CN106990096A - 基于激光诱导击穿光谱的肉骨粉种属检测方法及系统 - Google Patents
基于激光诱导击穿光谱的肉骨粉种属检测方法及系统 Download PDFInfo
- Publication number
- CN106990096A CN106990096A CN201710189314.4A CN201710189314A CN106990096A CN 106990096 A CN106990096 A CN 106990096A CN 201710189314 A CN201710189314 A CN 201710189314A CN 106990096 A CN106990096 A CN 106990096A
- Authority
- CN
- China
- Prior art keywords
- information data
- spectral information
- sample
- detected
- meat meal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
- G01N21/718—Laser microanalysis, i.e. with formation of sample plasma
Abstract
本发明公开一种基于激光诱导击穿光谱的肉骨粉种属检测方法及系统。其中,所述方法包括:对待检测肉骨粉饲料样品进行提取,获得待检测骨颗粒样品;采集所述待检测骨颗粒样品的第一光谱信息数据;根据所述第一光谱信息数据以及预先建立的判别分析模型获得第一种属检测结果。所述系统用于执行上述方法。本发明提供的基于激光诱导击穿光谱的肉骨粉种属检测方法及系统,提高了肉骨粉饲料的种属检测效率。
Description
技术领域
本发明涉及饲料检测技术领域,具体涉及一种基于激光诱导击穿光谱的肉骨粉种属检测方法及系统。
背景技术
肉骨粉是牲畜屠宰后非食用组织经粉碎和高温处理后制成的动物源性蛋白饲料,具有蛋白质含量丰富等特点,为了满足动物源性饲料质量安全监管需求,保障肉骨粉饲料的安全使用,其核心问题是对不同来源肉骨粉进行准确鉴别。
目前,肉骨粉饲料标准检测方法包括显微镜分析法和聚合酶链式反应(Polymerase Chain Reaction,以下简称PCR)法。其中,显微镜分析法主要基于骨颗粒的光学显微组织特性进行人为观察鉴别,可以准确鉴别出配合饲料或鱼粉中的肉骨粉成分,但却难以进一步判定其肉骨粉的来源,而且检测效率低。而以DNA分析为基础的PCR法可以进行不同来源肉骨粉的鉴别,但检测过程检测样本热稳定性差,检测结果假阳性率高、检测成本高、检测耗费时间长,单独使用难以满足可靠准确的鉴别分析要求。
因此,如何提出一种方法,能够快速准确地检测出肉骨粉饲料的种属成为业界亟待解决的重要课题。
发明内容
针对现有技术中的缺陷,本发明提供一种基于激光诱导击穿光谱的肉骨粉种属检测方法及系统。
一方面,本发明提出一种基于激光诱导击穿光谱的肉骨粉种属检测方法,包括:
对待检测肉骨粉饲料样品进行提取,获得待检测骨颗粒样品;
采集所述待检测骨颗粒样品的第一光谱信息数据;
根据所述第一光谱信息数据以及预先建立的判别分析模型获得第一种属检测结果。
另一方面,本发明提供一种基于激光诱导击穿光谱的肉骨粉种属检测系统,包括:
提取单元,用于对待检测肉骨粉饲料样品进行提取,获得待检测骨颗粒样品;
采集单元,用于采集所述待检测骨颗粒样品的第一光谱信息数据;
检测单元,用于根据所述第一光谱信息数据以及预先建立的判别分析模型获得第一种属检测结果。
本发明提供的基于激光诱导击穿光谱的肉骨粉种属检测方法及系统,由于能够对待检测肉骨粉饲料样品进行提取,获得待检测骨颗粒样品,采集到待检测骨颗粒样品的第一光谱信息数据,从而可以根据第一光谱信息数据以及预先建立的判别分析模型获得种属检测结果,提高了肉骨粉饲料的种属检测效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例基于激光诱导击穿光谱的肉骨粉种属检测方法的流程示意图;
图2为本发明另一实施例基于激光诱导击穿光谱的肉骨粉种属检测方法的流程示意图;
图3为本发明实施例基于激光诱导击穿光谱的肉骨粉种属检测系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明一实施例基于激光诱导击穿光谱的肉骨粉种属检测方法的流程示意图,如图1所示,本发明提供的基于激光诱导击穿光谱的肉骨粉种属检测方法,包括:
S101、对待检测肉骨粉饲料样品进行提取,获得待检测骨颗粒样品;
具体地,获取待检测肉骨粉饲料样品,所述待检测肉骨粉饲料样品可以来源于牛、羊、猪或者鸡。对所述待检测肉骨粉饲料样品进行提取,例如采用四氯乙烯进行提取,可以获得待检测骨颗粒样品。
S102、采集所述待检测骨颗粒样品的第一光谱信息数据;
具体地,基于激光诱导击穿光谱技术(Laser-Induced Breakdown Spectroscopy,以下简称LIBS)采集所述待检测骨颗粒样品的第一光谱信息数据,LIBS能够实现多种元素同时分析、并且分析速度快,可实现元素的定性识别和定量分析,适用于各种肉骨粉饲料样品的光谱信息数据采集。例如利用商业LIBS ChemRevealTM-3764进行所述第一光谱信息数据采集。
S103、根据所述第一光谱信息数据以及预先建立的判别分析模型获得第一种属检测结果。
具体地,将获取到的所述第一光谱信息数据输入到判别分析模型中,经过计算获得所述第一光谱信息数据对应的计算结果,将所述计算结果与标准检测结果进行比对,从而获得待测肉骨粉饲料样品的种属检测结果,例如如果所述计算结果与所述标准检测结果的差值的绝对值在预设误差范围之内,即可根据所述标准检测结果对应的种属确定待检测肉骨粉饲料样品的种属。其中,所述判别分析模型是预设建立的,所述标准检测结果是建立所述判别分析模型时确定的,所述预设误差范围根据实际情况进行设定,本发明实施例不做限制。
本发明提供的基于激光诱导击穿光谱的肉骨粉种属检测方法,由于能够对待检测肉骨粉饲料样品进行提取,获得待检测骨颗粒样品,采集到待检测骨颗粒样品的第一光谱信息数据,从而可以根据第一光谱信息数据以及预先建立的判别分析模型获得种属检测结果,提高了肉骨粉饲料的种属检测效率。
图2为本发明另一实施例基于激光诱导击穿光谱的肉骨粉种属检测方法的流程示意图,如图2所示,在上述实施例的基础上,进一步地,建立所述判别分析模型的步骤包括:S201、对预设数量已知来源的肉骨粉饲料样品进行提取,分别获得所述预设数量已知来源的骨颗粒样品;
具体地,获取预设数量已知来源的肉骨粉饲料样品,所述预设数量已知来源的肉骨粉饲料样品可以来源于牛、羊、猪或者鸡。对所述预设数量已知来源的肉骨粉饲料样品进行提取,例如采用四氯乙烯进行提取,获得所述预设数量已知来源的骨颗粒样品。
S202、分别采集所述预设数量已知来源的骨颗粒样品的第二光谱信息数据;
具体地,基于LIBS分别采集所述预设数量已知来源的骨颗粒样品的第二光谱信息数据。
S203、根据所述预设数量的第二光谱信息数据以及偏最小二乘法建立所述判别分析模型;
具体地,根据获取的所述预设数量的第二光谱信息数据以及偏最小二乘法(Partial Least Square,以下简称PLS)建立所述判别分析模型。PLS是一种新型的多元统计数据分析方法,它可以在运算中将样本数据和样本种类联系起来,同时实现了回归建模,主成分分析和变量之间的相关性分析。
例如,基于PLS,设定自变量矩阵X={x1,x2,x3,x4}和分类变量Y={y1,y2,y3,y4},x1,x2,x3,x4表示预设数量中一个已知来源的肉骨粉饲料样品对应的第二光谱信息数据,例如x1为来源于羊的肉骨粉饲料样品对应的第二光谱信息数据,x2来源于牛的肉骨粉饲料样品对应的第二光谱信息数据,x3来源于猪的肉骨粉饲料样品对应的第二光谱信息数据,x4来源于鸡的肉骨粉饲料样品对应的第二光谱信息数据,y1表示x1对应的分类变量值,y2表示x2对应的分类变量值,y3表示x3对应的分类变量值,y4表示x4对应的分类变量值,可以设定y1=1,y2=2,y3=3,y4=4,即y=1时,表示肉骨粉饲料样品来源于羊,y=2时,表示肉骨粉饲料样品来源于牛,y=3时,表示肉骨粉饲料样品来源于猪,y=4时,表示肉骨粉饲料样品来源于鸡,其中y表示y1,y2,y3或y4,y值将作为所述标准检测结果。
采用PLS回归算法对X和Y同时分解,使其主成分最大程度地线性相关,表示为:
X=TPT+E
Y=UQT+F
其中,T和U分别为X和Y的得分矩阵;P和Q为载荷矩阵;E和F为拟合残差矩阵。
将T和U作线性回归:U=TB,B表示回归因子。
根据P可以计算出x的得分向量t,其中,x表示x1,x2,x3或者x4,再根据y’=tBQ,即可计算出对于x对应的预测分类值y’。上述模型的建立可以利用采用Matlab软件及PLSToolbox 6.5软件平台实现。
S204、根据留一验证法和每个所述第二光谱信息数据获取每个所述第二光谱信息数据对应的第二种属检测结果;
具体地,在建立所述判别分析模型后,需要对所述判别分析模型进行验证,可以采用留一验证法对所述判别分析模型进行验证,即在所述预设数量的第二光谱信息数据中取出一个所述第二光谱信息数据,作为预留的第二光谱信息数据,再根据剩余的第二光谱信息数据以及偏最小二乘法建立内部交互验证模型,所述内部交互验证模型的建立过程与步骤S203中所述判别分析模型的建立过程类似,此处不再赘述。根据所述预留的第二光谱数据以及所述内部交互验证模型,可以计算出所述预留的第二光谱数据对应的预测分类值y’,将所述预测分类值y’与预先设定的分类值y进行对比,如果所述预测分类值y’与分类值y的差值的绝对值在预设误差范围内,即可确定所述预留的第二光谱数据对应的肉骨粉饲料样品的种属检测结果为阳性,所述预留的第二光谱数据对应的肉骨粉饲料样品的种属与所述分类值y对应的种属一致,否则确定所述预留的第二光谱数据对应的肉骨粉饲料样品的种属检测结果为阴性,所述预留的第二光谱数据对应的肉骨粉饲料样品的种属不是所述分类值y对应的种属。其中,所述预设误差范围根据实际情况进行设定。逐一选取所述预设数量的第二光谱信息数据作为所述预留的第二光谱信息数据,重复上述第二种属检测结果的过程,即可获得每个所述第二光谱信息数据对应的第二种属检测结果。
S205、若判断获知所述第二种属检测结果满足预设条件,则采用所述判别分析模型对所述第一光谱信息数据进行检测。
具体地,在获得所述第二种属检测结果后,判断所述检测结果是否满足预设条件,如果满足所述预设条件,那么可以采用所述判别分析模型对所述第一光谱信息数据进行检测,即将所述待检测样品对应的第一光谱信息数据输入到所述判别模型中,计算出所述第一光谱信息数据对应的预测分类值y’,将y’与所述标准检测结果进行对比,即可获得相应的第一种属检测结果。
所述预设条件可以是所述第二种属检测结果满足识别率大于第一预设值且拒绝率大于第二预设值;根据Sensitivity=PA/(PA+ND)获得识别率Sentitivity,其中,PA为阳性样品数,ND为假阴性样品数;根据Specificity=NA/(PD+NA)获得拒绝率Specificity,其中,NA为阴性样品数,PD为假阳性样品数。其中,所述第一预设值和所述第二预设值根据实际情况进行设置,本发明实施例不做限定。
将每个所述第二光谱信息数据对应的第二种属检测结果与其对应的已知来源进行对比,如果所述第二种属检测结果与所述已知来源是一致的,例如所述第二种属检测结果呈阳性,对应的种属为猪,而所述已知来源也是猪,那么所述第二光谱信息数据对应的肉骨粉饲料样品为阳性样品;如果所述第二种属检测结果与所述已知来源不一致,例如所述第二种属检测结果呈阳性,对应的种属为猪,而所述已知来源是羊,那么所述第二光谱信息数据对应的肉骨粉饲料样品为假阳性样品。同理,可以判断出阴性样品和假阴性样品。通过统计计算可以得出所述预设数量已知来源的肉骨粉饲料样品中的阳性样品数、假阳性样品数、阴性样品数和假阴性样品数。从而可以计算出所述识别率和所述拒绝率。
在上述各实施例的基础上,进一步地,所述根据留一验证法和每个所述第二光谱信息数据获取每个所述第二光谱信息数据对应的第二种属检测结果包括:
从所述预设数量的第二光谱信息数据中选出一个所述第二光谱信息数据作为预留的第二光谱信息数据;根据剩余的第二光谱信息数据以及偏最小二乘法建立内部交互验证模型;根据所述预留的第二光谱信息数据以及所述内部交互验证模型获取所述预留的第二光谱信息数据对应的第二种属检测结果。
具体地,在所述预设数量的第二光谱信息数据中选出一个所述第二光谱信息数据,作为预留的第二光谱信息数据,再根据剩余的第二光谱信息数据以及偏最小二乘法建立内部交互验证模型,所述内部交互验证模型的建立过程与步骤S203中所述判别分析模型的建立过程类似,此处不再赘述。根据所述预留的第二光谱数据以及所述内部交互验证模型,可以计算出所述预留的第二光谱数据对应的预测分类值y’,将所述预测分类值y’与预先设定的分类值y进行对比,如果所述预测分类值y’与分类值y的差值的绝对值在预设误差范围内,即可确定所述预留的第二光谱数据对应的肉骨粉饲料样品的种属检测结果为阳性,所述预留的第二光谱数据对应的肉骨粉饲料样品的种属与所述分类值y对应的种属一致;否则确定所述预留的第二光谱数据对应的肉骨粉饲料样品的种属检测结果为阴性,所述预留的第二光谱数据对应的肉骨粉饲料样品的种属不是所述分类值y对应的种属。其中,所述预设误差范围根据实际情况进行设定。逐一选取所述预设数量的第二光谱信息数据作为所述预留的第二光谱信息数据,重复上述第二种属检测结果的过程,即可获得每个所述第二光谱信息数据对应的第二种属检测结果。
例如,所述预设数量为40,在步骤S203中,利用40个所述第二光谱信息数据建立了所述判别分析模型,评价所述判别分析模型,可以从40个所述第二光谱信息数据中挑选出一个作为预留的第二光谱信息数据,根据剩余的39个第二光谱信息数据建立所述内部交互验证模型,所述内部交互验证模型的建立过程与所述判别分析模型的建立过程类似,只是少用了所述预留的第二光谱信息数据。所述内部交互验证模型建立完成后,根据所述预留的第二光谱信息数据和所述内部交互验证模型,可以计算出所述预留的第二光谱信息数据对应的所述预测分类值y’,将y’与预先设定的分类值y进行比较,即可获得所述预留的第二光谱信息数据对应第二种属检测结果。在所述预设数量的第二光谱信息数据中逐一选取所述第二光谱信息数据作为预留的第二光谱信息数据,重复上述过程,即可获得每个所述第二光谱信息数据对应的第二种属检测结果。最终可以获得40个第二种属检测结果。
下面通过一具体的实施例上述判别分析模型的建立步骤进行说明。
获取42份已知动物种属的肉骨粉饲料产品作为研究样本,包括经相关质检部门收集的全国蛋白饲料企业的产品,其中,反刍动物源样本18个,包括8个牛源和10个羊源,非反刍动物源样本24个,包括14个猪源和10个鸡源。采用四氯乙烯提取上述经过处理的研究样本,得到42份骨颗粒样品。
分别将42份骨颗粒样品装入尺寸Φ30mm×7mm的铝盒中,以20T压力经电动粉末压片机进行压片,获得对应的42份压片,采用商业LIBS,型号ChemRevealTM-3764,分别对42份压片进行光谱信息数据采集。LIBS系统采用Q-switched Nd:YAG激光器,基频光波长为1064nm,激光脉冲能量为80mJ,重复频率为2Hz,脉冲宽度为1~3ns。YAG激光器发射的激光经分束器及透镜聚焦到样品台后击打放到样品台上的压片,激光脉冲诱导产生的等离子体经透镜由光纤采集传导至7通道的光谱仪,光谱仪的波长范围为190~950nm,分辨率为0.05nm。数字脉冲信号发生器控制激光器和光谱仪间的延迟时间,所述延迟时间设为1μs。通过可见光CCD探测器实时观测及调整距离,实现激光最佳聚焦。选取压片表面9×14均匀排布的126个点激光击打测量。采用ChemLytics软件对采集到的光谱信号进行分析处理,最终获得42份第二光谱信息数据。
采用Matlab软件及PLS Toolbox 6.5软件平台,将42份所述第二光谱信息数据分别与其对应的种属来源信息相关联,并根据42份所述第二光谱信息数据以及偏最小二乘法建立所述判别分析模型,采用留一验证法和每个所述第二光谱信息数据获取42份第二种属检测结果,根据所述预设条件对42份所述第二种属检测结果进行评价,评价结果见见表1。
表1不同种属研究样本的评价结果
由表1可见,反刍动物源的实验样本识别率Sensitivity和拒绝率Specificity均为1.00,表现出较高的种属检测准确度。因此,本发明提供的基于激光诱导击穿光谱的肉骨粉种属检测方法可以对肉骨粉饲料中反刍源和非反刍源进行检测分析,进一步地,该方法还可以有效应用于非反刍源肉骨粉饲料中猪源和鸡源的种属检测。
本发明提供的基于激光诱导击穿光谱的肉骨粉种属检测方法,由于能够对待检测肉骨粉饲料样品进行提取,获得待检测骨颗粒样品,采集到待检测骨颗粒样品的第一光谱信息数据,从而可以根据第一光谱信息数据以及预先建立的判别分析模型获得种属检测结果,提高了肉骨粉饲料的种属检测效率。而建立判别分析模型并对判别分析模型进行评价,有利于保证肉骨粉饲料的种属检测准确性。
在上述各实施例的基础上,进一步地,所述预设条件包括:
所述第二种属检测结果满足识别率大于第一预设值且拒绝率大于第二预设值;
根据Sensitivity=PA/(PA+ND)获得识别率Sentitivity,其中,PA为阳性样品数,ND为假阴性样品数;
根据Specificity=NA/(PD+NA)获得拒绝率Specificity,其中,NA为阴性样品数,PD为假阳性样品数。
具体地,在获得预设数量的所述第二种属检测结果后,根据Sensitivity=PA/(PA+ND)获得识别率Sentitivity,其中,PA为阳性样品数,ND为假阴性样品数;再根据Specificity=NA/(PD+NA)获得拒绝率Specificity,其中,NA为阴性样品数,PD为假阳性样品数。将计算获得的识别率与第一预设值进行对比,同时将计算获得的拒绝率与第二预设值进行对比,如果所述识别率大于第一预设值且所述拒绝率大于第二预设值,那么所述第二种属检测结果满足预设条件。其中,所述第一预设值和所述第二预设值根据实际情况进行设置,本发明实施例不做限定。
将每个所述第二光谱信息数据的第二种属检测结果与其对应的已知来源进行对比,如果所述第二种属检测结果与所述已知来源是一致的,例如所述第二种属检测结果呈阳性,对应种属为猪,而所述已知来源也是猪,那么所述第二光谱信息数据对应的肉骨粉饲料样品为阳性样品;如果所述第二种属检测结果与所述已知来源不一致,例如所述第二种属检测结果呈阳性,预测种属为猪,而所述已知来源是羊,那么所述第二光谱信息数据对应的肉骨粉饲料样品为假阳性样品。同理,可以判断出阴性样品和假阴性样品。通过统计计算可以得出所述预设数量已知来源的肉骨粉饲料样品中的阳性样品数、假阳性样品数、阴性样品数和假阴性样品数。从而可以计算出所述识别率和所述拒绝率。
在上述各实施例的基础上,进一步地,在所述对待检测肉骨粉饲料样品进行提取之前,对所述待检测肉骨粉饲料样品进行研磨处理。
具体地,在所述对待检测肉骨粉饲料样品进行提取之前,利用旋风磨将所述待检测肉骨粉饲料样品粉碎,获得粉末状颗粒,然后利用振动分级筛对所述粉末状颗粒进行筛选,所述振动分级筛优选0.5mm规格筛。
在上述各实施例的基础上,进一步地,在所述获得待检测骨颗粒样品之后,对所述待检测骨颗粒样品进行研磨处理。
具体地,在所述获得待检测骨颗粒样品之后,利用旋风磨将所述待检测骨颗粒样品粉碎,获得粉末状颗粒,然后利用振动分级筛对所述粉末状颗粒进行筛选,所述振动分级筛优选0.5mm规格筛。
在上述各实施例的基础上,进一步地,所述对待检测肉骨粉饲料样品进行提取包括:采用四氯乙烯对研磨处理后的所述待检测肉骨粉饲料样品进行提取。
具体地,在对所述待检测肉骨粉饲料样品进行提取时,采用采用四氯乙烯对所述待检测肉骨粉饲料样品进行提取。
在上述各实施例的基础上,进一步地,本发明提供的基于激光诱导击穿光谱的肉骨粉种属检测方法还包括:
根据所述种属检测结果判断所述待检测肉骨粉饲料样品来源于反刍动物或者非反刍动物。
具体地,因为根据我国目前的禁用规定,一是禁止添加动物源性成分的饲料饲喂反刍动物,二是禁止肉骨粉的同源相食。根据所述种属检测结果可以判断出所述待检测肉骨粉饲料样品来源于反刍动物或者非反刍动物,从而有利于对违反禁用规定的查处。
在上述各实施例的基础上,进一步地,所述采集所述待检测骨颗粒样品的第一光谱信息数据包括:
采用激光诱导击穿光谱仪采集所述第一光谱信息数据,其中,激光诱导击穿光谱的激光脉冲能量为80mJ,制样压力20T,光斑大小200μm,延迟时间1μs,采集点数为126个。
具体地,在采集所述待检测骨颗粒样品的第一光谱信息数据时,利用激光诱导击穿光谱仪进行采集。在进行所述第一光谱数据采集前,将所述待检测骨颗粒样品装入Φ30mm×7mm的铝盒中,以20T压力经电动粉末压片机进行压片。选取所述压片表面9×14均匀排布的126个点作为数据采集点,在进行光谱数据采集时,设定所述光谱仪的激光诱导击穿光谱的激光脉冲能量为80mJ,光斑大小200μm,延迟时间1μs。可以获得126个采集点的光谱信息数据,计算126个采集点的光谱信息数据的平均值作为所述第一光谱信息数据。
图3为本发明实施例基于激光诱导击穿光谱技术的种属检测系统的结构示意图,如图3所示,本发明提供的基于激光诱导击穿光谱技术的种属检测系统包括:提取单元301、采集单元302和检测单元303,其中:
提取单元301用于对待检测肉骨粉饲料样品进行提取,获得待检测骨颗粒样品;采集单元302用于采集所述待检测骨颗粒样品的第一光谱信息数据;检测单元303用于根据所述第一光谱信息数据以及预先建立的判别分析模型获得第一种属检测结果。
具体地,提取单元301对待检测肉骨粉饲料样品进行提取,例如采用四氯乙烯进行提取,可以获得待检测骨颗粒样品。其中,所述待检测肉骨粉饲料样品可以来源于牛、羊、猪或者鸡。
采集单元302基于激光诱导击穿光谱技术采集所述待检测骨颗粒样品的第一光谱信息数据,LIBS能够实现多种元素同时分析、并且分析速度快,可实现元素的定性识别和定量分析,适用于各种肉骨粉饲料样品的光谱信息数据采集。
检测单元303将获取到的所述第一光谱信息数据输入到判别分析模型中,经过计算获得所述第一光谱信息数据对应的计算结果,将所述计算结果与标准检测结果进行比对,从而获得待测肉骨粉饲料样品的种属检测结果,例如如果所述计算结果与所述标准检测结果的差值的绝对值在预设误差范围之内,即可根据所述标准检测结果对应的种属确定待检测肉骨粉饲料样品的种属。其中,所述判别分析模型是预设建立的,所述标准检测结果是建立所述判别分析模型时确定的,所述预设误差范围根据实际情况进行设定,本发明实施例不做限制。
本发明提供的基于激光诱导击穿光谱技术的种属检测系统,由于能够对待检测肉骨粉饲料样品进行提取,获得待检测骨颗粒样品,采集到待检测骨颗粒样品的第一光谱信息数据,从而可以根据第一光谱信息数据以及预先建立的判别分析模型获得种属检测结果,提高了肉骨粉饲料的种属检测效率。
本发明提供的基于激光诱导击穿光谱技术的种属检测系统的实施例具体可以用于执行上述方法实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于激光诱导击穿光谱的肉骨粉种属检测方法,其特征在于,包括:
对待检测肉骨粉饲料样品进行提取,获得待检测骨颗粒样品;
采集所述待检测骨颗粒样品的第一光谱信息数据;
根据所述第一光谱信息数据以及预先建立的判别分析模型获得第一种属检测结果。
2.根据权利要求1所述的方法,其特征在于,建立所述判别分析模型的步骤包括:
对预设数量已知来源的肉骨粉饲料样品进行提取,分别获得所述预设数量已知来源的骨颗粒样品;
分别采集所述预设数量已知来源的骨颗粒样品的第二光谱信息数据;
根据所述预设数量的第二光谱信息数据以及偏最小二乘法建立所述判别分析模型;
根据留一验证法和每个所述第二光谱信息数据获取每个所述第二光谱信息数据对应的第二种属检测结果;
若判断获知所述第二种属检测结果满足预设条件,则采用所述判别分析模型对所述第一光谱信息数据进行种属检测。
3.根据权利要求2所述的方法,其特征在于,所述根据留一验证法和每个所述第二光谱信息数据获取每个所述第二光谱信息数据对应的第二种属检测结果包括:
从所述预设数量的第二光谱信息数据中选出一个所述第二光谱信息数据作为预留的第二光谱信息数据;
根据剩余的第二光谱信息数据以及偏最小二乘法建立内部交互验证模型;
根据所述预留的第二光谱信息数据以及所述内部交互验证模型获取所述预留的第二光谱信息数据对应的第二种属检测结果。
4.根据权利要求2所述的方法,其特征在于,所述预设条件包括:
所述第二种属检测结果满足识别率大于第一预设值且拒绝率大于第二预设值;
根据Sensitivity=PA/(PA+ND)获得识别率Sentitivity,其中,PA为阳性样品数,ND为假阴性样品数;
根据Specificity=NA/(PD+NA)获得拒绝率Specificity,其中,NA为阴性样品数,PD为假阳性样品数。
5.根据权利要求1所述的方法,其特征在于,在所述对待检测肉骨粉饲料样品进行提取之前,对所述待检测肉骨粉饲料样品进行研磨处理。
6.根据权利要求1所述的方法,其特征在于,在所述获得待检测骨颗粒样品之后,对所述待检测骨颗粒样品进行研磨处理。
7.根据权利要求1所述的方法,其特征在于,所述对待检测肉骨粉饲料样品进行提取包括:
采用四氯乙烯对研磨处理后的所述待检测肉骨粉饲料样品进行提取。
8.根据权利要求1所述的方法,其特征在于,还包括:
根据所述种属检测结果判断所述待检测肉骨粉饲料样品来源于反刍动物或者非反刍动物。
9.根据权利要求1至8任一项所述的方法,其特征在于,所述采集所述待检测骨颗粒样品的第一光谱信息数据包括:
采用激光诱导击穿光谱仪采集所述第一光谱信息数据,其中,所述光谱仪的激光诱导击穿光谱的激光脉冲能量为80mJ,光斑大小200μm,延迟时间1μs,采集点数为126个。
10.一种基于激光诱导击穿光谱的肉骨粉种属检测系统,其特征在于,包括:
提取单元,用于待检测肉骨粉饲料样品进行提取,获得待检测骨颗粒样品;
采集单元,用于采集所述待检测骨颗粒样品的第一光谱信息数据;
检测单元,用于根据所述第一光谱信息数据以及预先建立的判别分析模型获得第一种属检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710189314.4A CN106990096A (zh) | 2017-03-27 | 2017-03-27 | 基于激光诱导击穿光谱的肉骨粉种属检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710189314.4A CN106990096A (zh) | 2017-03-27 | 2017-03-27 | 基于激光诱导击穿光谱的肉骨粉种属检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106990096A true CN106990096A (zh) | 2017-07-28 |
Family
ID=59413000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710189314.4A Pending CN106990096A (zh) | 2017-03-27 | 2017-03-27 | 基于激光诱导击穿光谱的肉骨粉种属检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106990096A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101459A (zh) * | 2020-09-15 | 2020-12-18 | 南京工程学院 | 一种基于近红外光光谱特征的动物骨质识别方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105181678A (zh) * | 2015-09-07 | 2015-12-23 | 长江大学 | 基于激光诱导击穿光谱的水稻品种鉴别方法 |
CN105372224A (zh) * | 2015-11-05 | 2016-03-02 | 中国农业大学 | 一种基于傅里叶拉曼光谱的不同种属饲用油脂鉴别方法 |
CN105424675A (zh) * | 2015-11-05 | 2016-03-23 | 中国农业大学 | 基于脂质拉曼光谱的反刍动物源性饲料原料鉴别方法 |
CN105717116A (zh) * | 2016-02-23 | 2016-06-29 | 中国农业大学 | 动物源性肉骨粉的种属鉴别方法和系统 |
CN105866103A (zh) * | 2016-04-19 | 2016-08-17 | 长江大学 | 基于激光诱导击穿光谱的岩石含油级别判断方法 |
-
2017
- 2017-03-27 CN CN201710189314.4A patent/CN106990096A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105181678A (zh) * | 2015-09-07 | 2015-12-23 | 长江大学 | 基于激光诱导击穿光谱的水稻品种鉴别方法 |
CN105372224A (zh) * | 2015-11-05 | 2016-03-02 | 中国农业大学 | 一种基于傅里叶拉曼光谱的不同种属饲用油脂鉴别方法 |
CN105424675A (zh) * | 2015-11-05 | 2016-03-23 | 中国农业大学 | 基于脂质拉曼光谱的反刍动物源性饲料原料鉴别方法 |
CN105717116A (zh) * | 2016-02-23 | 2016-06-29 | 中国农业大学 | 动物源性肉骨粉的种属鉴别方法和系统 |
CN105866103A (zh) * | 2016-04-19 | 2016-08-17 | 长江大学 | 基于激光诱导击穿光谱的岩石含油级别判断方法 |
Non-Patent Citations (1)
Title |
---|
GONCA BILGE等: "Identification of meat species by using laser-induced breakdown spectroscopy", 《MEAT SCIENCE》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101459A (zh) * | 2020-09-15 | 2020-12-18 | 南京工程学院 | 一种基于近红外光光谱特征的动物骨质识别方法及系统 |
CN112101459B (zh) * | 2020-09-15 | 2024-02-09 | 南京工程学院 | 一种基于近红外光光谱特征的动物骨质识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102092054B1 (ko) | 자동 결함 분류에서 분류기 준비 및 유지 | |
CN104807787B (zh) | 一种基于激光诱导击穿光谱技术的茶叶分类鉴别方法 | |
CN100480680C (zh) | 多光谱肉类新鲜度人工智能测量方法及系统 | |
CN111337447B (zh) | 一种煤矸仿生识别系统及方法 | |
CN106442525A (zh) | 用于核桃内部干瘪缺陷的在线检测方法 | |
CN105300954A (zh) | 一种锑矿浮选非均质泡沫层矿物的拉曼光谱表征方法 | |
CN107037062A (zh) | 同轴电缆材料微波特性在线监测和诊断装置及方法 | |
US10451536B2 (en) | Method and apparatus for multi-parameter data analysis | |
CN116030310A (zh) | 一种基于激光诱导击穿光谱技术的样品分类方法及系统 | |
CN104990877A (zh) | 一种基于多光谱成像技术的虾贝类去壳水产品辐照剂量的检测方法 | |
CN105223140A (zh) | 同源物质的快速识别方法 | |
Hendrawan et al. | Deep Learning to Detect and Classify the Purity Level of Luwak Coffee Green Beans. | |
CN106990096A (zh) | 基于激光诱导击穿光谱的肉骨粉种属检测方法及系统 | |
CN104849350B (zh) | 基于多特征的木材缺陷识别分类方法 | |
CN106940292A (zh) | 基于多光谱成像技术的虫蛀巴旦木原料快速无损鉴别方法 | |
JPH10185911A (ja) | 細胞解析装置及びその方法 | |
CN108627498A (zh) | 一种多光谱数据融合的面粉掺杂定量检测方法 | |
CN111307753B (zh) | 一种基于太赫兹技术的纤维材料检测系统及方法 | |
CN107238557A (zh) | 一种利用近红外光谱法快速检测碳酸钙粒径分布的方法 | |
CN111235023A (zh) | 基于多通道触发的单颗粒检测方法 | |
CN100494982C (zh) | 一种快速无损检测鸭梨内部质量的方法 | |
CN116429718B (zh) | 一种不同采收月份唐古特大黄药材的多元红外光谱判别方法、系统、存储介质及终端 | |
CN112485304B (zh) | 一种基于电导法的牛奶检测方法及系统 | |
CN112215277B (zh) | 一种牛羊肉物种和饲养模式真实性的判别方法和系统 | |
CN105717074A (zh) | 基于特征波长的激光诱导击穿光谱鉴别抹茶与绿茶粉的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170728 |