基于传统回归、混合模型与深度学习的小麦蛋白质含量估算

《Journal of Food Measurement and Characterization》:Estimation of protein content in wheat using traditional regression, hybrid models, and deep learning

【字体: 大 中 小 】 时间:2026年03月08日 来源:Journal of Food Measurement and Characterization 3.6

编辑推荐:

  精确且无损伤地估算小麦蛋白质含量对于基于质量的谷物管理、精准农业及食品工业应用至关重要。本研究评估了传统与先进机器学习算法在利用350–2500 nm范围光谱辐射反射率数据预测小麦面粉蛋白质含量方面的性能。通过系统比较偏最小二乘回归(PLSR)、随机森林(RF

  
精确且无损伤地估算小麦蛋白质含量对于基于质量的谷物管理、精准农业及食品工业应用至关重要。本研究评估了传统与先进机器学习算法在利用350–2500 nm范围光谱辐射反射率数据预测小麦面粉蛋白质含量方面的性能。通过系统比较偏最小二乘回归(PLSR)、随机森林(RF)、深度学习(DL)以及混合人工神经网络–支持向量回归(ANN–SVR)模型在不同光谱子集(可见光VIS: 350–700 nm、近红外NIR: 700–1250 nm、短波红外SWIR: 1250–2500 nm及全光谱)上的表现。研究结果揭示了不同建模方法之间存在显著的性能差异。PLSR在所有光谱区域均表现出有限的预测能力,表明其在高维光谱数据中捕获非线性关系的能力受限。RF模型通过利用集成学习和特征选择机制提高了预测精度,但其性能随光谱域不同而变化。ANN–SVR混合模型和DL模型实现了最高且最稳定的预测精度,能够有效建模蛋白质含量与光谱反射率之间复杂的非线性相互作用。在各光谱域中,NIR和SWIR区域对蛋白质相关吸收特征表现出强敏感性,而全光谱模型通过整合互补光谱信息始终提供最佳整体性能。光谱差异分析和主成分分析进一步证实,蛋白质相关变异主要与NIR–SWIR过渡区的N–H和C–H倍频吸收带相关。研究结果表明,将高光谱光谱学与混合和深度学习架构相结合,相比传统线性模型显著提高了预测精度。总体而言,本研究强调了高光谱数据驱动的人工智能模型作为传统实验室蛋白质分析快速、无损伤且可扩展替代方法的潜力。所提出的框架支持实时质量监测、站点特异性氮素管理和收获后谷物分类,有助于可持续农业实践和小麦质量评估的数字化转型。
该论文发表于《Journal of Food Measurement and Characterization》,旨在解决小麦蛋白质含量快速无损检测的关键问题。小麦作为全球战略性谷物作物,其蛋白质含量直接决定面粉加工价值和终端使用性能,影响面筋网络形成和烘焙潜力。然而,传统实验室蛋白质测定方法耗时、昂贵,不适用于大规模快速评估。近年来,高光谱成像和光谱辐射测量分析等精准农业技术虽展现出作为无损伤替代方案的潜力,但现有研究缺乏在统一实验框架内对多光谱子区域与多种建模架构的综合比较,尤其针对不同光谱域与算法组合的系统性评估尚不充分。为此,研究人员建立了整合性预测框架,利用350–2500 nm光谱反射率数据,对四种光谱域(VIS、NIR、SWIR及全光谱)进行分析,系统比较了RF、DL、混合ANN–SVR模型与传统PLSR方法的预测性能,并通过残差模式、误差分布和特征重要性分析深入探讨光谱–蛋白质关系与模型可解释性。

研究数据来源为土耳其尚勒乌尔法省哈兰平原GAP农业研究所Talat Demir?ren研究站2022至2024年间灌溉条件下的小麦田间试验,采用随机完全区组设计,共144个小麦面粉样本。蛋白质含量通过FOSS InfratecTM 1241谷物分析仪基于近红外反射光谱原理测定。光谱反射率测量使用ASD FieldSpec? Pro III光谱辐射计获取350–2500 nm范围数据,经Savitzky–Golay滤波平滑和Z-score标准化预处理。模型构建中,数据集按80%训练集和20%测试集划分,采用五折交叉验证进行模型校准与超参数优化,以决定系数(R2)和均方根误差(RMSE)评估性能。

**PLSR模型在各光谱区域的表现**

PLSR模型在VIS区域(350–700 nm)测试集上R2为0.439、RMSE为1.23%,残差分布近似对称但方差较高;NIR区域(700–1250 nm)R2降至0.406、RMSE为1.27%,预测值离散度增大;SWIR区域(1250–2500 nm)R2为0.383、RMSE为1.29%,高蛋白质水平预测误差增加;全光谱范围R2最低(0.369)、RMSE最高(1.31%),表明PLSR无法从完整光谱中获益。

**RF模型在各光谱区域的表现**

RF模型在VIS区域R2为0.56、RMSE为1.09%,残差随机分布于零线附近,无显著异方差性;NIR区域保持相同R2(0.56)和RMSE(1.09%),数据点密集聚集于中等蛋白水平;SWIR区域R2略降至0.54、RMSE为1.12%,残差分布稍宽;全光谱范围实现最优性能(R2=0.57,RMSE=1.08),残差分布更集中,无系统性偏差。

**ANN–SVR混合模型在各光谱区域的表现**

ANN–SVR在VIS区域表现中等(R2≈0.52–0.56,RMSE≈1.09–1.27),低高蛋白范围散射增加;NIR区域性能显著提升(R2≈0.78–0.93,RMSE 0.49–0.83),预测值紧密聚集于y=x线;SWIR区域保持高性能(R2≈0.71–0.79,RMSE≈0.83–0.99),残差随机分布;全光谱范围达到最高且最平衡的预测精度(R2≈0.71–0.93,RMSE≈0.49–0.99),有效利用宽光谱带宽的互补信息。

**DL模型在各光谱区域的表现**

DL模型在VIS区域呈中等预测性能,高低蛋白水平异质性误差结构明显;NIR区域性能显著提高,预测与观测值高度一致(R2≈0.88);SWIR区域因蛋白质直接吸收带存在而实现高预测精度;全光谱范围达到最高性能,观测与预测值呈近乎完美的线性关系(R2≈0.93),残差低幅对称分布。

**光谱特征分析结果**

可见光区域所有蛋白类别呈现相似光谱模式,450–480 nm和670–690 nm处存在叶绿素吸收特征,但反射率随蛋白含量增加而降低,高蛋白样本反射率最低(约0.45–0.52)。NIR区域970–1000 nm和1180–1200 nm处出现明显反射率凹陷,对应N–H和C–H伸缩振动的一、二级倍频,且反射率随蛋白含量增加而降低。差异光谱显示,VIS区域550–680 nm为正反射率差异,红边区灵敏度更高;SWIR区域950–1000 nm和1200 nm附近出现显著下降。独立SWIR区域分析显示,1400 nm和1900 nm处水吸收带、2100–2300 nm处蛋白质相关酰胺和烃类基团导致反射率凹陷,高蛋白样本反射率最低,1450–1550 nm和2050–2250 nm处类间分离最明显。全光谱曲线整合显示450–680 nm、970–1200 nm和1400–2300 nm区域变化最显著。

**主成分分析结果**

VIS区域PC1解释98.7%方差,PC2为1.3%,蛋白含量无明显分离;NIR区域PC1解释99.7%方差,分布更紧凑,中等蛋白样本略有区分;SWIR区域PC1和PC2分别解释98.3%和1.6%方差,PC2方向展宽较大,低高蛋白样本有孤立定位;全光谱分析PC1和PC2分别解释97.1%和2.5%方差,颜色过渡更明显,敏感性增强,但仍未建立清晰类边界。

讨论部分系统分析了各建模方法的性能层级、光谱域特异性贡献以及实际应用前景。研究结论表明,将高光谱光谱学与先进机器学习算法相结合,对小麦蛋白质含量进行快速、无损伤且高精度的估算具有强有力潜力。研究评估了VIS、NIR和SWIR光谱区域对FOSS InfratecTM 1241分析仪获取的蛋白质值的贡献:SWIR区域因蛋白质–水吸收特性而表现出高敏感性,而全光谱(350–2500 nm)联合使用最大化模型性能。虽然PLSR等传统回归技术产生可接受结果,但DL和混合ANN–SVR模型在捕获光谱数据中复杂非线性关系方面表现出优越能力,混合模型即使在相对有限数据集上也展现强泛化性能。所开发模型在精准农业框架内作物品质的收获前田间监测、许可储存设施或加工厂的收获后快速品质分类方面具有 substantial 潜力,支持农场层面施肥策略优化和食品工业原料标准化。此外,研究表明结合迁移学习策略和基于注意力机制的神经网络架构可增强模型在不同农业生态区域和小麦品种间的适应性,将轻量级深度学习算法(u-DL)集成到移动设备中有望促进该技术在田间条件下的广泛采用。总体而言,通过混合深度学习架构处理高光谱数据,成为数字化小麦质量管理的强有力工具,从而支持全球粮食安全和可持续农业目标。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号