劉 靜, 杜廣全, 管 驍

(1.上海海事大學(xué)信息工程學(xué)院，上海 201306；2.上海理工大學(xué)醫(yī)療器械與食品學(xué)院，上海 200093)

果蔬脆片在保持原有風(fēng)味的基礎(chǔ)上盡可能保持果蔬的營養(yǎng)成分，同時(shí)又具備口感酥脆、綠色天然，便于貯存等特點(diǎn)，滿足了消費(fèi)者對(duì)果蔬脆片營養(yǎng)方便、天然低脂、高膳食纖維等需求[1]。隨著人們對(duì)健康問題越來越多的重視，低脂低熱量食品在市場上尤為受到關(guān)注。因此，一系列非油炸果蔬脆片干燥加工技術(shù)應(yīng)運(yùn)而生，主要有變溫壓差膨化干燥技術(shù)、真空冷凍干燥技術(shù)、微波真空干燥技術(shù)等[2 - 4]。自上世紀(jì)80年代以來，美國農(nóng)業(yè)部東部研究中心、中國農(nóng)業(yè)科學(xué)院農(nóng)產(chǎn)品加工研究所、山東農(nóng)業(yè)大學(xué)等研究團(tuán)隊(duì)對(duì)蘋果脆片的加工進(jìn)行了較多的研究，這些研究基本側(cè)重于工藝參數(shù)的優(yōu)化和不同干燥方式對(duì)產(chǎn)品某種特性的影響，不同的研究者對(duì)蘋果脆片的品質(zhì)情況定位也不同，進(jìn)而選擇不同的測定指標(biāo)來反映產(chǎn)品的最終品質(zhì)狀況[5 - 6]。同時(shí)傳統(tǒng)檢測方法制樣繁瑣、檢測費(fèi)時(shí)費(fèi)工，且需專業(yè)人士操作，難以實(shí)現(xiàn)快速無損監(jiān)控加工過程中蘋果脆片品質(zhì)變化情況。目前，近紅外光譜技術(shù)憑借其快速簡便、無損綠色和易實(shí)時(shí)在線檢測等優(yōu)點(diǎn)被廣泛應(yīng)用于果品品質(zhì)檢測研究[7]。因此，本文將基于果蔬脆片的近紅外光譜信息，運(yùn)用智能機(jī)器學(xué)習(xí)方法建立蘋果脆片的智能客觀的品質(zhì)預(yù)測模型，從而實(shí)現(xiàn)快速無損評(píng)判。

基于當(dāng)前的果蔬脆片品質(zhì)評(píng)價(jià)研究現(xiàn)狀，本文中選取水分、總酸、總糖、可溶性固形物、硬度五個(gè)屬性作為品質(zhì)評(píng)價(jià)指標(biāo)。根據(jù)果蔬脆片水分含量應(yīng)小于5%的國家標(biāo)準(zhǔn),選取蘋果脆片為研究對(duì)象，結(jié)合最新的果蔬脆片研究成果和支持向量機(jī)機(jī)器學(xué)習(xí)方法，以蘋果脆片近紅外光譜吸收值的數(shù)據(jù)樣本為訓(xùn)練樣本，根據(jù)不同紅外光譜吸收值的數(shù)據(jù)特征信息，產(chǎn)生不同的映射關(guān)系，然后通過蘋果脆片紅外光譜吸收值來預(yù)測蘋果脆片的各項(xiàng)品質(zhì)指標(biāo)，以期完成對(duì)果蔬脆片各項(xiàng)品質(zhì)指標(biāo)的評(píng)價(jià)。

1 實(shí)驗(yàn)部分

1.1 儀器與設(shè)備

Antais II型傅里葉變換近紅外光譜分析儀(美國,Thermo Fisher公司)；Ta.XT2i/50型物性分析儀(英國,Stable Micro System公司)。

1.2 材料及樣品制備

實(shí)驗(yàn)所用蘋果原材料均選自不同產(chǎn)地、不同批次的產(chǎn)品，均采購于當(dāng)?shù)卮笮娃r(nóng)場和超市，隨機(jī)挑選24個(gè)大小相似、無機(jī)械損傷的蘋果進(jìn)行清洗、削皮等預(yù)處理，并將其均勻切片至5 mm，置于0.5%抗壞血酸鈉溶液中浸泡30 min，然后將蘋果薄片放入65 ℃減壓干燥箱進(jìn)行干燥處理6 h，每隔1 h進(jìn)行取樣測定，共得到144組蘋果切片樣本。

1.3 品質(zhì)指標(biāo)的測定方法

水分的測定：直接干燥法，參考文獻(xiàn)[8];可溶性固形物的測定：折射儀法，參考文獻(xiàn)[9]；總糖的測定：蒽酮比色法；可滴定酸的測定：指示劑滴定法，參考文獻(xiàn)[10]；硬度的測定：采用質(zhì)構(gòu)分析法(Texture Profile Analysis，TPA)測定。物性分析儀參數(shù)設(shè)置：測試速度1.0 mm/s，測前速度和測后速度1.0 mm/s，數(shù)據(jù)采集速率200次/s，壓縮距離80%，探頭為P/1S。儀器自動(dòng)測定應(yīng)力的變化，給出應(yīng)力時(shí)間變化曲線。硬度值等于曲線中力的峰值，單位為g，值越大表明產(chǎn)品越硬。

1.4 近紅外光譜采集

近紅外光譜分析儀儀器參數(shù)設(shè)置：分辨率為8 cm-1，光譜范圍為10 000～4 000 cm-1，掃描次數(shù)為64次。開機(jī)預(yù)熱30 min后先進(jìn)行背景掃描，消除背景對(duì)光譜信息的影響，再用積分球固體采集模塊對(duì)樣本進(jìn)行光譜掃描。每組樣本測量5次，取平均值作為該樣本的典型光譜，數(shù)據(jù)采集軟件為OMNIC。

2 支持向量機(jī)(Support Vector Machine,SVM)建模方法

2.1 支持向量機(jī)基本思想

本文將采用支持向量機(jī)這一機(jī)器學(xué)習(xí)技術(shù)對(duì)近紅外光譜數(shù)據(jù)進(jìn)行建模，它通常在處理小樣本、非線性、模糊性等特征的數(shù)據(jù)時(shí)表現(xiàn)出很強(qiáng)的高維辨識(shí)能力。支持向量機(jī)通過核函數(shù)實(shí)現(xiàn)非線性函數(shù)擬合，可有效解決樣本高維和計(jì)算復(fù)雜度之間的矛盾,同時(shí)選擇不同的核函數(shù)就構(gòu)成不同的支持向量機(jī)。實(shí)驗(yàn)中發(fā)現(xiàn)，核函數(shù)參數(shù)和懲罰系數(shù)在很大程度上決定了支持向量機(jī)的學(xué)習(xí)和泛化能力，為此本試驗(yàn)中將多次對(duì)最優(yōu)懲罰系數(shù)和最優(yōu)核函數(shù)參數(shù)進(jìn)行調(diào)整，以期取得更接近于實(shí)際情況的水分預(yù)測效果[11 - 12]。

2.2 模型建立

利用支持向量機(jī)建立回歸模型對(duì)蘋果脆片不同時(shí)刻的各項(xiàng)品質(zhì)指標(biāo)進(jìn)行回歸擬合。假設(shè)蘋果脆片不同時(shí)刻的品質(zhì)指標(biāo)與其對(duì)應(yīng)的紅外光譜吸收值相關(guān)，即把蘋果脆片近紅外光譜吸收值作為對(duì)應(yīng)時(shí)刻品質(zhì)指標(biāo)的自變量，此時(shí)刻的品質(zhì)指標(biāo)作為因變量。支持向量機(jī)采用的核函數(shù)是徑向基函數(shù)(RBF)K(xi,xj)=exp(-‖xi-xj‖2)/g2。支持向量機(jī)建模的具體執(zhí)行步驟如下：

(1)根據(jù)模型假設(shè)選定自變量和因變量：即把蘋果脆片近紅外光譜吸收值作為對(duì)應(yīng)時(shí)刻品質(zhì)指標(biāo)(如水分含量)的自變量，此時(shí)刻的水分含量作為因變量。

(2)數(shù)據(jù)預(yù)處理：根據(jù)蘋果脆片近紅外光譜吸收值數(shù)據(jù)樣本的特點(diǎn)，判斷出數(shù)據(jù)樣本不需要進(jìn)行降維和歸一化處理，只需將144組近紅外光譜數(shù)據(jù)分為測試集和訓(xùn)練集，可用隨機(jī)函數(shù)隨機(jī)選取總數(shù)據(jù)的四分之三(108組)作為訓(xùn)練集，剩下的四分之一(36組)作為測試集。

(3)交叉驗(yàn)證選擇回歸的最優(yōu)懲罰系數(shù)和最優(yōu)核函數(shù)參數(shù)：在支持向量機(jī)回歸問題中，交叉驗(yàn)證返回的是交叉檢驗(yàn)下的平均分類均方根誤差和平均相關(guān)系數(shù),我們這里選擇的交叉驗(yàn)證次數(shù)為5次，使用回歸參數(shù)尋優(yōu)函數(shù)進(jìn)行參數(shù)尋優(yōu),得出最佳的懲罰系數(shù)和最優(yōu)核函數(shù)參數(shù)。

(4)利用步驟(3)得到的最佳的懲罰系數(shù)和最優(yōu)核函數(shù)參數(shù)來訓(xùn)練支持向量機(jī)，將最佳的懲罰系數(shù)和最優(yōu)核函數(shù)參數(shù)代入到RBF核函數(shù)，使用訓(xùn)練函數(shù)在支持向量機(jī)中對(duì)訓(xùn)練集進(jìn)行建模，得到訓(xùn)練模型。

(5)對(duì)測試集集進(jìn)行擬合預(yù)測，即使用第四步中構(gòu)造的模型，將其帶入到預(yù)測函數(shù)中，對(duì)測試集進(jìn)行預(yù)測擬合，并得出擬合預(yù)測指標(biāo)平均均方根誤差和平均相關(guān)系數(shù)。

3 結(jié)果與討論

3.1 實(shí)驗(yàn)數(shù)據(jù)分析

本實(shí)驗(yàn)所用的蘋果脆片近紅外光譜吸收值數(shù)據(jù)樣本為24個(gè)蘋果脆片樣本在6個(gè)時(shí)間節(jié)點(diǎn)觀測值，共144條近紅外光譜吸收值記錄，每條紅外光譜吸收值記錄了蘋果脆片在某時(shí)間節(jié)點(diǎn)下在10 000～4 000 cm-1的范圍內(nèi)蘋果脆片近紅外光譜的吸收值，按照上述紅外光譜的采集方法，得到部分蘋果樣品在預(yù)先設(shè)定的6個(gè)時(shí)間節(jié)點(diǎn)的紅外光譜吸收值數(shù)據(jù)如表1所示。

表1 蘋果脆片近紅外光譜數(shù)據(jù)

本實(shí)驗(yàn)把蘋果脆片近紅外光譜吸收值作為對(duì)應(yīng)時(shí)刻品質(zhì)指標(biāo)的自變量，此時(shí)刻的各項(xiàng)品質(zhì)指標(biāo)(水分含量)作為因變量，根據(jù)近紅外光譜吸收值來回歸預(yù)測此時(shí)刻的水分含量。蘋果脆片在加工過程中，按照上述各項(xiàng)品質(zhì)指標(biāo)的測定方法來獲取水分，總酸，總糖，可溶性固形物，硬度等各項(xiàng)品質(zhì)評(píng)價(jià)指標(biāo)的部分變化情況如表2所示。

表2 蘋果脆片品質(zhì)評(píng)價(jià)指標(biāo)數(shù)據(jù)

(續(xù)表2)

No.Water content(%)Total acid(mmol/100g)Total sugar(%)Soluble solids(%)Hardness(g)2-46.8312.1344.612.64108.02-54.2410.9167.303.78650.82-63.6811.2545.963.121210.93-170.585.7515.491.03105.83-254.985.8621.171.22047.53-338.9110.2934.792.54203.03-414.0113.9634.112.63993.63-57.3115.5859.833.76637.93-65.5615.4549.023.17404.24-174.682.426.910.44149.94-251.255.4824.641.43095.44-322.769.1729.422.03280.04-47.1113.2653.813.44770.24-55.2515.7647.152.66411.74-64.2515.2537.912.77575.85-175.994.2113.001.04076.05-265.826.3120.591.32949.35-348.2415.0725.131.63232.45-435.2514.6249.702.94451.25-517.6317.3951.862.96684.45-64.7716.5950.743.48919.7

3.2 仿真結(jié)果

利用上述執(zhí)行步驟(3)交叉驗(yàn)證進(jìn)行參數(shù)尋優(yōu)可得到最優(yōu)懲罰系數(shù)c為27.8576，最優(yōu)核函數(shù)參數(shù)g為0.0039，將兩參數(shù)代入到構(gòu)造好的回歸模型，即可進(jìn)行果蔬脆片各項(xiàng)品質(zhì)指標(biāo)的回歸預(yù)測。

圖1 水分含量預(yù)測結(jié)果分布圖Fig.1 The Prediction of water content distribution

樣本測試集的水分含量擬合結(jié)果如圖1所示，擬合預(yù)測過程得出擬合預(yù)測指標(biāo)均方誤差(MSE)為0.0057，相關(guān)系數(shù)R2為93.81%。從擬合結(jié)果圖可以看出，受系統(tǒng)誤差，環(huán)境因素和預(yù)測模型參數(shù)設(shè)置等眾多因素的影響，個(gè)別預(yù)測數(shù)據(jù)和原始數(shù)據(jù)有較大差異，但這些誤差仍在合理的范圍波動(dòng)之內(nèi)，對(duì)水分這一指標(biāo)的整體品質(zhì)評(píng)價(jià)不會(huì)造成過多的影響，并且絕大部分回歸預(yù)測數(shù)據(jù)的分布大致與原始數(shù)據(jù)相符，相關(guān)系數(shù)(R2)達(dá)到93.81%，表明我們的模型構(gòu)造基本良好，對(duì)水分這一指標(biāo)的整體評(píng)價(jià)在有效范圍之內(nèi)，對(duì)果蔬脆片的品質(zhì)評(píng)價(jià)具有一定的指導(dǎo)作用。

本文以蘋果脆片為研究對(duì)象，以水分含量這一品質(zhì)評(píng)價(jià)為代表，對(duì)其進(jìn)行了模型的構(gòu)建與預(yù)測，對(duì)于總酸、總糖、可溶性固形物、硬度等其他果蔬脆片的品質(zhì)評(píng)價(jià)指標(biāo)的預(yù)測，本模型同樣適用，并且預(yù)測結(jié)果良好，對(duì)于果蔬脆片的綜合品質(zhì)評(píng)價(jià)同樣具有一定的指導(dǎo)作用，其預(yù)測方法與水分含量預(yù)測方法類似，只需把學(xué)習(xí)樣本數(shù)據(jù)中的水分含量數(shù)據(jù)換成相應(yīng)的其他品質(zhì)評(píng)價(jià)指標(biāo)的數(shù)據(jù)即可。

4 結(jié)論

本文選取蘋果脆片為研究對(duì)象，結(jié)合支持向量機(jī)機(jī)器學(xué)習(xí)方法，以搜集到的蘋果脆片近紅外光譜吸收值的數(shù)據(jù)樣本為基礎(chǔ)，根據(jù)不同蘋果樣本、不同時(shí)序的紅外光譜吸收值的數(shù)據(jù)特征信息，產(chǎn)生不同的映射關(guān)系，將某一樣本在某一時(shí)刻的紅外光譜吸收值映射到對(duì)應(yīng)樣本在對(duì)應(yīng)時(shí)刻品質(zhì)指標(biāo)。然后利用支持向量機(jī)的方法對(duì)這些紅外光譜吸收值的數(shù)據(jù)樣本進(jìn)行訓(xùn)練，從而建立了支持向量機(jī)模型，在模型建立過程中多次對(duì)最優(yōu)懲罰系數(shù)c和最優(yōu)核函數(shù)參數(shù)g進(jìn)行調(diào)整，以期取得更接近于實(shí)際情況的品質(zhì)指標(biāo)的預(yù)測效果，最終尋得最優(yōu)懲罰系數(shù)c為27.8576，最優(yōu)核函數(shù)參數(shù)g為0.0039。該模型擬合預(yù)測過程中的平均相關(guān)系數(shù)達(dá)到93.81%。蘋果脆片的各項(xiàng)評(píng)價(jià)指標(biāo)大致與原始數(shù)據(jù)相符，表明我們的模型構(gòu)造良好，對(duì)于果蔬脆片的評(píng)價(jià)體系具有一定的指導(dǎo)性意義，可以科學(xué)有效的幫助價(jià)格決策者對(duì)果蔬脆片進(jìn)行品質(zhì)評(píng)價(jià)。