1　引 言

在当前利益市场的驱动下，食用油掺假现象尤为严重^［1］，各种劣质混合油以次充好，这扰乱了市场秩序，使得消费者身体健康受到影响。因此快速无损地鉴别食用油类别不但维护了消费人群的共同利益^［2］，而且对食用油市场的稳定有着重大意义。

市场上常用的食用油检测手段一般是采用气相色谱或者其与气相色谱质谱相结合的方式^［3-4］，但实验过程中样品损耗大，操作烦琐且耗时长^［5］。除此之外，作为热门检测方式之一的近红外光谱检测法虽然识别时间短、对样本的损耗小^［6］，但却存在信噪比低、谱图重叠率高等缺陷，而拉曼光谱技术的信号强度相对较弱，在环境因素影响下易出现信号丢失现象^［7］。相较于传统的检测手段，激光诱导荧光（LIF）光谱分析技术具有较高的分析速度、精度和灵敏度^［8-10］，在诸多领域都有着广泛的应用^［11-12］，为食用油的快速无损精准分析提供了基础。如Hu等^［13］将LIF光谱学与一维卷积神经网络（CNN）相结合，以快速准确地实现矿井突水的识别。如来文豪等^［14］将LIF技术与深度学习算法相结合，实现了对白酒类别以及对应度数的判断等。

堆栈自动编码（SAE）神经网络本质上是由自动编码器堆叠而成的^［15］，SAE算法相较于其他降维方式如主成分分析法（PCA）等^［16-17］，可在保证可控降维的前提下单独对每一层进行训练，将复杂问题简单化，这有利于加快任务的完成，因此SAE具有极好的特征提取效果，已广泛应用到工业、农业、**等领域^［18-19］。任俊等^［20］将堆栈自动编码器与支持向量机（SVM）算法相结合以实现**装备体系效能的评估。饶利波等^［21］将高光谱成像技术结合堆栈自动编码器和极限学习机（ELM）来实现苹果硬度的检测等。

为实现食用油种类的快速无损检测，本文提出一种基于荧光光谱和堆栈自编码的食用油种类快速无损检测研究方法。先利用LIF技术获取原始荧光光谱图，再选取具有最优隐含层层数的无监督学习SAE算法进行特征提取，以有效提高检测的识别精度。在各个分类算法皆取得极佳的分类效果前提下，本文最终选取样本测试网络速度最高的ELM作为该研究的分类器，而将荧光光谱和SAE用于食用油种类的快速无损检测尚未见相关报道。

2　原理与算法

2.1　SAE 降维算法

深度学习可以在深层体系结构中自动学习分层特征，并且能够基于大量无标签数据建立训练模型，该模型覆盖的范围广且适应性极强，无监督学习算法利用多层神经网络表征学习，不需要事先对训练样本进行标记处理。2006年，在自动编码器（AE）的原理之上，一种可用于高效学习编码的新型人工神经网络——无监督学习堆栈自动编码器（SAE）被提出^［22］。该算法采用了逐层贪婪式的学习过程，将多个自动编码层堆叠成一个新的深度神经网络层，再逐渐从繁杂的高阶输入数据中提取出同系列的简明特征信息。

实验将从每条光谱曲线上获取2048个原始油样光谱数据，因此选用SAE算法来降低初始数据维度，实现识别精度的有效提升。根据图1，SAE主要分为以下4个训练过程：1） 在初始给定输入X的基础上，对第一层隐含层V进行无监督式的训练，通过重构误差的最小化操作使得输入X与重建后的输出X'的设定值保持不变；2） 将从AE1中提取出的隐含层V作为下一个自动编码器AE2的输入，再以相同的步骤对下一隐含层进行训练；3） 循环进行步骤2），直到所有自动编码器完成初始化任务；4） 将最终训练出的隐含层输出（图1中的Z）提取出来作为分类器的输入。

图 1. SAE网络架构

Fig. 1. SAE network architecture

下载图片 查看所有图片

SAE与AE内部结构相似，大体可以分为输入层、编码层和重建层。其中将输入层映射到编码层的非线性映射函数可表示为

式中：ω1表示编码器部分的权值；b1为对应的偏置向量；Xi表示初始给定输入，对应于图1中的X； f表示映射。

用解码器重构的非线性函数可表示为

式中：ω2为编码器部分的权值；b2为偏置向量。利用误差反向传播算法不断地调整权值与偏置大小，使得重构误差取得最小值。最终实现的最小化重构误差可表示为

式中：N表示训练样本集的大小；∂为最小化重构误差。

在进行实验的过程中，输入数据的降维特征表达是通过限制隐含层的维度实现的，即将编码器维度设置为较输入数据维度更小的值。

2.2　ELM算法

ELM算法与传统的训练方式有所不同，是从前馈神经网络（FNN）延伸出的机器学习方式，适用于处理监督以及非监督学习问题，其原理是任意选取输入权重大小以及隐含层偏置，并训练具有单个隐含层的单层前馈神经网络（SLFN），最后利用Moore-Penrose（MP）广义逆矩阵理论来求解输出层权重值。自ELM算法被提出起，该算法被广泛地研究与应用。传统的ELM具有单隐含层，相比于单层感知机或SVM 等浅层学习系统，可以减少模型训练参数与时长，效率高，非常适用于进行数据分类。

ELM作为神经网络时，一般会使用SLFN的结构，隐含层的输出函数fLx为

式中：L代表隐含单元的数量；N表示训练样本的数量；x为神经网络的输入向量；di表示偏置向量；wi表示输入与输出之间的权重向量；βi表示第i个隐含层与输出之间的权重向量；hx为特征映射或激励函数，可用于在ELM的特征空间中映射出初始输入层的数据。ELM的特征映射具有一定随机性，这是因为ELM中输入层至隐含层的特征映射是随机或人为设定的，且无需进行调整。

3　实验部分

3.1　实验材料

实验选取了市场上包括山东鲁花集团生产的花生油、菜籽油和中国粮油控股有限公司生产的福临门玉米油在内的三种油样作为实验材料。考虑到市场上花生油价值较高，不良商贩可能利用混合油以次充好、谋取利益，为实现油样的混合检测，按照1∶1的体积比对花生油与玉米油、花生油与菜籽油进行混合处理。表1选取菜籽油、玉米油、花生油、花生油与菜籽油的体积比为1∶1的混合油（以下简称混合油样A）、花生油与玉米油的体积比为1∶1的混合油（以下简称混合油样B）作为实验样本。分别从每种油中获取100组光谱样本，共计500组样本，将其中的400组油样随机选取出来作为训练样本，其余的100组油样用作测试样本。为保证实验数据是真实且可靠的，对所有油样进行避光保存。

3.2　荧光光谱数据采集

一旦被测油样的成分不同，它们所激发出的光谱强度也会有差异。如果油样成分差距很大，则获取的荧光光谱图可表现出该差异，且其空间距离很大。油样中的不同化学成分所吸收的光能量和散射出的光能量导致油样反映出不同的光谱数据，这就为油样种类的无损检测提供了新的思路和方法。

为了实现食用油种类的有效鉴别，实验选取了入射激光功率范围可达到100~120 mW且连续可调的蓝紫光半导体激光器（波长为405 nm）。为了提高耦合效率，选用了芯径为600 µm、孔径为0.22NA的UV/VIS石英光纤。为提高测量速度、降低成本，实现在线分析，实验选用了光谱范围为340.472~1021.086 nm，通信模式为232的美国海洋公司生产的USB 2000+微型光谱仪。为保证油类的快速无损检测，本实验实现了激光器与荧光探头的一体化，直接对油样进行激光激发，避免了侵入式荧光探头与油样的直接接触，再利用滤光片滤除无用荧光光谱信息后，将采集结果经由光纤传送至微型光谱仪中，最终获取的光谱数据由上位机中的SpectraSuite软件记录保存。为了避免光照条件对食用油的影响，实验过程皆在同一暗室下进行。油样检测设备如图2所示。

图 2. LIF实验设备示意图

Fig. 2. Diagram of experimental equipment for LIF

下载图片 查看所有图片

4　结果与讨论

4.1　原始光谱图分析

借助图2所搭建出的实验平台可以获取待测油样的原始荧光光谱数据。图3（a）所示为全波段范围内5种待测油样分别对应的荧光光谱图，横坐标表示与光谱对应的波长大小，而纵坐标表示荧光强度区间，根据曲线的变化趋势，不难发现，不同油样荧光强度的差异主要集中在400~800 nm波段之间，当波长值超出800 nm后，光谱曲线几乎无变化。图3（b）~（f）分别对应于菜籽油、玉米油、花生油、混合油样A、混合油样B的光谱曲线变化图，可见菜籽油、玉米油、花生油的光谱曲线波峰差异明显，相对易于辨识，但是对于混合油样本来说，波峰与单一油样存在明显重叠的现象，无法被直观地辨别出。因此，需要对原始荧光光谱数据进行处理，本文采用了无监督SAE算法进行特征提取，再选用速度最优的ELM算法对油样进行分类识别。本实验的所有算法均是在Matlab R2020b 环境下完成的，所用计算机处理器为2.60 GHz双核 Inter Core i7-9750 H，运行内存为16G。

图 3. 不同食用油样品的原始荧光光谱图。（a）所有样品；（b）菜籽油样品；（c）玉米油样品；（d）花生油样品；（e）混合油样品A； （f）混合油样品B

Fig. 3. Original fluorescence spectra of different edible oil samples. (a) All samples; (b) sample of rapeseed oil; (c) sample of corn oil; (d) sample of peanut oil; (e) mixed oil sample A; (f) mixed oil sample B

下载图片 查看所有图片

4.2　SAE降维

实验所获取的油样光谱数据维度为2048，维度较大，包含的冗杂信息自然较多，这将会对最终分类结果产生干扰。为保证分类结果的准确性，选用无监督学习SAE提取油样荧光光谱特征，以降低原始数据的维度。

在Matlab 仿真下，本文对5种油样的500组样本按照4∶1的比例进行随机划分，将每种待测油样中的80组数据随机选取出来用作训练集，余下的20组数据作为实验的测试集，共计400组测试样本与100组训练样本。在构建出的SAE模型中，隐含层层数的多少会对分类结果产生影响，为找出合适的层数，实验比较了４个实验组，隐含层层数从1开始依次递增。实验采集到的原始数据为2048维，所以将输入层的节点数设置成2048，通过多轮参数迭代调优选出的各实验组隐含层层数见表2。

每组实验运行5次，选用系统自带的softmax分类器测试并记录每次的分类结果，求取相应的方差，以此作为最优隐含层层数选取的参数指标。4个实验组的测试分类准确率如图4所示。可见隐含层层数的不同将对数据后续分类产生较大的影响，第一层隐含层经过训练作为第二层隐含层的输入时，可在原基础上再一次进行降维处理，如此重复，使得每次的训练过程都能随着层数的增加学习到新的特征，最终提取出的有效特征便是多种效果的叠加，不同的叠加结果在分类器中呈现出的分类效果自然有所差异。由图4可知：第一组实验整体效果最差，测试分类准确率最高为78%，最低为72%；第二组实验的分类准确率最高，可达到99%，最低为97%，分类准确率总体较为稳定；第三组实验的分类准确率最高可达到87%，最低为83%；第四组实验的分类准确率最高达到85%，最低为79%，该组实验的稳定性在四组实验中最差。

图 4. 隐含层层数与Softmax分类准确率的关系

Fig. 4. Relationship between number of hidden layers and Softmax classification accuracy

下载图片 查看所有图片

每组实验的平均准确率以及方差见表3。通过观察可知，表3的前两项呈现出平均准确率递增、方差递减的现象，而随着层数的继续增加，平均准确率与方差的变化规律皆出现逆转现象，即平均准确率递减、方差递增。可见，并非隐含层层数越多，呈现出的效果越好，这可能是由于当隐含层层数超过2层后，深度学习网络在从底层到高层特征的深入过程中，每增加一层都会学习到新的特征，有用特征增加的过程中也会导致部分冗余特征的增加，从而对结果产生一定的干扰；在此基础上，2层隐含层以上的堆栈自动编码器神经网络出现过学习现象，从而影响最终的识别效果。当隐含层层数为2时，平均分类准确率可达到98.4%，方差为0.64，此时的分类效果最佳，故实验选取具有2层隐含层的SAE进行LIF光谱数据的特征提取。

4.3　分类模型选取与建立

为了实现不同种类油样的分类识别，在Matlab仿真下，选用合适的分类算法对上述经降维后维数为50的数据进行处理，以获取分类准确率。本文选用了BP（back propagation）神经网络、ELM算法、SVM以及决策树（decision tree）算法，基于这4种典型且应用范围广的方法构建出4种不同的分类模型，以选择最佳分类识别模型。由表3可见，经SAE算法特征提取后，4种分类算法对数据的识别效果极佳，无论是对于训练集还是测试集皆可实现100%的分类效果。

为进一步进行验证，选取数据挖掘中常用的一种主成分分析（PCA）降维算法进行比较，该算法可将变量通过正交变换的方式由线性相关转化为线性不相关。在将PCA算法用于原始光谱数据的特征提取过程中，设置PCA的累计贡献度为95%，可得到2个主成分数。由表4可见，经过PCA降维后，在BP、ELM、SVM以及决策树分类算法下，无论是对于训练集还是测试集，其分类准确率皆难以达到100%。在经BP神经网络分类后，训练集与测试集的分类准确率分别可达到94%（训练集400组数据被正确识别出376组）与97%（测试集100组数据被正确识别出97组）；ELM 算法对训练集与测试集的分类准确率分别为97%（训练集400组数据被正确识别出388组）和99%（测试集100组数据被正确识别出99组）；SVM 算法对训练集与测试集的分类准确率分别达到97%（训练集400组数据被正确识别出386组）和97%（测试集100组数据被正确识别出97组）；而决策树算法对训练集与测试集的分类准确率分别为100%（训练集400组数据被正确识别出400组）和97%（测试集100组数据被正确识别出97组）。推测其原因可能在于：PCA算法进行特征提取只是近似地舍弃一部分特征，而其对影响最终识别准确率的部分相关特征信息是不予考虑的，这导致分类准确性在一些重要特征信息丢失后会变差。PCA的降维效果明显差于SAE，这也许是因为在确保可控降维的过程中，PCA降维并不能够较好地保留数据信息。通常PCA需要对数据进行预处理操作，首先对数据进行中心化，当数据的尺度难以统一时，还需要对其进行标准化。那么，这种情况就会导致问题的产生，比如标准差很小，接近于零，特别是对于被噪声污染后的数据，噪声的标准差将会对这些数据产生显著的放大作用，而标准化的过程对未被噪声污染过的数据则几乎不产生放大作用。在实验过程中，荧光光谱的采集不可避免地会引起噪声等干扰因素，同时方差小的非主成分也可能含有使样本产生差异的重要信息，在进行降维后将其舍弃则可能会干扰后续的数据处理，这些都导致PCA各个特征维度的含义具有一定的模糊性，不如原始样本特征的解释性强。而SAE通过压缩初始数据来产生较低维度的数据，该降维过程是通过消除重要特征上的噪声和冗余，找到数据在较低维度中的表征来实现的，相比于PCA，SAE无需预处理操作便可以取得极好的特征提取效果，可以有效简化数据的繁杂性，提高检测的准确率，使得任务得以顺利完成。

在SAE较优的降维效果下，无论选用BP神经网络、ELM、SVM还是决策树算法皆可取得极高的训练集与测试集分类准确率。但为了选取最优分类算法并实现对不同种类油样的辨别，本文记录了4种模型针对所有样本的测试网络时间，见表5。在经SAE特征提取后，利用ELM分类算法进行识别，其测试网络时间要明显短于其他3种算法，仅为0.2 ms。因此选择ELM算法作为该油样快速无损检测的分类算法可使得系统的识别效果最佳。

图5展示了在隐含层神经元个数变化的情况下，ELM模型的测试准确率与测试网络时间的变化情况。可以看出，当隐含层神经元的数目达到11时，测试集的预测精度已经达到100%，测试网络时间随着神经元数量的增加而变化，在相同精度下，将隐含层神经元的个数设置为11，能够在确保高精度的基础上，最大程度地降低ELM模型的复杂程度。图6为SAE-ELM分类模型的分类结果。

图 5. 隐含层神经元对ELM性能的影响

Fig. 5. Effect of hidden layer neurons on ELM performance

下载图片 查看所有图片

图 6. 经SAE处理后的光谱测试集分类结果

Fig. 6. Classification results of spectrum test set processed by SAE

下载图片 查看所有图片

5　普适性的验证

良好的适应能力可以保证模型的可靠性，若同种算法对于不同食用油数据仍具有较高的分类准确性，说明该算法的分类可靠性高。为验证SAE-ELM模型的可靠性，实验选取了2019年9月同样利用LIF技术采集的花生油、大豆油、玉米油、菜籽油和葵花籽油5种油样作为实验样本，从750组样本（每种油150组样本）中随机选取600组油样作为训练样本，余下的150组则作为测试样本。与前文介绍的处理方式相同，首先利用具有2层隐含层的SAE算法对原始数据进行特征提取，再将提取后的数据放入ELM模型中进行分类，如图7和图8所示，测试网络时间为0.2 ms，测试集准确率同样可达到100%，该模型的速度快且准确率高，因此本文建立的模型对单一油样和混合油样都能够实现准确分类。

图 7. 隐含层神经元对ELM性能的影响

Fig. 7. Effect of hidden layer neurons on ELM performance

下载图片 查看所有图片

图 8. 独立验证集合的分类结果

Fig. 8. Independent validation of classification results of set

下载图片 查看所有图片

6　结论

针对传统检测方式的不足，提出了SAE-ELM结合荧光光谱用于食用油种类快速无损检测的新思路。实验利用分析速度快、精度和灵敏度高的LIF技术获取了包括花生油、玉米油、菜籽油、混合油样A、混合油样B在内的三种单一油样以及两种混合油样的荧光光谱数据。经比较可得，选用较PCA算法更优的SAE算法对采集到的油样光谱数据进行特征提取，再利用ELM算法对特征提取出的数据进行分类识别，分类准确率达到100%，且样本测试网络时间仅为0.2 ms。除此之外，SAE算法对于利用LIF技术采集的花生油、大豆油、玉米油、菜籽油和葵花籽油5种单一油样数据也可取得100%的分类识别率。实验结果表明，利用SAE算法对原始数据进行特征提取，可将原始数据从2048维降到50维，该算法可以有效降低数据维度，提高识别准确率；而所选用的ELM算法中模型训练参数调节简单，可以有效提高学习速率，非常适用于数据分类。所提出的SAE-ELM模型分类准确率高，且模型测试速度快，说明设计出的油样快速无损检测系统是有意义的，且可靠性极高。