基于激光诱导击穿光谱结合深度学习的鲜肉快速识别方法研究.pdfVIP

第45卷，第12期光谱学与光谱分析Vol.45,No.12,pp3317-3323

2025年12月SpectroscopyandSpectralAnalysisDecember,2025

基于激光诱导击穿光谱结合深度学习的鲜肉快速识别方法研究

孙浩然，王思文，赵春园，林晓梅²，高

高勋，方健1*

1.吉林交通职业技术学院人工智能与交通装备产业技术研究院，吉林长春130015

2.长春工业大学电气与电子工程学院，吉林长春130012

3.长春理工大学理学院，吉林长春130022

摘要肉类是人类饮食中重要的蛋白质和营养物质来源，而肉类食品掺假问题已成为我国食品安全领域

的重大问题，针对传统肉类食品检测方法存在操作复杂、程序耗时、设备造价高昂的问题，提出利用激光诱

导击穿光谱技术（LIBS)结合深度学习网络模型的方法对多品种肉类组织进行快速检测与分类识别。通过

LIBS技术分别采集了牛肉、羊肉、猪肉3种肉类光谱数据，选取5种元素9个波段谱线作为分析谱线及模

型输人量进行建模识别，设计了1种以ResNet18为主干网络，同时设计3种机器学习模型，对光谱数据进

行建模识别。结果表明，深度学习网络模型识别能力最优，精确度达到了98.1%。120组光谱数据中，牛肉、

羊肉、猪肉光谱数据分别有117、119、117组光谱数据识别正确，在与同为深度学习网络模型的横向对比

中，ResNet18网络模型对肉类光谱数据的识别能力优于GoogLeNet、Vgg16、ResNet50的3种深度学习模

型，在此基础上通过重新采集的数据对模型泛化性进行验证，精度达到98.9%，说明模型能够在较高识别

精度的基础上，保持较强的跨数据集识别能力，具有良好的泛化性与一致性。以上研究表明，通过LIBS与

卷积神经网络结合的方式能够在多品种肉类分类识别任务中提供不同品种肉类客观量化差异信息，并具有

快速和原位诊断不同种类肉类组织的潜力。

关键词激光诱导击穿光谱；多品种肉类识别；深度学习

中图分类号：0433.4文献标识码：AD0I:10.3964/j.issn.1000-0593(2025)12-3317-07

产品，行业损失超数十亿欧元。此外，未经声明的跨物种掺

引言假，如猪肉混入清真食品，可能违反宗教规范，引发社会矛

盾[2-41。因此迫切需要对肉类食品进行快速准确分析与识别，

肉类在人类日常饮食中占据着不可或缺的地位，它不仅以促进肉类市场的标准化，确保食品安全。针对目前食品安

为人体提供丰富的营养，而且是全球范围内重要的食品资全领域中的肉类掺假问题，多种技术已被开发并应用于识别

源1}。在当前社会背景下，肉类食品的消费量持续增长，消肉类品种，传统的肉类检测技术包括毛细管凝胶电泳、聚合

费者不仅追求肉类的口感和美味，更关注其背后的安全与健酶链反应、气相色谱质谱、DNA条形码等方法[5-101，然而以

康。目前肉类食品掺假已成为我国食品安全领域中的重大问上方法存在操作复杂、程序耗时、设备造价高昂等缺点，且

题，某些不良商家绕过必要的检验和检疫程序，用相对便宜需要专业的技术人员进行操作，检测结果存在一定程度上的

的肉类代替较贵的肉类出售，这一现象不仅增加了肉类携带主观性，以上问题限制了肉类检测技术在食品安全领域中的

有害细菌、病毒、以及过敏原的可能性，还会破坏消费者对应用。研究表明，不同肉质中元素含量存在差异，如钙、镁、

食品安全的信心，导致正规企业连带受损，使劣质肉流入市钾、钠是生命体正常运作所必需的营养物质，从肉质的角度

场引发连锁反应，影响整个供应链的信誉，甚至导致出口贸来看，钙、镁、钾和钠元素含量与肉质嫩度有关。因此可将

易壁垒，如2013年欧洲“马肉冒充牛肉”丑闻导致多国召回肉类中元