基于近红外光谱法建立核桃仁可溶性蛋白质含量检测模型.pdf

DOI:10.13925/ki.gsxb.20220684基于近红外光谱法建立核桃仁可溶性蛋白质含量检测模型罗浪琴1，2，3，王涛4，刘国庆5，赵文革6，张锐1，2，3*，于军1，2，3*，陆斌7，陈天财1，2，3（1塔里木大学园艺与林学学院，新疆阿拉尔 843300；2新疆生产建设兵团塔里木盆地生物资源保护利用重点实验室，新疆阿拉尔 843300；3南疆特色果树高效优质栽培与深加工技术国家地方联合工程实验室，新疆阿拉尔 843300；4塔里木大学信息学院，新疆阿拉尔 843300；5温宿县大木粮油林场，新疆阿克苏 843000；6阿克苏浙疆果业有限公司，新疆阿克苏 843000；7云南林业和草原科学院，昆明 650000）摘要：【目的】核桃仁中的可溶性蛋白质含量是影响核桃品质的重要指标，比较核桃仁可溶性蛋白质含量不同模型之间的预测性能。【方法】以180份核桃仁样品作为研究对象，采集样品的近红外漫反射光谱。使用6种不同预处理方法对光谱信息进行处理，比较BP神经网络法和支持向量回归（SVR）建立核桃仁蛋白质的预测模型。【结果】2种方法对不同组合的预处理方法所建立模型的决定系数均大于0.81，相比于SVR模型的预测模型性能，MSC+FD+BP神经网络所建的预测模型性能更优，建模集的决定系数R2为0.871，均方根误差为0.089 5，RPD为2.875；验证集的R2为0.825，均方根误差为0.105 9，RPD值为2.233。【结论】BP神经网络算法在特征波段的核桃仁可溶性蛋白质含量预测建模中，模型质量优于SVR算法。MSC+FD+CARS+BP神经网络建模方式更适用核桃仁可溶性蛋白质含量的预测，为使用近红外光谱分析核桃仁质量提供了参考依据。关键词：核桃仁；可溶性蛋白质含量；BP神经网络；支持向量回归（SVR）中图分类号：S664.1文献标志码：A文章编号：1009-9980(2023)08-1750-12收稿日期：2022-12-26接受日期：2023-03-23基金项目：国家重点研发计划（2020YFD1000703）；塔大校长基金创新研究团队项目（TDZKCX202101）；塔里木大学科研条件项目（TDZ-KKY202204）；温宿核桃科技小院（农技协发字2022 16号）作者简介：罗浪琴，女，在读硕士研究生，主要从事近红外果品含量检测研究。Tel：[phone]，E-mail：*通信作者Author for correspondence.Tel：[phone]，E-mail：；Tel：[phone]，E-mail：果树学报2023，40（8）：1750-1761Journal of Fruit ScienceA model for soluble protein content detection of walnuts based on near in-frared spectroscopyLUO Langqin1,2,3,WANG Tao4,LIU Guoqing5,ZHAO Wenge6,ZHANG Rui1,2,3*,YU Jun1,2,3*,LU Bin7,CHEN Tiancai1,2,3(1School of Horticulture and Forestry,Tarim University,Alar 843300,Xinjiang,China;2Key Laboratory of Biological Resources Protec-tion and Utilization in Tarim Basin,Xinjiang Production and Construction Corps,Alar 843300,Xinjiang,China;3National and LocalJoint Engineering Laboratory for Efficient and High-Quality Cultivation and Deep Processing Technology of Characteristic Fruit Treesin Southern Xinjiang,Alar 843300,Xinjiang,China;4School of Information,Tarim University,Alar 843300,Xinjiang,China;5DamuGrain and Oil Forest Farm in Wensu County,Aksu 843000,Xinjiang,China;6Aksu Zhejiang Fruit Industry Co,Ltd,Aksu 843000,Xinjiang,China;7Yunnan Academy of Forestry and Grassland Sciences,Kunming 650000,Yunnan,China)Abstract:【Objective】The primary goal of this research was to compare the modeling methods of Sup-port Vector Regression(SVR)and Back-Propagation network and seak for the best pre-processing com-bination method with the modeling method.The protein content prediction model of walnut kernel wasestablished using near-infrared spectroscopy technology.The protein content of walnut kernels is one ofthe important indicators affecting the quality of walnuts.At present,the detection method for proteincontent mainly depends on the national standard method,the process is cumbersome,and multiple indi-cators can not be determined at the same time.【Methods】180 walnut samples from 9 different or-，等：蛋白质含量检测模型第8期核桃（Juglans regia L.）又名胡桃、羌桃，原产于中国、印度和欧洲东南部，属胡桃科，是世界上消费量最大的坚果之一。果仁富含矿质元素、蛋白质、脂肪等1，具有较高的营养价值和保健价值，对肺癌、乳腺癌等疾病有着防御的作用2-4。其中，蛋白质含量是评价核桃品质的重要指标，目前测定蛋白质含量的常用方法有考马斯亮蓝法、凯氏定氮法以及双缩脲法5-7。用这些传统方法测定的化学值精chards were collected as research materials,the row spacing of the walnut trees in each orchard is 4 m 6 m,and the tree age is 10 years.Firstly,the diffuse reflectance spectra of the samples were collected atroom temperature(around 25)using an Antaris Fourier transform NIR spectrometer made in theUnited States,the spectra were obtained in the wave number range of 4000-10 000 cm-1(780-2500 nm)with a resolution of 8 cm-1and a gain of 2x.With the built-in background of the instrument as the refer-ence,each sample was scanned 3 times repeatedly as the original spectrum of the sample.The averagespectrum was obtained after 32 final scans.Secondly,the protein content of 180 walnuts was deter-mined by the Kaumas Brilliant Blue method.After the six outliers were removed by the Marginal dis-tance,the SPXY algorithm was used to divide 174 samples into 132 Correction sets and 42 Validationsets in a 3 1 ratio.The Competitive Adaptive Reweighted Sampling(CARS)method was used to ex-tract the feature wavelengths.The spectral information was processed by six different pretreatment com-bination methods:Standard Normal Variables transformation(SNV),First-Derivative(FD),Multivari-ate,Scattering,Correction(MSC)+First-Derivative(FD),Second-Derivative(SD),Savitzky Golay con-volution smoothing(SG)+Second-Derivative(SD),Standard Normal Variables transformation(SNV)+Second-Derivative(SD).The Root Mean Square Error(RMSE),coefficient of determination(R2),Re-sidual Prediction Deviation(RPD)were used to determine the optimal model and to compare the wal-nut protein prediction models established by different preprocessing combination methods with BP neu-ral network method and SVR.【Results】Comparing the SVR with the BP neural networks,the R2of theSD+BP neural network,MSC+BP neural network,SG+SD+BP neural network and SNV+SD+BP neu-ral network Correction set and Validation set were below 0.8,only the R2of the MSC+FD+BP neuralnetwork Correction and Validation sets reach was above 0.8.Moreover,the maximum RPD was 2.856.Although R2of the Correction set for the FD+BP neural network was 0.845 7,it was quite discrepancyfrom the Validation set.The R2of Correction set and Validation set for SD+SVR,MSC+SVR,MSC+FD+SVR were all lower,Only SG+SD+SVR and SNV+SD+SVR Corrected and Validated sets had R2above 0.8,although the R2of the Correction set of the FD+BP neural network was 0.820 0,but the R2ofValidation set was only 0.770.Compared with SG+SD+SVR and SNV+SVR,MSC+FD+BP neural net-work had smaller differences in R2of Correction set and Validation set,RMSE of Correction set and Val-idation set,the highest RPD.That is,the R2of the MSC+FD+BP neural network Correction set was0.871,RMSEC was 0.089 5,and the RPD was 2.875;the R2of the validation set was 0.825,RMSEPwas 0.105 9,and the RPD value was 2.233.Therefore,MSC+FD+BP neural network built predictionmodel performs better than SG+SD+SVR and SNV+SVR.【Conclusion】The results showed that theBP neural network algorithm had better model quality than the SVR algorithm in walnut kernel solubleprotein content prediction modeling in characteristic bands.The MSC+FD+CARS+BP neural net-work modeling method would be more suitable for the prediction of the soluble protein content of wal-nut kernel,which would provide a reference for the analysis of walnut kernel quality using near-infra-red spectroscopy.Key words:Walnut meat;Soluble protein content;Back-Propagation network;Support Vector Regres-sion(SVR)罗浪琴，等：基于近红外光谱法建立核桃仁可溶性蛋白质含量检测模型1751果树学报第40卷确度高，结果可靠8-9；但分析过程既费时又费力，并且使用的化学试剂会对测试人员身体有害10。因此，利用近红外光谱技术建立一种快速、通用、高效的方法来预测核桃蛋白质含量是迅速辨别核桃品质的关键。近红外光谱技术（NIRS）因具有客观、快速和经济的特性而受到越来越多的关注11，且具有操作简单、快速、环保等优点，可用于检测同种物质中的多种成分。具有灵敏度和分辨率高、扫描速度快等显著优点，广泛应用于农业、医药、烟草、石油化工12-14等领域，可以胜任含量相对较低以及结构相似的化学组分的分析。例如，王纯阳等15利用偏最小二乘建模方法实现了水稻蛋白质含量的测定。王丽萍等16开展了大豆中蛋白质和脂肪含量的近红外反射光谱预测建模研究。在坚果检测方面，对蛋白质含量的近红外光谱模型预测研究已在松子、花生、板栗等17中报道，而对磨碎的核桃仁可溶性蛋白质含量的近红外光谱检测研究报道较少。本试验中在400010 000 cm-1范围内采集核桃碎仁的光谱信息，建立核桃仁蛋白质含量的预测模型，筛选适合于核桃仁中可溶性蛋白质含量的预处理方法18，以期找出核桃仁可溶性蛋白质含量快速检测的最优模型组合方式。1材料和方法1.1材料与仪器设备为了得到比较准确的光谱信息，解决核桃有硬壳包裹以及核桃整仁的凹凸现象造成光谱反射不均一的问题，采用破损法对核桃仁进行处理。采用傅里叶近红外光谱仪（Antaris-型，美国）扫描光谱，分辨率为8 cm-1，增益为2x，以仪器内置背景为参比，扫描32次获得平均光谱。样品选自新疆阿克苏地区温宿县核桃林场的温185核桃，分别来自9个不同核桃园（高产管理果园、中产管理果园、低产管理果园各3个）的180份核桃样品，每个核桃园的核桃树株行距为4 m6 m，树龄10年生。在核桃成熟期（2021-09-01）开始采收，采收完成后去青皮置于通风处晾干，含水量在6%左右。晾干后对核桃进行破壳取仁，使用FW-80型高速万能粉碎机将核桃仁粉碎3 min混合均匀后装在塑料袋中，密封并储存在4，直到进行光谱扫描和蛋白质含量的测定。1.2核桃仁原始光谱的采集采集光谱前，将试验样本置于仪器所在的房间内，保证所有样品光谱采集条件的一致性19-20。采集光谱时，仪器需开机预热60 min，在400010 000 cm-1的范围内收集核桃仁光谱。将粉碎后的核桃仁填充于石英样品杯中（直径30 mm，高为5 mm，壁厚1 mm）与杯口平行，每次装满样品后将其表面压至水平后可进行光谱的采集。每个样品扫描3次之后得到540条光谱，求取光谱平均值，得到180条光谱作为该样品的最终光谱。每次测量后，应先用自来水冲洗样品杯，再用蒸馏水清洗，最后用乙醇擦拭干净，以进行下一个样品的光谱采集。1.3核桃仁可溶性蛋白质含量的测定光谱采集完成后，参考李合生21的方法，在595 nm的波长下比色，取其平均值作为最后的可溶性蛋白质含量值。根据以下公式可算出蛋白质含量。X1=CV1NMV21000。式中，X1表示可溶性蛋白质含量（mgg-1）；C表示根据标准曲线查得牛血清蛋白质含量（g）；V1表示试样提取液总体积（mL）；V2表示测定时吸取的上清液体积（mL）；M表示称取的核桃仁样品的质量（g）；N表示稀释倍数；1000表示换算系数。1.4光谱预处理方法样品的近红外光谱图通过导数处理，可减轻背景的干扰以及分辨一些重叠在一起的峰22。光散射校正主要针对漫反射数据采集过程中因样品粒径大小分布不均匀导致的光谱差异23。本试验中对光谱进行预处理的方法有6种，分别是一阶导数（FD）、二阶导数（SD）、S-G平滑+二阶导数、多元散射校正（MSC）、多元散射校正+一阶导数、标准正态变量变换（SNV）+二阶导数。1.5数据处理利用MATLAB R2017a软件对光谱信息进行预处理、提取特征波段等，最后建立近红外光谱与化学含量之间的数学模型，使用Excel 2021进行化学值和光谱均值计算，同时采用Origin 2021绘图。2结果与分析2.1核桃仁可溶性蛋白质含量分析通过公式可算出核桃仁中可溶性蛋白质含量，从结果可知，每个样品的可溶性蛋白质含量有较大1752，等：蛋白质含量检测模型第8期差异，具有很强的差异性和代表性。表1为不同管理模式下果园样品数据差异比较结果，从表中可以看出，不同管理模式下，果园中可溶性蛋白质含量的平均值具有一定的差异，利于模型建立。2.2核桃仁近红外光谱分析近红外光谱的吸收谱带主要是由有机物分子中不同基团及化学键的振动引起的24，核桃仁主要由蛋白质、脂肪、糖类和微量元素组成。由图1可知，核桃仁光谱在400010 000 cm-1之间有明显的吸收峰，特征谱区波数90759450 cm-1区域对应着蛋白质-RNH2基团的三级倍频；波数69007300 cm-1区域对应着蛋白质-CONH2基团的二级倍频；波数56405880 cm-1区域对应着蛋白质-CH和-CH2基团的一级倍频，波数42204370 cm-1区域对应着蛋白质-CH、-CH2和-CH3基团的组合频。虽然在不同管理水平下的不同样品原始吸收光谱形状基本一致，但是每条谱图 1温 185 核桃仁原始光谱Fig.1Raw spectra of the Wen 185 walnut kernel表 1不同管理模式下可溶性蛋白质含量数据Table 1Soluble protein content data in differentmanagement modes分类Classification高产园High yield garden中产园Middle yield garden低产园Low yield garden最大值Maximumvalue/（mgg-1）2.3412.3142.313最小值Minimumvalue/（mgg-1）1.4501.2090.959平均值Meanvalue/（mgg-1）1.8931.7931.756标准差Standarddeviation0.0820.0810.09235302520151050反射率Reflectance/%40005000600070008000900010 000波数 Wavenumber/cm-1线所对应的反射强度存在一定的差异，有利于建模。2.3剔除异常样本为了使测量误差降到最小甚至消除测量误差造成的影响，提高核桃仁蛋白质含量预测模型的稳定性和精确度25，本试验中采用了马氏距离法26来剔除存在的异常值。通过马氏距离法已剔除5个异常值，加上同一类数据的自然变异（极端值）的出现影响建模效果，故将其剔除，最终剩余174个样本数据。2.4划分样本集结果试验中经过剔除异常值之后共计174个核桃仁样本，根据SPXY算法，可将校正集与验证集的样本数按3 1的比例划分27。SPXY算法是一种基于统计基础的样本集选择方法，用光谱-理化值共生距离作为依据以保证最大程度表征样本分布，提高模型稳定性28-29。按照这个比例可把校正集样本数划分成132个，验证集样本数划分成42个。以174组样本的蛋白质及其对应的光谱信息为输入，输出为校正集132组样本的化学含量值及其对应的光谱信息，以及验证集42组样本的化学含量值及其对应的光谱信息30-31。依照SPXY算法对核桃仁光谱进行样本的划分。从表2中可以看出，校正集中样品含量的范围大于验证集中样品含量的范围，即验证集的最大值和最小值均在其校正集最大值和最小值范围内，可说明按这种方法来划分校正集样品是合罗浪琴，等：基于近红外光谱法建立核桃仁可溶性蛋白质含量检测模型1753果树学报第40卷表 2样本可溶性蛋白质含量统计及样本集划分结果Table 2Sample soluble protein content statistics and sample set division results样品Sample总体 Overall样本校正集Sample correction set样本验证集Sample validation set样品数Number ofsamples17413242最大值Maximum value/（mgg-1）2.342.342.31最小值Minimum value/（mgg-1）0.961.240.96平均值Mean value/（mgg-1）1.811.821.77标准差Standarddeviation0.2790.2570.338图与原始光谱图的比较，从比较结果来看，经过MSC+FD预处理组合的数据出现了显著的变化，光谱噪声减小，峰值比原始图中的峰值更清晰。2.5.2特征波长的提取竞争性自适应重加权算法（CARS）是一种结合蒙特卡洛采样与PLS模型回归系数的特征变量选择方法，模仿达尔文理论中的“适者生存”的原则35-37。图3表示运用CARS算法挑选特征波长结果图38。其中，图3-A表示变量数量变化趋势，图3-B表示RMSECV值变化趋势，图3-C表示每个变量回归系数值变化趋势。本试验采样次数设置为100次，从图3-A可以看出，在采样刚刚开始时，建模变量随着采样次数的增加而快速减少，最后随着采样次数的增加，变量减少的幅度趋于平缓，这个过程便是CARS算法筛选波长变量数由粗选到精选的一个过程；图3-B中表示的是采样次数与RM-SECV之间的关系，随着采样次数的增加，RMSECV值表现出先减小后上升的趋势，当采样次数在37时，RMSECV的值最小为0.087 8；图3-C中，每条线表示每个变量在不同采样次数时的回归系数值变化趋势，图中的星垂线表明均方根误差最小的位置。2.6模型的确定与验证2.6.1模型的确定SVR和BP神经网络是常用的建模方法。表4是分别采用SVR和BP神经网络所建的检测模型性能比较。从表4可看出用BP神经网络法与MSC+FD组合预处理方法所建出来的模型验证集的决定系数R2为0.825，预测均方根误差RMSEP为0.105 9，残留预测偏差RPD为2.856，一般认为RPD2时模型的效果较好39。而采用SVR表 3不同预处理方法的建模结果Table 3Modeling results of different pretreatment methods预处理方法Pre-processing methods二阶导数预处理 The Second derivative preprocessing，SD多元散射校正预处理 The Multivariate scattering correction preprocessing，MSC一阶导数预处理 The First derivative preprocessing，FD卷积平滑与二阶导数组合预处理The Savitzky-golay preprocessing and second derivative combination preprocessing，SG+SD多元散射校正预处理与一阶导数组合预处理The Multivariate scattering correction preprocessing and first derivative combination preprocessing,MSC+FD标准正态变换与二阶导数组合预处理The standard normal transformation preprocessing and second derivative combination preprocessing，SNV+SD校正集Correction setR20.753 50.635 40.845 70.785 70.871 00.796 3RMSEC0.131 70.215 10.103 70.123 00.089 50.120 5验证集Validation setR20.721 70.604 80.763 70.742 10.825 00.738 1RMSEP0.165 30.228 90.148 90.159 00.105 90.157 3理的。2.5光谱预处理的选择与特征波长的提取2.5.1光谱预处理的选择采用6种不同组合的预处理方法对光谱进行预处理，预处理之后建立BP神经网络蛋白质含量的预测模型。以校正集和验证集的决定系数R2和均方根的参数来确定光谱的预处理和建模方法，校正均方根误差（RMSEC）和预测均方根误差（RMSEP）越接近0、决定系数R2越接近1，说明相关性显著32-34。同时，校正集和验证集的决定系数或RMSEC和RMSEP之间差异越小越好，RM-SEC和RMSEP之间差异小表明模型具有很好的鲁棒性。残差预测偏差（RPD）的值越大，表明该模型越能够可靠地预测其化学成分。表3是光谱预处理后的建模结果，从表中可以看出，MSC+FD组合的预处理方法与其他预处理方法相比，RMSEC和RM-SEP最小，分别为0.089 5和0.105 9，验证集的决定系数 R2为 0.825 0，因此筛选出最佳预处理方法是MSC+FD的组合方式。图2是6种预处理后的光谱1754，等：蛋白质含量检测模型第8期ACEG35302520151050反射率Reflectance/%400050006000 70008000 9000 10 000波数 Wavenumber/cm-1A.原始光谱图；B.多元散射校正预处理（MSC）；C.一阶导数预处理（FD）；D.多元散射校正预处理与一阶导数组合预处理（MSC+FD）；E.二阶导数（SD）；F.卷积平滑与二阶导数组合预处理（SG+SD）；G.标准正态变换与二阶导数组合预处理（SNV+SD）。A.An original spectral;B.The Multivariate scattering correction preprocessing,MSC;C.The First derivative preprocessing,FD;D.The Multivari-ate scattering correction preprocessing and first derivative combination preprocessing,MSC+FD;E.The Second derivative preprocessing,SD;F.TheCombining preprocessing for convolutional smoothing and second derivative,SG+SD;G.The Combining preprocessing for standard normal transfor-mation and second derivative,SNV+SD.图 26 种预处理光谱图Fig.26 kinds of preprocessing spectrograms302520151050-5反射率Reflectance/%400050006000 70008000 9000 10 000波数 Wavenumber/cm-1400050006000 70008000 9000 10 000波数 Wavenumber/cm-1400050006000 70008000 9000 10 000波数 Wavenumber/cm-1400050006000 70008000 9000 10 000波数 Wavenumber/cm-1400050006000 70008000 9000 10 000波数 Wavenumber/cm-14000 5000 6000 7000 8000 9000 10 000波数 Wavenumber/cm-10.0150.0100.005-0.005-0.010-0.015-0.0200.100.050.00-0.05-0.10-0.150.030.020.010.00-0.01-0.02-0.030.40.30.20.10.0-0.1-0.20.40.30.20.10.0-0.1-0.2反射率Reflectance/%反射率Reflectance/%反射率Reflectance/%反射率Reflectance/%反射率Reflectance/%BDF罗浪琴，等：基于近红外光谱法建立核桃仁可溶性蛋白质含量检测模型1755果树学报第40卷图 3CARS 运算提取变量原理Fig.3Principle of variable extraction by CARS operationABC采样运行次数 Number of sampling runs样本变量数Number of sample Variables采样运行次数 Number of sampling runs采样运行次数 Number of sampling runs交叉验证均方根误差RMSECV回归系数路径Regression coefficients path表 42 种方法所建蛋白质检测模型性能Table 4Performance of the protein detection models built by the 2 methods组分Component蛋白质Protein建模方法Modeling methodBP神经网络BP neural network支持向量回归Support vector regression预处理方法Pre-processing methodsSDMSCFDSG+SDMSC+FDSNV+SDSDMSCFDSG+SDMSC+FDSNV+SD校正集 Correction setR20.753 50.635 40.845 70.785 70.871 20.796 30.756 10.606 10.820 00.895 30.739 20.895 8RMSEC0.131 70.215 10.103 70.123 00.089 50.120 50.137 80.228 60.135 80.045 00.140 70.084 3验证集 Validation setR20.721 70.604 80.763 70.742 10.824 80.738 10.666 40.600 10.770 00.815 20.706 70.816 4RMSEP0.16530.228 90.148 90.159 00.105 90.157 30.162 10.230 10.143 00.139 10.136 20.133 1RPD2.0921.1772.4341.6742.8561.7591.0541.1211.4472.5871.1132.653法与SNV+SD、SG+SD的组合预处理方法所建出来的模型虽然有着较高的校正集决定系数，但验证集决定系数较低以及均方根误差差异较大，存在过拟合现象，且残留预测偏差RPD小于BP神经网络的RPD值。综上所述，选用MSC+FD+BP神经网络相结合的方法建模，可以达到理想的建模效果40。图4为核桃仁蛋白质含量近红外预测模型图，图中横坐标表示核桃仁可溶性蛋白质含量的实测值，纵坐标表示核桃仁可溶性蛋白质含量的预测值，可以发现实测值与预测值之间的相关性显著，其决定系数R22000150010005000010203040506070809010001020304050607080901000.30.20.1500-5001020304050607080901001756，等：蛋白质含量检测模型第8期图 4核桃仁定量模型实测值与预测值相关性Fig.4Correlation between measured and predicted values of walnut kernel quantitative model2.42.22.01.81.61.41.21.21.41.61.82.02.22.4预测值Predicted value/（mgg-1）实测值Measured value/（mgg-1）R2=0.870 8RMSEC=0.089 5RPD=2.856表 5验证集样品可溶性蛋白质含量的实测值和预测值Table 5Measured and predicted values of soluble protein content of the validation set samples序号Serialnumber123456789101112131415161718192021实测值Measuredvalue/（mgg-1）1.9121.8861.4751.2091.6421.4562.0742.1641.3241.0001.5761.9341.9502.2821.8471.8881.8681.3411.8481.6171.647预测值Predicted