本研究由Xiaohong Wu（江苏大学电气与信息工程学院）、Shupeng Zeng（江苏大学电气与信息工程学院）、Haijun Fu（江苏大学电气与信息工程学院）、Bin Wu（滁州职业技术学院信息工程系）、Haoxiang Zhou（浙江大学台州研究院电气与控制工程研究所）及Chunxia Dai（江苏大学电气与信息工程学院）共同完成，发表于2023年3月30日的《Food Chemistry: X》期刊（Volume 18, Article 100666）。研究聚焦农业与食品分析领域，旨在通过近红外光谱（Near-Infrared Spectroscopy, NIR）结合新型波长选择算法，实现玉米蛋白质含量的快速无损检测。
学术背景
玉米作为全球产量最高的谷物（2020/21年度达12.07亿吨），其蛋白质含量直接影响营养品质与加工性能。传统化学检测方法耗时且破坏样本，而近红外光谱技术因其高效、环保的特点，近年来广泛应用于食品成分分析。然而，NIR光谱的高维数据（本研究含700个波长点）存在大量冗余变量，需通过特征波长选择提升模型精度。现有算法如竞争性自适应重加权采样（Competitive Adaptive Reweighted Sampling, CARS）和遗传算法（Genetic Algorithm, GA）虽能降维，但易受高共线性干扰或陷入局部最优。为此，本研究提出锚点竞争性自适应重加权采样（Anchor-CARS, A-CARS），结合蒙特卡洛协同区间偏最小二乘法（Monte Carlo Synergy Interval PLS, MC-SiPLS），优化变量筛选流程。
研究流程与方法
数据准备
- 样本与光谱采集：使用80个玉米样本，光谱范围1100–2498 nm（间隔2 nm，共700个波长点），数据来自Cargill公司的M5仪器。按Kennard-Stone算法划分校准集（60样本）与预测集（20样本），确保模型泛化性。
算法开发与优化
- MC-SiPLS预处理：通过蒙特卡洛方法随机生成不等宽区间，避免传统SiPLS固定区间划分的局限性。每次迭代选择RMSE最小的区间组合，直至合并后的区间收敛（公式1-2）。
- A-CARS核心步骤：以MC-SiPLS筛选的区间作为“锚点”，在锚定区间内应用CARS进一步选择变量。CARS基于达尔文进化理论，通过蒙特卡洛采样、指数衰减函数（EDF）和自适应重加权（ARF）筛选变量，最终保留23个特征波长（图1）。
模型对比与验证
- 对比方法：包括全波段PLS、移动窗口PLS（MWPLS）、SiPLS、GA-PLS、随机蛙跳PLS（Random Frog PLS）及CARS-PLS。
- 评估指标：校准集与预测集的均方根误差（RMSE）、决定系数（R²）和偏差（Bias）。
主要结果
模型性能
- A-CARS-PLS表现最优：校准集RMSEcv=0.0336、R²c=0.9951；预测集RMSEp=0.0688、R²p=0.9820（表1）。其预测结果最接近实测值（图4），且显著优于其他方法（如全波段PLS预测集R²p仅0.9070）。
- 变量筛选：A-CARS将700维数据降至23维，集中在1698–1898 nm和2098–2298 nm波段（图3），对应蛋白质C-H、O-H键的伸缩振动特征。
关键发现
- 区间选择优势：MC-SiPLS筛选的区间（如2080–2218 nm）覆盖了MWPLS和SiPLS的选择范围（图2），但通过非等宽划分避免了无关变量干扰。
- 抗过拟合能力：A-CARS在预测集的R²p较校准集仅下降1.3%，而GA-PLS和随机蛙跳PLS分别下降4.5%和7.9%，表明其稳定性更强。
结论与价值
科学意义
- 提出A-CARS算法，首次将蒙特卡洛随机区间划分与CARS结合，解决了高共线性光谱数据的变量选择难题。
- 明确玉米蛋白质的23个特征波长，并建立线性回归方程（公式6），为便携式NIR设备开发提供理论依据。
应用前景
- 可集成于嵌入式系统，降低检测成本；推动玉米品质的大规模无损监测。作者建议未来结合便携设备验证实际场景性能。
研究亮点
- 方法创新性：A-CARS通过锚点约束提升CARS的 interpretability，MC-SiPLS的随机区间划分避免局部最优。
- 技术实用性：23维模型大幅降低数据复杂度，适合工业化应用。
- 跨学科价值：为其他农产品成分检测（如淀粉、水分）提供算法参考。
其他价值
研究获江苏省高校优先发展项目（PAPD）、滁州职业技术学院科研基金等支持，数据公开于Eigenvector网站，增强可重复性。