近红外光谱双表征融合用于化蛹期间同时识别鲜茧性别与印记死茧
《Computers and Electronics in Agriculture》:Dual-representation fusion of near-infrared spectra for simultaneous identification of fresh-cocoon sex and imprinted-dead cocoons during pupal metamorphosis
【字体:
大
中
小
】
时间:2026年09月24日
来源:Computers and Electronics in Agriculture 10.3
编辑推荐:
**核心贡献要点**
- 近红外光谱(NIR)能够实现蚕茧性别及印死茧的非破坏性识别。
- 一维光谱与二维递推图提供互补的判别信息。
- 双表征融合模型在蚕茧识别上优于单一的一维或二维模型。
- NIR识别在蛹期发育各采样日均保持准确。
- 性别识别准确率在发育早期较低,而
**核心贡献要点**
- 近红外光谱(NIR)能够实现蚕茧性别及印死茧的非破坏性识别。
- 一维光谱与二维递推图提供互补的判别信息。
- 双表征融合模型在蚕茧识别上优于单一的一维或二维模型。
- NIR识别在蛹期发育各采样日均保持准确。
- 性别识别准确率在发育早期较低,而在发育中期达到峰值。
**引言**
养蚕缫丝业拥有数千年历史,涵盖桑树种植、蚕虫饲养、缫丝、织造及相关文化衍生品,在全球农村振兴中仍至关重要。丝绸作为其核心产品,是由成熟蚕虫分泌的天然蛋白质材料。凭借其优异的调温保湿性能和生物相容性,丝绸被誉为"纤维皇后",广泛应用于高端纺织品和生物医学材料领域(Fernández-González等,2024;Xing等,2023)。鉴于其高价值,确保丝绸质量的稳定性成为主要研究重点,而缫丝前的精确蚕茧筛选被认为是提升丝绸质量最有效的策略之一(Zheng等,2024)。因此,蚕茧性别的智能识别和印死茧的检测对于原料质量控制和供应链效率至关重要。
新鲜蚕茧按性别分拣对于优化缫丝前加工参数(如干燥温度和煮茧时间)至关重要,因为雌雄蚕茧在结构上存在差异。雄蚕茧通常蛹体较小,丝条更长更细,洁净度、抱合力和断裂强度更优(Yu和Liu,2005),因此被选作优质丝绸生产的优选原料。相应地,按性别差异化加工可提升丝绸质量、均匀性和产品价值。然而,由于缺乏可靠的非破坏性性别鉴定方法,这一步骤常被省略,限制了雄茧丝优良特性的利用,也制约了丝绸质量的提升。为此,研究人员探索了多种技术,包括磁共振成像(MRI)、X射线成像、机器视觉和近红外(NIR)光谱。Liu等(2008)利用MRI根据蛹丝腺组织中自由水与结合水的比例来区分蚕茧性别。Thomas和Thomas(2022)利用X射线成像,通过蚕茧层与蛹之间的密度差异提取蛹的特征进行分类。Thomas和Thomas(2024)进一步基于蚕茧形态的性别差异应用机器视觉方法,而Joseph Raj等(2019)则结合重量和形态特征进行性别鉴定。尽管这些方法可行,但MRI设备成本高昂,而X射线成像和机器视觉依赖于有限的形态学特征。鉴于已有报道指出蚕茧层丝胶/丝素含量和蛹脂肪含量存在性别相关差异(Hu等,2024;Li等,2009),NIR光谱法成为一项有前景的替代方案。Li等(2009)利用漫反射NIR光谱建立了偏最小二乘(PLS)模型。Dai等(2015)表明,基于漫透射NIR光谱的偏最小二乘判别分析(PLS-DA)优于基于漫反射光谱的方法;Dai等(2018)进一步发现900–1700 nm波段的区分信息比450–900 nm范围更为丰富。Chen等(2022)将自举重采样与支持向量机(SVM)相结合,利用漫透射NIR光谱进行性别鉴定。然而,现有基于NIR的新鲜蚕茧性别鉴定研究存在若干局限性。首先,光谱采集通常在较短且往往未明确指定的时间段内进行。由于蛹的持续变态可能动态改变新鲜蚕茧的光谱,NIR性别鉴定性能在各发育日之间的可靠性和发育依赖性变化尚缺乏充分理解。其次,现有建模方法通常基于相对较小的数据集,且严重依赖专家驱动的特征工程,限制了其自主捕获细粒度光谱特征的能力,特别是区分雌雄蚕茧的特征。
将新鲜蚕茧性别鉴定与印死茧检测相结合,能够满足实际生产需求,提升蚕茧利用率和经济价值。印死茧是指死亡或腐烂的蚕或蛹释放物质污染并损坏蚕茧层所形成的蚕茧,导致丝条脆性增大、可缫性差、丝绸质量下降。在煮茧过程中,这些蚕茧还可能交叉污染相邻的正常蚕茧,最终影响最终丝绸产品的质量(Lee等,2022)。传统上,印死茧通过透射光检测进行识别,该方法劳动密集,长时间手动观察可能造成视觉疲劳和职业不适。为克服这些局限,基于透射图像的机器视觉方法受到越来越多关注。Tu等(2023)利用蚕茧颜色和纹理特征开发了反向传播神经网络;Lee等(2023)提出了基于Lab色彩空间图像的轻量化卷积神经网络(CNN);Liu等(2025)引入了一种结合ResNet-41与双线性池化的多尺度特征融合网络。尽管取得了这些进展,但蚕茧层厚度和密度的变化会降低图像对比度,使透射成像中的判别性形态特征变得模糊。相比之下,NIR光谱能够捕获印死茧与正常蚕茧之间的内部成分差异,因此成为一项有前景的替代方案。Lee等(2022)对归一化透射NIR光谱应用PLS-DA成功识别了死茧,其中大部分表现出可见印痕。
利用分子键的吸收特性,NIR光谱为农产品定量和定性分析提供了一种非破坏性且高效的方法(Han等,2025;Song等,2025a)。例如,Ren等(2025)将NIR光谱与数据融合相结合,建立偏最小二乘(PLS)回归模型,测定猪肉中的水分、脂肪和蛋白质含量,决定系数(R2)分别为0.971、0.961和0.929。Zhu等(2024)将AdaBoost与最大不确定性线性判别分析相结合,用于花生仁产地溯源,准确率达到98.77%。计算硬件的进步推动了深度学习在NIR分析中的应用,实现了自动光谱特征学习和分析性能的提升。Yang等(2024)应用一阶导数预处理和一维卷积神经网络(1D-CNN)预测稻谷和糙米的蛋白质含量,R2分别为0.972和0.987。He等(2024)将NIR光谱与1D-CNN相结合,识别蚕蛹的发育阶段、物种和性别,准确率分别为93.81%、98.24%和99.84%。鉴于二维卷积神经网络(2D-CNN)在提取空间特征方面的优势,Deng等(2025a)将同步二维相关光谱与基于ResNet的模型相结合,用于美味牛肝菌的地理产地分类,准确率达到100%。在其对尿苷、鸟苷和腺苷的定量分析中,最佳预测模型R2达到0.901。类似地,Zhang等(2024)利用二维相关光谱将光谱转换为图像,并开发了基于EfficientNet的2D-CNN,在小麦粉类型分类中准确率达到100%。
互补表征的融合已成为克服单源或单表征建模局限性、提升分析性能的重要策略(Chen等,2025;Deng等,2025b;Gu等,2025)。在农业领域,光谱与图像信息的结合已被证明特别有效。Yang等(2021)利用双线性特征融合网络将柑橘叶片图像特征与高光谱数据相融合,柑橘黄龙病检测准确率达到97.89%,优于仅用图像(87.98%)和仅用高光谱(89.00%)的模型。Li等(2024)将ResNet50提取的图像特征与经自编码器-CNN处理的可见光–NIR光谱特征通过双线性池化相结合,土壤有机质预测R2达到0.910,分别比仅用光谱和仅用图像的模型高出0.075和0.10。Song等(2025b)利用双流注意力融合残差网络整合高光谱和图像纹理特征,枣成熟度分级准确率达到97.24%,优于基于图像(83.43%)和基于光谱(91.16%)的方法。Wang等(2026)发现光谱–图像融合在预测椰子水储藏时间方面优于单模态方法,室温下准确率为92.31%,冷藏条件下为94.74%。尽管这些研究主要涉及独立采集的光谱和图像数据的多模态融合,但它们证明了互补特征融合的价值。将此原则推广到单一光谱源,双表征融合将一维光谱中与波数相关的信息及其对应的二维表示相结合,从而增强新鲜蚕茧识别的特征表征。
据此,本研究旨在评估NIR光谱在蛹变态期间对蚕茧性别和印死茧进行非破坏性识别的可行性,并刻画性别鉴定性能的发育依赖性变化。其理论依据是:NIR光谱能够捕获与性别差异和印死茧形成相关的信息,而这些光谱特征可能随蛹的发育以及相关的生化和结构变化而改变。为利用单一光谱源的互补信息,每条光谱同时以一维序列和对应的二维图像形式表示以进行特征提取。随后对基于传统特征的模型、1D-CNN、2D-CNN和双表征融合网络进行了系统比较。通过多模型、表征层面和时间段分析,评估了NIR可行性、表征互补性、融合优势、时间可靠性以及适合新鲜蚕茧质量控制的检测时段。
本研究的核心贡献如下:
- 建立了涵盖蛹变态多个日期的NIR光谱数据集,以表征与蛹发育进程相关的光谱变化。
- 开发了一种双表征加权融合网络用于基于NIR的蚕茧性别和印死茧识别,并通过消融实验对其架构进行了系统优化。
- 揭示了多模型下的特征空间可分性、光谱序列中波数局部化的判别证据以及RP域结构注意力模式,为两种光谱表征的互补性提供了表征层面证据。
- 评估了蛹变态期间NIR蚕茧识别的可靠性,并刻画了性别鉴定性能的发育依赖性变化。
**样品制备**
2024年9月至10月,由养蚕户在25–27°C、相对湿度65–75%的受控条件下饲养"良光2号"品种蚕幼虫(图1,步骤1)。当幼虫达到五龄且约5%成熟时,饲喂经蜕皮激素溶液处理的桑叶,以同步化吐丝和蛹的发育。所得蚕茧保存在养蚕室中。化蛹通常发生在第5天。
**近红外光谱证据支持蚕茧的非破坏性识别**
雌茧、雄茧和印死茧表现出大致相似的光谱轮廓,表明三类蚕茧的主导NIR吸收特性相似。如图4(a)所示,在约8470、6660、6500、6340、5930、5770、5140、4840、4600、4530、4340和4200 cm?1处出现明显谷峰。8470 cm?1附近的谷峰归属于C–H伸缩振动的第二倍频,而6660、6500和6340 cm?1处的谷峰主要归因于N–H的……
**结论**
本研究证明,漫透射NIR光谱为蛹变态期间新鲜蚕茧性别和印死茧的非破坏性识别提供了可行的基础。虽然完整的雌茧和雄茧表现出高度重叠的光谱轮廓,但细微的光谱变化仍包含性别相关的判别信息,而印死茧则表现出比正常蚕茧更为明显的光谱偏差。与传统方法相比……
**作者贡献声明**
海博:原稿撰写、软件、方法论、数据管理、概念设计。
卢冰:验证、形式分析。
钟明清:可视化、数据管理。
谢旺同:可视化、数据管理。
陈勇:资源、调查。
杨宗萌:验证、调查。
黄华:可视化。
童晓玲:项目管理、调查。
赵天府:审稿与编辑、资源、资金获取。
朱士萍:审稿与编辑。
**利益冲突声明**
作者声明,他们不存在可能影响本文研究工作的已知竞争性经济利益或个人关系。
**致谢**
感谢编辑和匿名审稿人提出的建议,这些建议提升了文章质量。本研究得到了国家自然科学基金(项目编号32471991)、重庆市研究生科研创新项目(项目编号CYB25118)和重庆市商务发展专项资金(项目编号20250326231316518)的支持。
**生成式AI及AI辅助技术在稿件准备过程中的声明**
在本工作准备过程中,作者使用ChatGPT(OpenAI)仅用于改善语法、语言表达清晰度和……
海博 | 卢冰 | 钟明清 | 谢旺同 | 陈勇 | 杨宗萌 | 黄华 | 童晓玲 | 赵天府 | 朱士萍
生物通微信公众号
生物通新浪微博
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