6.3.3　基于SVM/GA方法識別農(nóng)藥污染水果

實(shí)驗(yàn)使用的三種農(nóng)藥分別是：杜邦萬靈（其有效成分為含量24%的滅多威可溶性溶劑）、氰戊菊酯（其有效成分為每100g制劑中含氰戊菊酯20g）、氧樂果（劑型為乳油，含量為40%），分別用蒸餾水配制成1∶50、1∶100、1∶500三種不同濃度的農(nóng)藥溶液。

實(shí)驗(yàn)樣品來源于中國江西省贛州市寧都縣某臍橙果園。選擇沒有表面缺陷、碰傷的臍橙共1 051個清洗并自然風(fēng)干，然后采集臍橙最大橫徑處的光譜數(shù)據(jù)，把這些未噴施任何農(nóng)藥的臍橙數(shù)據(jù)作為對照組（數(shù)量為1 051個）。完成數(shù)據(jù)采集后把臍橙隨機(jī)分成9組，分別噴施配制好的不同農(nóng)藥溶液。表6－5列出了10個組分別用于建模集和預(yù)測集的臍橙光譜數(shù)據(jù)個數(shù)，第1組為噴施杜邦萬靈1∶50溶液的臍橙（數(shù)量為114個），第2組為杜邦萬靈1∶100溶液的臍橙（數(shù)量為116個），第3組為杜邦萬靈1∶500溶液的臍橙（數(shù)量為114個），第4組為噴施氰戊菊酯1∶50溶液的臍橙（數(shù)量為120個），第5組為噴施氰戊菊酯1∶100溶液的臍橙（數(shù)量為120個），第6組為噴施氰戊菊酯1∶500溶液的臍橙（數(shù)量為114個），第7組為噴施氧樂果1∶50溶液的臍橙（數(shù)量為117個），第8組為噴施氧樂果1∶100溶液的臍橙（數(shù)量為117個），第9組為噴施氧樂果1∶500溶液的臍橙（數(shù)量為117個）。在環(huán)境溫度為10℃和相對濕度為60%的實(shí)驗(yàn)室條件下，把上述前三組臍橙放置168h后采集臍橙最大橫徑處的光譜數(shù)據(jù)。按每組臍橙總數(shù)約2∶1的比例隨機(jī)抽取建模集與預(yù)測集樣品，每組建模集與預(yù)測集樣品數(shù)量如表6－5所示。因此，本實(shí)驗(yàn)中共分10個組，用于建模集和預(yù)測集的樣品數(shù)目總數(shù)分別為1 400個和700個。

表6－5　每組臍橙樣本數(shù)目及農(nóng)藥類型

遺傳算法是模仿自然界生物進(jìn)化機(jī)制發(fā)展起來的優(yōu)化方法，作為一種實(shí)用、高效、魯棒性強(qiáng)的優(yōu)化技術(shù)，已為廣大學(xué)者所重視。在近紅外光譜檢測應(yīng)用中，遺傳算法被用來對整個光譜區(qū)間進(jìn)行優(yōu)化，選擇出最有效的特征區(qū)間或特征波長。

圖6－9所示為建模集臍橙1 400個臍橙樣本的原始光譜圖，光譜范圍為350～1 800nm。從圖6－9中可以看出，在波段350～459nm區(qū)間的光譜曲線所包含的噪音較多，因此本實(shí)驗(yàn)中所選用的波段范圍為460～1 800nm，共計(jì)1 341個波長數(shù)據(jù)。把整個區(qū)間分成40個子區(qū)間，除第40個子區(qū)間包含54個波長數(shù)據(jù)外，其余子區(qū)間均包含33個波長數(shù)據(jù)。用一個含有0.1且長度為40個字符的字符串S來表示40個子區(qū)間的選取，其中1和0分別表示其所對應(yīng)的子區(qū)間是否被選取。在遺傳算法中用適應(yīng)度評估個體或解的優(yōu)劣，適應(yīng)度較高的個體遺傳到下一代的概率較大，而適應(yīng)度較低的個體遺傳到下一代的概率相對小一些，評估個體適應(yīng)度的函數(shù)稱為適應(yīng)度函數(shù)。

本實(shí)驗(yàn)應(yīng)用支持向量機(jī)（SVM）對預(yù)測集數(shù)據(jù)進(jìn)行識別的準(zhǔn)確率為遺傳算法的適應(yīng)度函數(shù)，終止條件為達(dá)到最大的迭代次數(shù)。最佳的特征光譜區(qū)間是遺傳迭代后識別準(zhǔn)確率為最大值的區(qū)間組合。支持向量機(jī)的模型選擇問題就是給定一個核函數(shù)，通過調(diào)節(jié)核參數(shù)和誤差懲罰參數(shù)C來提高支持向量機(jī)訓(xùn)練精度，同時降低錯誤率，因此支持向量機(jī)的參數(shù)選擇直接影響著其性能。

圖6－9　建模集樣本的原始光譜圖

本實(shí)驗(yàn)建立模型所采用的核函數(shù)為徑向基核函數(shù)。進(jìn)行識別時，核函數(shù)參數(shù)γ和C的選擇是一個重要問題，網(wǎng)格搜索法簡單直接，因?yàn)槊恳粋€參數(shù)對（γ，C）都是獨(dú)立的，可以并行地進(jìn)行網(wǎng)格搜索，因此本實(shí)驗(yàn)采用網(wǎng)絡(luò)搜索方法來選擇最優(yōu)的獨(dú)立參數(shù)對（γ，C），以得到的最高準(zhǔn)確率為評判依據(jù)，通過對全光譜的分析得到γ和C的取值分別為232與3。

本實(shí)驗(yàn)中GA的設(shè)定參量：區(qū)間數(shù)為40，初始群體為30，變量的二進(jìn)制位數(shù)為40，代溝為0.9，交叉概率為0.7，遺傳迭代次數(shù)為100。圖6－10所示為經(jīng)過100次迭代后的結(jié)果，實(shí)線表示每一代中最大的識別準(zhǔn)確率，虛線表示每一代中所有個體識別準(zhǔn)確率的平均值，可以看出在第99～100代識別準(zhǔn)確率最大且值為98.86%。經(jīng)過對這兩代中最優(yōu)個體的分析發(fā)現(xiàn)，其最佳特征區(qū)間均相同，其原因是在第99代中的最佳個體作為父輩被完整地遺傳到了下一代中，因此最佳迭代數(shù)為第99代。

圖6－11所示為第99代的最佳特征區(qū)間組合，圖中灰色的條帶區(qū)域表示此處的波段為被選中的5個特征區(qū)間，對應(yīng)的波長數(shù)目為165個。

圖6－10　每代中最大值識別準(zhǔn)確率與識別準(zhǔn)確率的均值的變化

圖6－11　遺傳算法結(jié)合支持向量機(jī)選取的最佳特征光譜區(qū)間

在被選中的5個特征區(qū)間的基礎(chǔ)上，繼續(xù)應(yīng)用GA－SVM算法進(jìn)行優(yōu)化。此時GA的設(shè)定參量為：區(qū)間數(shù)為165，初始群體為40，變量的二進(jìn)制位數(shù)為165，代溝為0.9，交叉概率為0.7，遺傳迭代次數(shù)為100。圖6－12所示為經(jīng)過100次迭代后，每個變量（即特征波長）按照其被選取的次數(shù)所繪制的頻率圖。根據(jù)每個變量被選取的頻率，由大到小重新排序，然后依次累加作為SVM的輸入變量。圖6－13所示為輸入變量數(shù)與識別準(zhǔn)確率變化曲線圖，由圖可以看出在變量數(shù)為85～95之間時，模型的識別準(zhǔn)確率達(dá)到了最大值99.14%。因此，根據(jù)圖6－13中識別準(zhǔn)確率的變化趨勢，最終確定輸入變量數(shù)為85，而此時的識別準(zhǔn)確率為99.14%。

圖6－12　變量選取的頻率圖

圖6－13　識別準(zhǔn)確率隨變量選取的變化趨勢

表6－6列出應(yīng)用GA－SVM所建立的模型結(jié)果與僅應(yīng)用SVM方法所建立的全光譜模型的比較結(jié)果。從表6－6中可以看出SVM的全光譜識別準(zhǔn)確率較低，其值為83.43%，且SVM模型的輸入變量數(shù)為1 341個，這使得模型的復(fù)雜度很高。使用GA－SVM所得到的模型建立在5個最佳特征光譜區(qū)間的基礎(chǔ)之上（共165個光譜數(shù)據(jù)點(diǎn)），無論是模型的識別精度還是模型的簡潔度都優(yōu)于全光譜模型，而且對預(yù)測集中10個組別的識別結(jié)果的準(zhǔn)確率為98.86%。因此，該方法不僅在降低模型復(fù)雜度（模型的輸入?yún)?shù)為165個）上效果明顯，而且其模型的識別精度也得到大幅度的提高。在選定的5個最佳特征光譜基礎(chǔ)上，應(yīng)用GA－SVM方法對模型的輸入變量進(jìn)行進(jìn)一步的篩選，得到特征波長為85個，并且模型的識別能力還略有提高，說明應(yīng)用GA－SVM方法所建立的識別模型比全光譜模型更加穩(wěn)定、簡潔。

表6－6　不同選擇方法下應(yīng)用SVM方法的檢測結(jié)果

圖6－14顯示了波段范圍為430～1 000nm，經(jīng)一階微分預(yù)處理后預(yù)測組中四種不同濃度農(nóng)藥污染樣品真實(shí)值與預(yù)測值的檢測結(jié)果圖。圖6－14中橫坐標(biāo)的1、2、3和4分別代表高濃度農(nóng)藥污染的臍橙樣品、中濃度農(nóng)藥污染的臍橙樣品、低濃度農(nóng)藥污染的臍橙樣品和未被農(nóng)藥污染的臍橙樣品，縱坐標(biāo)為預(yù)測結(jié)果。

圖6－14　被不同濃度農(nóng)藥污染樣品真實(shí)值和預(yù)測值結(jié)果