基于LIBS技术结合PCA-SVM机器学习对猪肉部位的识别研究

许毓婷，孙浩然，高 勋*，郭凯敏，林景全

1.长春理工大学理学院，吉林 长春 130022 2.长春工业大学机电工程学院, 吉林 长春 130012 3.包头师范学院物理科学与技术学院，内蒙古 包头 014030

引 言

猪肉制品营养成分丰富，在人类饮食中占有重要地位，由于近年来猪肉制品价格水涨船高。不同部位的猪肉组织较为类似，在某些猪肉产品销售市场上，一些不良商家将廉价部位的猪肉以次充好高价售卖，让消费者无法分辨。猪肉部位的传统检测方法主要有物理学方法(显微检测法)[1]、免疫学方法(蛋白质检测)[2]和分子生物学方法(检测DNA分子)[3]，但这些方法操作繁琐，检测周期长，需专业技术人员操作。基于分子光谱学的猪肉部位检测方法如近红外光谱技术和拉曼光谱技术[4]，方法虽便捷，由于各部分猪肉成分组成接近且猪肉组织接近，造成猪肉部位分类识别的识别率有待提高。

激光诱导击穿光谱技术(laser-induced breakdown spectroscopy，LIBS)[5]是一种利用高能激光脉冲激发待测样品并产生等离子体，通过分析样品的等离子体发射光谱，最终识别待测物质成分的分析方法。近年来，LIBS作为一种新兴的光化学元素分析技术，具有快速、绿色、无损检测等优点[6]，因此LIBS技术在冶金、航天、土壤污染、水体污染、食品安全等多个领域进行推广和应用[7-8]。在食品安全领域，王彩虹[9]等基于LIBS技术和线性回归方法对猪肉中的Cr元素进行定量分析，分析了单变量和多变量特征谱线对猪肉中Cr元素的定量分析影响。Gonca Bilge[10]等将猪肉、牛肉、鸡肉碾碎混合，基于LIBS技术并结合主成分分析(principal component analysis，PCA)机器算法，对肉类的分类和识别准确率达到83.37%。……