楊志超， 石 璐， 蔡 競， 張 輝

1. 浙江警察學(xué)院， 浙江 杭州 310053 2. 毒品防控技術(shù)浙江省重點實驗室， 浙江 杭州 310053

引 言

在公安刑偵、 檢驗檢疫等工作中， 血痕是重要的物證之一， 往往需要對血痕進行種屬鑒別， 判斷其為何物種所留。 傳統(tǒng)的血痕鑒別技術(shù)有酶免疫分析、 DNA檢測法、 高效液相色譜法等[1-3]， 此類方法會損耗檢測樣品， 因物證樣本是行政執(zhí)法和法庭審判的重要證據(jù)， 應(yīng)盡量采用無損的檢測方法。 拉曼光譜技術(shù)具有無損、 無需前處理、 分析檢測速度快的優(yōu)勢， 特別適合物證檢驗。 特別是表面增強拉曼技術(shù)[4-7]， 分子附著與納米金屬材料表面， 通過納米金屬顆粒放大待測物的拉曼光譜信號， 增強倍率可達106以上。 目前， 拉曼光譜技術(shù)及其相關(guān)技術(shù)已被廣泛應(yīng)用于化工、 醫(yī)學(xué)、 半導(dǎo)體、 地質(zhì)等領(lǐng)域[8-10]， 在血痕種屬鑒別等相關(guān)領(lǐng)域也日漸成熟。

利用拉曼光譜技術(shù)可以快速有效的鑒別血痕的物種歸屬。 白鵬利等人以3種不同物種動物和人類血痕為研究樣本， 采取拉曼光譜技術(shù)結(jié)合主成分分析法(PCA)， 對于樣本血痕進行定性識別[11]。 鄭祥權(quán)等采用了人血與比格犬血作為實驗樣本， 檢測血痕樣本的拉曼光譜數(shù)據(jù)， 結(jié)合PCA和線性判別分析(LDA)分類算法， 構(gòu)建了一種可以對人血和犬血進行種屬判斷的多元統(tǒng)計算法模型， 測試集的準確率達到90%[12]。 董家林等利用海洋光學(xué)Raman光譜儀測得共326例樣本數(shù)據(jù)(人110例、 犬116例、 兔100例)， 采用SVM分類器， 訓(xùn)練集分類正確率達100%， 測試集分類正確率達93.52%[13]。

本文收集人血和雞、 鴨、 豬、 牛、 鼠5種動物血痕的拉曼光譜數(shù)據(jù)， 對數(shù)據(jù)完成降噪和基線矯正， 結(jié)合特征選擇算法， 建立多分類模型， 對比各特征選擇算法和分類模型對準確率的影響， 并對結(jié)果進行驗證， 建立一套血痕種屬鑒別的快速檢測方法。

1 實驗部分

1.1 血痕樣本

收集雞、 鴨、 豬、 牛、 鼠5種動物的血痕樣本75份， 每種動物的血痕樣本15份。 收集15名健康志愿者血痕樣本15份， 所有志愿者同意協(xié)助完成實驗。 所有血痕樣本不做任何的前處理， 取血后24 h內(nèi)測量， 血液滴載玻片表面， 靜置約2 h， 待血液完全凝固后獲取其拉曼光譜， 實驗環(huán)境溫度為20 ℃， 濕度為40%。

1.2 訓(xùn)練集、 驗證集和測試集的劃分

將6類物種， 每類物種15個樣本分成訓(xùn)練集和測試集。 每類物種隨機選取10個樣本作為訓(xùn)練集， 利用訓(xùn)練集樣本完成模型的建立和調(diào)參。 另外5個樣本作為測試集， 利用測試集數(shù)據(jù)做最終的模型評價。 對每個樣本隨機選取10個不同的位置獲得拉曼光譜數(shù)據(jù)。 最終得到的訓(xùn)練集中有600組拉曼光譜數(shù)據(jù)， 測試集中有300組拉曼光譜數(shù)據(jù)。

1.3 拉曼光譜儀與計算環(huán)境

實驗采用美國Thermo Fisher公司生產(chǎn)的DXR2xi顯微激光拉曼成像光譜儀， 拉曼光譜儀具有超低暗噪聲， 單光子信號探測器等優(yōu)勢。 計算機環(huán)境為Intel(R)Core(TM)i5-5200U CPU @ 2.2 GHz， RAM： 12.0 GB， 64位操作系統(tǒng)。

1.4 拉曼光譜數(shù)據(jù)的獲取與校正

利用拉曼光譜儀獲取血痕的拉曼光譜， 實驗考察了不同的激發(fā)波長、 物鏡倍數(shù)、 激光強度、 曝光時間、 掃描次數(shù)等采集參數(shù)， 綜合比較對樣本的破壞、 熒光干擾、 拉曼信號信噪比、 實驗效率等方面。 實驗選擇633 nm激光作為激發(fā)光源， 采用10×物鏡聚焦， 激光強度為3.0 mW， 曝光時間為0.2 s， 掃描次數(shù)為100次， 采集后的拉曼光譜的信噪比約40。 實驗采用迭代自適應(yīng)加權(quán)懲罰最小二乘法校正基線， 使用S-G平滑濾波實現(xiàn)平滑處理， 選取100～1 700 cm-1波段測試研究， 共830個波段。

2 結(jié)果與討論

研究分兩部分實驗， 第一部分實驗， 建立PLS-DA， LDA， PCA+LDA與SVM， PCA+SVM模型進行對比實驗， 比較SVM分類方法相對于其他兩種方法的準確率， 以及PCA降維的效果。 第二部分實驗， 采用三種波段選擇方法對拉曼光譜降維， 將被選擇的波段數(shù)據(jù)放入SVM分類器中， 探討波段選擇方法對分類準確率的影響。

2.1 分類方法實驗

線性判別分析(linear discriminant analysis, LDA)是一種多元線性學(xué)習(xí)方法， 思路是將數(shù)據(jù)投影到一條直線上， 使不同類數(shù)據(jù)的投影之間的距離盡量遠， 且同類數(shù)據(jù)的投影之間的距離盡量近。 偏最小二乘判別分析(partial least squares discriminant analysis， PLS-DA)是一種用于多元判別分析方法， 適用于樣本少、 特征多， 且特征變量之間存在多重共線性的情況。 實驗通過十折交叉驗證， 對參與建模的前10個主成分做判別分析并計算準確率。

支持向量機(support vector machine， SVM)利用核函數(shù)把樣本從低維空間映射到高維空間， 尋找最優(yōu)超平面將特征空間劃分開。 只有少量的支持向量在SVM分類中起決定作用， 不僅避免了“維數(shù)災(zāi)難”問題， 也使SVM算法魯棒性更強。 因此， SVM算法適用于小樣本、 高維度的拉曼光譜數(shù)據(jù)問題。 SVM分類模型有兩個重要的參數(shù)C和gamma。 通過網(wǎng)格搜索的方法確定最佳的C和gamma組合， 如圖1所示， 當C=100， gamma=0.001， 準確率達到90%以上。

圖1 C和gamma網(wǎng)格搜索的結(jié)果

不同的分類方法的準確率結(jié)果如表1所示， PCA+SVM方法在測試集中的準確率最高， 達85.7%。 LDA的準確率最低， 可能的原因是血痕的拉曼光譜數(shù)據(jù)存在嚴重的共線性問題。 通過PCA降維后， LDA和SVM算法在測試集中的準確率都有所提高， 可以說PCA降維對于測試準確率的提高有一定的幫助。 另一方面， SVM算法的準確率相對于LDA和PLS-DA都更高。 因此， SVM分類器是更優(yōu)的選擇。

表1 五種分類方法在訓(xùn)練集和測試集的準確率

2.2 波段選擇實驗

光譜數(shù)據(jù)的降維方法分為基于數(shù)學(xué)變換的降維方法和基于波段選擇的降維方法。 基于數(shù)學(xué)變換的降維方法， 比如PCA， LDA和PLS等， 改變了原始數(shù)據(jù)的物理意義， 可解釋性差， 同時復(fù)雜的降維算法也增加了計算成本。 基于波段選擇的降維是從原始光譜數(shù)據(jù)中篩選出波段子集， 剔除不起作用或有干擾作用的冗余波段， 不會改變原始特征數(shù)據(jù)， 不產(chǎn)生新的特征， 所挑選出來的波段依然保持原來的物理意義， 可解釋性強， 并且有效的提高計算效能。 如圖2所示， t1, t2, t3， …表示原始的拉曼光譜數(shù)據(jù)， s1, s2表示經(jīng)過數(shù)學(xué)變換降維后的光譜數(shù)據(jù)。

圖2 光譜降維算法示意圖

互信息(mutual information， MI)度量了兩個隨機變量之間的統(tǒng)計依賴關(guān)系， 因此可以用來評估每個波段對分類的相對效用。 相對于單獨使用信息熵來說， 互信息搭起了波段信息與實際目標之間的關(guān)系。 計算每一個波段與類別信息之間的互信息值， 然后對波段的互信息進行降序排列， 選擇出互信息值最大的前K個波段， 組成波段子集。

遺傳算法(genetic algorithm, GA)是一種模擬生物遺傳機理的模型， 通過適者生存的方式尋找最優(yōu)解。 從一個隨機的種群開始， 逐代演化出更近似的解。 依據(jù)對問題的適應(yīng)性來選擇個體， 然后個體之間進行交叉和變異產(chǎn)生新的種群。 實驗中遺傳算法主要參數(shù)： 變異概率2%， 迭代次數(shù)150次， 種群個體數(shù)為200。

等間隔組合法(equidistant combination, EC)本質(zhì)上是降低了光譜的分辨率， 達到波段選擇的目的。 其主要思想是在一定光譜范圍內(nèi)以相同的間隔提取波段。 等間隔組合方法的參數(shù)包括以下三個： 起始波長、 波長個數(shù)、 相鄰波長點之間的間隔數(shù)， 比如(101， 200， 5)的波段數(shù)為20。 本實驗中， 波段數(shù)相同的， 取準確率最高者。

訓(xùn)練數(shù)據(jù)集中， 采用SVM分類器， 三種波段選擇方法10折交叉驗證的準確率表現(xiàn)如圖3所示。 在取25個波段時， 互信息法準確率不高， 隨著波段的數(shù)量增加， 互信息法所選擇的波段準確率提升較快， 并且在150個波段后保持穩(wěn)定， 整體準確率較高。 在波段選擇數(shù)為300時， 遺傳算法、 等間隔組合算法與互信息法的準確率接近， 達到93%左右。

圖3 不同的波段數(shù)量下三種波段選擇方法的訓(xùn)練集準確率

在選擇波段的數(shù)量為50時， MI+SVM, GA+SVM, EC+SVM在訓(xùn)練集準確率為88.8%， 88.3%和86.8%， 已達到PCA+SVM方法的相近的水平。 根據(jù)訓(xùn)練集中確定的最優(yōu)光譜波段， 同樣的選取測試集中對應(yīng)的50個波段組合， 并放入SVM分類器中驗證方法的可靠性， 結(jié)合PCA+SVM和PLS-DA， 結(jié)果對比如圖4所示。

圖4 五種方法在訓(xùn)練集和測試集的準確率對比

在選擇波段的數(shù)量為50時， MI+SVM, GA+SVM, EC+SVM在測試集準確率為86.0%， 85.3%和84.7%， 互信息法過濾得到的50個波段組合， 在訓(xùn)練集和測試集準確率都是最高的。 在測試集數(shù)據(jù)中， MI+SVM算法的分類準確率高于PCA+SVM(86.7%)。 另外， 從圖4中可以發(fā)現(xiàn)， 采用波段選擇降維方法， 訓(xùn)練集準確率與測試集準確率之差更小， 主要原因是波段選擇方法排除了冗余的干擾波段的影響， 其表現(xiàn)更加穩(wěn)定。

未參與建模的300組測試樣本(6個物種各50組拉曼光譜)中， 人、 豬、 牛、 鼠、 雞和鴨的血液拉曼光譜預(yù)測準確率分別為84%， 80%， 84%， 82%， 92%和94%。 人血與豬血之間是判錯率較高， 人血的錯例中有87.5%是被錯判為豬血的， 豬血的錯例中有60%是被錯判為人血的， 這與豬血與人血的拉曼光譜更為相近有關(guān)。 雞血和鴨血之間容易混淆， 兩者同為禽類， 拉曼光譜更為相似。 禽類(雞、 鴨)和哺乳類動物(人、 豬、 牛、 鼠)之間是完全沒有錯判的， 說明禽類和哺乳類動物血液的拉曼光譜有較大區(qū)別。

圖5 互信息法選擇的最佳的25個波段

3 結(jié) 論

在血痕種屬鑒別方面， 以SVM算法作為拉曼光譜數(shù)據(jù)的分類器， 相對于LDA和PLS-DA分類器的準確率更高。 波段選擇降維方法應(yīng)用于血痕拉曼光譜鑒別充分體現(xiàn)出其有效性。 通過互信息法過濾得到的最佳波段組合， 再利用SVM算法分類， 其在驗證集和測試集準確率都是較高的。 在選擇50個波段時， 分別達到88.8%和86.0%。 PCA+SVM算法的準確率低于MI+SVM。 波段選擇方法的適應(yīng)性更好、 可解釋性更強， 對利用拉曼光譜在其他領(lǐng)域應(yīng)用有借鑒意義。 在實踐方面， 波段選擇可以簡化拉曼光譜系統(tǒng)， 使該技術(shù)應(yīng)用于刑事技術(shù)、 海關(guān)檢疫等方面更加快捷和經(jīng)濟。