1、第28卷,第lo期2008年10囂光譜學與光譜分析"Col。28,N&lo,pp2308-2311Spectroscopy and Spectral Analysis Octobert2008基于遺傳算法的蘋果糖度近紅外光譜分析至加華,韓東海中國農業大學食品科學與營養工程學院,北京100083摘要遺傳算法(GA應髑攘德最小二乘法(PLS校正模型的波段優化選擇中具有顯著的效果。將遺傳算法霉予浚獲選擇,薤更抉這蘩簸砉蕘舞,毒效攝囊濺蘩猿褒,藏步建摟黲攥交量。文章醞究了農運紅終莩栗壤度無損檢測中,遺傳算法俸為模塊進行渡段選擇,建立了GA-PLS橫楚;為了說鼴遺傳籬法優選渡段可行性,

2、另外建立了全譜和經駿譜區的PLS定量模型,并評價了模型的穩健性。首先對傅爨葉變換近紅外光譜進行多冗散射校正、Savitky-Golay卷積平滑盾,用遺傳算法優選波段(R-SGA,參與建模數據點從原始1550減少到434個。然后采用一階導數光譜建立GA-PLS模型,相比全譜PLS(1550個數據點和經驗譜區PIS(717個數據點摸型具露燹嵩戇預測壤度,其建摸結果為Rc一0.966,RMsEC=o。469,Rv=乳954, RMSEP=0.797。結栗表暖,遺傳算法霹震子PLS法建立蘋栗穗蠹較豢鏷鱉蒗懿數蘩捷純露透,有效提高蘸量精魔,并減少建模變量。關鍵詞遺傳算法傅里葉變換近紅外光譜;波段選擇;偏

3、最小二乘法I糖度;蘋果引言在多元校正分析中,波長選擇方法主要有相關系數法、方差分析法、逐步強歸法、無信息變黧漕除法(UVE、閩黼鑲最棗二乘法(interval PLS,i班S>、蘧傳算法(genetic algo-rithras,GA等,其中GA是應用較廣泛的一種波長選取方法。遺傳算法1借鑒生物界自然選擇和遺傳機制,利用選擇、交換和突變等算子的操作,隨著不斷的遺傳迭代,使目標函數值較優的變量被保留,較差的變量被淘汰,最終選到最霞結果,是一靜鑫適應寤發式全球搜索(Global search算法。遺傳算法已成凌建瘸予近藪終分褥中靜渡長遙攝湖袋其譜圖解析口】。偏最小二乘法已廣泛用于近靚外光譜檢

4、測水果糖度睜”。當建立光譜預測模型時,需黌確定特定組分的特征波段,減小建援和預測運算時闊,以及剽除噪聲污染道火購灌送等。在巍譜努爨孛,天纛將遺黲算法震予渡長選擇(麓稱WSGA幫譜激選擇(籬稱R_SGA,提高了分析結果準確性r1”。W-SGA每個波長對應一個蒸因,對于P個波長,那么染色體就有聲個基因,如果波長數目較大時,遺傳算法的染色體的基因俄數就很多,從而使優化搜索空間十分匱大融。對予遙縫外光譜分析,建纛PLS模鍪往往不囂簧選擇具體的波妖點,只需要選擇漿燎波段,本文采用一種基于遺傳算法的避紅外光譜波段選擇方法(R-SGA。采集蘋果近紅外漫反射光譜,研究了采用遺傳算法對建模波段進掰傀他(R-SG

5、A后,建巍遺傳優他譜區偏最小二乘法(GA-P嗡攢登,勞弱囂建囊了全譜馕最奪二乘法(FS-PLS程經驗譜區偏最小二乘法(駱PtS模型。鰱:較了3個模型的穩健性及預測性,將遺傳算法用于PLS法建激蘋果糖度校正模型前的數據優化篩選,材效提高了測量精魔,并減少了建模變避。1實驗糖精耪方法1.1實驗材料供試櫸晶為市售山東煙臺級富±蘋果,無明顯外部缺陷,顏色較均勻,直徑范圍為76.884.6鋤,平均僮為豁。2蕊,糠疆鏞差3。21。實驗瓣褥蘋果置于實驗窒8h(26,輻jf季灄麓64%,蘋果樣晶豹髭潛采集稻標準德溯定當天完成?？倶悠窋禐?65個,其中124個樣品作為建模集,剩余樣品作為預測集。1.2

6、光譜采集羧甍驀蘩:2007-09-06,繁努塞期:200712-08基金項重:國家瞧然科學基金項露(30571073資蘑作者簡介:壬加華,1979年生,中國農業大學食品科學與營養王程學院博士研究生e-rrmih W.jiahua163.toni *通礬聯系人e-maill caundtcau edu.m笫10期光譜游與光譜分析裁震AntaHs倦黧瑟變換遙紅舞必瀵餃(Thermo Nico-let采集蘋果的漫艇射光譜,光譜范圍100004000啪-,分辨率為8.0crfl,掃描32次取平均,使用InGaAs檢測器。每個樣品采集赤道對稱均勻4點,避免明顯的表面缺陷, 4條譜線的平均值作為樣品光譜。

7、1。3耘建蓬測定蘋栗的耱度測寇爨俸參照食瑟衛生穩驗方法瑾億幫努蕊則(GBPT500911-2003。用手持WZll3型折射儀(北京萬成北增精密儀器公閉測量蘋果糖度,讀數結果為。Brix。表1為建模集和預測集樣品糖度的統計結果,可以看出樣品具有較好代表往,分布藏爨較寬,預測集櫸赫信息裝建模集歷涵一l目.6mmle1Statistics of soluble soil凼content(Ssc,。Brixmilreis-ured by the st銣tldard methods for the calibration andvalidation sets of apples參鬟群品數乎翅攥c最夭篷最

8、小疽櫥濺鑣差變算系數/彰建摸集12413。釃17.19。91。6912。341.4遺傳算法波段選擇原理R-SGA是將愿黛譜區間按照某種方法分割成一定數嗣黲子送翔(這里囂弱數弱遠套:渡長點數囂,顯然,翔暴褥企譜區間分割辯各乎隧聞的渡長點數均為1時,R-SGA就變成W-SGA,即W_sGA是R-SGA的特例。遺傳算法在近筑外光譜波段選擇中的生要步驟為,(1編碼,每個子區間為一個基因,對糖因進行o_1二進裁縫瑪,著基因編為l,建模時包括迎波段;若為0,不包括鐾l:滾段。一釋l綾磷縫會稱秀一條豢愁搭,染耄薅長麥雋教編碼的子區闖數。(2選擇初始群體,假如初始群體包宙N個個體,每一個體的染色體長度為m,則

9、初始群體的選擇方法為隨機產生N個掰位的Ol二避制數作為初始群體。<3適瘟蘊基數,皋臻交互驗證法嘲詳摻模型豹預測魏雋。評蘅攆標鴦PLS交叉校驗甄測壤毒轢穗籃靜穰關系數,以及預測標準偏藏RMSEP。如果RMSEP值越小,r值越火則校正模型的預測能力越好。為了使遺傳算法對適應值較高的個體有更多的嫩樣機會,對評價指標變換得到適應值函數為:F一,-/(1+RMSEP,(4復裁,復麓豹繁皤是羧。輪盤戇”瓣方式透秀歪跑選攆。(5交叉,采用的交叉方式為普通單點交叉方式1“。(6變異,變異方式是以一定概率產嫩發生變異的基網數,用隨機方法選出發生變異的基因。如果所選的基因的編鸚勢1,裂變為O發之編秀為0,粼

10、交勢1。本文選取基本變霞篝子。重復(4(6麓嫩大繁殖代數時停庶。2結果與討論2.1光譜數據預處理圖l為所有蘋果樣品豹原始光譜圈,可以看出在整個光譜區100004000GTI-1(1558令數爨點都毒較褻揍噤援:,但是光譜基線漂移嚴重。霉甚宴翼。一Wave nuraber/cral魄1NIR o.季nal印ecI糖of all apples為了去除高頻隨機噪聲以及樣本不均導致的基線漂移的影響,采用TQ6.2軟件(Thermo Nicolet對原始光譜進行預處理。先用卷移平滑法(Savitky-Golay smoothing,選用平滑富盈為7,濾躲藏頻噪音l再對必港進行多元敦射授蔗(潞D整理+演狳

11、斃翟及鬏轂大冷差霧雩l莛豹萋線濺移口7一“。圖2鼴|處理后的光譜曲線,可以看出蘋果樣晶不均,而產生的基線垂直方向的漂移蕊本消除。8000S0004000Wave numherttnn-tFig.2NIR￥1ec41"11after S-G smoothing and MSC2-2遺傳算法讒醫選擇遺黃算法計籌程序蘑Visual C+S.0編寫。去簿光潛妥尾鑫4令數籜壤,將整令雋灌麓分為2S拿子囂霞,霉令予區間有62個數播點,按1.4步驟進行簸優光譜區間選擇。遺傳算法的參數設定為:種群大小30,最大繁殖代數50,交藏概率0.6,變異概率0.01。R-SGA進化過程如圖3所示,農豕剃當前進

12、化代為出的最佳令薅逶應度r/(I+RMSEP熬燮德趨勢。當遂l:到第38代對,最佳令體遙應度不再增糯(鄄糨關系數r苓再壤麴, RMSEP也不褥減小,表明已經搜索到最優解。圖4為縫過R-鼢運算盾的波段選擇結果.綴過遺傳算法優化出的最佳個體染色體為000100001i000001100101000。染色體巾“1”987654,3lllllll哥o2310光譜學與光譜分析第28卷的個數為7,表示預分的25個區闖中保馨7個子區間,總波長點數為62X7=434,秀擺援鄰(連續為。l”戇予區聞臺并惹,新保餐懿譜區鴦5毅,鄄92809040激,80807600C1TI-1,64005920cm-1,5440

13、5200Cl"fl,49504720,如圖4所永。?t爿-,-“;:樂I010203040Evolutionary generationFig.3Evolution process of R-SGA2.3摟墅建立。采用一階導數必潛分別建立全譜模黧(FS PLS、經驗波段模型(ES-PLS和遺傳算法波段選擇模型(GA-PLS。其中駱PLS模型的光譜范圍選擇基于經驗法,建模過程中最健因子采用交互驗誕法所得的預測殘惹平方和(PRF。SS確定。Fi晷4Spectral region selection accomplished by R-SGA表2孛霹黻漤湊,3令模登建模黲&秘島均在

14、0。95戮上,建模菰醺鏇夔(RS蕊麓,I、警0.5。其孛硌pS模型所用數據點為1550,通過經驗法對波段選擇后的ES PLS 模型所用數據點為717,其模型的穩健性優于FS-PLS。緞遺傳算法波段優化(R-SGA后的模型G瓜PLS建模所用數據點僅必434個,綴預測的檑關系數達剃&954,RMSEP為0,797,垮徒手FS-PLS纛ES-PLS鬏瀵。逡黃算法霞選豹滾段與樣品中裝濺成分有關,渡段儻純瑟太大減步了參與建模變量,說明光譜信息得到了充分利用,同時克服了光譜數據與成分含量的多黧線性關系,從而使預測精度得到一定的攝高。可以看出近紅外光譜技術檢測蘋果糖度時,遺傳算法用予波段選擇是霹鋝軀

15、。Table2Statistic results by FS-PLS。ES-PLS and GA-PLS建模方法所選波段數據點數建欖因子數建模集預測集髓RMSEC腳RMSEPFsPl5 ESPlSGA-PLS g992-二400894269011762l?345678858185677526049784534928090408髂O?6S4005920S440520049604720l550717540.9800.990o.4480.341如946氌9510.9813結論遺傳算法在組臺優化問題上具有很失的搜索優勢,適應蝕廣。將遺傳算法用予波段選擇,能更快達到最優解,有效提高測量精度,減少建模所用

16、變量。本文主要研究了在近紅外光譜蘋果糖度無損檢測中,遺傳算法作為模塊進行波段選擇的可行性;同時建立了FS,Es,GA曼種波段選擇方法下的PLS定量模黧,弗譚徐了模型的穩鑲性。采矮一狳警數斃譜建立匏GA_PLS挨鍪,魄FS PLS髑ES-PLS模型具有鞭好的預測精魔,其建模結果為Re一0.966,RMS日CO.469,Rp=O.954,RMSEP=0.797。表明遺傳算法用于PLS法建立蘋果糖度校正模型前的數據優化篩選,可有效提離測量精度,并減少建模變量。" %曬¨¨姑旺o 第10期光譜學與光譜分析2311i234567891011 123

17、18參考文獻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(光譜學與光譜分析,2006,26 (9;1618.LIU Fang,WANG Jun-de(劉芳,壬俊德.Spectroscopy and Spectral Analysis(光譜學與光譜分析,2001,21(3l331.LIU Yen-de,YING Yibin,FU Xia-I】iIng(劉燕德,應義斌,傅霞萍.Spectroscopy a

19、nd Spectral Analysis(光譜學與光譜分析,2005,25 (1I:1793.ZHAOJie-wenZHANG Hai-dong,LIU Mtrhua(趙杰文,張海東,劉木華.Acta Optica Sinica(光學學報,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(祝詩平,王一鳴,張小超,等.Transactions of the Chinese Society for Ag小eultural Machinery(農業機械學報,2004,35(5:153.WANG Hong,LI Qng-bo,LIU Ze-yi,et al(王宏,李慶波,劉則毅,等.Chinese Journal of Amlyti

21、eal Chemistry(分析化學,2002, 30(7:779.XU Lu(許祿.Chemometrics Methods(化學計量學方法.Beijing:Science Prass(北京:科學出版社,1997.ZHOU Ming,SUN Shu-dong(周明,孫樹棟.Genetic Algodthra and Its Applications(遺傳算法原理及應用.Beijing±National De/ence Industry Press(J?京:國防工業出版社。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