基于遗传算法的苹果糖度近红外光谱分析_图文

1、第28卷,第lo期2008年10嚣光谱学与光谱分析"Col。28,N&lo,pp2308-2311Spectroscopy and Spectral Analysis Octobert2008基于遗传算法的苹果糖度近红外光谱分析至加华,韩东海中国农业大学食品科学与营养工程学院,北京100083摘要遗传算法(GA应髑攘德最小二乘法(PLS校正模型的波段优化选择中具有显著的效果。将遗传算法霉予浚获选择,薤更抉这蘩簸砉荛舞,毒效摄囊溅蘩猿褒,藏步建搂黪攥交量。文章酝究了农运红终莩栗壤度无损检测中,遗传算法俸为模块进行渡段选择,建立了GA-PLS横楚;为了说鼹遗传篱法优选渡段可行性,

2、另外建立了全谱和经骏谱区的PLS定量模型,并评价了模型的稳健性。首先对傅爨叶变换近红外光谱进行多冗散射校正、Savitky-Golay卷积平滑盾,用遗传算法优选波段(R-SGA,参与建模数据点从原始1550减少到434个。然后采用一阶导数光谱建立GA-PLS模型,相比全谱PLS(1550个数据点和经验谱区PIS(717个数据点摸型具露燹嵩戆预测壤度,其建摸结果为Rc一0.966,RMsEC=o。469,Rv=乳954, RMSEP=0.797。结栗表暖,遗传算法霹震子PLS法建立苹栗穗蠹较豢镤鳖蒗懿数蘩捷纯露透,有效提高蘸量精魔,并减少建模变量。关键词遗传算法傅里叶变换近红外光谱;波段选择;偏

3、最小二乘法I糖度;苹果引言在多元校正分析中,波长选择方法主要有相关系数法、方差分析法、逐步强归法、无信息变黧漕除法(UVE、闽黼镶最枣二乘法(interval PLS,i班S>、蘧传算法(genetic algo-rithras,GA等,其中GA是应用较广泛的一种波长选取方法。遗传算法1借鉴生物界自然选择和遗传机制,利用选择、交换和突变等算子的操作,随着不断的遗传迭代,使目标函数值较优的变量被保留,较差的变量被淘汰,最终选到最霞结果,是一静鑫适应寤发式全球搜索(Global search算法。遗传算法已成凌建瘸予近薮终分褥中静渡长遥摄湖袋其谱图解析口】。偏最小二乘法已广泛用于近靓外光谱检

4、测水果糖度睁”。当建立光谱预测模型时,需黉确定特定组分的特征波段,减小建援和预测运算时阔,以及剽除噪声污染道火购灌送等。在巍谱努爨孛,天纛将遗黪算法震予渡长选择(麓称WSGA帮谱激选择(篱称R_SGA,提高了分析结果准确性r1”。W-SGA每个波长对应一个蒸因,对于P个波长,那么染色体就有声个基因,如果波长数目较大时,遗传算法的染色体的基因俄数就很多,从而使优化搜索空间十分匮大融。对予遥缝外光谱分析,建纛PLS模鍪往往不嚣簧选择具体的波妖点,只需要选择浆燎波段,本文采用一种基于遗传算法的避红外光谱波段选择方法(R-SGA。采集苹果近红外漫反射光谱,研究了采用遗传算法对建模波段进掰傀他(R-SG

5、A后,建巍遗传优他谱区偏最小二乘法(GA-P嗡攒登,劳弱嚣建囊了全谱馕最夺二乘法(FS-PLS程经验谱区偏最小二乘法(骆PtS模型。鲢:较了3个模型的稳健性及预测性,将遗传算法用于PLS法建激苹果糖度校正模型前的数据优化筛选,材效提高了测量精魔,并减少了建模变避。1实验糖精耪方法1.1实验材料供试榉晶为市售山东烟台级富±苹果,无明显外部缺陷,颜色较均匀,直径范围为76.884.6锄,平均僮为豁。2蕊,糠疆镛差3。21。实验瓣褥苹果置于实验窒8h(26,辐jf季滠麓64%,苹果样晶豹髭潜采集稻标准德溯定当天完成。总样品数为165个,其中124个样品作为建模集,剩余样品作为预测集。1.2

6、光谱采集羧甍蓦蘩:2007-09-06,繁努塞期:200712-08基金项重:国家瞧然科学基金项露(30571073资蘑作者简介:壬加华,1979年生,中国农业大学食品科学与营养王程学院博士研究生e-rrmih W.jiahua163.toni *通矾联系人e-maill caundtcau edu.m笫10期光谱游与光谱分析裁震AntaHs倦黧瑟变换遥红舞必瀵饺(Thermo Nico-let采集苹果的漫艇射光谱,光谱范围100004000啪-,分辨率为8.0crfl,扫描32次取平均,使用InGaAs检测器。每个样品采集赤道对称均匀4点,避免明显的表面缺陷, 4条谱线的平均值作为样品光谱。

7、1。3耘建蓬测定苹栗的耱度测寇爨俸参照食瑟卫生稳验方法瑾亿帮努蕊则(GBPT500911-2003。用手持WZll3型折射仪(北京万成北增精密仪器公闭测量苹果糖度,读数结果为。Brix。表1为建模集和预测集样品糖度的统计结果,可以看出样品具有较好代表往,分布藏爨较宽,预测集榉赫信息装建模集历涵一l目.6mmle1Statistics of soluble soil凼content(Ssc,。Brixmilreis-ured by the st铷tldard methods for the calibration andvalidation sets of apples参鬟群品数乎翅攥c最夭篷最

8、小疽橱溅镳差变算系数/彰建摸集12413。酾17.19。91。6912。341.4遗传算法波段选择原理R-SGA是将愿黛谱区间按照某种方法分割成一定数嗣黪子送翔(这里嚣弱数弱远套:渡长点数嚣,显然,翔暴褥企谱区间分割辩各乎隧闻的渡长点数均为1时,R-SGA就变成W-SGA,即W_sGA是R-SGA的特例。遗传算法在近筑外光谱波段选择中的生要步骤为,(1编码,每个子区间为一个基因,对糖因进行o_1二进裁缝玛,著基因编为l,建模时包括迎波段;若为0,不包括鐾l:滚段。一释l绫磷缝会称秀一条豢愁搭,染耄薅长麦隽教编码的子区闯数。(2选择初始群体,假如初始群体包宙N个个体,每一个体的染色体长度为m,则

9、初始群体的选择方法为随机产生N个掰位的Ol二避制数作为初始群体。<3适瘟蕴基数,皋臻交互验证法嘲详掺模型豹预测魏隽。评蘅撵标鸯PLS交叉校验甄测壤毒轹穗篮静穰关系数,以及预测标准偏藏RMSEP。如果RMSEP值越小,r值越火则校正模型的预测能力越好。为了使遗传算法对适应值较高的个体有更多的嫩样机会,对评价指标变换得到适应值函数为:F一,-/(1+RMSEP,(4复裁,复麓豹繁皤是羧。轮盘戆”瓣方式透秀歪跑选撵。(5交叉,采用的交叉方式为普通单点交叉方式1“。(6变异,变异方式是以一定概率产嫩发生变异的基网数,用随机方法选出发生变异的基因。如果所选的基因的编鹦势1,裂变为O发之编秀为0,粼

10、交势1。本文选取基本变霞篝子。重复(4(6麓嫩大繁殖代数时停庶。2结果与讨论2.1光谱数据预处理图l为所有苹果样品豹原始光谱圈,可以看出在整个光谱区100004000GTI-1(1558令数爨点都毒较亵揍噤援:,但是光谱基线漂移严重。霉甚宴翼。一Wave nuraber/cral魄1NIR o.季nal印ecI糖of all apples为了去除高频随机噪声以及样本不均导致的基线漂移的影响,采用TQ6.2软件(Thermo Nicolet对原始光谱进行预处理。先用卷移平滑法(Savitky-Golay smoothing,选用平滑富盈为7,滤躲藏频噪音l再对必港进行多元敦射授蔗(潞D整理+演狳

11、毙翟及鬏毂大冷差雾雩l莛豹萋线溅移口7一“。图2鼹|处理后的光谱曲线,可以看出苹果样晶不均,而产生的基线垂直方向的漂移蕊本消除。8000S0004000Wave numherttnn-tFig.2NIR￥1ec41"11after S-G smoothing and MSC2-2遗传算法谗医选择遗黄算法计筹程序蘑Visual C+S.0编写。去簿光潜妥尾鑫4令数箨壤,将整令隽灌麓分为2S拿子嚣霞,霉令予区间有62个数播点,按1.4步骤进行簸优光谱区间选择。遗传算法的参数设定为:种群大小30,最大繁殖代数50,交藏概率0.6,变异概率0.01。R-SGA进化过程如图3所示,农豕剃当前进

12、化代为出的最佳令薅逶应度r/(I+RMSEP熬燮德趋势。当遂l:到第38代对,最佳令体遥应度不再增糯(鄄糨关系数r苓再壤麴, RMSEP也不褥减小,表明已经搜索到最优解。图4为缝过R-鼢运算盾的波段选择结果.缀过遗传算法优化出的最佳个体染色体为000100001i000001100101000。染色体巾“1”987654,3lllllll哥o2310光谱学与光谱分析第28卷的个数为7,表示预分的25个区闯中保馨7个子区间,总波长点数为62X7=434,秀摆援邻(连续为。l”戆予区闻台并惹,新保餐懿谱区鸯5毅,鄄92809040激,80807600C1TI-1,64005920cm-1,5440

13、5200Cl"fl,49504720,如图4所永。?t爿-,-“;:乐I010203040Evolutionary generationFig.3Evolution process of R-SGA2.3搂墅建立。采用一阶导数必潜分别建立全谱模黧(FS PLS、经验波段模型(ES-PLS和遗传算法波段选择模型(GA-PLS。其中骆PLS模型的光谱范围选择基于经验法,建模过程中最健因子采用交互验诞法所得的预测残惹平方和(PRF。SS确定。Fi晷4Spectral region selection accomplished by R-SGA表2孛霹黻漤凑,3令模登建模黪&秘岛均在

14、0。95戮上,建模菰醺镟夔(RS蕊麓,I、警0.5。其孛硌pS模型所用数据点为1550,通过经验法对波段选择后的ES PLS 模型所用数据点为717,其模型的稳健性优于FS-PLS。缎遗传算法波段优化(R-SGA后的模型G瓜PLS建模所用数据点仅必434个,缀预测的檑关系数达剃&954,RMSEP为0,797,垮徒手FS-PLS纛ES-PLS鬏瀵。逡黄算法霞选豹滚段与样品中装溅成分有关,渡段傥纯瑟太大减步了参与建模变量,说明光谱信息得到了充分利用,同时克服了光谱数据与成分含量的多黧线性关系,从而使预测精度得到一定的摄高。可以看出近红外光谱技术检测苹果糖度时,遗传算法用予波段选择是霹锊躯

15、。Table2Statistic results by FS-PLS。ES-PLS and GA-PLS建模方法所选波段数据点数建榄因子数建模集预测集髓RMSEC脚RMSEPFsPl5 ESPlSGA-PLS g992-二400894269011762l?345678858185677526049784534928090408髂O?6S4005920S440520049604720l550717540.9800.990o.4480.341如946氇9510.9813结论遗传算法在组台优化问题上具有很失的搜索优势,适应蚀广。将遗传算法用予波段选择,能更快达到最优解,有效提高测量精度,减少建模所用

16、变量。本文主要研究了在近红外光谱苹果糖度无损检测中,遗传算法作为模块进行波段选择的可行性;同时建立了FS,Es,GA曼种波段选择方法下的PLS定量模黧,弗谭徐了模型的稳镶性。采矮一狳警数毙谱建立匏GA_PLS挨鍪,魄FS PLS髑ES-PLS模型具有鞭好的预测精魔,其建模结果为Re一0.966,RMS日CO.469,Rp=O.954,RMSEP=0.797。表明遗传算法用于PLS法建立苹果糖度校正模型前的数据优化筛选,可有效提离测量精度,并减少建模变量。" %晒¨¨姑旺o 第10期光谱学与光谱分析2311i234567891011 123

17、18参考文献Honand J I-t Adaptation in Natural and Artificial Systems,Umversity of Michigan Press,Ann Arbor,M1,1975.AKco￥M J,Ortiz M C,Belen Villaboz,et aL AL Chim.Aeta,1997,339:63.Lj T H,Lucasius C B,Katemen G.AnaL Chim Acta,1992,268:123.Bangalore A S,Shaffer R E,Small G w.AllaL Chem.,1996,68l4200.Brandy

18、eM Smith,Paul J GemperlinE AnaL Chim.Acta,2000,423:167.GU Xiao-yu,XUKe-xinWANG Yan(谷筱玉徐可欣汪喃.Spectroscopy and Spectral Analysis(光谱学与光谱分析,2006,26 (9;1618.LIU Fang,WANG Jun-de(刘芳,壬俊德.Spectroscopy and Spectral Analysis(光谱学与光谱分析,2001,21(3l331.LIU Yen-de,YING Yibin,FU Xia-I】iIng(刘燕德,应义斌,傅霞萍.Spectroscopy a

19、nd Spectral Analysis(光谱学与光谱分析,2005,25 (1I:1793.ZHAOJie-wenZHANG Hai-dong,LIU Mtrhua(赵杰文,张海东,刘木华.Acta Optica Sinica(光学学报,2006,26(1:136. Kawano St Watanabe H,1wamoto M Joumal of the Japanese Society for Horticultural Science,1992,61(2:445.Lu R,Ariana D.Applied Eng.Agric,2002,18,(5l585.Lammertyn J,Nico

20、lai B,Ooms K Tran&American Society of Agricultural Engineer(僦,1998,41(4l1089.ZHU Shi-pin8,WANG Yi-ming,ZHANG Xiao-chao,et al(祝诗平,王一鸣,张小超,等.Transactions of the Chinese Society for Ag小eultural Machinery(农业机械学报,2004,35(5:153.WANG Hong,LI Qng-bo,LIU Ze-yi,et al(王宏,李庆波,刘则毅,等.Chinese Journal of Amlyti

21、eal Chemistry(分析化学,2002, 30(7:779.XU Lu(许禄.Chemometrics Methods(化学计量学方法.Beijing:Science Prass(北京:科学出版社,1997.ZHOU Ming,SUN Shu-dong(周明,孙树栋.Genetic Algodthra and Its Applications(遗传算法原理及应用.Beijing±National De/ence Industry Press(J?京:国防工业出版社。1999.Helland l S,Tormod N,Tomas L Chemometrics and Intel

22、ligent Laboratory Systems,1995,29l233.Analysis of Near Infrared Spectra of Apple SSC by GeneticAlgorithm OptimizationWANG Jia-hua。HAN Dong-haiCollege of Food Science and Nutrition Engineering,China Agricuhural University,Beiing100083,ChinaAbstract Genetic algodthm(GAis an effective method in regions selection applied in building multivariate calibration model based on partial least squares regression.If genetic algorithm is run re