《食品科学》：河南科技大学殷勇教授等：留兰香高光谱特征波长稳健提取及产地鉴别模型构建

留兰香作为药食同源的作物，其富含的挥发油可作为食品添加剂被用于香料中，在饮料、海鲜制品、奶茶、面包等食品加工领域被广泛使用。尽管不同产地的留兰香在外观上没有明显差别，但其香味和营养价值存在较大差异。高光谱成像技术不仅检测精准、快速、易操作，并且属于无损检测，可以准确获得样品的光谱信息和空间信息，是一种将光谱学与图像学结合的新兴无损检测技术,已经在地质领域、文物保护、医学诊疗、农产品品质评价及矿物信息提取等方面得到广泛使用。近年来，高光谱技术在农产品品种和产地鉴别中的应用也有不少报道,

河南科技大学食品与生物工程学院的李晓龙、殷勇*、于慧春等拟利用高光谱成像技术对留兰香样本进行数据采集，光谱数据在经过预处理后，运用不受到理化指标限制的特征波长提取方法获得特征波长，再借助于Fisher判别分析（FDA）构造具有可分性的鉴别模型输入变量，进而构建稳健的留兰香产地鉴别模型，旨在为快速、无损、准确地鉴别留兰香产地提供一种新方法。

01

原始光谱数据预处理

通过3 种光谱数据预处理结果的对比分析，发现MSC是最合适的光谱数据预处理方法。 图2、3分别给出5 个产地所有留兰香原始光谱图及MSC预处理后光谱图。对比分析发现MSC预处理后的光谱曲线中毛刺明显减少，有效消除了光谱噪声。从图3还发现在435.82～961.60 nm波段范围内，平均光谱反射值波动幅度较大，整体呈现“两峰一谷”的明显变化趋势，这表明该波段包含着丰富的留兰香信息。因此，筛选435.82～961.60 nm波段范围以进行后续处理。

02

理化指标分析

由图4、5及表1可以看出，虽然不同产地的理化指标含量均有差异，但其中上海产地留兰香的左旋香芹酮和柠檬烯含量明显少于其他产地，这可能是在运输、实验等过程中操作不当造成的，并且5 个产地留兰香之间的左旋香芹酮、柠檬烯和总黄酮含量普遍存在显著差异（P＜0.05）。

03

特征波长提取

3.1PCA联合Wilks

最小、次小、再次小的Λ值对应的主成分变量分别为第2主成分、第3主成分以及第5主成分。因为权重系数的绝对值越大，该波长对主成分的贡献度就越大，也越能够体现不同产地样本间的差异性,故选取权重系数曲线上峰谷对应的波长为特征波长。如表2所示，由于有3 个波长为重复波长，因此共筛选出37 个特征波长。

采用PCA对高光谱数据进行特征波长的提取，选取累计贡献率达99%的前9 个主成分作为输入变量输入到SVM和BPNN模型中，其训练集鉴别正确率分别为96.67%和92.33%，测试集鉴别正确率分别为86.67%和85.33%，鉴别效果不理想。所以，单独用PC提取的特征波长构建的鉴别模型不是最优模型。

3.2SPA提取特征波长验证

在SPA中将最大波长数目设置为50，用PCA对4 种理化指标进行信息融合，融合后的主成分1与主成分2的累计方差贡献率已达95%以上。因此，由SPA分别与第1主成分和第2主成分结合对预处理后的光谱数据提取特征波长，结果如表3所示，SPA与第1主成分结合提取24 个特征波长，与第2主成分结合也提取24 个特征波长。将这些特征波长进行组合，筛选出35 个特征波长，其中有13 个波长为重复波长。

04

鉴别模型输入变量构造

将上述得到的特征波长按照1.3.5节的方法进行FDA，结果见表4，将生成的FD变量输入到SVM和BPNN模型中，将两种方法提取到的特征波长光谱值经FDA融合后，生成的前4 个FD变量累计判别能力均已达到99%，所以将两种方法通过FDA得到的前4 个FD变量都分别输入到SVM和BPNN的模型中，以构建产地鉴别模型。

05

鉴别模型构建

SVM和BPNN的产地鉴别模型结果如表5所示，4 个理化指标经PCA融合后，借助于SPA提取的特征波长也可较好地表征产地的差异性，这充分说明了运用多个主要理化指标融合提取特征波长是适宜的，也是必需的。然而，高光谱信息借助PCA联合Wilks Λ统计量提取特征波长的效果更好，优于SPA，且不受测量的理化指标数量影响，进而使产地鉴别模型具有较强的鲁棒性。同时，Wilks Λ统计量Λ值本身就能体现出产地差异性，Λ值越小，样本之间产地差异性就越大，而SPA却无法判断。

由表5还可知，对于PCA联合Wilks Λ统计量提取的特征波长，SVM模型对训练集鉴别的正确率为99.67%，对测试集的鉴别正确率为98.67%，被错误鉴别的样本个数均为1；而BPNN模型的训练集样本鉴别中有4 个样本被错误鉴别，正确率为98.67%，测试集样本鉴别中有2 个样本被错误鉴别，正确率为97.33%。

对比两种模型结果可知，SVM模型的训练集鉴别正确率比BPNN模型的高1%，测试集鉴别正确率高1.34%，SVM的鉴别结果优于BPNN。

结论

为了实现留兰香产地鉴别，本研究采集了安徽宣城、北京、广东广州、河南周口和上海5 个产地留兰香的高光谱数据，通过对特征波长提取方法、可分性变量构造方法的研究，分别构建了SVM和BPNN产地鉴别模型。主要结论如下：

1）提出了一种基于PCA联合Wilks Λ统计量的稳健特征波长提取方法。将预处理数据经PCA处理后，计算各主成分变量的Λ值，并从小到大排序。选出前3小Λ值对应的3 个主成分变量，绘出这3 个主成分在各个波长下的权重系数曲线，提取系数曲线上峰谷对应的波长为特征波长，并将分别提取到特征波长进行组合，作为最终的特征波长。该方法不仅有效减少了数据中的冗余信息，而且提取的特征波长仅借助光谱信息，不受因测量的理化指标较少而产生的不利影响，使其具有鲁棒性。

2）利用FDA对特征波长的光谱值进行可分性融合，构建了产地鉴别模型的输入变量。对比两种鉴别模型的结果，SVM对训练集与测试集的鉴别结果均要优于BPNN，其正确率分别是99.67%和98.67%。

作者简介

通信作者：

殷勇，博士，教授，河南科技大学食品与生物工程学院博士生导师。河南省首届高校青年骨干教师，河南省学术技术带头人，河南省杰出青年科学基金获得者，美国农业工程学会会员。主持或参与完成国家级、省部级科研项目9 项，在《Sensors and Actuators B》 《Journal of Food Engineering》《农业工程学报》 《农业机械学报》《仪器仪表学报》等著名杂志上发表论文60余篇，SCI、EI检索50余篇，获省部级科技进步二等奖2 项，出版专著1 部，教材1 部。主持或参与国家级、省部级项目各7 项，现为《Sensors and Actuators B》 《Food and Bioprocess Technology》 《Food Control》《农业机械学报》《农业工程学报》《食品科学》等期刊评阅人，国家自然科学基金函评专家，中国农业机械学会基础技术学会理事。现从事农产品、食品快速无损智能检测技术等方面研究。该技术涉及农产品/食品的各种物理与化学特性，传感器融合技术、计算机技术、电化学技术、全局优化技术、计算数学等内容。所指导的研究生具有跨界的知识结构，尤其为今后从事AI、数据处理等方面的工作奠定了基础，为以后在多种领域就业储备了必要的基础技能。

第一作者：

李晓龙，河南科技大学食品与生物工程学院硕士研究生，食品加工与安全，研究方向为食品检测与智能分析。

本文《留兰香高光谱特征波长稳健提取及产地鉴别模型构建》来源于《食品科学》2024年45卷第22期262-268页，作者：李晓龙，殷 勇*，于慧春，袁云霞。DOI:10.7506/spkx1002-6630-20240513-093。点击下方阅读原文即可查看文章相关信息。

实习编辑：南伊；责任编辑：张睿梅。点击下方阅读原文即可查看全文。图片来源于文章原文及摄图网

为深入探讨未来食品在大食物观框架下的创新发展机遇与挑战，促进产学研用各界的交流合作，由北京食品科学研究院、中国肉类食品综合研究中心、国家市场监督管理总局技术创新中心（动物替代蛋白）及中国食品杂志社《食品科学》杂志、《Food Science and Human Wellness》杂志、《Journal of Future Foods》杂志主办，西华大学食品与生物工程学院、四川旅游学院烹饪与食品科学工程学院、四川轻化工大学生物工程学院、成都大学食品与生物工程学院、成都医学院检验医学院、四川省农业科学院农产品加工研究所、中国农业科学院都市农业研究所、四川大学农产品加工研究院、西昌学院农业科学学院、宿州学院生物与食品工程学院、大连民族大学生命科学学院、北京联合大学保健食品功能检测中心共同主办的“第二届大食物观·未来食品科技创新国际研讨会”即将于2025年5月24-25日在中国 四川 成都召开。

长按或微信扫码进行注册

会议招商招展

联系人：杨红；电话：010-83152138；手机：13522179918（微信同号）

为进一步深入探讨食品产业在当前复杂多变环境下的高质量发展路径，并着重关注食品科学、营养安全保障的基础研究与关键技术研发，贯彻落实“大食物观”和“健康中国2030”国家战略，北京食品科学研究院和中国食品杂志社《食品科学》杂志、《Food Science and Human Wellness》杂志、《Journal of Future Foods》杂志，将与国际谷物科技协会（ICC）、湖南省食品科学技术学会、湖南省农业科学院农产品加工研究所、湖南农业大学、中南林业科技大学、长沙理工大学、湘潭大学、湖南中医药大学、湖南农业大学长沙现代食品创新研究院共同举办“第十二届食品科学国际年会”。本届年会将于2025年8月9-10日在中国 湖南 长沙召开。

长按或微信扫码进行注册

会议招商招展

联系人：杨红；电话：010-83152138；手机：13522179918（微信同号）