基于激光誘導擊穿光譜對長白山黑豬肉部位分類

林曉梅，孫浩然，許毓婷，林京君，王 躍，王振興，高 勛*

1. 長春工業大學電氣與電子工程學院，吉林 長春 130012 2. 長春工業大學機電工程學院, 吉林 長春 130012 3. 長春理工大學理學院，吉林 長春 130022 4. 吉林大學中日聯誼醫院胸外科，吉林 長春 130033

引 言

豬肉中蛋白質、脂肪、碳水化合物和各種元素成分豐富[1]，是人類餐桌上的主要副食品。由于豬肉市場巨大，導致一些無良商家為了謀取利益，通過真假混賣的方法，使用一些較便宜部位替代較為昂貴的部位，例如使用后腿或前腿肉替代里脊或梅肉進行出售，欺騙消費者。長期如此，會對我國的豬肉企業品牌信譽以及消費產業鏈造成巨大損失及不良影響。傳統屠宰場中一般通過人工方法對豬肉進行分類，但這種方法主觀性較強，缺乏客觀分類指標。因此，尋找一種快速、客觀的方法對豬肉部位進行鑒別與分類具有重要意義。

由于豬肉成分復雜，狀態易受溫度、時間等環境因素影響，豬肉檢測鑒別較為困難。Sacristán等與Tu等分別使用熒光光譜法和火焰原子吸收法對豬肉中重金屬元素進行檢測[2-3]，檢測到豬肉中含有Cr，Cu等金屬元素，但樣品預處理繁瑣，分析時間長。激光誘導擊穿光譜(laser induced breakdown spectroscopy)是一種新型光譜檢測技術，可對物質元素成分進行定性或定量分析，具有快速、實時及多種元素同時分析等優點，已廣泛用于各種生物組織檢測[4-8]。Li通過LIBS技術結合多元統計方法對新鮮的豬肉脂肪、皮膚、肌肉組織進行識別，達到分類鑒別的目的[9]。Yueh等對冰凍雞肉組織的不同部位( 大腦、肝、肺、脾臟、腎臟、肌肉) 進行檢測，并通過不同算法對其進行分類鑒別，其中層析聚類分析算法(HCA)識別率高達93%[10]。Bilge等首先對肉類組織( 豬、牛、雞)進行烘干壓片處理，并結合主成分分析算法(PCA)進行種類區分，識別率為83.37%[11]。

本工作使用LIBS技術對長白山黑豬肉各部位的元素種類及各元素光譜強度進行研究，結合主成分分析方法，達到對豬肉各部位進行快速分類鑒別的目的，為在肉類食品快速檢測方面提供可行性方法。

1 實驗部分

1.1 樣品制備

樣品購自長春市前進大街沃爾瑪超市的長白山豬肉，瘦型。具體分為： 左后腿、左前腿、脊椎骨內側大里脊肉、上肩胛肉部的梅肉、腹部五花肉。由于生物組織樣品狀態對溫度變化較為敏感(常溫下為軟質狀態)，為減小溫度變化對LIBS檢測的影響，首先將豬肉樣品置于-24 ℃的冰箱中冷藏，通過人工切片的方式將豬肉樣品切成厚度為1 mm的切片，固定于載玻片上，如圖1所示。通過調節三維平移臺，使激光作用點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處對實驗造成誤差。

圖1 實驗待測樣品 1—10為激光作用點Fig.1 Sample 1—10 are the laser operating points

1.2 裝置

LIBS實驗裝置示意圖如圖2所示。激光光源為輸出波長1 064 nm的Nd∶YAG激光器(SLII-10, Continuum), 脈寬為10 ns，重復頻率為10 Hz，光束直徑約為6 mm。光束通過聚焦透鏡(焦距120 mm)聚焦到待測樣品表面。產生的等離子體通過焦距為75 mm的融石英采集透鏡耦合至光纖，最后傳輸到配有ICCD的中階梯光柵光譜儀(Andor, Me5000)，光譜分辨率: <0.05 nm 。實驗采用的LIBS參數為： 激光能量75 mJ，樣品距透鏡120 mm。采集延時1 μs，積分時間1 μs。將樣品置于三維平移臺(M-410.DG, PI)。數字脈沖發生器(DG645，Stanford)為激光器和光譜儀提供觸發信號，調整等離子產生時間和采集的時間間隔，以獲取信噪比較高的光譜信號。實驗環境為一個大氣壓下、溫度22 ℃、環境相對濕度27%。

圖2 LIBS實驗裝置圖Fig.2 LIBS experimental setup

2 結果與討論

2.1 脂肪組織與肌肉組織光譜對比

首先對脂肪組織與肌肉組織進行分類鑒別。即豬肉肥肉與瘦肉組織，其光譜如圖3所示(均為五花肉組織)。

圖3 豬肉肌肉與脂肪LIBS光譜圖 (a)： 肌肉； (b)： 脂肪Fig.3 LIBS spectra of pork muscle and fat (a)： Muscle； (b)： Fat

LIBS光譜顯示，肌肉組織中檢測到了Mg，K，Fe，Ca，Na和Al元素，其中Ca和Na元素強度較高，說明豬肉中含有豐富的礦質元素。脂肪組織除檢測到了Ca，Na，Fe和Cu等金屬元素外，還發現了有機成分C—N帶。值得說明的是，與肌肉組織光譜相比，脂肪組織LIBS譜圖含有較高的基線。背景噪聲強度明顯高于肌肉組織LIBS譜線圖背景噪聲，甚至將某些元素的特征強度譜線淹沒，如圖3(b)所示。這一現象表征新鮮豬肉中的水分、碳水化合物含量較高，導致LIBS實驗較低的信噪比并對LIBS測量結果造成一定的干擾。實驗發現豬肉脂肪與肌肉組織LIBS光譜在元素種類以及光譜特性上存在一定差異，這表明LIBS可對豬肉肥肉與瘦肉組織進行區分。

2.2 LIBS對不同豬肉部位鑒別

圖4(a)—(e)顯示了豬肉各部位200～800 nm波段LIBS特征光譜圖。從圖中可以看出，Ca，Na，Mg，K和Al元素特征譜線清晰。由于豬肉各部位成分類似，它們的LIBS譜線中皆為Ca和Na元素譜線強度較高，Mg和K元素譜線強度較低，僅觀察各組織部位LIBS譜線難以達到對各部位進行分類鑒別的目的。

圖4 豬肉不同部位LIBS光譜圖 (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

不同于合金鋼等金屬樣品，豬肉樣品成分復雜，其等離子體更易受其表面特性、基體效應的影響[12]。由于豬肉樣品的非均質性和空隙度，如圖1所示，不同激光作用點的穿透深度不同，導致不同樣品之間的光譜強度差異較大，甚至同一樣品中不同的激光作用點的LIBS光譜圖也存在著一定差異。

針對豬肉樣品LIBS光譜這一特性，可通過計算元素強度比的方法對豬肉不同部位進行分類鑒別[13]。在元素譜線選擇方面，特征譜線的選取要選擇干擾較少，峰值明顯，易激發的波段。通過實驗所得的光譜信息，同時參照美國NIST原子光譜數據庫，選取MgⅡ 280 nm, CaⅡ 393.37 nm, AlⅡ 422.75 nm, NaⅠ 589.0 nm, KⅠ 769.90 nm作為分析譜線。通過計算Mg/Ca，Al/Ca，Na/Ca和K/Ca比值，達到對豬肉不同部位進行分類的目的。實驗結果如圖5(a—d)所示。

圖5顯示豬肉各部位Al/Ca，Mg/Ca比較穩定，但各部位差異較小，說明不同部位中Al和Mg元素含量差異不大。相比Na/Ca和K/Ca，難以通過Al/Ca和Mg/Ca對豬肉不同部位進行區分。為進一步驗證元素比對不同部位分類的準確度，計算豬肉各部位Na/Ca和K/Ca比值分布區間，當各部位元素比分布閾值無明顯重疊或重疊部分較小時，可通過決策閾值進行分辨，其強度比值分布符合正態分布，如表1所示。表1顯示，Na/Ca和K/Ca比值分布閾值基本可對豬肉各部位進行區分。例如，Na/Ca和K/Ca可以明確將前腿肉與后腿肉部位區分。前腿肉的Na/Ca和K/Ca比值分別分布在1.29～1.58和0.31～0.42，而后腿肉Na/Ca和K/Ca比值分別分布在0.98～1.18和0.15～0.23。其元素比值分布無明顯重疊。而五花肉元素比值分布閾值較廣，其比值閾值與里脊肉或前腿肉的分布閾值存在著一定的重疊，說明五花肉與其他部位肉類相比，其表面與肌間的脂肪含量較高，導致脂肪中的碳水化合物影響了LIBS測量精度。

圖5 豬肉不同部位元素強度比值分布 (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分布置信區間表(1-α)=90%Table 1 Confidence intervals of Na/Caand K/Ca(1-α)=90%

2.3 主成分分析

為提高元素強度比值對豬肉各部位分類的可靠性，對150幅豬肉各部位組織光譜中Ca，Al，Na，Mg和K元素特征譜線進行提取，使用各部位元素強度比值作為輸入變量，進行PCA降維分析。圖為豬肉不同部位組織散點圖。其中，前3個主成分累計貢獻率為94.06%。由圖6可知，每類豬肉組織樣本點都發生了明顯的匯聚現象，基本可以達到分類的目標。

圖6 5種豬肉光譜數據的主成分散點圖Fig.6 Spectral principal component scores of 5 types of pork

3 結 論

通過LIBS技術對長白山黑豬肉的脂肪與肌肉組織以及不同部位進行了分類鑒別。首先對豬肉脂肪樣品與肌肉樣品LIBS光譜進行對比，發現脂肪樣品中除金屬元素外，還含有有機成分C—N鍵，并且背景噪聲更高，說明LIBS可對豬肉脂肪與肌肉進行鑒別。通過計算Mg/Ca，Al/Ca，Na/Ca和K/Ca強度比，得出Na/Ca和K/Ca可對不同部位豬肉進行較好的分類預測。并在此基礎上，將元素強度比值與主成分分析法結合，通過實驗驗證了其可行性。本工作說明，不同的元素強度比值，在一定程度上可對不同部位的長白山黑豬肉組織進行分類鑒別，在一定程度上克服了因豬肉樣品本身成分復雜而導致檢測困難的問題。