基于高光譜成像的陽山桃子產(chǎn)地鑒定

背景：

陽山地區(qū)的桃子是中國地理標(biāo)志保護(hù)產(chǎn)品，以其質(zhì)地鮮嫩，風(fēng)味誘人，營養(yǎng)豐富而聞名，特別是“白鳳”和“湖景”品種。桃子的摻假行為，會給消費者、生產(chǎn)商以及公眾對于品牌的真實性失去信心。然而，目前還沒有有效的方法來鑒定陽山地區(qū)的桃子。

光譜成像、高分辨率質(zhì)譜、核磁共振、近紅外光譜和Raman光譜是識別茶葉、蜂蜜、水稻、可可豆地理來源的重要工具。高光譜成像結(jié)合成像和光譜信息檢測目標(biāo)物外部或內(nèi)部屬性，是一種可靠的地理來源預(yù)測方法。將高光譜成像和機器學(xué)習(xí)相結(jié)合，可以對化學(xué)成分進(jìn)行分類。因此，高光譜成像技術(shù)可用于評估由特殊生長條件（如溫度、日照時間、降雨和土壤質(zhì)量）引起的桃子化學(xué)成分差異。盡管高光譜成像技術(shù)在其他農(nóng)產(chǎn)品地理來源分類方面取得了一定進(jìn)展，但其在桃子上的應(yīng)用仍面臨許多挑戰(zhàn)。

本研究的目的是探討高光譜成像在桃子地理來源分類和生理代謝分析方面的潛力，以確定鑒定陽山地區(qū)桃子地理來源所需的關(guān)鍵因素。本研究測定了不同產(chǎn)地桃子可溶性糖和有機酸代謝的差異；利用陽山桃高光譜反射率建立地理產(chǎn)地鑒別分類模型；對不同地理來源桃的不同生理代謝相互轉(zhuǎn)化導(dǎo)致的高光譜反射率差異進(jìn)行了解釋；驗證了組稀疏編碼分類器對陽山桃產(chǎn)地認(rèn)證的有效性。

試驗設(shè)計

南京農(nóng)業(yè)大學(xué)汪小旵教授團(tuán)隊利用GaiaSorter可見-近紅外高光譜成像系統(tǒng)（江蘇雙利合譜公司）獲取“白鳳”和“湖景”兩種桃子（產(chǎn)自陽山和南京）的高光譜影像。其波長范圍為380 - 1038 nm，波段數(shù)為520。為了從基礎(chǔ)上了解不同產(chǎn)地同一品種桃的生理變化，采集圖像后對碳水化合物、有機酸和礦物質(zhì)含量進(jìn)行了分析。具體流程如圖1所示。

組稀疏表示（Group sparse representation, GSR）已證明具有較為出色的模式識別能力，研究中使用GSR分類器對桃子的地理來源進(jìn)行分類。將計算得到的ROI均值光譜作為樣本。對于GSR分類器來說，一個判別性的組結(jié)構(gòu)字典是必不可少的，通過如下步驟構(gòu)建：對于每個類，隨機選擇一定的樣本進(jìn)行訓(xùn)練，并逐列排列形成子字典。其次，將不同產(chǎn)區(qū)同一品種對應(yīng)的子詞典級聯(lián)，構(gòu)建具有鑒別性的組結(jié)構(gòu)字典。當(dāng)給定未知來源的測試樣本時，我們將其分解為鑒別組結(jié)構(gòu)字典與繼承字典可鑒別性的GSR系數(shù)向量的乘積。系數(shù)由幾個相鄰的子集組成，每個子集中的系數(shù)都為零或非零。最后，通過評估哪一類重構(gòu)誤差*小來實現(xiàn)地理來源認(rèn)證。具體流程圖如圖2所示。

研究中使用GSR的主要原因如下：（1）GSR分類器在解決模式識別問題時優(yōu)于許多**的分類器，而桃子產(chǎn)地的認(rèn)證主要是一個模式識別問題。（2）組稀疏約束降低了稀疏表示系數(shù)的自由度，提高了稀疏編碼的速度，有利于實際生產(chǎn)中的實時處理。（3）由于字典具有連續(xù)結(jié)構(gòu)，因此可以使用較少實測樣本來恢復(fù)GSR向量α，從而推斷較少波段的光譜足以獲得良好的性能。

圖1 地理來源分類分析流程

圖2 基于組稀疏編碼的地理產(chǎn)地認(rèn)證方法

結(jié)論

從表1可以看出，來自陽山區(qū)域的桃總糖含量*高，來自南京地區(qū)的“白鳳”桃的總糖含量*低。不同產(chǎn)區(qū)同一品種桃的果糖、葡萄糖、蔗糖和總糖含量存在差異。同一產(chǎn)地不同品種桃的蔗糖和總糖含量相近。較高的晝夜溫差有利于糖的積累，3 - 6月桃子生長期間，陽山區(qū)的晝夜溫差高于南京。蘋 果酸、莽草酸和奎寧酸的含量在不同產(chǎn)地間存在差異，而檸檬酸的含量在不同產(chǎn)地間無顯著差異。糖酸比是指水果樣品中總糖與總有機酸含量的比值，它在很大程度上決定了水果的口感和風(fēng)味，糖酸比高的桃子比糖酸比低的桃子更甜。顯然，陽山地區(qū)桃子的糖酸比要高于南京地區(qū)?；ㄇ嗨嘏c果肉顏色有關(guān)。陽山地區(qū)桃的花青素含量低于南京樹，這也解釋了為什么“白鳳”的果肉比“湖景”的果肉更白。

通過對糖、酸、酚類物質(zhì)的分析，發(fā)現(xiàn)不同產(chǎn)地桃子的化學(xué)成分差異很大，因此可用近紅外高光譜技術(shù)捕獲足夠的差異信息來建立判別模型。

表1 兩種桃子碳水化合物、有機酸和花青素的比較

圖3四個類別桃子的可見-近紅外平均光譜。在400 - 1000 nm光譜范圍內(nèi)觀察到果實的普遍反射規(guī)律，450 - 550 nm附近的部分吸收來源于花青素。在1900 - 2500 nm范圍內(nèi)，反射率在0.1以下，說明該范圍內(nèi)的圖像信號噪聲較低，光譜反射信息不準(zhǔn)確。來自南京和陽山的“白鳳”在400 - 600 nm的反射率與來自南京和陽山的“湖景”有顯著差異。這種差異在1000 - 1900 nm范圍剛好相反。一種可能的解釋是400 - 600 nm的波長是可見光，這主要與桃子色素含量有關(guān)，包括葉綠素和花青素。A類花青素含量是C類花青素含量的4倍，高于B類與D類花青素含量之比。近紅外光譜往往相對準(zhǔn)確地對應(yīng)于化合物變化。在該范圍內(nèi)，B類的光譜反射率*高，D類的光譜反射率*低，反射率由強到弱的排列順序與糖酸比相同?？扇苄蕴呛恳诧@示了類似的結(jié)果。這表明與色素和化學(xué)成分相關(guān)的波長對地理來源識別的重要性。

圖3 四個類別桃子的平均光譜。（A：“白鳳”來自陽山，B：“湖景”來自陽山，C：“白鳳”來自南京，D：“湖景”來自南京）。

使用留一交叉驗證計算六種算法的平均分類精度（表2）。在所有分類器中，GSR分類器在所有情況下的總體分類精度*高。在所有波長范圍內(nèi)，“湖景”的分類精度都高于“白鳳”。“湖景”在1000 - 1900 nm波段的分類精度大多優(yōu)于400 - 1000 nm波段的分類精度，這可能是由于1000 - 1900 nm波段的光譜反射信息中含有與可溶性糖含量相關(guān)的判別因素。

圖4（A）可以看出，A類的少數(shù)訓(xùn)練樣本具有較大的系數(shù)，而C類的訓(xùn)練樣本具有很少的非零系數(shù)。從圖4（B）可以看出，A類重構(gòu)殘差最小（1.12），而C類重構(gòu)殘差很大（134.98）。根據(jù)GSR分類器的決策規(guī)則，判斷測試樣本為A類，與地面真實值一致。

表2 六種分類方法的分類精度

圖4 A類測試樣本的組稀疏表示分類器系數(shù)（A）以及相對于A類和C類的重構(gòu)殘差（B）

GSR分類器的成功依賴于每個類有足夠的訓(xùn)練樣本，這些樣本跨越了一個子空間，使得這個類的任何樣本都位于這個子空間上。如果假設(shè)不成立，GSR分類器很可能會失敗。因此，有必要評估訓(xùn)練樣本數(shù)量對分類結(jié)果的影響。如圖5所示，更大的注冊規(guī)模導(dǎo)致更高的分類精度；注冊規(guī)模大于或等于10足以確保GSR分類器達(dá)到95%以上的準(zhǔn)確率。當(dāng)注冊規(guī)模為5時，分類準(zhǔn)確率僅為82%，這意味著假設(shè)不成立。

綜上所述，本研究發(fā)現(xiàn)陽山地區(qū)的桃子總糖含量和糖酸比較高，可能與晝夜溫差較大有關(guān)。400 - 1000 nm是判別陽山地區(qū)果實的有效波段，與花青素和其他色素含量有關(guān)，而近紅外波段（1000 - 1900 nm）蔗糖和酸類是判別不同桃品種的重要波段。本研究將提出的GSR分類器與其他五種分類器進(jìn)行了比較，結(jié)果表明，GSR分類器實現(xiàn)了99.3%的總體分類精度。將高光譜成像技術(shù)與生理代謝分析相結(jié)合，有助于陽山地區(qū)桃子的產(chǎn)地鑒定。

圖5 GSR分類器的分類精度與每個類別樣本數(shù)量之間的關(guān)系

作者信息

汪小旵，博士，南京農(nóng)業(yè)大學(xué)工學(xué)院教授，博士生導(dǎo)師。

主要研究方向：作物信息智能化檢測、農(nóng)業(yè)裝備智能化控制。

參考文獻(xiàn):

Sun, Y., Li, Y.H., Pan, L.Q., Abbas, A., Jiang, Y.P., & Wang, X.C. (2021). Authentication of the geographic origin of Yangshan region peaches based on hyperspectral imaging. Postharvest Biology and Technology, 171, 111320.

https://doi.org/10.1016/j.postharvbio.2020.111320