紅外光譜結(jié)合化學(xué)計(jì)量學(xué)鑒別西紅花的產(chǎn)地

背景介紹西紅花作為名貴香料，不僅有“香料皇后”的美譽(yù)，在膳食、園藝、染色和醫(yī)藥行業(yè)也有廣泛的應(yīng)用?，F(xiàn)代研究表明，西紅花的品質(zhì)與生產(chǎn)地域密切相關(guān)，不同產(chǎn)地西紅花的品質(zhì)和價(jià)格存在較大差異。盡管液相色譜、氣相-質(zhì)譜聯(lián)用等多種化學(xué)分析技術(shù)用于西紅花的產(chǎn)地鑒別，但這些方法存在耗時(shí)長(zhǎng)、價(jià)格高且技術(shù)要求嚴(yán)格等現(xiàn)實(shí)問題。本研究綜合利用近、中紅外光譜技術(shù)并結(jié)合化學(xué)計(jì)量學(xué)方法，分別建立近紅外、中紅外及近中紅外融合光譜模型，優(yōu)選出判別西紅花產(chǎn)地的最佳模型，并采用MWPLS提取光譜特征區(qū)間來提升建模速度和分類精度。本研究方法具有便捷快速、無需前處理、低成本等優(yōu)點(diǎn)，可實(shí)現(xiàn)快速、無損且準(zhǔn)確的產(chǎn)地識(shí)別，具有廣闊的市場(chǎng)前景。文章亮點(diǎn)01.將近、中紅外光譜數(shù)據(jù)進(jìn)行融合，以獲得更為豐富和全面的樣品信息，提升判別模型的準(zhǔn)確率和穩(wěn)定性；02.多種預(yù)處理方式（SG平滑、SNV、MSC、D1、D2）結(jié)合多種模式識(shí)別方法（PLS-DA、DT、SVM）實(shí)現(xiàn)了不同產(chǎn)地西紅花的準(zhǔn)確識(shí)別；03.采用移動(dòng)窗口偏最小二乘法（MWPLS）提取光譜特征區(qū)間，可以剔除與分類無關(guān)以及干擾分類的無用信息變量區(qū)間和非成分相關(guān)因素的影響，提升建模速度和分類精度。內(nèi)容介紹1實(shí)驗(yàn)部分1.1

主要儀器與試劑1.2

光譜采集1.3

光譜預(yù)處理與特征波段提取1.4

化學(xué)計(jì)量學(xué)分析采用偏最小二乘判別分析（PLS-DA）、決策樹（DT）和支持向量機(jī)（SVM）等3種方法分別建立分類模型，比較不同預(yù)處理方式搭配不同模型對(duì)西紅花不同產(chǎn)地樣品的識(shí)別準(zhǔn)確率。1.5

數(shù)據(jù)分析本研究所用預(yù)處理、特征波長(zhǎng)提取、主成分分析（Principalcomponentanalysis,PCA）及混淆矩陣的可視化基于Matlab2020a（MathWorks,

美國(guó)）運(yùn)行，分類模型的建立及AUC的計(jì)算基于R語言4.0.4實(shí)現(xiàn)。2結(jié)果與分析2.1

5種產(chǎn)地西紅花的平均光譜曲線圖西藏、河南、上海、浙江與伊朗5個(gè)不同產(chǎn)地西紅花樣本近中紅光譜曲線如圖1所示。2.2

預(yù)處理方法的選擇將5個(gè)產(chǎn)地?cái)?shù)據(jù)集的原始光譜及經(jīng)SG平滑、MSC、SNV、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)預(yù)處理后的數(shù)據(jù)作為輸入變量，計(jì)算PLS-DA、DT、SVM三種分類方法的準(zhǔn)確率（表1）。2.3

基于全波段光譜數(shù)據(jù)的分類模型比較2.3.1

分類準(zhǔn)確率為了進(jìn)一步選擇合適的分類模型，以不同預(yù)處理方法結(jié)合PLS-DA、DT及SVM等3種分類模型，并使用分類準(zhǔn)確率（包括訓(xùn)練集、測(cè)試集）結(jié)果來評(píng)估，其最優(yōu)結(jié)果見表2。2.3.2

ROC曲線和混淆矩陣ROC曲線下面積AUC，用于評(píng)價(jià)分類問題中模型性能或者泛化能力（表3）。2.4

提取特征波段

特征波段的提取采用移動(dòng)窗口偏最小二乘法（MWPLS），即設(shè)置一個(gè)窗口數(shù)大小為H（本研究設(shè)置為20）的光譜區(qū)間，在全波段光譜內(nèi)連續(xù)移動(dòng)。3討論基于分類準(zhǔn)確率、ROC曲線下面積AUC及混淆矩陣多重評(píng)價(jià)指標(biāo)，近、中紅外和融合光譜三類數(shù)據(jù)集的最優(yōu)模型均為SG平滑預(yù)處理方式-偏最小二乘判別分析法（PLS-DA-SG）。在進(jìn)行特征波段選擇優(yōu)化建模后，其產(chǎn)地識(shí)別最優(yōu)模型為近紅外光譜-SG平滑預(yù)處理方式-偏最小二乘判別分析（NIR-PLS-DA-SG）。4結(jié)論采用近中紅外光譜與化學(xué)計(jì)量學(xué)相結(jié)合對(duì)不同產(chǎn)地西紅花樣本進(jìn)行產(chǎn)地判別，首先采集了5個(gè)產(chǎn)地西紅花樣本的近紅外光譜與中紅外光譜，然后使用SG平滑、多元散射校正、標(biāo)準(zhǔn)正態(tài)變量變換、一階導(dǎo)數(shù)和二階導(dǎo)數(shù)對(duì)原始光譜進(jìn)行預(yù)處理，再應(yīng)用了3種模式識(shí)別方法（PLS-DA、DT和SVM）基于近紅外光譜、中紅外光譜、近中紅外融合光譜對(duì)西紅花的產(chǎn)地進(jìn)行了識(shí)別。還采用MWPLS提取光譜特征區(qū)間來提升建模速度和分類精度。結(jié)果表明，近紅外光譜、中紅外光譜與融合光譜的最佳模型組合均為基于SG平滑預(yù)處理的PLS-DA，其測(cè)試集準(zhǔn)確率分別達(dá)到94.00%、94.00%和96.00%。另外，MWPLS的單一光譜技術(shù)可以精簡(jiǎn)、優(yōu)化模型，實(shí)現(xiàn)對(duì)不同產(chǎn)地西紅花的