拉曼光谱技术结合簇类独立软模式法快速鉴别进口鳕鱼真伪

郝 欣 邱 烨 陈 晏 孔维恒 刘 鑫* 忻 欣 徐记各

(1.中国海关科学技术研究中心，北京 100026；2.北京工业设计促进中心，北京100088；3.西派特(北京)科技有限公司，北京100029)

鳕鱼属脊椎动物门、脊椎动物亚门、真骨鱼纲、鳕形目。纯正鳕鱼主要指大西洋鳕鱼。近年来，为了满足我国国内消费需求，鳕鱼产品进口量增长迅速，贸易规模不断扩大。目前，随着水产品进口数量逐渐增加，水产分类易混淆不清而出现利用廉价的油鱼冒充鳕鱼等现象。如何在口岸快速无损鉴定进口鱼类物种分类成为了海关各口岸亟待解决的问题。

近红外检测技术在农产品领域通常用于食品成分分析等方面[1]。其中，拉曼光谱技术是近年来应用较广泛的一种分子光谱分析技术。其利用拉曼散射效应反映分子转动和振动性质。现阶段，拉曼光谱因其信息丰富，可从分子水平上反映物质组成和结构信息，同时又便携、高效等特点已应用于考古、毒品检测、化工生产、化学品检测平台、材料学、医药学和环境等领域[2-9]。相关研究表明，拉曼光谱技术可应用于鱼类物种鉴别。其中，Alamprese等[10]通过NIR法分别两对鱼类品种：鲻鱼和红鲣、鲽和偏口鱼进行了分类鉴别。Sivertsen等[11]通过NIR-VIS联用法区别冷冻鳕鱼片的新鲜度。本实验利用采集鱼肉蛋白与脂肪组织的拉曼光谱数据，通过波长标定法进行采集数据降噪处理，结合多元散射校正和均值中心化方法对光谱数据进行前处理，采用簇类独立软模式法建立大西洋鳕鱼、银鳕鱼、黑线鳕鱼、龙利鱼、巴沙鱼和狭鳕鱼6种鱼类的动物种属鉴别分析模型。

1 材料与设备

1.1 实验材料

本实验选用的6种不同进口鱼类样品来源于中国海关科学技术研究中心。6种鱼类样品的种属鉴定确证实验已完成，此鉴定由广西中医药大学完成。

1.2 实验仪器设备

ExR810广域拉曼光谱仪。

2 实验方法

2.1 实验样品统计

实验选取的6种鱼类样品光谱数据的采集数量、校正集及验证集数据如表1所示。

表1 6种鱼类样品分类信息

每个鱼肉样品采取净鱼肉部分作为采集位置，每个样品采集1个位置点，每个位置点采集1个数据。

2.2 拉曼光谱数据采集和处理

依据实验设计，将鱼肉样品置于样品台上，设定积分时间10 s，每个样品的平均采集次数为6 次，设备功率等级设定为10 级，拉曼光谱的扫描范围设定为167～3745 cm-1。

本实验采用多元散射校正法(MSC)和均值中心化法对6种鱼类样品的光谱数据进行预处理，利用MSC法和求导是校正基线漂移现象的有效处理办法[12]。中心化是从变量中减去它的均值，均值中心化法是从样品光谱数据中去掉校正集的平均光谱数据，从而得到符合正态分布的有力数据[13]。本实验的数据处理程序采用MATLAB(R2017b)软件编写。如图1所示，6种鱼肉样品中银鳕鱼的拉曼信号最强，其次为黑线鳕鱼，这两种鱼的强信号来自于鱼肉中的脂肪成分，判断此两种鱼可能为高脂肪鱼；其他4种鱼肉的拉曼信号较弱，这些弱信号来自于鱼肉中的蛋白质成分，判断此4种鱼可能为高蛋白鱼。

图1 6种鱼肉样品的拉曼光谱图

3 结果与分析

3.1 数据库建立

本实验利用簇类独立软模式分类法(Soft Independent Modeling Class Analog,SIMCA)先验分类知识，对每一种类别的鱼类样品建立一个主成分分析(principle component analysis，PCA)模型，再利用这些建立的模型判断未选入建模集的鱼类样本进行归属[14]。本实验光谱数据定性识别准确率按公式(1)计算。

(1)

本实验先对样品进行主成分分解，建立已知类别的SIMCA主成分分析模型，建模样品类别与样品的对应关系见表2。

表2 样品名称及类别号对应关系表

图2～图7为建立的6种鱼类样品的SIMCA主成分分析模型，模型以Q与T22个参数衡量样本与PCA模型的拟合程度。Q为样本与PCA模型中主成分投影之间的残差，用于评价样本与模型拟合程度的好坏。而T2用于描述样本在PCA模型内部的远离程度[15]。再将未知样本与各类SIMCA主成分分析模型进行拟合，综合Q与T2的值判断未知样本属于哪一类。

图2 巴沙鱼(0号)与其他鱼类之间的区分

图3 大西洋鳕(1号)与其他鱼类之间的区分

图4 黑线鳕(2号)与其他鱼类之间的区分

图5 龙利鱼(3号)与其他鱼类之间的区分

图6 狭鳕鱼(4号)与其他鱼类之间的区分

图7 银鳕鱼(5号)与其他鱼类之间的区分

本实验利用SIMCA定性分析首先从6种鱼类样品430个样本中选择297个建立训练集。将光谱数据进行前处理后，选出适当的主因子数以便防止光谱中的有效信息过度拟合，从而利用SIMCA法分别建立6种不同鱼类样品的主成分定性分析模型数据库。其中，巴沙鱼、大西洋鳕鱼、黑线鳕鱼、龙利鱼、狭鳕鱼和银鳕鱼6种进口鱼类样品的主因子数分别选取6、6、5、5、3、6。

由图2～图7可见，6个鱼类样品之间可显著区分。由此可见，利用拉曼光谱法和有效的数据处理方法能较高效的提取出不同种属进口鱼类样品的脂肪、蛋白质组成以及其肉质结构等方面的光谱数据内容，完成鉴别进口鱼类样品的种属分类。

3.2 6种鱼类分类数据库内外部验证效果

6种鱼类样品数据通过SIMCA模型分析后，内部验证数据见表3，外部验证数据见表4，其中外部样品选择经鉴定的非建模用鱼类样本，可视为盲样。

对巴沙鱼、大西洋鳕鱼.等6类鱼进行63个样品的内部验证(如表3所示)，正确率均为100%。

表3 内部样品验证正确率

如表4所示，对巴沙鱼、大西洋鳕鱼.等6类鱼进行70个样品的样品外部验证正确率亦为100%，表明本实验建立起来的SIMCA主成分定性识别模型对6种不同进口鱼类样品的种属具备良好的鉴别能力。

表4 外部样品验证正确率

4 结论

本实验利用拉曼光谱技术结合簇类独立软模式方法建立快速鉴别进口鳕鱼真伪检测方法。采集数据处理结合多元散射校正和波长标定降噪技术，建立起6种鱼的SIMCA主成分定性分类模型，并对70个不同种类的鱼类样品种属进行盲样定性鉴别，识别正确率达100%。单个样品检测可实现在瞬时内完成实验检测，操作简便，无破坏性。因此，采用拉曼光谱技术和可行的光谱数据处理法并利用SIMCA方法建立主成分分析模型，可快速鉴别进口鳕鱼样品真伪情况，从而解决在口岸快速无损鉴定进口鱼类物种分类的问题。