基于激光诱导击穿光谱对长白山黑猪肉部位分类

林晓梅，孙浩然，许毓婷，林京君，王 跃，王振兴，高 勋*

1. 长春工业大学电气与电子工程学院，吉林 长春 130012 2. 长春工业大学机电工程学院, 吉林 长春 130012 3. 长春理工大学理学院，吉林 长春 130022 4. 吉林大学中日联谊医院胸外科，吉林 长春 130033

引 言

猪肉中蛋白质、脂肪、碳水化合物和各种元素成分丰富[1]，是人类餐桌上的主要副食品。由于猪肉市场巨大，导致一些无良商家为了谋取利益，通过真假混卖的方法，使用一些较便宜部位替代较为昂贵的部位，例如使用后腿或前腿肉替代里脊或梅肉进行出售，欺骗消费者。长期如此，会对我国的猪肉企业品牌信誉以及消费产业链造成巨大损失及不良影响。传统屠宰场中一般通过人工方法对猪肉进行分类，但这种方法主观性较强，缺乏客观分类指标。因此，寻找一种快速、客观的方法对猪肉部位进行鉴别与分类具有重要意义。

由于猪肉成分复杂，状态易受温度、时间等环境因素影响，猪肉检测鉴别较为困难。Sacristán等与Tu等分别使用荧光光谱法和火焰原子吸收法对猪肉中重金属元素进行检测[2-3]，检测到猪肉中含有Cr，Cu等金属元素，但样品预处理繁琐，分析时间长。激光诱导击穿光谱(laser induced breakdown spectroscopy)是一种新型光谱检测技术，可对物质元素成分进行定性或定量分析，具有快速、实时及多种元素同时分析等优点，已广泛用于各种生物组织检测[4-8]。Li通过LIBS技术结合多元统计方法对新鲜的猪肉脂肪、皮肤、肌肉组织进行识别，达到分类鉴别的目的[9]。Yueh等对冰冻鸡肉组织的不同部位( 大脑、肝、肺、脾脏、肾脏、肌肉) 进行检测，并通过不同算法对其进行分类鉴别，其中层析聚类分析算法(HCA)识别率高达93%[10]。Bilge等首先对肉类组织( 猪、牛、鸡)进行烘干压片处理，并结合主成分分析算法(PCA)进行种类区分，识别率为83.37%[11]。

本工作使用LIBS技术对长白山黑猪肉各部位的元素种类及各元素光谱强度进行研究，结合主成分分析方法，达到对猪肉各部位进行快速分类鉴别的目的，为在肉类食品快速检测方面提供可行性方法。

1 实验部分

1.1 样品制备

样品购自长春市前进大街沃尔玛超市的长白山猪肉，瘦型。具体分为： 左后腿、左前腿、脊椎骨内侧大里脊肉、上肩胛肉部的梅肉、腹部五花肉。由于生物组织样品状态对温度变化较为敏感(常温下为软质状态)，为减小温度变化对LIBS检测的影响，首先将猪肉样品置于-24 ℃的冰箱中冷藏，通过人工切片的方式将猪肉样品切成厚度为1 mm的切片，固定于载玻片上，如图1所示。通过调节三维平移台，使激光作用点完全作用于在脂肪或肌肉部分，以避免激光作用于肥瘦交接处对实验造成误差。

图1 实验待测样品 1—10为激光作用点Fig.1 Sample 1—10 are the laser operating points

1.2 装置

LIBS实验装置示意图如图2所示。激光光源为输出波长1 064 nm的Nd∶YAG激光器(SLII-10, Continuum), 脉宽为10 ns，重复频率为10 Hz，光束直径约为6 mm。光束通过聚焦透镜(焦距120 mm)聚焦到待测样品表面。产生的等离子体通过焦距为75 mm的融石英采集透镜耦合至光纤，最后传输到配有ICCD的中阶梯光栅光谱仪(Andor, Me5000)，光谱分辨率: <0.05 nm 。实验采用的LIBS参数为： 激光能量75 mJ，样品距透镜120 mm。采集延时1 μs，积分时间1 μs。将样品置于三维平移台(M-410.DG, PI)。数字脉冲发生器(DG645，Stanford)为激光器和光谱仪提供触发信号，调整等离子产生时间和采集的时间间隔，以获取信噪比较高的光谱信号。实验环境为一个大气压下、温度22 ℃、环境相对湿度27%。

图2 LIBS实验装置图Fig.2 LIBS experimental setup

2 结果与讨论

2.1 脂肪组织与肌肉组织光谱对比

首先对脂肪组织与肌肉组织进行分类鉴别。即猪肉肥肉与瘦肉组织，其光谱如图3所示(均为五花肉组织)。

图3 猪肉肌肉与脂肪LIBS光谱图 (a)： 肌肉； (b)： 脂肪Fig.3 LIBS spectra of pork muscle and fat (a)： Muscle； (b)： Fat

LIBS光谱显示，肌肉组织中检测到了Mg，K，Fe，Ca，Na和Al元素，其中Ca和Na元素强度较高，说明猪肉中含有丰富的矿质元素。脂肪组织除检测到了Ca，Na，Fe和Cu等金属元素外，还发现了有机成分C—N带。值得说明的是，与肌肉组织光谱相比，脂肪组织LIBS谱图含有较高的基线。背景噪声强度明显高于肌肉组织LIBS谱线图背景噪声，甚至将某些元素的特征强度谱线淹没，如图3(b)所示。这一现象表征新鲜猪肉中的水分、碳水化合物含量较高，导致LIBS实验较低的信噪比并对LIBS测量结果造成一定的干扰。实验发现猪肉脂肪与肌肉组织LIBS光谱在元素种类以及光谱特性上存在一定差异，这表明LIBS可对猪肉肥肉与瘦肉组织进行区分。

2.2 LIBS对不同猪肉部位鉴别

图4(a)—(e)显示了猪肉各部位200～800 nm波段LIBS特征光谱图。从图中可以看出，Ca，Na，Mg，K和Al元素特征谱线清晰。由于猪肉各部位成分类似，它们的LIBS谱线中皆为Ca和Na元素谱线强度较高，Mg和K元素谱线强度较低，仅观察各组织部位LIBS谱线难以达到对各部位进行分类鉴别的目的。

图4 猪肉不同部位LIBS光谱图 (a)： 后腿肉； (b)： 五花肉； (c)： 里脊肉； (d)： 梅花肉； (e)： 前腿肉Fig.4 LIBS spectra of different parts of pork (a)： Hind leg； (b)： Streaky pork； (c)： Tenderloin； (d)： Plum blossom； (e)： Front leg

不同于合金钢等金属样品，猪肉样品成分复杂，其等离子体更易受其表面特性、基体效应的影响[12]。由于猪肉样品的非均质性和空隙度，如图1所示，不同激光作用点的穿透深度不同，导致不同样品之间的光谱强度差异较大，甚至同一样品中不同的激光作用点的LIBS光谱图也存在着一定差异。

针对猪肉样品LIBS光谱这一特性，可通过计算元素强度比的方法对猪肉不同部位进行分类鉴别[13]。在元素谱线选择方面，特征谱线的选取要选择干扰较少，峰值明显，易激发的波段。通过实验所得的光谱信息，同时参照美国NIST原子光谱数据库，选取MgⅡ 280 nm, CaⅡ 393.37 nm, AlⅡ 422.75 nm, NaⅠ 589.0 nm, KⅠ 769.90 nm作为分析谱线。通过计算Mg/Ca，Al/Ca，Na/Ca和K/Ca比值，达到对猪肉不同部位进行分类的目的。实验结果如图5(a—d)所示。

图5显示猪肉各部位Al/Ca，Mg/Ca比较稳定，但各部位差异较小，说明不同部位中Al和Mg元素含量差异不大。相比Na/Ca和K/Ca，难以通过Al/Ca和Mg/Ca对猪肉不同部位进行区分。为进一步验证元素比对不同部位分类的准确度，计算猪肉各部位Na/Ca和K/Ca比值分布区间，当各部位元素比分布阈值无明显重叠或重叠部分较小时，可通过决策阈值进行分辨，其强度比值分布符合正态分布，如表1所示。表1显示，Na/Ca和K/Ca比值分布阈值基本可对猪肉各部位进行区分。例如，Na/Ca和K/Ca可以明确将前腿肉与后腿肉部位区分。前腿肉的Na/Ca和K/Ca比值分别分布在1.29～1.58和0.31～0.42，而后腿肉Na/Ca和K/Ca比值分别分布在0.98～1.18和0.15～0.23。其元素比值分布无明显重叠。而五花肉元素比值分布阈值较广，其比值阈值与里脊肉或前腿肉的分布阈值存在着一定的重叠，说明五花肉与其他部位肉类相比，其表面与肌间的脂肪含量较高，导致脂肪中的碳水化合物影响了LIBS测量精度。

图5 猪肉不同部位元素强度比值分布 (a)： IAl 422 nm/ICa 393 nm； (b)： IMg 280 nm/ICa 393 nm； (c)： IK 770 nm/ICa 393 nm； (d)： INa 589 nm/ICa 393 nmFig.5 Distribution of element intensity ratio for different parts of pork (a)： IAl 422 nm/ICa 393 nm； (b)： IMg 280 nm/ICa 393 nm； (c)： IK 770 nm/ICa 393 nm； (d)： INa 589 nm/ICa 393 nm

表1 Na/Ca和K/Ca分布置信区间表(1-α)=90%Table 1 Confidence intervals of Na/Caand K/Ca(1-α)=90%

2.3 主成分分析

为提高元素强度比值对猪肉各部位分类的可靠性，对150幅猪肉各部位组织光谱中Ca，Al，Na，Mg和K元素特征谱线进行提取，使用各部位元素强度比值作为输入变量，进行PCA降维分析。图为猪肉不同部位组织散点图。其中，前3个主成分累计贡献率为94.06%。由图6可知，每类猪肉组织样本点都发生了明显的汇聚现象，基本可以达到分类的目标。

图6 5种猪肉光谱数据的主成分散点图Fig.6 Spectral principal component scores of 5 types of pork

3 结 论

通过LIBS技术对长白山黑猪肉的脂肪与肌肉组织以及不同部位进行了分类鉴别。首先对猪肉脂肪样品与肌肉样品LIBS光谱进行对比，发现脂肪样品中除金属元素外，还含有有机成分C—N键，并且背景噪声更高，说明LIBS可对猪肉脂肪与肌肉进行鉴别。通过计算Mg/Ca，Al/Ca，Na/Ca和K/Ca强度比，得出Na/Ca和K/Ca可对不同部位猪肉进行较好的分类预测。并在此基础上，将元素强度比值与主成分分析法结合，通过实验验证了其可行性。本工作说明，不同的元素强度比值，在一定程度上可对不同部位的长白山黑猪肉组织进行分类鉴别，在一定程度上克服了因猪肉样品本身成分复杂而导致检测困难的问题。