基于高光譜成像技術(shù)的靈芝子實(shí)體多糖含量無(wú)損預(yù)測(cè)

靈芝是一種具有多種營(yíng)養(yǎng)活性的中國(guó)傳統(tǒng)保健食品，多糖是其主要活性成分之一。本研究利用可見-近紅外高光譜成像技術(shù)無(wú)損預(yù)測(cè)靈芝生長(zhǎng)過程中多糖含量，為靈芝栽培、采收提供新的監(jiān)測(cè)技術(shù)。

華南農(nóng)業(yè)大學(xué)電子工程學(xué)院（人工智能學(xué)院）趙靜副教授團(tuán)隊(duì)，對(duì)我司可見-近紅外高光譜相機(jī)（GaiaField Pro-V10E）和近紅外雙高光譜相機(jī)（GaiaField Pro-N17E）采取聯(lián)用的形式，采集靈芝（赤芝）實(shí)體402.6-1005.5nm和887-1703nm的高光譜圖像，并獲取其多糖含量。圖1（a）為不同采摘時(shí)期的靈芝RGB圖片，圖1（b）為高光譜圖像采集系統(tǒng)及獲取數(shù)據(jù)流程。

圖1 光譜采集環(huán)境和樣品處理 (a). 四個(gè)時(shí)期的樣品RGB圖, (b). 高光譜圖像采集系統(tǒng)和ROI

高光譜圖像采集完畢后進(jìn)行光譜校正，接著選取感興趣區(qū)域（ROI）提取原始光譜數(shù)據(jù)（如圖2所示），為了消除散射效應(yīng)產(chǎn)生的影響，使用SNV和SG平滑對(duì)原始光譜進(jìn)行預(yù)處理（如圖3所示），然后使用SPA篩選特征波段，利用偏最小二乘法（PLSR）構(gòu)建多糖回歸模型。

圖2 不同ROI和光譜范圍的光譜反射率。（a）可見光中心區(qū)域的反射率，（b）近紅外中心區(qū)域的反射率，（c）可見光邊緣區(qū)域的反射率，（d）近紅外邊緣區(qū)域的反射率，（e）可見光子實(shí)體整體的反射率，（f）近紅外子實(shí)體整體的反射率。

圖3 近紅外子實(shí)體整體的反射率經(jīng)過3種預(yù)處理的結(jié)果。（a）原始光譜，（b）SG平滑，（c）SNV，（d）先SG平滑后SNV。

針對(duì)不同ROI、不同光譜范圍和不同的光譜預(yù)處理方法得到的光譜數(shù)據(jù)進(jìn)行建模，最終結(jié)果如表1所示。

表1 多糖預(yù)測(cè)結(jié)果

從上表可以看出單獨(dú)使用和所建立的回歸模型的效果也非常好，這說明靈芝子實(shí)體的中心區(qū)域和生長(zhǎng)區(qū)域（邊緣區(qū)域）的光譜可以反映整個(gè)子實(shí)體的多糖含量?？紤]到實(shí)際應(yīng)用場(chǎng)景，使用子實(shí)體的整體區(qū)域能夠減少計(jì)算量，提高檢測(cè)效率，并且使用整體區(qū)域的光譜進(jìn)行建模也是最合理的。最終，對(duì)整體區(qū)域的光譜結(jié)合使用SG平滑和SNV進(jìn)行預(yù)處理，然后使用SPA提取特征波段，在可見光和近紅外波段范圍內(nèi)得到的分別為0.9和0.924。圖4展示了這兩個(gè)模型的預(yù)測(cè)結(jié)果。

圖4 兩個(gè)模型的預(yù)測(cè)結(jié)果.（a）可見光，（b）近紅外

本文結(jié)合光譜成像技術(shù)和機(jī)器學(xué)習(xí)方法，建立靈芝子實(shí)體多糖含量預(yù)測(cè)模型。據(jù)我們所知，這是首次將高光譜成像技術(shù)運(yùn)用于靈芝多糖無(wú)損檢測(cè)，突破了靈芝原位檢測(cè)、低濃度多糖在體檢測(cè)兩大技術(shù)難題，為高品質(zhì)靈芝栽培、最佳采收期確定提供了有效的技術(shù)方法。

通訊作者簡(jiǎn)介：

趙靜，工學(xué)博士，華南農(nóng)業(yè)大學(xué)副教授，碩士生導(dǎo)師。

參考文獻(xiàn)：Liu, Y., Long, Y., Liu, H., Lan, Y., Long, T., Kuang, R., ... & Zhao, J. (2022). Polysaccharide prediction in Ganoderma lucidum fruiting body by hyperspectral imaging. Food chemistry: X, 13, 100199.