姜微，劉瑤，劉忠艷，曾紹庚，熊建芳，喬付

1(嶺南師范學(xué)院 計(jì)算機(jī)與智能教育學(xué)院，廣東 湛江，524048)2(嶺南師范學(xué)院 電子與電氣工程學(xué)院，廣東 湛江，524048)

在海洋生物中，貝類的主要食物為藻類、原生動物等一些浮游生物，在原甲藻和鰭藻等藻類中易產(chǎn)生海洋生物毒素——腹瀉性貝類毒素(diarrhetic shellfish poisons，DSP)[1-2]。貝類屬于非選擇濾食性動物，在生長過程中，難免濾食有毒藻類食物，由此引起DSP在其體內(nèi)長期融積富集，當(dāng)人們誤食染毒的貝類后就會對身體健康產(chǎn)生危害，引起中毒現(xiàn)象，甚至?xí)黾踊冀Y(jié)腸癌等腫瘤的風(fēng)險(xiǎn)[3-5]。由于DSP中毒現(xiàn)象分布廣泛，人體損傷性大，應(yīng)對食用貝類加強(qiáng)毒素檢測力度，確保貝類食用安全，因此研究高效高質(zhì)的貝類毒素檢測方法是十分必要的。

目前腹瀉性貝類毒素檢測方法主要有小鼠生物測定法、酶聯(lián)免疫吸附法、高效液相色譜法等[6-8]。小鼠生物測定法是應(yīng)用最多的貝類毒素檢測方法，但該方法受小鼠個(gè)體影響，檢測結(jié)果靈敏度不高，偏差較大。酶聯(lián)免疫吸附法以抗原與抗體特異性反應(yīng)為基礎(chǔ)，交叉反應(yīng)時(shí)產(chǎn)生較大偏差。高效液相色譜法具有靈敏度和準(zhǔn)確度高等優(yōu)勢，但該方法所用儀器昂貴，且前處理過程比較復(fù)雜，需要經(jīng)過專業(yè)培訓(xùn)的人員，比較適用于實(shí)驗(yàn)室和較高精度需求的樣本檢測。這些方法均有各自的優(yōu)勢，但都存在費(fèi)時(shí)費(fèi)力，對樣品具有破壞性等問題，無法實(shí)現(xiàn)快速無損分析。因此，開發(fā)高效、快速、無損的貝類毒素檢測技術(shù)具有重要的現(xiàn)實(shí)意義。

近紅外光譜屬于分子振動光譜，主要是對含氫基團(tuán)(C—H、N—H、O—H、S—H等)振動的倍頻和合頻進(jìn)行吸收。由于不同的物質(zhì)含有不同的氫基團(tuán)，這些基團(tuán)對近紅外光吸收波長均有所不同，通過采集樣品的近紅外光譜，可以得到樣品中含氫基團(tuán)的特征信息，從而得出樣品間的差異特征。近紅外光譜分析技術(shù)正是根據(jù)不同的光譜特征信息及傳統(tǒng)化學(xué)分析方法測定的樣品性質(zhì)或數(shù)據(jù)，通過化學(xué)計(jì)量學(xué)方法，將光譜與數(shù)據(jù)進(jìn)行關(guān)聯(lián)，從而實(shí)現(xiàn)對未知樣品進(jìn)行定性和定量分析[9-10]。近紅外光譜技術(shù)因具有快速無損、綠色環(huán)保等優(yōu)點(diǎn)，近年來在食品的真?zhèn)舞b定[11]、產(chǎn)地鑒別[12]、等級判別[13]以及微生物檢測[14]等領(lǐng)域得到了廣泛應(yīng)用。在貝類檢測方面，黃冠明等[15]對牡蠣(Crassostreaangulata)樣本的蛋白質(zhì)、水分、脂肪進(jìn)行分析，LIU等[16]提出基于高光譜技術(shù)對菲律賓蛤仔(Ruditapesphilippinarum)重金屬污染進(jìn)行檢測，劉忠艷等[17]提出基于近紅外光譜和多層感知機(jī)對腹瀉性貝毒的檢測方法。這些研究成果為貝類毒素高效、快速、無損檢測提供了技術(shù)可行性。

由于光譜采集過程中存在環(huán)境、樣本、操作人員等的影響，所以光譜往往存在譜峰重疊、基線漂移等干擾因素。為了消除這些干擾，需要結(jié)合化學(xué)計(jì)量學(xué)方法對光譜數(shù)據(jù)進(jìn)行預(yù)處理，建立貝類毒素的準(zhǔn)確鑒別模型。同時(shí)近紅外光譜波段數(shù)量較大，波段間的相關(guān)性較高，一定程度上存在數(shù)據(jù)冗余等問題，因此數(shù)據(jù)降維一直是近紅外光譜數(shù)據(jù)分析的流程之一。本文采用間隔影響分析(margin influence analysis， MIA)與連續(xù)投影算法(successive projections algorithm，SPA)相結(jié)合的方法對近紅外光譜數(shù)據(jù)進(jìn)行降維，然后應(yīng)用偏最小二乘線性判別分析算法(partial least squares linear discriminant analysis，PLS-LDA)對腹瀉性貝類毒素樣本和健康樣本的混合數(shù)據(jù)集進(jìn)行分類，建立快速鑒別模型，以期為貝類毒素的快速無損鑒別提供一種新方法，為海產(chǎn)品污染物識別提供參考。

1 材料與方法

1.1 試驗(yàn)樣品制備

樣品購買自廣東省湛江市東風(fēng)海鮮市場，品種為翡翠貽貝。首先選取大小相似的貽貝，將其放置于塑料容器中進(jìn)行馴化，以適應(yīng)實(shí)驗(yàn)環(huán)境。馴化3 d后，選擇生命力強(qiáng)的貽貝進(jìn)行后續(xù)實(shí)驗(yàn)。預(yù)先準(zhǔn)備好2個(gè)大小為119 cm×108 cm×32 cm塑料養(yǎng)殖箱，分別飼養(yǎng)健康樣本(對照組)和毒素污染樣本(實(shí)驗(yàn)組)。每個(gè)養(yǎng)殖箱中承裝海水80 L，鹽度為3%，溫度為26 ℃。實(shí)驗(yàn)組養(yǎng)殖箱中加入濃度為7.3×109細(xì)胞/L的利馬原甲藻來模擬受DSP污染的海洋環(huán)境。對照組養(yǎng)殖箱中每天用0.5 L光合細(xì)菌喂養(yǎng)貽貝樣本。

在實(shí)驗(yàn)過程中，為了保持貽貝良好的生理狀態(tài)，利用氧氣泵對養(yǎng)殖箱中的海水不斷充氣，海水每24 h更換1次，以保持貽貝的生活環(huán)境清潔。將貽貝樣本在養(yǎng)殖箱中連續(xù)喂養(yǎng)6 d，使得DSP在貽貝樣本中積累。剔除死的貽貝，共收集240個(gè)樣本(每組120個(gè)樣本)進(jìn)行光譜采集。

1.2 光譜采集與預(yù)處理

貽貝從海水中取出后，利用近紅外光譜系統(tǒng)(圖1)獲得貽貝的光譜信息，該系統(tǒng)由近紅外光譜儀、鹵素光源、光纖、計(jì)算機(jī)和可調(diào)位移平臺組成。近紅外光譜儀的型號為SW2520-050-NIRA(中國臺灣OTO光電子有限公司)。采集貽貝的反射光譜范圍在950 nm到1 700 nm之間，包括114個(gè)波段。光譜采集前，預(yù)先進(jìn)行黑白校正以降低噪聲[18]。

圖1 近紅外光譜系統(tǒng)Fig.1 Near-infrared spectroscopy system

光譜采集后，將實(shí)驗(yàn)組DSP污染貽貝的樣本內(nèi)殼肉取出并冷凍，用于檢測DSP含量，研究中采用GB 5009.212—2016《食品安全國家標(biāo)準(zhǔn) 貝類中腹瀉性貝類毒素的測定》中的LC-MS/MS法進(jìn)行檢測。

采集到的原始光譜數(shù)據(jù)使用Savitzky-Golay卷積平滑求導(dǎo)結(jié)合標(biāo)準(zhǔn)正態(tài)變量變換用以消除光譜數(shù)據(jù)的噪聲以及基線平移。對于表征樣本是否為健康樣本矩陣采用平均中值法預(yù)處理，去除變量中沒有信息含量的均值部分。

1.3 MIA數(shù)據(jù)降維方法

MIA是一種基于模型集群分析思想，并以支持向量機(jī)(Support vector machines， SVM)的內(nèi)在工作機(jī)制為基礎(chǔ)的波段選擇算法[19]。MIA方法源于間隔是反映SVM模型預(yù)測能力的一個(gè)重要指標(biāo)，SVM模型的間隔越大，其結(jié)構(gòu)風(fēng)險(xiǎn)就越小，其模型的泛化性能越好。也就是說，能夠增加SVM模型間隔的變量是有信息變量，反之則是無信息變量甚至是干擾變量。MIA算法原理如圖2所示。

圖2 MIA方法的主要原理Fig.2 Main principle of MIA method

假設(shè)有光譜訓(xùn)練樣本集T={xi,yi|i=1，2，…，n}∈(X×Y)n，其中，n是樣本數(shù)量；xi是訓(xùn)練樣本集X內(nèi)的第i個(gè)樣本(p維向量)，xi∈X=Rn；yi是訓(xùn)練樣本集Y內(nèi)的第i個(gè)樣本的分類標(biāo)簽，yi∈Y={-1，1}。

(1)基于變量空間的蒙特卡洛抽樣。圖2中行為采樣次數(shù)用N表示(一般較大)，列為變量空間大小用p表示。采樣過程如下：預(yù)先定義待采樣變量的數(shù)量，用Q表示；每次采用無放回地從p個(gè)變量中隨機(jī)選取Q個(gè)變量，得到n×Q的子數(shù)據(jù)集。重復(fù)N次，得到N個(gè)子數(shù)據(jù)集。圖2每一行表示一次抽樣即在變量空間隨機(jī)選擇Q個(gè)變量(黑色方塊)。

(2)建立SVM子模型。給定一個(gè)懲罰因子C，對于(1)中每個(gè)隨機(jī)抽樣的子數(shù)據(jù)集，建立SVM分類模型。本研究中采用交叉驗(yàn)證來選擇C。由此計(jì)算出其對應(yīng)的N個(gè)間隔值，記為Mi，i=1，2，…，N。由圖2可知每個(gè)子模型建模所用變量及其間隔。

(3)對SVM間隔進(jìn)行統(tǒng)計(jì)分析。對于波長變量i，將N個(gè)子模型分為A類(包含波長變量i的模型)和B類(不包含波長變量i的模型)兩類?；谶@兩類間隔的數(shù)據(jù)，可以計(jì)算得到波長變量i對應(yīng)的2個(gè)分布，兩類的間隔均值分別記為Mi,A和Mi,B，則波長變量i間隔分布均值的差可以表示為公式：

Dmeani=Mi,A-Mi,B

若Dmeani>0，表明SVM模型中加入波長變量i可以提高模型性能，反之亦然。對各波長變量的間隔分布，進(jìn)行非參數(shù)Mann-Whitney U檢驗(yàn)[20]，計(jì)算差異顯著性的P值。選擇Dmeani>0且P<0.05的波長變量作為影響波段。MIA的最終目標(biāo)是選擇能夠顯著增加間隔的波長變量。

為了降低模型的復(fù)雜性，提高模型的性能，采用SPA進(jìn)一步減少最終模型中包含的波段數(shù)量。

1.4 參數(shù)調(diào)優(yōu)

MIA方法中有3個(gè)調(diào)優(yōu)參數(shù)，分別是N、C和Q。為了考察這3個(gè)參數(shù)對模型的影響，在一系列取值下進(jìn)行研究，并對結(jié)果進(jìn)行了分析，以期得到一組最優(yōu)化的參數(shù)。對于蒙特卡洛抽樣次數(shù)，已有研究表明，N越大，得到的結(jié)果越好，但計(jì)算成本較高?？紤]到計(jì)算成本和再現(xiàn)性，本工作中選擇N=10 000。SVM的懲罰因子C用于控制對分類錯誤的懲罰力度，取值越大表示越不能容忍錯分現(xiàn)象，但取值過大，容易出現(xiàn)過擬合。因此，選擇合適的懲罰因子C是至關(guān)重要的。Q是每次采樣劃分子數(shù)據(jù)集的變量個(gè)數(shù)，本研究通過檢驗(yàn)MIA識別的信息變量的再現(xiàn)性和相應(yīng)的預(yù)測誤差來確定Q的最佳取值。本研究利用交叉驗(yàn)證進(jìn)行C和Q的優(yōu)化。

為了選擇合適的C和Q，本研究將貽貝的近紅外數(shù)據(jù)集隨機(jī)劃分為訓(xùn)練集(96個(gè)健康樣本和96個(gè)DSP樣本)和測試集(24個(gè)健康樣本和24個(gè)DSP樣本)20次。樣本的近紅外光譜數(shù)據(jù)在訓(xùn)練集和測試集之間沒有重復(fù)。本研究中，懲罰因子C在1～12取值，步長為1；子數(shù)據(jù)集變量個(gè)數(shù)Q的取值范圍為10～50，步長為10。圖3給出了對DSP貽貝和健康貽貝樣本混合數(shù)據(jù)集執(zhí)行MIA算法后得到的預(yù)測誤差隨參數(shù)C與Q的變化趨勢。由圖3可知，隨著C值的增加，預(yù)測誤差的變化會因Q的取值不同而不同，說明C和Q的取值均會影響MIA算法的結(jié)果，應(yīng)選擇預(yù)測誤差最小結(jié)果對應(yīng)的參數(shù)作為最優(yōu)參數(shù)值。由圖3-a亦可知，在采樣劃分子數(shù)據(jù)集的變量個(gè)數(shù)Q為30時(shí)，對于不同的C值，模型均取得較低的預(yù)測誤差(圖3-a中紅色實(shí)線表示)。當(dāng)Q=30且C=6時(shí)，算法取得了最小預(yù)測分類誤差0.044 5(圖3中五角星表示)。優(yōu)化參數(shù)時(shí)，當(dāng)對應(yīng)C和Q的步長分別取值更小時(shí)，參數(shù)優(yōu)化效果不明顯，對模型結(jié)果影響不大。故此研究中，所選最優(yōu)參數(shù)N為10 000，C為6，Q為30。

1.5 分類模型及評價(jià)標(biāo)準(zhǔn)

采用PLS-LDA，SVM和隨機(jī)森林(random forest，RF)3種方法分別建立分類模型，比較不同模型對DSP貽貝、健康貽貝的識別準(zhǔn)確率。同時(shí)，為了減少因樣本集劃分而導(dǎo)致的結(jié)果差異，提高模型穩(wěn)定性，采用20次5折交叉驗(yàn)證法進(jìn)行訓(xùn)練集、測試集的劃分和模型訓(xùn)練，并將其平均值作為最終分類結(jié)果。

PLS-LDA是基于PLS算法改編的用來建立自變量與響應(yīng)變量之間映射關(guān)系的一種監(jiān)督分類方法。SVM是一種利用超平面對樣本進(jìn)行分類的方法，本研究中SVM使用的RBF作為核函數(shù)。RF是一種基于裝袋和隨機(jī)子空間的決策樹集成方法，其輸出的類別是由個(gè)別決策樹輸出類別的眾樹來決定的，可以用來解決高維數(shù)據(jù)分類等問題。

分類準(zhǔn)確率可以直觀評價(jià)模型好壞，但當(dāng)使用不平衡數(shù)據(jù)集時(shí)，準(zhǔn)確率并不能反映全面情況。本研究中引入受試者工作特征曲線(receiver operating characteristic，ROC)來衡量模型性能，它能夠準(zhǔn)確反映模型特異性和敏感性的關(guān)系，是實(shí)驗(yàn)準(zhǔn)確性的綜合代表，一般以ROC曲線下面積(area under the curve，AUC)作為模型評價(jià)指標(biāo)，其值越大代表模型的鑒別效果越好，其值最大為1，分類器的性能與AUC成正比[21]。

a-不同Q值下預(yù)測誤差隨C變化二維圖； b-不同Q值下預(yù)測誤差隨C變化三維圖圖3 懲罰因子C與采樣變量數(shù)Q對預(yù)測誤差的影響Fig.3 Effect of penalty factor C and sampling variable number Q on prediction error

2 結(jié)果與分析

2.1 健康樣本和DSP污染樣本的原始光譜分析

混合樣品集(120個(gè)DSP樣品和120個(gè)健康樣品)的原始近紅外光譜如圖4-a所示。圖中光譜曲線走向趨勢相似，說明二者的內(nèi)部含有的化學(xué)成分大致相似。在1 050 nm附近有明顯的波峰，為N—H的三級倍頻[22]，可能與貽貝中蛋白質(zhì)的近紅外吸收有關(guān)。圖4-b顯示了混合樣本集120個(gè)DSP貽貝和健康貽貝樣品平均光譜曲線，二者表現(xiàn)出一定的差異，在950 nm至1 080 nm波長范圍內(nèi)，健康樣品的光譜反射率值高于DSP污染樣品的光譜反射率值；在1 150～1 700 nm，DSP污染貽貝反射強(qiáng)度高于健康樣本，在其他波長范圍內(nèi)，2種樣品的平均光譜曲線幾乎重疊。光譜采集后，對實(shí)驗(yàn)組樣本采用LC-MS/MS法檢測DSP含量為35 μg/kg。

貝類樣品基質(zhì)復(fù)雜，內(nèi)源性化合物的存在可能會改變酶的自然環(huán)境，影響其活性。當(dāng)貽貝受到海洋毒素污染時(shí)，會產(chǎn)生蛋白質(zhì)、酶和脂質(zhì)等組織成分的變化，這些變化反映在光譜曲線上。這些光譜的差異為區(qū)分DSP污染樣品和健康樣品提供了可行性。

a-原始光譜圖；b-平均光譜圖圖4 樣本近紅外光譜Fig.4 Near-infrared spectra of samples

由于波長和重要背景的重疊，很難明確識別特定化學(xué)成分的波長。為了探索DSP污染和健康樣本的分布，采用主成分分析(principal component analysis，PCA)提取新變量，以發(fā)現(xiàn)樣品之間可能存在的聚類現(xiàn)象。第一個(gè)主成分(PC1)、第二個(gè)主成分(PC2)和第三個(gè)主成分(PC3)分別解釋了總方差的95.60%、2.08%和1.32%，累計(jì)方差貢獻(xiàn)度在99%以上。圖5所示為DSP污染貽貝和健康貽貝的PCA得分圖和載荷圖?？梢宰⒁獾?，圖5-a中，健康樣品比DSP污染樣品更緊密地聚集在一起。然而，DSP污染樣品和健康樣品之間仍然存在重疊。明顯的重疊意味著僅僅用簡單的分類方法不能夠區(qū)分它們。因此，需要化學(xué)計(jì)量學(xué)方法和模式識別方法對DSP污染和健康樣品進(jìn)行分類。如圖5-b所示，對PC1貢獻(xiàn)最大的波段為1 030 nm，對PC2貢獻(xiàn)最大的波段為1 470 nm和1 050 nm，對PC3貢獻(xiàn)最大的波段為1 690 nm和1 010 nm。根據(jù)相關(guān)文獻(xiàn)，波段1 470 nm主要對應(yīng)的是與蛋白質(zhì)相關(guān)的譜帶，1 690 nm歸屬于脂質(zhì)信號[23]。

在獲取近紅外光譜數(shù)據(jù)時(shí)，由于近紅外光譜系統(tǒng)的工作條件和樣品結(jié)構(gòu)特性的變化可能會導(dǎo)致光譜中的基線漂移、隨機(jī)噪聲和多元散射效應(yīng)。為了改進(jìn)近紅外光譜數(shù)據(jù)，通常采用光譜預(yù)處理方法來減少這些影響[24]。本研究采用Savitzky-Golay卷積平滑求導(dǎo)(多項(xiàng)式階數(shù)為2，滑動窗口寬度為13，求導(dǎo)階數(shù)為1)結(jié)合標(biāo)準(zhǔn)正態(tài)變量變換對原始光譜進(jìn)行預(yù)處理，以消除光譜數(shù)據(jù)的噪聲及基線漂移，可以增強(qiáng)鑒別模型的魯棒性。

a-得分圖；b-載荷圖圖5 DSP樣本與健康樣本數(shù)據(jù)集PCA得分散點(diǎn)圖及載荷圖Fig.5 PCA score scatter diagram and load diagram of data set for DSP sample and health samples

2.2 選取特征波長

采用MIA方法進(jìn)行波長變量篩選，對于預(yù)處理后的DSP貽貝與健康貽貝混合集光譜數(shù)據(jù)，分別選出一個(gè)有信息的波長與一個(gè)無信息的波長，其對應(yīng)的間隔的分布如圖6所示。圖6-a和圖6-b所對應(yīng)的分布分別為強(qiáng)信息變量(波段1 473.77 nm，P=6.733 2×10-12)和無信息變量(波段989.78 nm，P=1.730 2)的分布。其中，峰“1”表示含有相應(yīng)波長變量的SVM模型的間隔分布，峰“0”表示不包含此波長變量的SVM模型的間隔分布。很明顯，圖6-a中包含波長1 473.77 nm與不包含波長1 473.77 nm變量建立模型的間隔分布存在明顯差異。包含波長1 473.77 nm 變量建立的模型間隔分布發(fā)生了右移，其間隔平均值大于不包含該波長變量的，意味著該變量蘊(yùn)藏著對DSP貽貝和健康貽貝進(jìn)行判別的有用信息。這意味著將波長1 473.77 nm變量加入SVM模型中，可以提高模型的泛化性能。相比之下，圖6-b中，包含波長989.78 nm與不包含波長989.78 nm變量所建立的SVM模型的間隔分布沒有明顯差異，且包含波長989.78 nm變量的SVM模型的間隔分布位于左側(cè)，說明此變量對DSP貽貝和健康貽貝鑒別是無用的信息變量，將其加入到SVM模型中，不但不會增加，反而會減小模型的間隔，降低模型的預(yù)測能力，需要從模型中剔除。

為了建立DSP貽貝和健康貽貝混合樣本數(shù)據(jù)集預(yù)測的分類模型，應(yīng)該確定一個(gè)波段子集。經(jīng)過MIA方法分析后，對于950～1 700 nm波段范圍內(nèi)的114個(gè)波長變量，各波長變量Dmean值的分布如圖7所示。根據(jù)算法原理，Dmean<0為無信息變量，由圖7可知，位于0線以下的均是此類變量，有25個(gè)變量被剔除。利用非參數(shù)Mann-Whitney U和Holm-Bonferroni方法進(jìn)行統(tǒng)計(jì)檢驗(yàn)，對剩余的89個(gè)變量按計(jì)算獲得的每個(gè)波長變量P值進(jìn)行排序(Dmean>0)，然后按順序選出一定數(shù)量的波長變量建模，并采用交叉驗(yàn)證對預(yù)測性能進(jìn)行評價(jià)。由于MIA中使用了蒙特卡洛策略，所建立的SVM分類器的預(yù)測誤差不能準(zhǔn)確地再現(xiàn)，因此，通過運(yùn)行20次MIA程序來研究分類誤差隨變量數(shù)量的變化。光譜數(shù)據(jù)集的平均5折交叉驗(yàn)證誤差及標(biāo)準(zhǔn)差如圖8所示。由圖8可知，當(dāng)模型輸入變量少于35個(gè)時(shí)，平均5折交叉驗(yàn)證誤差隨變量數(shù)的增加都是先逐漸減小，然后達(dá)到最小。超過35個(gè)變量時(shí)，誤差隨變量數(shù)的增加逐漸增大。最終確定35個(gè)特征變量能夠顯著增加SVM間隔，即對DSP貽貝和健康貽貝鑒別有用的變量。

a-有信息波長1 473.77nm；b-無信息波長989.78nm圖6 兩類信息變量SVM模型的間隔分布Fig.6 Margin distribution of SVM model with two types of information variables

為了進(jìn)一步減少波段數(shù)量，簡化最終模型，對MIA選擇的35個(gè)特征變量采用SPA獲取具有最小冗余信息波段，并依據(jù)模型的交叉驗(yàn)證均方根誤差的最小值來確定特征波長變量個(gè)數(shù)，最終篩選出來的特征波長共有7個(gè)，分別為1 029.56、1 473.77、1 480.40、1 520.18、1 526.81、1 672.67、1 692.56 nm。最后選擇的特征波段如圖9所示。

圖7 運(yùn)行MIA方法后每個(gè)波長變量的Dmean值Fig.7 Dmean value of each wavelength variable after running the MIA method

圖8 選擇不同變量數(shù)目時(shí)的5折交叉驗(yàn)證誤差及標(biāo)準(zhǔn)差Fig.8 Error and standard deviation of 5-fold cross-validation when choosing different numbers of variables

圖9 MIA-SPA方法選擇的波長變量的分布Fig.9 Distribution of wavelength variables selected by the MIA-SPA method

2.3 判別模型及評價(jià)

為了構(gòu)造最優(yōu)鑒別模型，本項(xiàng)目對MIA-SPA特征波長提取方法得到的特征變量，分別應(yīng)用PLS-LDA、SVM和RF建立DSP樣本和健康樣本的無損鑒別模型，并與MIA、SPA和全波段光譜建立的模型進(jìn)行對比分析。不同降維方法下各模型的鑒別結(jié)果如表1所示。由表1可知，PLS-LDA對DSP樣本和健康樣本均具有很高的鑒別能力，其中DSP樣本的分類準(zhǔn)確率達(dá)到了100%；RF對DSP樣本和健康樣本的分類準(zhǔn)確率偏低，不能達(dá)到分類要求；而SVM對DSP樣本的分類準(zhǔn)確率較高，達(dá)到了96.67%，但是對健康樣本的分類準(zhǔn)確率在85%以下，低于PLS-LDA的分類性能。由表1可知采用全波段建立的PLS-LDA、SVM和RF模型的分類準(zhǔn)確率較采用降維后的變量建立的模型低，這是由于采集的樣本光譜數(shù)據(jù)中包含了對表征樣本特征相關(guān)性較差的波段，這些波段會降低模型的分類效果，而數(shù)據(jù)降維可篩選出更能表征樣本的特征波段并將無關(guān)的波段予以刪除。與MIA、SPA相比，采用MIA-SPA方法篩選的特征波長建立的模型具有較好的分類準(zhǔn)確率，特別是MIA-SPA-PLS-LDA模型的分類效果最優(yōu)，對DSP污染樣本鑒別準(zhǔn)確率達(dá)到100%。

表1 不同降維方法下各模型的分類效果Table 1 The classification effect of each model under different dimensionality reduction methods

為了進(jìn)一步評價(jià)各種分類模型的性能，分別作出了上述分類模型ROC曲線。圖10所示為不同降維方法下的3種鑒別模型的ROC曲線對比結(jié)果圖。由圖10可知，相同的降維方法得到的輸入變量所建立的3類模型中，PLS-LDA模型的AUC相對SVM與RF模型的要大，說明本研究中PLS-LDA模型具有更好的性能；由圖10-a可知，采用MIA-SPA降維后建立的PLS-LDA模型的AUC為0.989，均高于其他模型，說明MIA-SPA-PLS-LDA模型對DSP樣本和健康樣本均具有很高的鑒別能力。

2.4 討論

本研究采用MIA-SPA-PLS-LDA結(jié)合近紅外光譜技術(shù)對腹瀉性貝類毒素進(jìn)行檢測。貽貝被DSP污染后體內(nèi)發(fā)生極其復(fù)雜的化學(xué)轉(zhuǎn)化和酶轉(zhuǎn)化機(jī)制，將導(dǎo)致受污染貽貝和健康貽貝的化學(xué)成分存在差異。已有研究表明，這些差異可以被近紅外光譜捕獲[17,25]，因此，本文采用近紅外光譜檢測DSP污染是有依據(jù)支撐的。本文進(jìn)一步驗(yàn)證了近紅外光譜結(jié)合波段選擇方法以及判別模型，無損檢測DSP污染的貽貝是可行的。

a-MIA-SPA;b-全波段;c-MIA;d-SPA圖10 不同降維方法下各分類模型的ROC曲線Fig.10 ROC curves of each classification model under different dimensionality reduction methods

貽貝因形態(tài)及非光滑外殼可能會導(dǎo)致光譜變異性和光散射，因此，本文采用Savitzky-Golay卷積平滑求導(dǎo)結(jié)合標(biāo)準(zhǔn)正態(tài)變量變換預(yù)處理，可有效消除光譜數(shù)據(jù)的噪聲及基線漂移。特征選擇可以篩選出與DSP檢測最相關(guān)的波段信息，同時(shí)提高分類模型的性能，本文提出采用MIA-SPA方法獲取最優(yōu)特征波段，據(jù)報(bào)道，在1 470 nm處發(fā)現(xiàn)了與蛋白質(zhì)相關(guān)的譜帶，在1 690 nm發(fā)現(xiàn)了脂類信號，說明MIA-SPA算法選擇的波段可以反映光譜差異[23]。結(jié)果表明，從光譜中提取重要信息，可以實(shí)現(xiàn)對含DSP貽貝的快速檢測。

3 結(jié)論

本文采用近紅外光譜技術(shù)和化學(xué)計(jì)量學(xué)方法，對DSP污染和健康貽貝的混合樣本集進(jìn)行無損鑒別研究。采用MIA-SPA方法能夠有效地對光譜數(shù)據(jù)進(jìn)行降維(降維后變量為7個(gè))，同時(shí)結(jié)合PLS-LDA方法能夠較好地對樣本進(jìn)行無損鑒別(DSP分類準(zhǔn)確率為100%)，通過ROC曲線分析，MIA-SPA-PLS-LDA方法的AUC最大，其模型鑒別效果最優(yōu)。結(jié)果表明，MIA-SPA-PLS-LDA模型用于DSP污染快速無損鑒別是可行的，對DSP污染貽貝的檢測準(zhǔn)確率達(dá)到100%，DSP含量檢出限為35 μg/kg。該研究結(jié)果可為后續(xù)各種海洋貝類毒素鑒別分析提供理論依據(jù)。