陳世銘臺灣大學：生物產業機電工程學研究所葉冠宏Yeh, Guan-HungGuan-HungYeh2007-11-262018-07-102007-11-262018-07-102005http://ntur.lib.ntu.edu.tw//handle/246246/52849本研究之主要目的是建立一套以小波理論為基礎之近紅外光分析模式。以往的光譜分析模式，在光譜前處理及參數設定上步驟複雜；本研究利用小波理論擷取光譜之特徵值，可省去以往繁雜的光譜前處理。本研究是以小波理論(Wavelet Transform)為基礎進行非線性模式分析，主要的研究對象物為青脆枝中的喜樹鹼含量、鳳京白菜的氮含量、檸檬果汁酸度、桶柑果汁糖度，經由鳳京白菜乾粉光譜與氮含量相關性的多次測試，證實分析方法能確實建立近紅外光的分析預測模式。分析程式是以Matlab 6.5撰寫，利用小波理論搭配類神經網路以及基因演算法建立模式，應用Matlab的運算能力，可以達到快速分析的效果。目前本研究自行撰寫的分析模式，已具有相當的準確度，WT-ANN (ANN based on Wavelet Transform)對鳳京白菜氮含量分析結果，Rc最佳可達0.99、RSEC為11. 7%、RSEP為13.8%。對青脆枝中喜樹鹼含量之分析，結果雖不如鳳京白菜，但Rc最佳仍可達0.86、RSEC與RSEP則介於22%至45%之間。而對於檸檬酸度以及桶柑糖度的分析，亦有不錯之分析結果，Rc約可達0.9左右，檸檬酸度之RSEC、RSEP則介於1.5%至2.5%之間，桶柑糖度之RSEC、RSEP則介於6%至8%之間。AWTGA-ANN (Approved GA-ANN based on Wavelet Transform)模式，對以上四種物質的分析結果，大致上與WT-ANN相當，但部份分析結果優於WT-ANN。The main purpose of this study is to establish a near infrared analysis method that based on wavelet theory (WT). Current spectral analysis procedure is complicated due to its spectrum pretreatment. Using wavelet theory to distil characteristic features in spectra can eliminate the tedious procedure in spectrum pretreatment. The specimens under investigation are Camptothecin content of Nothapodytes foetida, the nitrogen content of Pak-Choi cabbage, total acidity amount of lemon juice, and total sugar content of orange juice. In this study, the programs of analysis models were written using Matlab to conduct Artificial Neural Network (ANN) and Genetic Algorithm (GA) analysis with wavelet transformation. The developed methods show a good capability for spectra analysis. As of prediction of nitrogen content in Pak-Choi cabbage, WT-ANN (ANN based on Wavelet Transform) shows the best results as Rc=0.99, RSEC=11.7% and RSEP=13.8%. Regarding the prediction of Camptothecin content in Nothapodytes foetida, WT-ANN gives the best results as Rc=0.86, RSEC and RSEP being between 22% and 45%. The prediction of acidity amount of lemon juice and sugar content of orange juice by using WT-ANN shows that, Rc is about 0.9; RSEC and RSEP between 1.5% to 2.5% for lemon juice, while RSEC and RSEP between 6% to 8% for orange juice. AWTGA-ANN (Approved GA-ANN based on Wavelet Transform) yields similar results as those of WT-ANN, but some of them are better than WT-ANN.目錄 誌謝………………………………………………………..….…………..i 摘要………………………………………………………..….………….ii ABSTRACT………………………………...…………………………...iii 目錄………………………………………………………..…………….iv 圖目錄……………………………………………………….…………viii 表目錄……………………………………………………….………….xii 第一章 前言……………………………………………………………1 1-1前言……………………………………………………………...1 1-2研究目的………………………………………………………...2 第二章 文獻探討………………………………………………………3 2-1光譜分析方法…….…………………………… ……………….3 2-2小波理論與其應用……………………………………………...5 2-3類神經網路…………………………………………………….10 2-4遺傳演算法…………………………………………………….13 2-5青脆枝與喜樹鹼……………………………………………….18 第三章 材料與方法……………………………………….………….22 3-1實驗材料…………………………………………………….….22 3-2實驗儀器與分析軟體……………………………………….….24 3-3實驗設計…………………………………………………….….25 3-4以小波理論為基礎的分析方法…….……………..…………...29 3-4-1 Wavelet Transform原理…..……………………………...30 3-4-2 ANN based on Wavelet Transfer (WT-ANN).....................38 3-4-3 GA-ANN based on Wavelet Transfer (WTGA-ANN)........41 3-5 初步測試……………………………………………………….46 第四章 結果與討論……………………………………….………….47 4-1鳳京白菜中氮含量分析結果……………………………….….48 4-1-1 以WinISI分析鳳京白菜氮含量之結果………………..49 4-1-2不同數學處理之分析結果………………..……………...50 4-1-3 WT-ANN利用D6與A6係數分析之結果比較………….54 4-1-4 MWTGA-ANN與WTGA-ANN之比較……..………....59 4-1-5 MWTGA-ANN改良方法………………………………..61 4-2 青脆枝中喜樹鹼含量分析結果……………………………......66 4-2-1以喜樹鹼及其衍生物作為對象物之分析……………….67 4-2-1.1 WinISI分析喜樹鹼及其衍生物含量之結果…………..68 4-2-1.2 WT-ANN分析喜樹鹼及其衍生物含量之結果………..69 4-2-1.3 AWTGA-ANN分析喜樹鹼及其衍生物含量之結果.....71 4-2-2以喜樹鹼作為對象物之分析…………..………………...72 4-2-2.1 WinISI分析喜樹鹼含量之結果…………………….….73 4-2-2.2 WT-ANN分析喜樹鹼含量之結果………………….….74 4-2-2.3 AWTGA-ANN分析喜樹鹼含量之結果…………….....76 4-2-3以喜樹鹼佔有比例作為對象物之分析………………….78 4-2-3.1 WinISI分析喜樹鹼佔有比例之結果……………….….79 4-2-3.2 WT-ANN分析喜樹鹼佔有比例之結果……...………...80 4-2-3.3 AWTGA-ANN分析喜樹鹼佔有比例之結果……...…..81 4-2-4 對青脆枝三種分析值的綜合分析……………………....83 4-3 檸檬酸度之分析結果………………...………………………...84 4-3-1 WinISI分析檸檬酸度之結果…………………………......85 4-3-2 WT-ANN分析檸檬酸度之結果……………………….....86 4-3-3 AWTGA-ANN分析檸檬酸度之結果…………………….90 4-4 桶柑糖度之分析結果…………………………………………..92 4-4-1 WinISI分析桶柑糖度之結果…………………...…….......93 4-4-2 WT-ANN分析桶柑糖度之結果………………………......94 4-4-3 AWTGA-ANN分析桶柑糖度之結果……………….........98 4-5各類樣本間的差異……………………………………………..100 第五章 結論與建議……………………………………….………...101 5-1 結論…………………………………………………………….101 5-2 建議…………………………………………………………….105 第六章 參考文獻………………………………………….………...106 附錄：青脆枝之喜樹鹼含量數據……………………………………112 圖目錄 圖2.1 快速小波理論示意圖……………………………….………...….6 圖2.2 PDS示意圖……………………………………...………………...8 圖2.3 SWD示意圖…………………………………...…..……………...8 圖2.4 類神經網路示意圖……………………….……………………..10 圖2.5 類神經網路實體圖…………………….…..……………………10 圖2.6 遺傳演算法流程圖……..………………………...……………..13 圖2.7 編碼定義圖（Smith et al.，2000）………………..……………14 圖2.8 基因交換示意圖……………..………………………………….16 圖2.9 基因突變示意圖……………..………………………………….16 圖2.10 GA-ANN之程式流程圖（Pendharkar，2001）……..…………17 圖2.11 青脆枝之HPLCDAD圖（Yamazaki et al.，2003）……………18 圖2.12矮蛇根草中喜樹鹼形成之過程（Yamazaki et al.，2003）……19 圖2.13矮蛇根草中喜樹鹼於植株分布情形（Yamazaki et al.，2003）..19 圖2.14不同有機溶劑對喜樹鹼之溶解度（NaKazawa et al.，2003）…20 圖2.15 SN-38的兩種型態（Sano et al.，2003）…………..…………21 圖3.1青脆枝……………………………………………………………22 圖3.2青脆枝之果實…………………………..………………………..23 圖3.3 近紅外光分光光度計NIRS6500實驗型………..……………..24 圖3.4青脆枝中喜樹鹼含量預測之實驗流程圖…………...………….25 圖3.5 Waters LC-Module I (攝於糖試所)……………………………...26 圖3.6 HPLC實驗流程圖…………………………….…………………27 圖3.7青脆枝乾物質之HPLC分析結果(糖試所楊博士提供)……….27 圖3.8 Daubechies函數之父函數(左)與母函數(右)(Matlab，2002)….31 圖3.9 Symlet函數之父函數(左)與母函數(右)(Matlab，2002)…….....31 圖3.10 Coiflet函數之父函數(左)與母函數(右)(Matlab，2002)……...31 圖3.11 Coiflet函數之D6數值(還原後)、原始光譜 與傅立葉轉換之結果………………………………......…....33 圖3.12 A6與D6的係數圖形…..……………….………………………34 圖3.13 原始A6係數與挑選後之A6係數……………………………..35 圖3.14 主要程式流程圖……………………………………………….36 圖3.15 類神經網路模型……………………………………………….38 圖3.16 WT-ANN之程式流程圖……………………………………….39 圖3.17 WTGA-ANN之程式流程圖…………………………………...41 圖3.18 WTGA-ANN中GA演算法之流程圖…………………………42 圖3.19 MWTGA-ANN之程式流程圖…………………………………45 圖4.1 鳳京白菜之乾粉光譜…………………………………………...48 圖4.2 鳳京白菜乾粉光譜A6係數還原圖(db8為基底) (A為未經篩選之A6係數還原圖，B為經篩選之A6係數還原圖)….55 圖4.3 鳳京白菜乾粉光譜D6係數還原圖(db8為基底) (A為未經篩選之D6係數還原圖，B為經篩選之D6係數還原圖)….55 圖4.4 鳳京白菜乾粉光譜之頻率圖………………...…….…………...56 圖4.5 鳳京白菜乾粉光譜係數還原後之頻率圖 (A為未經篩選之A6係數，B為未經篩選之D6係數)……………….57 圖4.6 鳳京白菜乾粉光譜係數還原後之頻率圖 (A為經篩選之A6係數，B為經篩選之D6係數)…………………….57 圖4.7 AWTGA-ANN程式流程圖……………………………………..64 圖4.8 WT-ANN與AWTGA-ANN之分析流程相關性………………65 圖4.9 青脆枝乾粉光譜………………………………………………...66 圖4.10 檸檬果汁光譜………………………………………………….84 圖4.11 檸檬果汁光譜之頻率圖……………………………………….87 圖4.12 檸檬果汁光譜A6係數還原圖(db8為基底) (A為未經篩選之A6係數還原圖，B為經篩選之A6係數還原圖)….88 圖4.13 檸檬果汁光譜D6係數還原圖(db8為基底) (A為未經篩選之D6係數還原圖，B為經篩選之D6係數還原圖)….88 圖4.14 檸檬果汁光譜還原之頻率圖(db8為基底) (A為篩選後之A6係數頻率圖，B為篩選後之D6係數頻率圖)……..89 圖4.15 桶柑果汁光譜……………………………………………….....92 圖4.16 桶柑果汁光譜之頻率圖…………………………………….....95 圖4.17 桶柑果汁光譜A6係數還原圖(db8為基底) (A為未經篩選之A6係數還原圖，B為經篩選之A6係數還原圖)….95 圖4.18 桶柑果汁光譜D6係數還原圖(db8為基底) (A為未經篩選之D6係數還原圖，B為經篩選之D6係數還原圖)….96 圖4.19 桶柑果汁光譜還原之頻率圖(db8為基底) (A為篩選後之A6係數頻率圖，B為篩選後之D6係數頻率圖)…….96 表目錄 表2.1 常見的適應性函數與其適用範圍（陳，2000）………………15 表3.1 青脆枝樣本列表………………………………………………...26 表3.2 小波基底函數之特性(Matlab，2002)….………..……………...30 表4.1 鳳京白菜氮含量樣本分布情形(陳，2003)…………………....48 表4.2 WinISI分析鳳京白菜氮含量之結果(MPLSR模式)….……......49 表4.3 WT-ANN分析氮含量之結果(db8之D6為輸入值)…………….50 表4.4 WT-ANN分析氮含量之結果(db8之A6為輸入值)….………...50 表4.5 WT-ANN分析氮含量之結果(sym8之D6為輸入值)…….……51 表4.6 WT-ANN分析氮含量之結果(sym8之A6為輸入值)…….……51 表4.7 WT-ANN分析氮含量之結果(coif3之D6為輸入值)………….52 表4.8 WT-ANN分析氮含量之結果(coif3之A6為輸入值)…………..52 表4.9 WT-ANN分析鳳京白菜氮含量之結果(D6為輸入值)……..…..54 表4.10 WT-ANN分析鳳京白菜氮含量之結果(A6為輸入值)………..54 表4.11 WTGA-ANN分析鳳京白菜氮含量之結果(D6為輸入值)……59 表4.12 MWTGA-ANN分析鳳京白菜氮含量之結果(D6為輸入值)....60 表4.13 MWTGA-ANN分析氮含量之結果(RSEC為收斂指標)…..…61 表4.14 WT-ANN分析氮含量之結果(RSEC、RSEP為收斂指標)…...62 表4.15 AWTGA-ANN分析氮含量之結果…………………………....63 表4.16 青脆枝中喜樹鹼及其衍生物樣本分布情形……………….....67 表4.17 WinISI分析青脆枝中喜樹鹼及其衍生物之結果...…..………68 表4.18 WT-ANN分析青脆枝中喜樹鹼及其衍生物 之結果(D6為輸入值)……………………………………….…...69 表4.19 WT-ANN分析青脆枝中喜樹鹼及其衍生物 之結果(A6為輸入值)……………………………………….…...69 表4.20 AWTGA-ANN分析喜樹鹼及其衍生物含量 之結果(D6為輸入值)…………………………………………....71 表4.21 青脆枝中喜樹鹼含量樣本分布情形………………………….72 表4.22 WinISI分析青脆枝中喜樹鹼含量之結果….…………………73 表4.23 WT-ANN分析青脆枝中喜樹鹼含量之結果(D6為輸入值)…..74 表4.24 WT-ANN分析青脆枝中喜樹鹼含量之結果(A6為輸入值)…..74 表4.25 AWTGA-ANN分析喜樹鹼含量之結果(D6為輸入值)……….76 表4.26 青脆枝中喜樹鹼佔有比例樣本分布情形…………………….78 表4.27 WinISI分析喜樹鹼佔有比例之結果………………………….79 表4.28 WT-ANN分析喜樹鹼佔有比例之結果(D6為輸入值)……….80 表4.29 WT-ANN分析喜樹鹼佔有比例之結果(A6為輸入值)……….80 表4.30 AWTGA-ANN分析喜樹鹼佔有比例之結果(D6為輸入值).....81 表4.31 檸檬酸度樣本分布情形(楊，2001)…………………….…….84 表4.32 WinISI分析檸檬酸度之結果…………………………………..85 表4.33 WT-ANN分析檸檬酸度之結果(D6為輸入值)………………..86 表4.34 WT-ANN分析檸檬酸度之結果(A6為輸入值)………………..86 表4.35 AWTGA-ANN分析檸檬酸度之結果(A6為輸入值)………….90 表4.36 AWTGA-ANN分析檸檬酸度之結果(D6為輸入值)………….91 表4.37 桶柑糖度樣本分布情形(楊，2001)………………….……….92 表4.38 WinISI分析桶柑糖度之結果…………………………………..93 表4.39 WT-ANN分析桶柑糖度之結果(D6為輸入值)………………..94 表4.40 WT-ANN分析桶柑糖度之結果(A6為輸入值)………………..94 表4.41 AWTGA-ANN分析桶柑糖度之結果(A6為輸入值)………….98 表4.42 AWTGA-ANN分析桶柑糖度之結果(D6為輸入值)………….992216388 bytesapplication/pdfen-US小波理論光譜分析喜樹鹼類神經網路基因演算法Wavelet TheorySpectral AanlysisCamptothecinArtificalNeural NetworkGenetic Algorithmthesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/52849/1/ntu-94-R92631003-1.pdf