Visible/near infrared spectrum wood identification based on SPA-GA-BP neural network

数据采集：参与试验的木材共10种，试样为6 cm×5 cm×2 cm的木块。每种木材制备5块样本，共计50块。每块木材分10个点采集光谱，以木块横向等分2份，纵向等分5份，取每份的中心点作为标记进行采样，每个点采集10组数据，取平均值作为此样点的实验数据，即1块试样采集10组实验数据，10种木材共计采集500组实验数据。样点采集遵循以下原则：①采谱过程中每15 min进行1次空白校正，以保证光谱的稳定性。②每块木材样本大小、薄厚和形状均保持一致，确保样点在每块样本木块上的属性相同，最大程度缩小误差。

主要仪器：LabSpec 5000光谱仪(ASD公司，美国)，波长为350~2 500 nm。用光谱仪配套的软件Indico Pro Version 3.1采集光谱数据。

PCA是一种常用的波段降维手段。主成分通常表示为原始变量的某种线性组合，它们不仅能够代表原始变量绝大多数的信息，还可以一定程度上去除噪声，压缩数据，对高维数据进行降维，减少预测变量的个数^[10]。

SPA是一种使矢量空间共线性最小化的前向变量选择算法，在降低共线信息的研究和有效信息获取的研究中取得较好的成效^[11-12]。本研究应用SPA在光谱全波段中筛选出少量几个特征波段，不仅能够减少参与识别的光谱波段个数，并且可以保证特征波段之间的共线性最小，进而提高识别正确率和速度。

当SPA筛选后的输入自变量较多且不是相互独立时，利用BP神经网络容易出现过拟合的现象，从而导致所建立的模型精度低、建模时间长等问题，因此，在构建模型前，有必要对输入自变量进行优化，选择最能反映输入与输出关系的自变量参与建模。GA优化能较好解决上述问题。利用GA进行优化计算，需要将解空间映射到编码空间，每个编码对应问题的1个解。本研究将编码长度设计为10，木材光谱特征的每位对应1个输入自变量，每一位的基因取值只能是“1”和“0”，如果一位值为“1”，表示该位对应的输入自变量参与最终的建模；反之，则表示“0”对应的输入自变量不作为最终的建模自变量。选取测试集数据均方误差的倒数作为GA的适应度函数，这样，经过不断的迭代进化，最终筛选出最具代表性的输入自变量参与建模^[13-14]。GA优化的设计步骤主要为：首先产生初始种群，对适应度函数进行计算，其次进行选择、交叉和变异的基础操作，最后优化结果输出，构建其模型。设计步骤如图1所示。

Figure 1.  SPA-GA-BP design steps

应用LabSpec 5000光谱仪采集10种木材的原始光谱图，其中选取红檀的50个样本进行对比分析(图2)。

Figure 2.  Original spectra of red sandalwood

为了更直观地对比10种木材光谱图的差异，分别取10种木材中第1组数据进行绘图分析(图3)。由图3可见：大果紫檀、红檀和檀香紫檀的强度数值过小，几乎与x轴重叠。

Figure 3.  Spectral diagrams of 10 species of wood

由图2和图3可以看出：同一种木材光谱图的波形基本一致，但强度值略有差异；刺猬紫檀、巴里黄檀、红檀香、破布木、豆瓣香、中美洲黄檀这6种木材的光谱图从波峰、形状上相似性均较高，黑檀与这6种木材的光谱图也较相似，仅在第1个波谷处形状上略有差异。

原始光谱图往往带有一定的噪声，影响BP神经网络识别的正确率，因此有必要对光谱数据进行预处理^[15-17]。数据的预处理方法较多，本研究分别采用了移动平均法、移动平均法+多元散射校正(MSC)、移动平均法+标准正态变量变换(SNV)、Savitzky-Golay卷积平滑算法(S-G滤波器)、S-G滤波器+MSC和S-G滤波器+SNV对10种木材的原始光谱进行了预处理，通过对比分析以确定最佳的预处理方法。

针对上述的几种预处理方法，分别进行主成分特征提取。以累计贡献率达95%及以上为主成分个数的选取标准。以选取的主成分为输入向量，40个样本作为训练，10个样本作为测试(后文测试数据均与此相同，不再赘述)。应用BP神经网络进行木材种类识别测试，经过20次的随机试验，获得各种预处理下BP神经网络的平均识别结果(表1)。由表1可以看出：采用S-G滤波器+SNV预处理时，BP 神经网络获得的平均识别率最高，达到了84.7%。

为了方便对比10种木材各自的识别效果，整理了S-G滤波器+SNV预处理时10种木材的BP神经网络识别结果：10种木材的识别效果相差不大，最低为豆瓣香(83.1%)，最高为刺猬紫檀(85.8%)。

针对2.2节中的几种预处理方法进行SPA的BP神经网络识别探讨，以确定最佳的预处理方法。为了对比预处理的效果，针对SPA方法中的起始波段和特征值个数进行了随机设置。令SPA方法中的起始波段(W_initial)为15 nm，特征值个数(N_tot)为10，对各种预处理后的数据进行SPA特征提取，应用BP神经网络进行20次的随机识别，得出10种木材的平均识别率(表2)。由表2可以看出：对于不同的预处理方式，SPA-BP的正确识别率有所不同，移动平均法+SNV的预处理方法最佳，正确率可达88.2%，因此，后续在分析SPA-BP神经网络识别木材时，本研究仅针对移动平均法和SNV叠加的预处理方法进行分析。

影响SPA特征提取的因素通常有2个，分别是W_initial和N_tot。随着W_initial和N_tot的改变，提取的特征波长分布会有所不同，从而影响最终BP神经网络的正确识别率，此处探讨最佳W_initial的选取方法。光谱图中的特征吸收峰对被分析物质是很关键的特征，因此首先考虑分别以木材的吸收峰和非吸收峰作为起始波段，通过对比分析，确定最佳起始波段。①吸收峰作为起始波段的选取。光谱图中分布了大小不一的波峰，选取波峰特征较明显的吸收峰进行分析，以波峰点为中心点，取宽度相等的波段区间(每个波段均取51个数据)作为吸收峰的集中分布波段，10种木材的吸收峰集中波段如表3所示。由表3可以看出：10种木材的吸收峰重叠的波段有1 230~1 260、1 780~1 810、1 940~1 970 nm。分别取3个波段的中位数作为起始波段值，即1 245、1 795和1 955 nm。因为W_initial的数值表示为序列号，所以在此基础上减去初始波段350 nm，W_initial最终取值分别为895、1 445、1 605 nm。②非吸收峰作为起始波段的选取。将全波段350~2 500 nm等分成5份，分别在每个等分波段中随机选取1个非吸收峰作为起始波段。本研究随机选取的5个波段的波长分别为365、1 145、1 345、1 700、2 300 nm。在此基础上减去初始波段350 nm，W_initial最终取值分别为15、795、995、1350、1 950。分别以上述的吸收峰和非吸收峰为起始波段值，即以15、795、895、995、1 350、1 445、1 605、1 950 nm作为SPA的起始波段。SPA的特征值个数统一取10，进行BP神经网络识别，经过20次的随机试验，10种木材提取的特征波长分布和平均识别率如表4所示。由表4可以看出：以吸收峰作为起始波段时，特征波长分布大多追溯在吸收峰附近。对比表4的识别率可见，起始波段为1 445 nm时最高，达90.4%，其余按照1605、895、795、995、1 350、1 950和15 nm的顺序依次递减。不难看出，吸收峰作为起始波段的识别率普遍优于非吸收峰。

将起始波段固定为最佳，即W_initial=1 445 nm，探讨N_tot取不同数值时，对BP神经网络识别木材的影响。从图3的光谱图可以看出：红檀、大果紫檀、檀香紫檀3种木材样本的吸收峰有7个，刺猬紫檀、巴里黄檀、红檀香、破布木、豆瓣香、中美洲黄檀和黑檀有9个。考虑吸收峰能更好地反映木材光谱图的特征，N_tot分别取了7和9，同时参考SPA的相关文献^[18-21]，且基于BP神经网络输入向量过多也会影响识别精度，又分别取了5、8、10、20、25进行了对比分析。基于以上特征数，分别应用BP神经网络进行木材识别，每个状态仍随机运行20次，获得的结果如表5所示。分析表5可知：整体上，当特征值个数取7和9时正确率偏高，说明特征值个数的取值和吸收峰值有关；当特征值个数取9时识别率最高，达93.2%，说明特征值个数和单个木材的吸收峰无关，应由整体的吸收峰来确定。

基于最佳预处理方式(移动平均法+SNV)、最佳起始波段(W_initial=1 445 nm)和最佳特征值个数(N_tot=9)，整理出SPA-BP神经网络识别10种木材各自的识别结果(表6)。由表6可以看出：在最佳参数设置下，SPA-BP神经网络的识别率较高，大果紫檀、红檀香、中美洲黄檀和黑檀的平均识别率均为100.0%，其他木材的平均识别率最低达90.7%，最高达95.1%。

针对SPA的最佳预处理方式(移动平均法+SNV)、最佳起始波段(W_initial=1 445 nm)和最佳特征值个数(N_tot=9)，基于SPA-GA的BP神经网络识别方法随机运行20次，采用GA优化前后建模时间明显缩短；大果紫檀、红檀香、中美洲黄檀和黑檀在采用GA优化前后正确识别率均为100.0%，说明这4种木材在采用SPA特征提取时，识别率较高，采用GA优化后对正确识别率影响不大；其他6种木材采用SPA特征提取时均有一定的误判，运用GA优化后识别率有一定的提高。其中破布木的识别率由90.0%提升到了100.0%，巴里黄檀由88.9%提升到了100.0%，刺猬紫檀由90.9%提升到了100.0%。虽然每次仅提升1种木材，但通过多次运行，可达到整体提升的效果。

针对上述20次运行结果，获得10种木材各自的识别结果：大果紫檀、中美洲黄檀、刺猬紫檀、巴里黄檀、红檀香、破布木和黑檀平均识别正确率高达100.0%，其他3种木材的平均识别率最低达91.5%，最高达95.7%，10种木材的平均识别率达98.0%。

已有的木材识别研究的特征提取方法主要集中于主成分分析^[22]、导数处理^[23]等，主成分分析的平均识别率为70.0%~95.3%，导数处理识别率达98.6%。虽然这些研究识别率较高，但这些研究参与识别的木材种类大多仅为4~5个，对于同时识别10种木材未见尝试。经研究，参与识别的木材种类越多，识别率越难保证。本研究的主成分分析法识别10种木材，平均识别率仅为84.7%。本研究采取SPA-GA联合的特征提取方法，识别对象为10种木材，通过调整吸收峰、特征值等参数，最终7种木材的平均识别率达100.0%，且识别速度提高为原来的2~3倍。为了进一步验证识别率的鲁棒性，本研究还采用多种预处理的方式，使得原始数据表现出良好的稳定性和容错性。最后实验数据均为随机20次运行的结果，说明训练好的模型可以随时间和频次迁移应用，识别性能不会降低。

研究结果表明：①SPA-GA法识别木材时，选择移动平均法+SNV的预处理方式效果最佳。②对于参数的选择，起始波段选取吸收峰比选取非吸收峰识别率更高，特征值个数结合光谱图的峰值个数选取更恰当。本研究分别选取起始波段为1 445 nm，特征值个数为9个。③SPA-GA提取光谱图特征时识别性能最佳。SPA特征值经GA寻优后，特征个数大多减少为原来的一半左右，优化后BP神经网络的平均识别速度显著提升，大果紫檀、中美洲黄檀、刺猬紫檀、巴里黄檀、红檀香、破布木和黑檀等7种木材的平均识别正确率均高达100.0%，总体识别率较SPA显著提高。

本研究仅选择了红檀、刺猬紫檀、巴里黄檀、大果紫檀、红檀香、破布木、豆瓣香、檀香紫檀、中美洲黄檀和黑檀这10种木材样本进行了探讨，对于其他木材的识别有待进一步研究验证。