不同光照下的近红外光谱模型传递研究2015/12/18  · 不同光照下的近红外光谱模型传递研究 张文君袁唐 红袁蒋巧勇...

不同光照下的近红外光谱模型传递研究

张文君袁 唐 红袁 蒋巧勇（中国计量学院，测试计量学院，浙江 杭州 310018）

摘 要院针对室外光照对近红外光谱检测带来误差的问题袁提出基于模型传递来减少检测误差的方法遥 以圆黄梨为

样品袁分析样品在室内尧室外阴影下的近红外光谱袁建立室内光谱的偏最小二乘渊PLS冤模型遥 采用直接校正渊directstandardization袁DS冤算法袁减小室内外光谱差距袁使得室内 PLS 模型能预测室外光谱遥 结果表明院在室内建立的模型能

预测经 DS 算法传递后的室外光谱袁预测决定系数渊r2p冤和预测均方根误差渊root mean square error of prediction袁RMSEP冤分别为 0.71 和 0.374袁能有效解决室外光照对光谱检测的影响遥关键词院近红外光谱曰直接校正曰光照影响曰模型传递曰糖度

文献标志码院A 文章编号院1674-5124渊2015冤12-0070-04

Research on model transfer of near infrared spectroscopy at different illumination

ZHANG Wenjun，TANG Hong，JIANG Qiaoyong（College of Metrological Technology and Engineering，China Jiliang University，Hangzhou 310018，China）

Abstract: To minimize the error in sample detection by near infrared spectrometers outdoor， amethod using model transfer to lower the measurement error has been proposed in this paper. Thenear infrared spectroscopy （NIRS）was used to detect the sample-Wonhuwang pear under outdoorand indoor shadows and the results were analyzed to establish a Partial Least Squares （PLS）model for indoor spectrum. The detection errors between the near infrared spectrums under indoorand outdoor shadows were reduced through Direct Standardization （DS） algorithm to enable themodel to predict the near infrared spectrum outdoor. Experimental results show the determinationcoefficient and root mean square error of prediction are 0.71 and 0.374 respectively. It can lowerthe effect of outdoor light on spectrum detection.Keywords: NIRS；DS；illumination；model transfer；sugar

收稿日期院2015-06-10曰收到修改稿日期院2015-08-14基金项目院浙江省自然科学基金渊Y14F020161冤作者简介：张文君渊1990-冤袁女袁江苏南通市人袁硕士研究生袁专业方向为近红外检测技术遥

0 引 言室内恒定条件下袁近红外光谱技术广泛应用于水

果品质检测遥 但在水果摊尧果园等有光照的环境下进

行检测时袁光照会影响光谱的检测结果遥 关于室外光

照对近红外光谱检测影响的研究很少遥Saranwong[1]研

究芒果在室内和室外不同光照条件下的可溶性固形

物袁得出用黑色袋子套在芒果上可以消除部分光照

影响袁但应用范围有限曰吴方龙[2]在室内通过台灯数

量来模拟不同光照强度对贡梨光谱检测的影响袁但灯光并不等同于室外光照袁 实验结果也不能准确反

映室外光照的影响遥国内学者将模型传递的方法应用于不同环境下

检测遥胡润文[3]将脐橙总糖光谱建立在不同仪器上传

递袁对比了斜率截距校正法和 DS 算法的传递效果曰

中国测试CHINA MEASUREMENT & TEST Vol.41 No.12December，2015第 41 卷第 12 期2015 年 12 月

doi院10.11857/j.issn.1674-5124.2015.12.018

第 41 卷第 12 期

林振兴[4]用分段直接校正法研究不同温度下喷气燃

料的近红外光谱模型传递袁能减少温度对近红外光

谱分析的影响曰李庆波等[5-6]研究了模型传递的应用遥这都表明了模型传递能有效消除不同环境对光谱检

测的影响遥本文研究不同光照对近红外光谱检测及建模

的影响袁利用近红外光谱仪在室内尧室外阴影下对圆

黄梨进行不同光照条件下的近红外光谱检测袁通过DS算法对光谱进行分析遥1 模型实验的材料及方法1.1 实验材料

实验样品以浙江省主产圆黄梨为对象袁选择大

小尧形状尧颜色相似已经采摘装箱的样品 150 个袁样品按 2颐1 分为校正集和预测集遥 表 1 是校正样本和

预测样本的糖度值袁可以看出预测样品的糖度值包

含在校正样品范围内遥

1.2 实验仪器

实验仪器为蔡司 MCS600 近红外光谱仪袁适合

可见尧近红外的检测袁有效波长为 300耀1 700 nm袁采集 449 个点曰糖度用日本 ATAGOPR-101琢 型数字式

糖度计进行测量袁其测定范围为 0耀45毅Brix袁误差

为依0.1毅Brix曰 光照度采用希玛 AR823 数字照度计袁测量范围是 1耀200 klx袁分辨率为 1 lx遥 采集软件为

蔡司公司配套软件 Aspect plus 2.0遥 处理软件为

Matlab 2012b遥1.3 实验设计

将 150 个圆黄梨置于室内常温下 3 h遥 首先袁在梨赤道平均选取 4 个采集点做好标记袁在室内无光

照恒定条件下采集近红外光谱袁共采集 600 组数据袁取平均值作为每个样品的近红外光谱遥 然后袁利用

KS算法将 150 圆黄梨分成 2 份袁 其中 100 个样品作

为校正集袁用来建立室内校正模型袁其余 50 个样品

作为预测集遥最后袁将样品置于室外有阴影遮挡条件

下院采集漫反射光谱袁并记录测试时的光照强度袁同时采用DS 算法校正室外阴影下的光谱袁比较模型转

移前后的预测均方根误差渊RMSEP冤等评价指标袁验证所建模型的稳健性遥1.4 模型传递原理与 DS算法

模型传递是指在两种不同仪器上找一种变换

关系袁使得一台仪器的光谱模型能预测另一台仪器

光谱遥 在模型传递中袁仪器分为主尧从仪器曰其中袁主仪器为建立模型的光谱仪器袁从仪器为进行传递和

预测的光谱仪器遥 通过光谱检测仪分别得到主光谱

和从光谱袁通过建立数学模型袁将主尧从光谱联系起

来袁得到转换光谱曰预测新仪器上的光谱袁即从光谱

经过转换光谱之后的光谱遥DS 算法的基本思想是通过校正集求取主从仪

器光谱之间的变换矩阵 F袁在主光谱集与近红外光谱

间建立校正模型 b曰利用转换矩阵 F 将从仪器光谱

Ts 转换为主仪器光谱 Tm 的全光谱校正方法遥 其过程

如下院假定 Tm=TsF则可由最小二乘法计算得到转换矩阵 F

F=渊TsTTs冤 -1TsTTm 渊1冤这样袁对从仪器上未知样品光谱 X 变化后的光

谱 XstdXstd=XF 渊2冤

然后袁再利用主仪器上的校正模型 b 计算最终

测量结果袁即得到预测结果遥1.5 Kennard-Stone渊KS冤算法

在模型传递效果中袁为了克服测量环境不同而

引起的误差袁必须使转换集在主仪器和从仪器所

测信号中包含足够多的信息曰同时袁在主仪器上选

择转换集的效果最好遥 KS 算法是由 Kennard-Stone提出的选择标准样品的一种选取转换集有效和

广泛应用的方法袁它是根据光谱主成分之间欧式距

离 d 来决定的袁从而在光谱特征中均匀的选取标准

样品遥dij=

p

k = 1移渊 rik- rjk冤 2姨 渊3冤

式中院dij要要要样本 i 和样本 j 之间的欧式距离曰p要要要样品光谱的波长个数遥

1.6 模型传递的评价

为了比较建模效果质量的好坏袁决定系数 r2渊相关系数 r冤尧校正均方根误差渊RMSEC冤和预测均方根

误差渊RMSEP冤等遥 r2 越大越接近 1袁均方根误差越小

越接近 0 建模效果越好遥决定系数 r2院

r2=1- 移渊yi-y軆i冤 2移渊yi- y軃冤 2 渊4冤

校正均方根误差 RMSEC院

RMSEC=n

i=1移渊 yi- y軆i冤 2

n-f-1姨 渊5冤预测均方根误差 RMSEP院

糖度 样品数 最大值 最小值 平均值

校正 100 17.4 13.1 15.11预测 50 16.4 13.1 15.69

表 1 样品糖度值 毅Brix

张文君等：不同光照下的近红外光谱模型传递研究 71

中国测试 2015 年 12 月

RMSEP=Ip

i=1移渊yi- y軆i冤 2

Ip姨 渊6冤式中院n要要要校正集样品数目曰

f要要要主成分数目曰Ip要要要预测集样品数目曰yi要要要样品测量的实际值曰y軃要要要样品的平均值曰y軆i要要要预测样品集的预测值遥

2 实验结果与分析2.1 圆黄梨的光谱特性

在室外影响光谱检测的因素很多袁除太阳光照袁还有温度尧湿度等遥长时间的太阳直射会导致温度升

高袁张建光[7]研究了 6耀10 月水果经长时间太阳光照

射之后水果向阳面温度与室外温度的温差袁最大温差

为 8 月份 18.98益袁最小为 9 月份 0.38益及 8 月份的

0.82益袁这是由阴雨天气的影响导致的袁可以将温差

看在 0耀20益之间遥 王加华[8]研究了温度2耀42 益对苹

果近红外光谱的影响袁 以温度为变量建立 PLS 模

型袁实验结果表明使用遗传算法渊GA冤可以提取与温

度变量相关度高的波段袁 从而提高模型准确度袁另外温度的提高会使基线漂移袁 而一阶导数可以很好

地解决该问题袁建模结果 R尧RMSEC尧RMSEP 分别为

0.95袁0.64袁0.69益袁基本可以消除温度带来的影响遥本次实验选择在 9 月份袁且在室外测量时无阳

光的直接照射遥为了去除温度尧湿度等影响光谱检测

的因素袁先将圆黄梨放置到室内恒温后袁再立刻转

移到室外阴影下进行检测袁可以看作影响光谱检测

的因素只有光照遥以室内光谱为主仪器光谱袁室外阴影下所测光

谱为从仪器光谱袁进行光谱传递实验遥根据所测光谱

图可以看出光谱趋势相同尧但光照强度不同时差异

较大袁因此选取其中具有代表性的样品光谱遥同一样

品在不同光照条件下的光谱差异如图 1 所示袁波长

范围为 500耀1 600 nm袁可以看出在可见光区域500耀700 nm 光照对室内外光谱采集影响较大袁 当光线增

强时可以看出在 600耀800 nm 处有较明显的突变袁近红外区域 780耀1 600 nm 实验室内尧 室外和室内所测

光谱差异则几乎没有变化遥 因此对于可见光区域则

需要进行一系列的处理来缩小室外与室内光谱的差

距袁而近红外部分则可以认为经过预处理就可用来

建模并相互预测遥 由实验数据得出当光照强度跃20klx 时光谱产生突变袁因此袁光照强度跃20 klx 为强光

照袁光谱强度约20 klx 为弱光照遥

对光谱进行 DS 算法转移后袁室内外光谱差异如

图 2 所示遥 通过图 1 和图 2袁光谱经过 DS 算法转移

后袁可以看出在可见光区域室内外光谱的差距已得

到一定幅度的减小遥

2.2 光照对光谱检测及建模的影响

图 3 为我国 10 月份某中部地区的太阳光照到

达地表的光谱能量遥图中袁曲线 1 为光照到达地表的

能量袁曲线 2 为光照到达大气层的光谱能量袁可以

看出到达地表的太阳光谱能量主要在可见光区域袁而近红外区域可几乎认定为零袁 因此可以认为太阳

光照对圆黄梨光谱检测的影响在可见光部分袁近红

外部分可认定为无影响遥 用近红外光谱仪检测出的

光谱与实际情况相符袁可认定太阳光照对光谱检测

影响主要是在可见光区域袁同样袁对近红外光谱的建

模影响也可以忽略遥 将实验中得到的室内尧室外光谱

分别直接进行PLS 预测并建模袁 其结果显示如表 2所示遥

由表 2 可以看出同一光照条件下的建模预测效

果较好袁即室内模型预测室内尧室外弱光照模型预测

室外弱光照尧 室外强光照预测室外强光照的效果较

好袁r2p 分别为 0.909尧0.848 和 0.812袁模型稳定曰而不

同光照条件下相互预测效果不理想遥可以得出结论院室内模型不适合直接预测室外

光谱袁这是由于室外光照射下袁相当于增加了仪器可

500 900700 1 100 1 300 1 500波长/nm

103020405060708090

100110实验室内强光照弱光照

图 1 不同光照条件下光谱对比

800 850 900 950 1 000 1 050 1 100 1 150 1 200波长/nm

4550556065707580

室外阴影实验室内

图 2 不同光照条件下转移后的对比

72

第 41 卷第 12 期

见光部分的入射光源袁使得漫反射光谱发生变化直

接影响了圆黄梨光谱的检测袁从而导致室外光谱与

室内光谱存在很大差异遥 为了实现室内外模型的共

享袁对室外光谱进行模型传递的方法来减小室内外

光谱的差异遥2.3 DS算法的参数选择

对于 DS 算法袁参数的选择主要由标样数决定袁如果标样数太少会导致转换矩阵不能涵盖所有光谱

特征袁如果标样数太多会产生冗余的信息袁采用 KS算法从 DS 的标样光谱中选取 5尧10尧噎尧30尧35 个样

品等 7 组标样光谱遥 通过标样数与预测集的主从仪

器光谱间的 RMSEP 来确定合适的标样数遥如图 4 所

示为从仪器预测集的 RMSEP 随标样数的变化趋势

图袁可以看出当标样数选择为 20 时袁模型转移效果

最好为 0.374遥标样数选择 20袁用 DS 算法对室外光谱进行模型

传递并用室内光谱建立 PLS 模型预测袁如图 5 所示

为转移后从仪器预测集的预测结果袁 其预测决定系

数 r2p为 0.701渊rp=0.837冤袁预测偏差为 0.427尧0.374袁可以看出模型预测效果比经过 DS 转移前的预测效果

已经改善很多袁有效减小了室内外光谱间的差异袁减小了由于室外光照对检测所造成的影响袁 经过 DS算法传递后室内模型可以预测室外阴影下的光谱袁有

效的解决了光照对光谱检测及建模带来的影响遥3 结束语

本文利用近红外光谱仪检测了室内外不同光照

条件下圆黄梨的光谱袁建立模型相互预测遥实验结果

表明袁室内模型直接预测室外光谱效果不好袁DS 算

法能有效减小室内外光谱之间的差距袁降低室外阴

影下光照对光谱检测的影响袁使得经 DS 算法传递后

室内光谱能预测室外光谱袁从而实现室内模型对室外

光谱的预测袁减小测量条件的差异对分析结果的影

响袁为便携式光谱仪的使用提供理论依据遥参考文献

[1] Saranwong S袁 Sornsrivichai J袁 Kawano S. On-tree eval鄄uation of harvesting quality of mango fruit using ahand-held NIR instrument[J]. Journal of Near InfraredSpectroscopy袁2003袁11渊4冤院283-293.

[2] 吴方龙袁沈黄通袁吴晨凯袁等. 基于近红外漫反射光谱无损

检测梨可溶性固形物的光强影响探究[J]. 光谱学与光谱分

析袁2013袁33渊10冤院2671-2674.[3] 胡润文袁夏俊芳. 脐橙总糖近红外光谱模型传递研究[J].

食品科学袁2012袁33渊3冤院28-32.[4] 周林峰袁吕进袁刘辉军. 温度对果糖含量近红外光谱检测

模型传递的影响[J].中国计量学报袁2012袁23渊3冤院217-212.[5] 李庆波袁张广军袁徐可欣袁等. DS 算法在近红外光谱多元

校正模型传递中的应用[J].光谱学与光谱分析袁2007袁27渊5冤院873-876.

[6] 王菊香袁李华袁邢志娜袁等援 小波多尺度分段直接校正法用

于近红外光谱模型传递的研究 [J]. 分析化学袁2011袁39渊6冤院846-850.

[7] 张建光袁刘玉芳袁孙建设. 光照强度对苹果果实表面温度

变化的影响[J]. 生态学报袁2004袁24渊6冤院1306-1310.[8] 王加华袁潘璐袁李鹏飞袁等. 苹果糖度近红外光谱分析模型

的温度补偿[J]. 光谱学与光谱分析袁2009袁29渊6冤院1517-1520.

类别 In Out1 Out2In 0.909/0.334 0.409/5.77 0.16/5.46

Out1 0.425/1.72 0.848/0.497 0.21/3.73Out2 0.531/2.47 0.53/1.15 0.812/0.41

r2p / RMSEP 预测模型

表 2 不同光照条件下的相互预测模型

注院r2p为样品的预测决定系数曰RMSEP 为样品的预测均方根误

差曰In 为室内恒温曰Out1 为室外光照较弱的光谱渊光照强度<20klx冤曰Out2 为室外光照较强的光谱渊光照强度>20 klx冤遥

图 3 太阳光照到达地表的的光谱能量

1 2

0.00.20.40.60.81.01.2

370 470 570 670 770波长/nm

5 10 15 20 25 30 35标样数

0.300.350.400.450.500.550.600.650.70

图 4 仪器预测集的 RMSEP 随标样数的变化

13.0 14.0 15.0 16.0 17.0 18.013.5 14.5 15.5 16.5 17.5实际值

13.0

14.0

15.0

16.0

17.0 r2=0.701RMSEC=0.427 09RMSEP=0.373 82

图 5 转移后从仪器预测集的预测结果图

注院 绿线为 1颐1 等

比例线袁红色线为

经过 DS 算法转移

后 PLS 预测模型

73