一种基于矿物元素指纹的猪肉产地溯源方法与流程

本发明涉及猪肉鉴别领域，更具体地，涉及一种基于矿物元素指纹的猪肉产地溯源方法。

背景技术：

近年来，特色地理标志农产品受到消费者的青睐。我国高端猪肉的推广具有地域性。目前市场上推广了许多地理标志性猪肉，比如北京黑六、莱芜猪、巴彦猪肉等。但目前市场中有以次充好、以假乱真的现象。鉴于此，地域特色猪肉的产地保护，是保障其品质的重要方法，可使企业与消费者建立信赖关系。为了保护地域特色猪肉在市场上的独特性和真实性，其生产及销售过程需要一套适用的监测方法进行产地溯源。

农产品的产地溯源分析主要是探寻表征不同地域来源食品的特异性指标。目前可用于食品地域分析的指标包括稳定同位素比率、矿物元素含量、化学成分含量、动物遗传图谱、微生物图谱、感官特性、挥发性成分等。

实际操作中，需要结合食品自身特点从而选择合适的地域分析指标。对于地域特色猪肉，由于猪的养殖模式具有复杂性，有饲料喂养、全国范围内调种和异地育肥等情况，这些因素给猪肉产地溯源研究增加了困难。目前还未见有关地域特色猪肉溯源方法的报道。

技术实现要素：

针对现有技术存在的问题，本发明提供一种基于矿物元素指纹的猪肉产地溯源方法。

本发明提供一种基于矿物元素指纹的猪肉产地溯源方法，包括：以不同猪肉产地中具有显著性差异的矿物元素为有效变量，通过基于所述有效变量而建立的判别模型对猪肉产地进行判别。

本发明的方法基于矿物元素指纹即不同猪肉产地中具有显著性差异的矿物元素，可以方便快捷地进行猪肉产地溯源，且可靠性高，准确率不低于92.3％。该方法可以有效保护地理标志猪肉的知名度，提高市场竞争力，避免以次充好、以假乱真的现象，在我国猪肉的产地溯源和特色地理标志性猪肉保护中具有广泛应用前景。

进一步地，所述方法具体包括：

(1)采集猪肉样品，预处理；

(2)检测猪肉样品中差异矿物元素na、fe、co、cu、zn、se、rb、sr的含量；

(3)将上述差异矿物元素的含量代入判别模型，判断出猪肉样品的产地。

下面对上述方案作进一步说明：

步骤(1)中，所述猪肉样品为采集的四川青峪黑猪、北京黑六黑猪或山东莱芜黑猪的后腿肉。为了避免采集过程污染和混入假冒产品，优选从地域特色猪肉原产地采集刚宰杀的新鲜猪肉样品。

步骤(1)中，所述预处理为取新鲜猪后腿肉瘦肉部分，切成小块，放入绞肉机绞拌均匀，再进行消解。消解采用微波消解，消解体系为硝酸双氧水混合体系。

步骤(2)中，所述差异矿物元素na、fe、co、cu、zn、se、rb、sr的确定包括：对不同产地猪肉中的矿物元素含量进行统计分析，所述统计分析手段为方差分析、多重比较分析和主成分分析中的一种或多种。

步骤(2)中，检测差异矿物元素含量的方法可以为电感耦合等离子体质谱法。

优选地，所述电感耦合等离子体质谱法的条件如下：射频功率1550w，雾化器为同心雾化器，采样锥/截取锥为镍锥，测量模式为碰撞池，重复次数2次，采样时间0.1s。

步骤(3)中，所述判别模型为基于不同猪肉产地中具有显著性差异的矿物元素利用判别分析手段而建立。

优选地，所述判别分析手段为基于正交信号校正的偏最小二乘判别分析(opls-da)、支持向量机(supportvectormachine)、决策树(decisiontree)、朴素贝叶斯(naivebayes)或线性判别分析。

进一步优选地，所述判别分析手段为基于正交信号校正的偏最小二乘判别分析、支持向量机或线性判别分析。

本发明的有益效果：

本发明的方法基于矿物元素指纹即不同猪肉产地中具有显著性差异的矿物元素，可以方便快捷地进行猪肉产地溯源，且可靠性高，准确率不低于92.3％。该方法可以有效保护地理标志猪肉的知名度，提高市场竞争力，避免以次充好、以假乱真的现象，在我国猪肉的产地溯源和特色地理标志性猪肉保护中具有广泛应用前景。相比于目前其他肉类溯源方法，本发明的方法在满足分析准确的情况下，操作更简单，更易于应用。

附图说明

图1为本发明猪肉样品前三个主成分(pc1、pc2、pc3)标准化得分散点图；

图2为本发明第一、第二主成分opls-da得分图，图中：qy代表四川请峪黑猪，hl代表北京黑六黑猪，lw代表山东莱芜黑猪。

具体实施方式

下面结合实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

实施例1

本实施例提供一种基于矿物元素指纹的猪肉产地溯源方法，具体包括以下步骤：

(1)采集猪肉样品

某屠宰场，猪肉样品：共26份，每份后腿肉500g；标记产地分别为：四川青峪黑猪(样品1-10)、北京黑六黑猪(样品1-10)、山东莱芜黑猪(样品1-6)。

(2)样品预处理

取新鲜猪后腿肉瘦肉部分，切成小块，放入绞肉机绞拌均匀。然后称取0.5g样品，置于微波消解管中，加入6ml硝酸和2ml双氧水，按照微波消解程序进行消解。消解后得到澄清溶液，赶酸后用超纯水定容至15ml，待测，高含量元素经稀释后测量。

(3)矿物元素含量检测

利用电感耦合等离子体质谱(icp-ms)进行矿物元素含量检测。测定样品中na、k、mg、ca、b、ti、al、mn、fe、co、cu、zn、as、se、rb、li、be、v、cr、ni、mo、ag、cd、sr、sn、sb、ba、la、ce、pb、u、tl、bi共33种元素含量。

用外标法进行定量分析，用10μg/lrh、re、in、ge内标元素保证仪器的稳定性。icp-ms条件：射频功率1550w，雾化器为同心雾化器，采样锥/截取锥为镍锥，测量模式为碰撞池，重复次数2次，采样时间0.1s。

排除猪肉样品中含量低于或接近检出限的元素，筛选出ca、ti、mn、fe、co、cu、zn、se、rb、sr、k、na、mg共13种元素可进行统计分析。不同产地猪肉中13种元素含量如表1所示。

表1不同产地猪肉中13种元素含量

注：表格中的数值用平均值±标准偏差表示。

(4)确定差异矿物元素

对上述13种元素含量数据进行方差分析，结果显示，样品中na、fe、co、cu、zn、se、rb、sr共8种元素在地域之间差异显著(p<0.05)，可作为特异性指标进行判别分析。

对上述8种差异矿物元素进行验证。采用主成分分析，结果如图1所示，利用第一主成分、第二主成分、第三主成分可以区分不同地区的猪肉样品。前三个主成分的方差贡献率分别为53.33％、26.11％、9.00％，累计方差贡献率达到88.44％，能够达到充分反映原始数据信息的目的。其中第一主成分主要综合了样品中na、fe、co、cu、zn和se六种元素含量的信息。第二主成分主要综合了样品中rb和sr含量的信息。第三主成分主要综合na、co、cu和se元素含量的信息。

(5)利用差异矿物元素进行基于正交信号校正的偏最小二乘判别分析，建立判别模型。

其中，第一、第二主成分opls-da得分图如图2所示。由图可知，经过基于正交信号校正的偏最小二乘判别分析可以将三种产地猪肉完全区分开，效果较好。

利用上述26份样品的8种差异矿物元素含量，通过十折交叉验证法验证该判别模型的准确性，结果如表2所示，其整体判别准确率能到达到100％。

表2opls-da对不同产地猪肉判别结果表

(6)利用上述判别模型鉴别待测猪肉样品产地

取待测猪肉样品(已知产地为北京)，按步骤(2)～(3)相同的预处理及元素检测方法，测出待测猪肉样品中na、fe、co、cu、zn、se、rb、sr含量分别见表3，代入上述判别模型，鉴别出待测猪肉样品产地为北京，与实际一致。

表3北京猪肉样品中8种差异元素含量

实施例2

本实施例提供一种基于矿物元素指纹的猪肉产地溯源方法，

步骤(1)～(4)同实施例1；

步骤(5)，具体为利用差异矿物元素进行支持向量机判别分析，建立判别模型。采用十折交叉验证法验证该判别模型的准确性，结果如表4所示，可见本实施例判别模型也能实现整体判别准确率达到100％。

表4支持向量机对不同产地猪肉判别结果表

(6)利用上述判别模型鉴别待测猪肉样品产地

取待测猪肉样品(已知产地为山东)，按步骤(2)～(3)相同的预处理及元素检测方法，测出待测猪肉样品中na、fe、co、cu、zn、se、rb、sr含量见表5，代入上述判别模型，鉴别出待测猪肉样品产地为山东，与实际一致。

表5山东猪肉样品中8种差异元素含量

实施例3

本实施例提供一种基于矿物元素指纹的猪肉产地溯源方法，与实施例1区别在于步骤(5)，具体为利用差异矿物元素进行决策树判别分析，建立判别模型。采用十折交叉验证法验证该判别模型的准确性，结果如表6所示，可见本实施例判别模型的整体判别准确率能够达到92.31％。

表6决策树对不同产地猪肉判别结果表

实施例4

本实施例提供一种基于矿物元素指纹的猪肉产地溯源方法，与实施例1区别在于步骤(5)，具体为利用差异矿物元素进行朴素贝叶斯判别分析，建立判别模型。采用十折交叉验证法验证该判别模型的准确性，结果如表7所示，可见本实施例判别模型的整体判别准确率能够达到92.31％。

表7朴素贝叶斯对不同产地猪肉判别结果表

实施例5

本实施例提供一种基于矿物元素指纹的猪肉产地溯源方法，与实施例1区别在于步骤(5)，具体为利用差异矿物元素进行线性判别分析。

通过线性判别分析，来自三地的猪肉样品被显著分离，显示100％的歧视指数。ld1判别式对区分各组的贡献为86.07％，ld2判别式对区分各组的贡献为13.93％。判别函数系数见表8。

表8线性判别函数系数表

最后，本发明的实施例仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。