本發(fā)明涉及飼料檢測(cè)技術(shù)領(lǐng)域，具體涉及一種基于激光誘導(dǎo)擊穿光譜的肉骨粉種屬檢測(cè)方法及系統(tǒng)。

背景技術(shù)：

肉骨粉是牲畜屠宰后非食用組織經(jīng)粉碎和高溫處理后制成的動(dòng)物源性蛋白飼料，具有蛋白質(zhì)含量豐富等特點(diǎn)，為了滿足動(dòng)物源性飼料質(zhì)量安全監(jiān)管需求，保障肉骨粉飼料的安全使用，其核心問題是對(duì)不同來源肉骨粉進(jìn)行準(zhǔn)確鑒別。

目前，肉骨粉飼料標(biāo)準(zhǔn)檢測(cè)方法包括顯微鏡分析法和聚合酶鏈?zhǔn)椒磻?yīng)(polymerasechainreaction，以下簡(jiǎn)稱pcr)法。其中，顯微鏡分析法主要基于骨顆粒的光學(xué)顯微組織特性進(jìn)行人為觀察鑒別，可以準(zhǔn)確鑒別出配合飼料或魚粉中的肉骨粉成分，但卻難以進(jìn)一步判定其肉骨粉的來源，而且檢測(cè)效率低。而以dna分析為基礎(chǔ)的pcr法可以進(jìn)行不同來源肉骨粉的鑒別，但檢測(cè)過程檢測(cè)樣本熱穩(wěn)定性差，檢測(cè)結(jié)果假陽性率高、檢測(cè)成本高、檢測(cè)耗費(fèi)時(shí)間長(zhǎng)，單獨(dú)使用難以滿足可靠準(zhǔn)確的鑒別分析要求。

因此，如何提出一種方法，能夠快速準(zhǔn)確地檢測(cè)出肉骨粉飼料的種屬成為業(yè)界亟待解決的重要課題。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供一種基于激光誘導(dǎo)擊穿光譜的肉骨粉種屬檢測(cè)方法及系統(tǒng)。

一方面，本發(fā)明提出一種基于激光誘導(dǎo)擊穿光譜的肉骨粉種屬檢測(cè)方法，包括：

對(duì)待檢測(cè)肉骨粉飼料樣品進(jìn)行提取，獲得待檢測(cè)骨顆粒樣品；

采集所述待檢測(cè)骨顆粒樣品的第一光譜信息數(shù)據(jù)；

根據(jù)所述第一光譜信息數(shù)據(jù)以及預(yù)先建立的判別分析模型獲得第一種屬檢測(cè)結(jié)果。

另一方面，本發(fā)明提供一種基于激光誘導(dǎo)擊穿光譜的肉骨粉種屬檢測(cè)系統(tǒng)，包括：

提取單元，用于對(duì)待檢測(cè)肉骨粉飼料樣品進(jìn)行提取，獲得待檢測(cè)骨顆粒樣品；

采集單元，用于采集所述待檢測(cè)骨顆粒樣品的第一光譜信息數(shù)據(jù)；

檢測(cè)單元，用于根據(jù)所述第一光譜信息數(shù)據(jù)以及預(yù)先建立的判別分析模型獲得第一種屬檢測(cè)結(jié)果。

本發(fā)明提供的基于激光誘導(dǎo)擊穿光譜的肉骨粉種屬檢測(cè)方法及系統(tǒng)，由于能夠?qū)Υ龣z測(cè)肉骨粉飼料樣品進(jìn)行提取，獲得待檢測(cè)骨顆粒樣品，采集到待檢測(cè)骨顆粒樣品的第一光譜信息數(shù)據(jù)，從而可以根據(jù)第一光譜信息數(shù)據(jù)以及預(yù)先建立的判別分析模型獲得種屬檢測(cè)結(jié)果，提高了肉骨粉飼料的種屬檢測(cè)效率。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明一實(shí)施例基于激光誘導(dǎo)擊穿光譜的肉骨粉種屬檢測(cè)方法的流程示意圖；

圖2為本發(fā)明另一實(shí)施例基于激光誘導(dǎo)擊穿光譜的肉骨粉種屬檢測(cè)方法的流程示意圖；

圖3為本發(fā)明實(shí)施例基于激光誘導(dǎo)擊穿光譜的肉骨粉種屬檢測(cè)系統(tǒng)的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

圖1為本發(fā)明一實(shí)施例基于激光誘導(dǎo)擊穿光譜的肉骨粉種屬檢測(cè)方法的流程示意圖，如圖1所示，本發(fā)明提供的基于激光誘導(dǎo)擊穿光譜的肉骨粉種屬檢測(cè)方法，包括：

s101、對(duì)待檢測(cè)肉骨粉飼料樣品進(jìn)行提取，獲得待檢測(cè)骨顆粒樣品；

具體地，獲取待檢測(cè)肉骨粉飼料樣品，所述待檢測(cè)肉骨粉飼料樣品可以來源于牛、羊、豬或者雞。對(duì)所述待檢測(cè)肉骨粉飼料樣品進(jìn)行提取，例如采用四氯乙烯進(jìn)行提取，可以獲得待檢測(cè)骨顆粒樣品。

s102、采集所述待檢測(cè)骨顆粒樣品的第一光譜信息數(shù)據(jù)；

具體地，基于激光誘導(dǎo)擊穿光譜技術(shù)(laser-inducedbreakdownspectroscopy，以下簡(jiǎn)稱libs)采集所述待檢測(cè)骨顆粒樣品的第一光譜信息數(shù)據(jù)，libs能夠?qū)崿F(xiàn)多種元素同時(shí)分析、并且分析速度快，可實(shí)現(xiàn)元素的定性識(shí)別和定量分析，適用于各種肉骨粉飼料樣品的光譜信息數(shù)據(jù)采集。例如利用商業(yè)libschemreveal^tm-3764進(jìn)行所述第一光譜信息數(shù)據(jù)采集。

s103、根據(jù)所述第一光譜信息數(shù)據(jù)以及預(yù)先建立的判別分析模型獲得第一種屬檢測(cè)結(jié)果。

具體地，將獲取到的所述第一光譜信息數(shù)據(jù)輸入到判別分析模型中，經(jīng)過計(jì)算獲得所述第一光譜信息數(shù)據(jù)對(duì)應(yīng)的計(jì)算結(jié)果，將所述計(jì)算結(jié)果與標(biāo)準(zhǔn)檢測(cè)結(jié)果進(jìn)行比對(duì)，從而獲得待測(cè)肉骨粉飼料樣品的種屬檢測(cè)結(jié)果，例如如果所述計(jì)算結(jié)果與所述標(biāo)準(zhǔn)檢測(cè)結(jié)果的差值的絕對(duì)值在預(yù)設(shè)誤差范圍之內(nèi)，即可根據(jù)所述標(biāo)準(zhǔn)檢測(cè)結(jié)果對(duì)應(yīng)的種屬確定待檢測(cè)肉骨粉飼料樣品的種屬。其中，所述判別分析模型是預(yù)設(shè)建立的，所述標(biāo)準(zhǔn)檢測(cè)結(jié)果是建立所述判別分析模型時(shí)確定的，所述預(yù)設(shè)誤差范圍根據(jù)實(shí)際情況進(jìn)行設(shè)定，本發(fā)明實(shí)施例不做限制。

本發(fā)明提供的基于激光誘導(dǎo)擊穿光譜的肉骨粉種屬檢測(cè)方法，由于能夠?qū)Υ龣z測(cè)肉骨粉飼料樣品進(jìn)行提取，獲得待檢測(cè)骨顆粒樣品，采集到待檢測(cè)骨顆粒樣品的第一光譜信息數(shù)據(jù)，從而可以根據(jù)第一光譜信息數(shù)據(jù)以及預(yù)先建立的判別分析模型獲得種屬檢測(cè)結(jié)果，提高了肉骨粉飼料的種屬檢測(cè)效率。

圖2為本發(fā)明另一實(shí)施例基于激光誘導(dǎo)擊穿光譜的肉骨粉種屬檢測(cè)方法的流程示意圖，如圖2所示，在上述實(shí)施例的基礎(chǔ)上，進(jìn)一步地，建立所述判別分析模型的步驟包括：s201、對(duì)預(yù)設(shè)數(shù)量已知來源的肉骨粉飼料樣品進(jìn)行提取，分別獲得所述預(yù)設(shè)數(shù)量已知來源的骨顆粒樣品；

具體地，獲取預(yù)設(shè)數(shù)量已知來源的肉骨粉飼料樣品，所述預(yù)設(shè)數(shù)量已知來源的肉骨粉飼料樣品可以來源于牛、羊、豬或者雞。對(duì)所述預(yù)設(shè)數(shù)量已知來源的肉骨粉飼料樣品進(jìn)行提取，例如采用四氯乙烯進(jìn)行提取，獲得所述預(yù)設(shè)數(shù)量已知來源的骨顆粒樣品。

s202、分別采集所述預(yù)設(shè)數(shù)量已知來源的骨顆粒樣品的第二光譜信息數(shù)據(jù)；

具體地，基于libs分別采集所述預(yù)設(shè)數(shù)量已知來源的骨顆粒樣品的第二光譜信息數(shù)據(jù)。

s203、根據(jù)所述預(yù)設(shè)數(shù)量的第二光譜信息數(shù)據(jù)以及偏最小二乘法建立所述判別分析模型；

具體地，根據(jù)獲取的所述預(yù)設(shè)數(shù)量的第二光譜信息數(shù)據(jù)以及偏最小二乘法(partialleastsquare，以下簡(jiǎn)稱pls)建立所述判別分析模型。pls是一種新型的多元統(tǒng)計(jì)數(shù)據(jù)分析方法，它可以在運(yùn)算中將樣本數(shù)據(jù)和樣本種類聯(lián)系起來，同時(shí)實(shí)現(xiàn)了回歸建模，主成分分析和變量之間的相關(guān)性分析。

例如，基于pls，設(shè)定自變量矩陣x＝{x1，x2，x3，x4}和分類變量y＝{y1，y2，y3，y4}，x1，x2，x3，x4表示預(yù)設(shè)數(shù)量中一個(gè)已知來源的肉骨粉飼料樣品對(duì)應(yīng)的第二光譜信息數(shù)據(jù)，例如x1為來源于羊的肉骨粉飼料樣品對(duì)應(yīng)的第二光譜信息數(shù)據(jù)，x2來源于牛的肉骨粉飼料樣品對(duì)應(yīng)的第二光譜信息數(shù)據(jù)，x3來源于豬的肉骨粉飼料樣品對(duì)應(yīng)的第二光譜信息數(shù)據(jù)，x4來源于雞的肉骨粉飼料樣品對(duì)應(yīng)的第二光譜信息數(shù)據(jù)，y1表示x1對(duì)應(yīng)的分類變量值，y2表示x2對(duì)應(yīng)的分類變量值，y3表示x3對(duì)應(yīng)的分類變量值，y4表示x4對(duì)應(yīng)的分類變量值，可以設(shè)定y1＝1，y2＝2，y3＝3，y4＝4，即y＝1時(shí)，表示肉骨粉飼料樣品來源于羊，y＝2時(shí)，表示肉骨粉飼料樣品來源于牛，y＝3時(shí)，表示肉骨粉飼料樣品來源于豬，y＝4時(shí)，表示肉骨粉飼料樣品來源于雞，其中y表示y1，y2，y3或y4，y值將作為所述標(biāo)準(zhǔn)檢測(cè)結(jié)果。

采用pls回歸算法對(duì)x和y同時(shí)分解，使其主成分最大程度地線性相關(guān)，表示為：

x＝tp^t+e

y＝uq^t+f

其中，t和u分別為x和y的得分矩陣；p和q為載荷矩陣；e和f為擬合殘差矩陣。

將t和u作線性回歸：u＝tb，b表示回歸因子。

根據(jù)p可以計(jì)算出x的得分向量t，其中，x表示x1，x2，x3或者x4，再根據(jù)y’＝tbq，即可計(jì)算出對(duì)于x對(duì)應(yīng)的預(yù)測(cè)分類值y’。上述模型的建立可以利用采用matlab軟件及plstoolbox6.5軟件平臺(tái)實(shí)現(xiàn)。

s204、根據(jù)留一驗(yàn)證法和每個(gè)所述第二光譜信息數(shù)據(jù)獲取每個(gè)所述第二光譜信息數(shù)據(jù)對(duì)應(yīng)的第二種屬檢測(cè)結(jié)果；

具體地，在建立所述判別分析模型后，需要對(duì)所述判別分析模型進(jìn)行驗(yàn)證，可以采用留一驗(yàn)證法對(duì)所述判別分析模型進(jìn)行驗(yàn)證，即在所述預(yù)設(shè)數(shù)量的第二光譜信息數(shù)據(jù)中取出一個(gè)所述第二光譜信息數(shù)據(jù)，作為預(yù)留的第二光譜信息數(shù)據(jù)，再根據(jù)剩余的第二光譜信息數(shù)據(jù)以及偏最小二乘法建立內(nèi)部交互驗(yàn)證模型，所述內(nèi)部交互驗(yàn)證模型的建立過程與步驟s203中所述判別分析模型的建立過程類似，此處不再贅述。根據(jù)所述預(yù)留的第二光譜數(shù)據(jù)以及所述內(nèi)部交互驗(yàn)證模型，可以計(jì)算出所述預(yù)留的第二光譜數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)分類值y’，將所述預(yù)測(cè)分類值y’與預(yù)先設(shè)定的分類值y進(jìn)行對(duì)比，如果所述預(yù)測(cè)分類值y’與分類值y的差值的絕對(duì)值在預(yù)設(shè)誤差范圍內(nèi)，即可確定所述預(yù)留的第二光譜數(shù)據(jù)對(duì)應(yīng)的肉骨粉飼料樣品的種屬檢測(cè)結(jié)果為陽性，所述預(yù)留的第二光譜數(shù)據(jù)對(duì)應(yīng)的肉骨粉飼料樣品的種屬與所述分類值y對(duì)應(yīng)的種屬一致，否則確定所述預(yù)留的第二光譜數(shù)據(jù)對(duì)應(yīng)的肉骨粉飼料樣品的種屬檢測(cè)結(jié)果為陰性，所述預(yù)留的第二光譜數(shù)據(jù)對(duì)應(yīng)的肉骨粉飼料樣品的種屬不是所述分類值y對(duì)應(yīng)的種屬。其中，所述預(yù)設(shè)誤差范圍根據(jù)實(shí)際情況進(jìn)行設(shè)定。逐一選取所述預(yù)設(shè)數(shù)量的第二光譜信息數(shù)據(jù)作為所述預(yù)留的第二光譜信息數(shù)據(jù)，重復(fù)上述第二種屬檢測(cè)結(jié)果的過程，即可獲得每個(gè)所述第二光譜信息數(shù)據(jù)對(duì)應(yīng)的第二種屬檢測(cè)結(jié)果。

s205、若判斷獲知所述第二種屬檢測(cè)結(jié)果滿足預(yù)設(shè)條件，則采用所述判別分析模型對(duì)所述第一光譜信息數(shù)據(jù)進(jìn)行檢測(cè)。

具體地，在獲得所述第二種屬檢測(cè)結(jié)果后，判斷所述檢測(cè)結(jié)果是否滿足預(yù)設(shè)條件，如果滿足所述預(yù)設(shè)條件，那么可以采用所述判別分析模型對(duì)所述第一光譜信息數(shù)據(jù)進(jìn)行檢測(cè)，即將所述待檢測(cè)樣品對(duì)應(yīng)的第一光譜信息數(shù)據(jù)輸入到所述判別模型中，計(jì)算出所述第一光譜信息數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)分類值y’，將y’與所述標(biāo)準(zhǔn)檢測(cè)結(jié)果進(jìn)行對(duì)比，即可獲得相應(yīng)的第一種屬檢測(cè)結(jié)果。

所述預(yù)設(shè)條件可以是所述第二種屬檢測(cè)結(jié)果滿足識(shí)別率大于第一預(yù)設(shè)值且拒絕率大于第二預(yù)設(shè)值；根據(jù)sensitivity＝pa/(pa+nd)獲得識(shí)別率sentitivity，其中，pa為陽性樣品數(shù)，nd為假陰性樣品數(shù)；根據(jù)specificity＝na/(pd+na)獲得拒絕率specificity，其中，na為陰性樣品數(shù)，pd為假陽性樣品數(shù)。其中，所述第一預(yù)設(shè)值和所述第二預(yù)設(shè)值根據(jù)實(shí)際情況進(jìn)行設(shè)置，本發(fā)明實(shí)施例不做限定。

將每個(gè)所述第二光譜信息數(shù)據(jù)對(duì)應(yīng)的第二種屬檢測(cè)結(jié)果與其對(duì)應(yīng)的已知來源進(jìn)行對(duì)比，如果所述第二種屬檢測(cè)結(jié)果與所述已知來源是一致的，例如所述第二種屬檢測(cè)結(jié)果呈陽性，對(duì)應(yīng)的種屬為豬，而所述已知來源也是豬，那么所述第二光譜信息數(shù)據(jù)對(duì)應(yīng)的肉骨粉飼料樣品為陽性樣品；如果所述第二種屬檢測(cè)結(jié)果與所述已知來源不一致，例如所述第二種屬檢測(cè)結(jié)果呈陽性，對(duì)應(yīng)的種屬為豬，而所述已知來源是羊，那么所述第二光譜信息數(shù)據(jù)對(duì)應(yīng)的肉骨粉飼料樣品為假陽性樣品。同理，可以判斷出陰性樣品和假陰性樣品。通過統(tǒng)計(jì)計(jì)算可以得出所述預(yù)設(shè)數(shù)量已知來源的肉骨粉飼料樣品中的陽性樣品數(shù)、假陽性樣品數(shù)、陰性樣品數(shù)和假陰性樣品數(shù)。從而可以計(jì)算出所述識(shí)別率和所述拒絕率。

在上述各實(shí)施例的基礎(chǔ)上，進(jìn)一步地，所述根據(jù)留一驗(yàn)證法和每個(gè)所述第二光譜信息數(shù)據(jù)獲取每個(gè)所述第二光譜信息數(shù)據(jù)對(duì)應(yīng)的第二種屬檢測(cè)結(jié)果包括：

從所述預(yù)設(shè)數(shù)量的第二光譜信息數(shù)據(jù)中選出一個(gè)所述第二光譜信息數(shù)據(jù)作為預(yù)留的第二光譜信息數(shù)據(jù)；根據(jù)剩余的第二光譜信息數(shù)據(jù)以及偏最小二乘法建立內(nèi)部交互驗(yàn)證模型；根據(jù)所述預(yù)留的第二光譜信息數(shù)據(jù)以及所述內(nèi)部交互驗(yàn)證模型獲取所述預(yù)留的第二光譜信息數(shù)據(jù)對(duì)應(yīng)的第二種屬檢測(cè)結(jié)果。

具體地，在所述預(yù)設(shè)數(shù)量的第二光譜信息數(shù)據(jù)中選出一個(gè)所述第二光譜信息數(shù)據(jù)，作為預(yù)留的第二光譜信息數(shù)據(jù)，再根據(jù)剩余的第二光譜信息數(shù)據(jù)以及偏最小二乘法建立內(nèi)部交互驗(yàn)證模型，所述內(nèi)部交互驗(yàn)證模型的建立過程與步驟s203中所述判別分析模型的建立過程類似，此處不再贅述。根據(jù)所述預(yù)留的第二光譜數(shù)據(jù)以及所述內(nèi)部交互驗(yàn)證模型，可以計(jì)算出所述預(yù)留的第二光譜數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)分類值y’，將所述預(yù)測(cè)分類值y’與預(yù)先設(shè)定的分類值y進(jìn)行對(duì)比，如果所述預(yù)測(cè)分類值y’與分類值y的差值的絕對(duì)值在預(yù)設(shè)誤差范圍內(nèi)，即可確定所述預(yù)留的第二光譜數(shù)據(jù)對(duì)應(yīng)的肉骨粉飼料樣品的種屬檢測(cè)結(jié)果為陽性，所述預(yù)留的第二光譜數(shù)據(jù)對(duì)應(yīng)的肉骨粉飼料樣品的種屬與所述分類值y對(duì)應(yīng)的種屬一致；否則確定所述預(yù)留的第二光譜數(shù)據(jù)對(duì)應(yīng)的肉骨粉飼料樣品的種屬檢測(cè)結(jié)果為陰性，所述預(yù)留的第二光譜數(shù)據(jù)對(duì)應(yīng)的肉骨粉飼料樣品的種屬不是所述分類值y對(duì)應(yīng)的種屬。其中，所述預(yù)設(shè)誤差范圍根據(jù)實(shí)際情況進(jìn)行設(shè)定。逐一選取所述預(yù)設(shè)數(shù)量的第二光譜信息數(shù)據(jù)作為所述預(yù)留的第二光譜信息數(shù)據(jù)，重復(fù)上述第二種屬檢測(cè)結(jié)果的過程，即可獲得每個(gè)所述第二光譜信息數(shù)據(jù)對(duì)應(yīng)的第二種屬檢測(cè)結(jié)果。

例如，所述預(yù)設(shè)數(shù)量為40，在步驟s203中，利用40個(gè)所述第二光譜信息數(shù)據(jù)建立了所述判別分析模型，評(píng)價(jià)所述判別分析模型，可以從40個(gè)所述第二光譜信息數(shù)據(jù)中挑選出一個(gè)作為預(yù)留的第二光譜信息數(shù)據(jù)，根據(jù)剩余的39個(gè)第二光譜信息數(shù)據(jù)建立所述內(nèi)部交互驗(yàn)證模型，所述內(nèi)部交互驗(yàn)證模型的建立過程與所述判別分析模型的建立過程類似，只是少用了所述預(yù)留的第二光譜信息數(shù)據(jù)。所述內(nèi)部交互驗(yàn)證模型建立完成后，根據(jù)所述預(yù)留的第二光譜信息數(shù)據(jù)和所述內(nèi)部交互驗(yàn)證模型，可以計(jì)算出所述預(yù)留的第二光譜信息數(shù)據(jù)對(duì)應(yīng)的所述預(yù)測(cè)分類值y’，將y’與預(yù)先設(shè)定的分類值y進(jìn)行比較，即可獲得所述預(yù)留的第二光譜信息數(shù)據(jù)對(duì)應(yīng)第二種屬檢測(cè)結(jié)果。在所述預(yù)設(shè)數(shù)量的第二光譜信息數(shù)據(jù)中逐一選取所述第二光譜信息數(shù)據(jù)作為預(yù)留的第二光譜信息數(shù)據(jù)，重復(fù)上述過程，即可獲得每個(gè)所述第二光譜信息數(shù)據(jù)對(duì)應(yīng)的第二種屬檢測(cè)結(jié)果。最終可以獲得40個(gè)第二種屬檢測(cè)結(jié)果。

下面通過一具體的實(shí)施例上述判別分析模型的建立步驟進(jìn)行說明。

獲取42份已知?jiǎng)游锓N屬的肉骨粉飼料產(chǎn)品作為研究樣本，包括經(jīng)相關(guān)質(zhì)檢部門收集的全國(guó)蛋白飼料企業(yè)的產(chǎn)品，其中，反芻動(dòng)物源樣本18個(gè)，包括8個(gè)牛源和10個(gè)羊源，非反芻動(dòng)物源樣本24個(gè)，包括14個(gè)豬源和10個(gè)雞源。采用四氯乙烯提取上述經(jīng)過處理的研究樣本，得到42份骨顆粒樣品。

分別將42份骨顆粒樣品裝入尺寸φ30mm×7mm的鋁盒中，以20t壓力經(jīng)電動(dòng)粉末壓片機(jī)進(jìn)行壓片，獲得對(duì)應(yīng)的42份壓片，采用商業(yè)libs，型號(hào)chemreveal^tm-3764，分別對(duì)42份壓片進(jìn)行光譜信息數(shù)據(jù)采集。libs系統(tǒng)采用q-switchednd:yag激光器，基頻光波長(zhǎng)為1064nm，激光脈沖能量為80mj，重復(fù)頻率為2hz，脈沖寬度為1～3ns。yag激光器發(fā)射的激光經(jīng)分束器及透鏡聚焦到樣品臺(tái)后擊打放到樣品臺(tái)上的壓片，激光脈沖誘導(dǎo)產(chǎn)生的等離子體經(jīng)透鏡由光纖采集傳導(dǎo)至7通道的光譜儀，光譜儀的波長(zhǎng)范圍為190～950nm，分辨率為0.05nm。數(shù)字脈沖信號(hào)發(fā)生器控制激光器和光譜儀間的延遲時(shí)間，所述延遲時(shí)間設(shè)為1μs。通過可見光ccd探測(cè)器實(shí)時(shí)觀測(cè)及調(diào)整距離，實(shí)現(xiàn)激光最佳聚焦。選取壓片表面9×14均勻排布的126個(gè)點(diǎn)激光擊打測(cè)量。采用chemlytics軟件對(duì)采集到的光譜信號(hào)進(jìn)行分析處理，最終獲得42份第二光譜信息數(shù)據(jù)。

采用matlab軟件及plstoolbox6.5軟件平臺(tái)，將42份所述第二光譜信息數(shù)據(jù)分別與其對(duì)應(yīng)的種屬來源信息相關(guān)聯(lián)，并根據(jù)42份所述第二光譜信息數(shù)據(jù)以及偏最小二乘法建立所述判別分析模型，采用留一驗(yàn)證法和每個(gè)所述第二光譜信息數(shù)據(jù)獲取42份第二種屬檢測(cè)結(jié)果，根據(jù)所述預(yù)設(shè)條件對(duì)42份所述第二種屬檢測(cè)結(jié)果進(jìn)行評(píng)價(jià)，評(píng)價(jià)結(jié)果見見表1。

表1不同種屬研究樣本的評(píng)價(jià)結(jié)果

由表1可見，反芻動(dòng)物源的實(shí)驗(yàn)樣本識(shí)別率sensitivity和拒絕率specificity均為1.00，表現(xiàn)出較高的種屬檢測(cè)準(zhǔn)確度。因此，本發(fā)明提供的基于激光誘導(dǎo)擊穿光譜的肉骨粉種屬檢測(cè)方法可以對(duì)肉骨粉飼料中反芻源和非反芻源進(jìn)行檢測(cè)分析，進(jìn)一步地，該方法還可以有效應(yīng)用于非反芻源肉骨粉飼料中豬源和雞源的種屬檢測(cè)。

本發(fā)明提供的基于激光誘導(dǎo)擊穿光譜的肉骨粉種屬檢測(cè)方法，由于能夠?qū)Υ龣z測(cè)肉骨粉飼料樣品進(jìn)行提取，獲得待檢測(cè)骨顆粒樣品，采集到待檢測(cè)骨顆粒樣品的第一光譜信息數(shù)據(jù)，從而可以根據(jù)第一光譜信息數(shù)據(jù)以及預(yù)先建立的判別分析模型獲得種屬檢測(cè)結(jié)果，提高了肉骨粉飼料的種屬檢測(cè)效率。而建立判別分析模型并對(duì)判別分析模型進(jìn)行評(píng)價(jià)，有利于保證肉骨粉飼料的種屬檢測(cè)準(zhǔn)確性。

在上述各實(shí)施例的基礎(chǔ)上，進(jìn)一步地，所述預(yù)設(shè)條件包括：

所述第二種屬檢測(cè)結(jié)果滿足識(shí)別率大于第一預(yù)設(shè)值且拒絕率大于第二預(yù)設(shè)值；

根據(jù)sensitivity＝pa/(pa+nd)獲得識(shí)別率sentitivity，其中，pa為陽性樣品數(shù)，nd為假陰性樣品數(shù)；

根據(jù)specificity＝na/(pd+na)獲得拒絕率specificity，其中，na為陰性樣品數(shù)，pd為假陽性樣品數(shù)。

具體地，在獲得預(yù)設(shè)數(shù)量的所述第二種屬檢測(cè)結(jié)果后，根據(jù)sensitivity＝pa/(pa+nd)獲得識(shí)別率sentitivity，其中，pa為陽性樣品數(shù)，nd為假陰性樣品數(shù)；再根據(jù)specificity＝na/(pd+na)獲得拒絕率specificity，其中，na為陰性樣品數(shù)，pd為假陽性樣品數(shù)。將計(jì)算獲得的識(shí)別率與第一預(yù)設(shè)值進(jìn)行對(duì)比，同時(shí)將計(jì)算獲得的拒絕率與第二預(yù)設(shè)值進(jìn)行對(duì)比，如果所述識(shí)別率大于第一預(yù)設(shè)值且所述拒絕率大于第二預(yù)設(shè)值，那么所述第二種屬檢測(cè)結(jié)果滿足預(yù)設(shè)條件。其中，所述第一預(yù)設(shè)值和所述第二預(yù)設(shè)值根據(jù)實(shí)際情況進(jìn)行設(shè)置，本發(fā)明實(shí)施例不做限定。

將每個(gè)所述第二光譜信息數(shù)據(jù)的第二種屬檢測(cè)結(jié)果與其對(duì)應(yīng)的已知來源進(jìn)行對(duì)比，如果所述第二種屬檢測(cè)結(jié)果與所述已知來源是一致的，例如所述第二種屬檢測(cè)結(jié)果呈陽性，對(duì)應(yīng)種屬為豬，而所述已知來源也是豬，那么所述第二光譜信息數(shù)據(jù)對(duì)應(yīng)的肉骨粉飼料樣品為陽性樣品；如果所述第二種屬檢測(cè)結(jié)果與所述已知來源不一致，例如所述第二種屬檢測(cè)結(jié)果呈陽性，預(yù)測(cè)種屬為豬，而所述已知來源是羊，那么所述第二光譜信息數(shù)據(jù)對(duì)應(yīng)的肉骨粉飼料樣品為假陽性樣品。同理，可以判斷出陰性樣品和假陰性樣品。通過統(tǒng)計(jì)計(jì)算可以得出所述預(yù)設(shè)數(shù)量已知來源的肉骨粉飼料樣品中的陽性樣品數(shù)、假陽性樣品數(shù)、陰性樣品數(shù)和假陰性樣品數(shù)。從而可以計(jì)算出所述識(shí)別率和所述拒絕率。

在上述各實(shí)施例的基礎(chǔ)上，進(jìn)一步地，在所述對(duì)待檢測(cè)肉骨粉飼料樣品進(jìn)行提取之前，對(duì)所述待檢測(cè)肉骨粉飼料樣品進(jìn)行研磨處理。

具體地，在所述對(duì)待檢測(cè)肉骨粉飼料樣品進(jìn)行提取之前，利用旋風(fēng)磨將所述待檢測(cè)肉骨粉飼料樣品粉碎，獲得粉末狀顆粒，然后利用振動(dòng)分級(jí)篩對(duì)所述粉末狀顆粒進(jìn)行篩選，所述振動(dòng)分級(jí)篩優(yōu)選0.5mm規(guī)格篩。

在上述各實(shí)施例的基礎(chǔ)上，進(jìn)一步地，在所述獲得待檢測(cè)骨顆粒樣品之后，對(duì)所述待檢測(cè)骨顆粒樣品進(jìn)行研磨處理。

具體地，在所述獲得待檢測(cè)骨顆粒樣品之后，利用旋風(fēng)磨將所述待檢測(cè)骨顆粒樣品粉碎，獲得粉末狀顆粒，然后利用振動(dòng)分級(jí)篩對(duì)所述粉末狀顆粒進(jìn)行篩選，所述振動(dòng)分級(jí)篩優(yōu)選0.5mm規(guī)格篩。

在上述各實(shí)施例的基礎(chǔ)上，進(jìn)一步地，所述對(duì)待檢測(cè)肉骨粉飼料樣品進(jìn)行提取包括：采用四氯乙烯對(duì)研磨處理后的所述待檢測(cè)肉骨粉飼料樣品進(jìn)行提取。

具體地，在對(duì)所述待檢測(cè)肉骨粉飼料樣品進(jìn)行提取時(shí)，采用采用四氯乙烯對(duì)所述待檢測(cè)肉骨粉飼料樣品進(jìn)行提取。

在上述各實(shí)施例的基礎(chǔ)上，進(jìn)一步地，本發(fā)明提供的基于激光誘導(dǎo)擊穿光譜的肉骨粉種屬檢測(cè)方法還包括：

根據(jù)所述種屬檢測(cè)結(jié)果判斷所述待檢測(cè)肉骨粉飼料樣品來源于反芻動(dòng)物或者非反芻動(dòng)物。

具體地，因?yàn)楦鶕?jù)我國(guó)目前的禁用規(guī)定，一是禁止添加動(dòng)物源性成分的飼料飼喂反芻動(dòng)物，二是禁止肉骨粉的同源相食。根據(jù)所述種屬檢測(cè)結(jié)果可以判斷出所述待檢測(cè)肉骨粉飼料樣品來源于反芻動(dòng)物或者非反芻動(dòng)物，從而有利于對(duì)違反禁用規(guī)定的查處。

在上述各實(shí)施例的基礎(chǔ)上，進(jìn)一步地，所述采集所述待檢測(cè)骨顆粒樣品的第一光譜信息數(shù)據(jù)包括：

采用激光誘導(dǎo)擊穿光譜儀采集所述第一光譜信息數(shù)據(jù)，其中，激光誘導(dǎo)擊穿光譜的激光脈沖能量為80mj，制樣壓力20t，光斑大小200μm，延遲時(shí)間1μs，采集點(diǎn)數(shù)為126個(gè)。

具體地，在采集所述待檢測(cè)骨顆粒樣品的第一光譜信息數(shù)據(jù)時(shí)，利用激光誘導(dǎo)擊穿光譜儀進(jìn)行采集。在進(jìn)行所述第一光譜數(shù)據(jù)采集前，將所述待檢測(cè)骨顆粒樣品裝入φ30mm×7mm的鋁盒中，以20t壓力經(jīng)電動(dòng)粉末壓片機(jī)進(jìn)行壓片。選取所述壓片表面9×14均勻排布的126個(gè)點(diǎn)作為數(shù)據(jù)采集點(diǎn)，在進(jìn)行光譜數(shù)據(jù)采集時(shí)，設(shè)定所述光譜儀的激光誘導(dǎo)擊穿光譜的激光脈沖能量為80mj，光斑大小200μm，延遲時(shí)間1μs?？梢垣@得126個(gè)采集點(diǎn)的光譜信息數(shù)據(jù)，計(jì)算126個(gè)采集點(diǎn)的光譜信息數(shù)據(jù)的平均值作為所述第一光譜信息數(shù)據(jù)。

圖3為本發(fā)明實(shí)施例基于激光誘導(dǎo)擊穿光譜技術(shù)的種屬檢測(cè)系統(tǒng)的結(jié)構(gòu)示意圖，如圖3所示，本發(fā)明提供的基于激光誘導(dǎo)擊穿光譜技術(shù)的種屬檢測(cè)系統(tǒng)包括：提取單元301、采集單元302和檢測(cè)單元303，其中：

提取單元301用于對(duì)待檢測(cè)肉骨粉飼料樣品進(jìn)行提取，獲得待檢測(cè)骨顆粒樣品；采集單元302用于采集所述待檢測(cè)骨顆粒樣品的第一光譜信息數(shù)據(jù)；檢測(cè)單元303用于根據(jù)所述第一光譜信息數(shù)據(jù)以及預(yù)先建立的判別分析模型獲得第一種屬檢測(cè)結(jié)果。

具體地，提取單元301對(duì)待檢測(cè)肉骨粉飼料樣品進(jìn)行提取，例如采用四氯乙烯進(jìn)行提取，可以獲得待檢測(cè)骨顆粒樣品。其中，所述待檢測(cè)肉骨粉飼料樣品可以來源于牛、羊、豬或者雞。

采集單元302基于激光誘導(dǎo)擊穿光譜技術(shù)采集所述待檢測(cè)骨顆粒樣品的第一光譜信息數(shù)據(jù)，libs能夠?qū)崿F(xiàn)多種元素同時(shí)分析、并且分析速度快，可實(shí)現(xiàn)元素的定性識(shí)別和定量分析，適用于各種肉骨粉飼料樣品的光譜信息數(shù)據(jù)采集。

檢測(cè)單元303將獲取到的所述第一光譜信息數(shù)據(jù)輸入到判別分析模型中，經(jīng)過計(jì)算獲得所述第一光譜信息數(shù)據(jù)對(duì)應(yīng)的計(jì)算結(jié)果，將所述計(jì)算結(jié)果與標(biāo)準(zhǔn)檢測(cè)結(jié)果進(jìn)行比對(duì)，從而獲得待測(cè)肉骨粉飼料樣品的種屬檢測(cè)結(jié)果，例如如果所述計(jì)算結(jié)果與所述標(biāo)準(zhǔn)檢測(cè)結(jié)果的差值的絕對(duì)值在預(yù)設(shè)誤差范圍之內(nèi)，即可根據(jù)所述標(biāo)準(zhǔn)檢測(cè)結(jié)果對(duì)應(yīng)的種屬確定待檢測(cè)肉骨粉飼料樣品的種屬。其中，所述判別分析模型是預(yù)設(shè)建立的，所述標(biāo)準(zhǔn)檢測(cè)結(jié)果是建立所述判別分析模型時(shí)確定的，所述預(yù)設(shè)誤差范圍根據(jù)實(shí)際情況進(jìn)行設(shè)定，本發(fā)明實(shí)施例不做限制。

本發(fā)明提供的基于激光誘導(dǎo)擊穿光譜技術(shù)的種屬檢測(cè)系統(tǒng)，由于能夠?qū)Υ龣z測(cè)肉骨粉飼料樣品進(jìn)行提取，獲得待檢測(cè)骨顆粒樣品，采集到待檢測(cè)骨顆粒樣品的第一光譜信息數(shù)據(jù)，從而可以根據(jù)第一光譜信息數(shù)據(jù)以及預(yù)先建立的判別分析模型獲得種屬檢測(cè)結(jié)果，提高了肉骨粉飼料的種屬檢測(cè)效率。

本發(fā)明提供的基于激光誘導(dǎo)擊穿光譜技術(shù)的種屬檢測(cè)系統(tǒng)的實(shí)施例具體可以用于執(zhí)行上述方法實(shí)施例的處理流程，其功能在此不再贅述，可以參照上述方法實(shí)施例的詳細(xì)描述。

最后應(yīng)說明的是：以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。