采集组隔离验证与数据响应驱动的深度光谱建模用于近红外高光谱感兴趣区域平均光谱：花椰菜种子品种与人工老化持续时间联合分类的案例研究

《Microchemical Journal》：Acquisition-group-isolated validation and data-response-driven deep spectral modeling for near-infrared hyperspectral ROI mean spectra: A case study of joint cultivar and artificial-aging-duration classification of cauliflower seeds

　　

•随机ROI分割会高估模型对未见采集事件的泛化能力。
•分组隔离验证涵盖了全部240个采集组。
•P2.5、P05和P10揭示了被平均OA所掩盖的低尾差异。
•原始光谱、固定预处理和ASC输入显示出依赖于骨干网络的结构化响应。
•SPM驱动了结构增益；ASC-SPM与原始SPM展现出不同的权衡。

引言

花椰菜（Brassica oleracea var. botrytis L.）是十字花科的一种蔬菜作物，在保护地栽培、露地生产及商业化育苗生产中具有重要的经济价值。种子是花椰菜大规模生产的起点，其质量直接影响发芽速度、出苗整齐度、幼苗成活率及后续生产的稳定性[1]、[2]。此前关于花椰菜种子活力的研究也表明，种子活力与幼苗生长及出苗表现相关[3]。与大型种子作物相比，花椰菜种子体积较小，难以逐粒处理。商业种子通常需要经过加工、包装、运输和储存，在此过程中温度与湿度条件、储存时长及批次来源均可能导致活力退化[4]、[5]。对于育苗生产和作物定植而言，种子批次质量不仅与最终发芽率相关，还与出苗整齐度、移栽质量及田间定植风险有关。因此，开发一种快速、无损且适用于批量检测的花椰菜种子质量分析方法，对种子质量评价、库存管理和生产风险控制具有重要的现实意义。

种子老化是一个多因素的质量退化过程，通常伴随膜损伤、活性氧积累、储存储备消耗、代谢衰退以及蛋白质、脂质和核酸等细胞组分的损伤[4]、[5]。传统种子质量评估主要依赖于发芽试验、加速老化试验、电导率测定、四唑染色试验、幼苗生长试验及相关生理生化测定[2]、[6]。发芽试验具有明确的生物学意义，因为它直接反映了种子产生正常幼苗的能力。电导率和相关生化指标可以从膜完整性或代谢状态的角度进一步解释活力差异。然而，这些方法通常需要较长的培养时间、密集的人工观察和标准化的生长条件，且部分测定具有破坏性或涉及复杂的预处理[6]、[7]。对于需要快速筛选和批量分选的商业种子而言，仅依靠传统检测不足以进行高通量、无损且及时的决策。

近红外高光谱成像（NIR-HSI）能够同时记录样本的空间位置和连续光谱反射率，被广泛用作农产品质量、安全检测及种子质量评价的无损分析技术[8]、[9]、[10]。近红外区域包含OH、CH和NH等含氢化学键的泛频和组合吸收信息，因此能够反映与种子水分状态、储存储备和结构变化相关的综合光谱响应[9]、[11]。与RGB图像相比，NIR-HSI提供了更丰富的波长信息。与单点近红外光谱相比，线扫描高光谱系统可以在一次采集过程中覆盖多粒种子，同时保留每粒种子的空间位置和轮廓。在对每粒种子的感兴趣区域（ROI）进行图像分割后，可以将ROI内所有像素的光谱平均化为一维光谱，用于后续的机器学习或深度学习建模[11]、[12]。

先前的种子光谱研究表明，活力、活力等级、品种、产地、缺陷和储存状态的差异可以在可见光-近红外或近红外光谱中形成可区分的响应[7]、[8]、[11]。在种子活力和活力检测方面，NIR-HSI已被用于甜瓜、玉米、日本小松菜和水稻种子的快速无损检测[7]、[11]、[12]、[13]。在老化和品种背景方面，关于自然或加速老化甜玉米种子以及跨品种小麦活力检测的研究也表明，光谱响应可能同时受到老化和品种背景的影响[14]、[15]。在近红外光谱分析中，传统的光谱建模流程通常包括光谱预处理、特征变量选择和分类模型构建。Savitzky-Golay平滑、导数变换、标准正态变量（SNV）变换和去趋势变换常用于降低噪声、散射和基线漂移[16]、[17]、[18]。PLS-DA、SVM和RF分别代表线性潜变量投影、基于核的学习和树集成方法，并为深度模型提供了基准参考[19]、[20]、[21]。近年来，一维卷积、残差网络、多尺度卷积、注意力机制和轻量级Transformer类模型越来越多地被用于光谱分类，因为它们能够从高维连续波段中自动学习局部吸收特征、跨波段关系和全局上下文[22]、[23]、[24]、[25]。因此，花椰菜种子的光谱分类不仅需要可靠的光谱采集和预处理，还需要适应一维连续光谱特征的深度模型。

在批量ROI平均光谱建模中，另一个容易被忽视的问题是数据分割策略。一次线扫描或样本装载事件通常包含多粒种子。尽管这些种子是不同的个体，但它们共享相同的照明状态、白平衡和暗电流校正、样品架背景、空间排列和仪器状态。如果将同一采集事件的ROI平均光谱以样本级别随机分配到训练集和测试集，那么同一采集组中相似的背景响应和系统响应可能在训练和测试过程中同时出现。因此，来自同一采集事件的ROI形成了具有组内依赖性的聚类数据结构。当一个组中的ROI被分配到不同的数据子集时，训练集和测试集会部分共享与采集事件相关的变异。机器学习研究反复指出，对于具有时间、空间、层次或实验批次依赖性的数据，应谨慎使用随机分割[26]、[27]。在光谱和高光谱场景中，随机抽样策略和空间或采集相关性可能导致评估偏差[28]、[29]；对于层次结构数据，分组或分块验证通常比简单随机交叉验证更适合评估对新数据的预测能力[30]。因此，在ROI平均光谱任务中，仅报告随机ROI分割下的平均OA可能不足以证明模型是否能够泛化到独立的采集组。样本级随机分割主要评估在训练集中已表征的采集条件下对新种子的识别能力，而采集组隔离验证则评估在同一实验域内对未见装载和扫描事件的泛化能力。现有的种子NIR-HSI研究主要关注光谱差异、预处理和模型精度；关于批量采集中事件级依赖性的直接定量证据，以及将这种依赖性与采集组隔离结果关联的分析仍然有限。

平均指标的局限性也需要关注。测试OA、Macro-F1和Kappa概括了整体判别能力，但它们无法显示较差性能是否集中在少数采集组中。当组间异质性存在时，平均性能可能掩盖较低水平的组级性能，且机器学习研究强调了最差组性能在可靠性评估中的重要性[31]。因此，在采集组隔离验证下，组OA的分布及其低尾分位数可以补充传统的平均指标，通过描述内部测试采集组之间的性能异质性来提供更全面的评价。

基于以上考虑，本研究采用一个由六个花椰菜品种和四个人工老化时长组成的24类联合分类任务，建立了针对NIR-HSI ROI平均光谱的采集组隔离验证和数据响应驱动的深度光谱建模工作流程。我们首先使用类内受限置换检验和嵌套ICC量化了共享的采集组光谱变异，并比较了固定五折随机ROI分割和固定覆盖五折采集组隔离所代表的两种内部泛化目标。接下来，在采集组隔离协议下，我们系统分析了传统模型和已发表深度学习骨干网络在原始光谱、折叠选择的固定预处理和ASC（raw）下的表现，评估输入校正和骨干结构在当前数据中的作用。最后，我们评估了结合自适应光谱校正（ASC）和光谱金字塔建模（SPM）骨干网络的ASC-SPM，并通过强基线比较、模块消融、联合标签的分因素汇总以及主要错误方向分析来考察其贡献和边界。

各节摘要

种子样本、人工老化和发芽参考

本研究使用了六个花椰菜种子品种，在文中和图中标记为A、B、C、D、E和F，分别对应白秀60、白秀80、白玉68、方正70、金云和美松70。每个品种选取2000粒种子，共计12,000粒。为建立平衡的品种-人工老化处理设计，每个品种的2000粒种子按老化时长分为四个老化类别，即0天、2天、4天和6天，每个类别包含500粒种子。

发芽响应、波段质量和ROI平均光谱表征

发芽试验结果见表1。在六个品种中，平均发芽率从0天的91.21%降至2天的67.50%、4天的41.71%和6天的27.38%，且每个品种均观察到0天 > 2天 > 4天 > 6天的排序。Friedman检验结果为χ2(3) = 18.00，p < 0.001，Kendall's W = 1.00，支持发芽率的整体有序下降。

同一老化时长下不同品种的发芽率存在差异。例如，在2天时，发芽率

讨论

结果首先表明，尽管单粒种子是生物学个体和分类对象，但共享的采集事件会形成聚类的光谱结构，这在验证设计中必须予以考虑。类内受限置换检验和分波段ICC揭示了真实采集组之间存在微小但可检测的共享光谱变异。随机ROI分割将同一采集事件的样本放置在不同的子集中，因此其测试结果同时反映了类别

结论

本研究建立了针对近红外高光谱ROI平均光谱的采集组隔离验证和数据响应驱动的深度光谱建模工作流程，并在一个由六个花椰菜品种和四个人工老化时长组成的24类联合任务中进行了评估。类内受限置换检验和分波段ICC为共享采集组光谱变异提供了直接证据。使用相同的固定覆盖五折数据链，固定五折随机ROI

作者贡献声明

王欣东：撰写—初稿，方法学，概念化。刘智奇：数据整理。谢震宇：调查。吴培增：项目管理。袁新明：可视化，软件。薛建新：撰写—审阅与编辑，监督。

利益冲突声明

作者声明，他们没有已知的与本文所述工作相关的竞争性经济利益或个人关系。

王欣东 | 刘智奇 | 谢震宇 | 吴培增 | 袁新明 | 薛建新