方法。结合近红外光谱(NIR)和迁移成分分析(TCA)实现了跨区域库尔勒香梨数据集的模型迁移。SGFD-TCA-SVR模型在各种迁移策略中表现出优越的迁移性能。仅使用25%的迁移样本,多源模

  
研究人员开发了一种高效检测多产地库尔勒香梨可溶性固形物含量(SSC)的方法。结合近红外光谱(NIR)和迁移成分分析(TCA)实现了跨区域库尔勒香梨数据集的模型迁移。SGFD-TCA-SVR模型在各种迁移策略中表现出优越的迁移性能。仅使用25%的迁移样本,多源模型就能获得令人满意的结果。
### 研究背景与问题
库尔勒香梨(*Pyrus sinkiangensis* Yü)以高糖、薄皮、多汁著称,其可溶性固形物含量(SSC)是影响消费者购买意愿、货架期和市场定价的关键品质指标。传统采用糖度计测量SSC的方法操作繁琐、耗时且具破坏性,难以应用于大规模样本检测。近红外光谱(NIR)作为一种高效、无损技术已被用于梨的SSC检测,但构建预测模型需要大量标注数据,且不同产地的生长环境(如气候、土壤、灌溉方式)会导致光谱特征分布差异,使模型在跨产地应用时泛化性能显著下降。迁移成分分析(TCA)作为一种经典迁移学习方法,可利用源域和目标域间的数据相似性迁移知识,从而降低模型在新场景下的标注和建模成本。然而,目前尚无研究将NIR光谱与TCA结合用于库尔勒香梨SSC的高效检测。因此,该研究旨在系统评估不同建模和迁移策略对多产地库尔勒香梨SSC预测模型泛化能力的影响。

### 研究内容与结论
研究人员从中国五个产地(阿拉尔市ALR、阿克苏市AKS、库尔勒市阿瓦提乡AWT、库车市阿拉哈格镇KC、库尔勒市哈拉玉宫乡HLYG)采集共2000个库尔勒香梨样本,使用便携式NIR光谱仪(NIRmagic3500)采集900–1800 nm光谱数据,并用糖度计测量SSC值。通过比较五种预处理方法(Savitzky-Golay一阶导数SGFD、Savitzky-Golay平滑SGS、向量归一化VN、最小-最大归一化MMN、多元散射校正MSC),确定SGFD为最优预处理方法。构建三种基础模型:偏最小二乘回归(PLSR)、支持向量回归(SVR)和卷积神经网络-长短期记忆网络(CNN-LSTM),并提出四种迁移方法(基础模型、预处理增强模型、TCA基础模型、预处理-TCA协同模型)。在三种迁移案例(跨模型迁移、模型更新、多源检测)中评估了12个模型的预测性能。结果表明,SGFD-TCA-SVR模型在所有策略中表现最佳:跨产地预测时平均决定系数R2为0.55,均方根误差RMSE为0.537%;仅用25%目标域样本更新模型时,平均R2达0.77,平均RMSE为0.372%;同样比例构建的多源检测模型平均R2达0.80,平均RMSE为0.360%。外部验证(温宿县WS产区)中,SGFD-TCA-SVR模型R2为0.76,RMSE为0.568%,显著优于其他模型。该研究发表于《LWT》,为多产地库尔勒香梨SSC快速检测提供了高效、经济、鲁棒的解决方案,对推动水果无损检测技术的实际应用具有重要意义。

### 关键技术与方法
研究人员从五个产地(ALR、AKS、AWT、KC、HLYG,各400个样本)采集库尔勒香梨,使用便携式近红外光谱仪(NIRmagic3500,波长900–1800 nm,1 nm间隔)采集光谱,并用便携式糖度计(LB32T)测量SSC。预处理方法比较了SGFD、SGS、VN、MMN、MSC,以SGFD最优。基础模型包括PLSR(潜变量数1–15)、SVR(径向基核函数RBF,贝叶斯优化)和CNN-LSTM(两层卷积,卷积核大小10)。迁移方法基于TCA,通过最大均值差异(MMD)最小化源域和目标域边际分布差异,映射至再生核希尔伯特空间(RKHS)。超参数优化使用网格搜索(子空间特征数50–100,正则化参数0.1–1,带宽参数1–10),以R2和RMSE为评价指标,10折交叉验证。模型更新和多源检测策略中,转移样本比例从5%至100%逐步测试。

### 研究结果
#### 3.1 多产地库尔勒香梨数据集的描述性统计
研究人员将各产地数据按7:3随机分为训练集和测试集。不同产地SSC分布存在显著差异,训练集SSC范围9.05–14.90%,变异系数6.17%–7.79%;测试集SSC范围9.85–14.60%,变异系数5.51%–7.74%。各产地样本SSC近似正态分布,均值约12%,表明样本具有良好自然变异和代表性,为后续迁移研究提供数据基础。

#### 3.2 不同产地库尔勒香梨样本的光谱差异分析
平均光谱显示各产地趋势一致,在980 nm、1200 nm和1420 nm附近有吸收峰,分别对应O-H二级倍频、C-O伸缩和O-H弯曲组合频、O-H一级倍频。主成分分析-多变量方差分析(PCA-MANOVA)表明,前四个主成分累计方差贡献率99.924%,产地间光谱数据存在极显著差异(Wilks' Λ=0.573,F=76.101,p<0.001),说明环境差异导致光谱分布偏移,需发展跨产地高效检测方法。

#### 3.3 不同预处理方法对各产地局部模型的影响
基于PLSR、SVR、CNN-LSTM构建各产地局部模型,比较五种预处理方法。SGFD方法结合三种模型(SGFD-PLSR、SGFD-SVR、SGFD-CNN-LSTM)表现最佳,平均R2分别为0.86、0.87、0.80,平均RMSE分别为0.354%、0.337%、0.369%,其中SGFD-SVR最优,确定SGFD为最佳预处理方法。

#### 3.4 模型跨产地迁移性能评估
局部模型(同源训练测试)预测精度高,SGFD-SVR平均R2为0.85,平均RMSE为0.308%。但基础模型和预处理增强模型在跨产地时性能显著下降甚至失败。引入TCA后,TCA-PLSR、TCA-SVR、TCA-CNN-LSTM平均R2为0.40、0.46、0.35;SGFD-TCA协同模型进一步提升,SGFD-TCA-SVR平均R2为0.55,RMSE为0.537%,较SVR模型R2提升96.4%,RMSE降低20.4%,表明预处理与TCA协同显著改善跨产地预测性能。

#### 3.5 模型更新策略下的预测性能评估
将目标域训练集不同比例(5%–30%)样本作为转移样本加入源域训练集。当转移样本达25%(40个样本)时,SGFD-TCA-SVR模型平均R2为0.77,平均RMSE为0.372%,与用全部转移样本(100%)的结果相当,说明通过少量样本更新即可有效降低域间分布差异,节省75%采样成本。

#### 3.6 多源模型策略下的预测性能评估
将各产地训练集样本按25%、50%、75%、100%比例融合构建多源模型。SGFD-TCA-SVR模型在25%转移比例下,对各产地测试集平均R2为0.80,平均RMSE为0.360%,与100%比例结果相当。具体地,AKS、ALR、AWT、KC、HLYG的R2分别为0.81、0.72、0.82、0.82、0.83,RMSE分别为0.353%、0.364%、0.371%、0.335%、0.376%。多源模型显著优于单源模型,实现了高效低成本的跨产地SSC检测。

#### 3.7 模型可解释性
使用SHAP方法分析SGFD-TCA-SVR模型,关键波长集中在920–974 nm、1107–1166 nm、1290–1431 nm、1461–1605 nm、1642–1794 nm,其中1136–1147 nm和1398–1405 nm贡献最大。这些波段与C-H伸缩和O-H组合(碳水化合物)及O-H一级倍频(水分)相关,表明模型能够学习SSC相关特征,且不同产地关键波段高度一致,验证了方法的泛化能力。

#### 3.8 外部验证
使用WS产地120个样本验证多源模型,SGFD-TCA-SVR模型在测试集上R2为0.76,RMSE为0.568%,优于SVR(R2=0.47)、SGFD-SVR(R2=0.53)和TCA-SVR(R2=0.70),进一步证明SGFD与TCA结合能有效降低域间分布差异,提升模型对新产地数据的适应性。

### 讨论总结
讨论部分指出,不同产地光谱特征差异(如ALR砂质土壤导致糖积累增强、水峰减弱)是模型迁移困难的主因。SGFD-TCA-SVR模型通过SGFD去除基线漂移并增强TCA特征提取,有效减小域间分布差异。在模型更新策略中,仅需25%目标域样本(40个)即可达到与全样本相近效果,节省大量标注成本。多源模型策略证实,融合少量样本的多源模型性能与全样本模型相当,平均R2达0.80。外部验证进一步确认了方法的鲁棒性。研究局限性包括:仅验证单一品种、未考虑仪器差异、未进行异常值剔除。未来可拓展至更多品种和产地,改进TCA或探索新型迁移学习技术,并引入异常值检测以提升模型泛化能力。

### 结论翻译
本研究提出了一种基于近红外光谱和迁移学习的库尔勒香梨可溶性固形物含量高效检测方法,可显著提升模型的跨产地预测性能。该方法构建的SGFD-TCA-SVR模型在不同迁移策略下表现最优。在跨产地预测任务中,该模型在测试集上平均R2为0.55,平均RMSE为0.537%。此外,仅使用25%目标域样本进行模型更新,各产地平均R2达0.77,平均RMSE达0.372%。在同样转移比例构建的多源检测模型中,测试集平均R2和平均RMSE分别达0.80和0.360%。该方法以极低的采样需求实现高精度预测,显著降低了实际生产中的采样成本和模型构建的标注成本,有效增强了多产地数据集的泛化能力。本研究为库尔勒香梨快速品质检测提供了高效、经济、鲁棒的解决方案,对推动水果无损检测技术在农业生产中的实际应用具有重要意义。未来可将该方法推广至不同水果品种的品质预测场景,为农产品无损检测技术的智能化发展提供技术指导。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号