一种牛羊肉物种和饲养模式真实性的判别方法和系统技术方案

本发明专利技术涉及一种牛羊肉物种和饲养模式真实性的判别方法和系统，包括，第一步骤，均匀采集不同分类牛羊肉样品，随机划分为训练样本集和验证样本集；第二步骤，获取所述训练样本集的特征数据集，构建判别模型；第三步骤，获取验证样本集的特征数据集，导入至所述判别模型评价准确率，当所述准确率未达到预设水平时，调整所述聚类指标或变量权重参数，重建所述判别模型，直至所述判别模型准确率达到预设水平；第四步骤，获取待测样本，采用所述判别模型判别牛羊肉物种和饲养模式真实性。本发明专利技术中，通过正面描述牛羊肉的本身特性，牛羊肉物种和饲养模式真实性的判别得以实现，对物种和饲养模式的判别更加准确。

【技术实现步骤摘要】
一种牛羊肉物种和饲养模式真实性的判别方法和系统
本专利技术总体涉及食品领域，更具体地，涉及一种牛羊肉物种和饲养模式真实性的判别方法和系统。
技术介绍
由于品种、天然草场、产地地理气候条件和饲养模式/方式的差异，牛羊肉营养和品质特征差异较大，例如，集约化舍饲牛羊肉增量高，效益高；生态自由放牧，牛肉的品质和附加值都大大提升。不同饲养模式生态成本和饲养成本不同，品质、营养特征和食品安全风险也不同，市场价格也不同。高价位牛羊肉容易受到掺假、造假和冒充。在饲养方式/模式的鉴定方面，譬如自由放牧和有机饲养的保障体系，主要靠认证体系认证，不是科技鉴定手段，容易被冒充，为了区分优质牛羊肉，就需要从牛羊肉本身的真实性进行鉴别。现有物种真实性的判别主要是基于DNA和蛋白质物种同源性进行鉴定，属于排除法，这种检测方法不直接描绘识别牛羊肉本身的营养和品质物性特征，只要在待测样本上发现异种DNA或蛋白质，即可判定待测样本不合格。因此，虽然可以用来否定某个检测样本的真实性，但不能肯定通过检测的所有样本的真实性。例如，逻辑上没发现异种基因或蛋白，不能判断被检测样本就是完整或真实的，此外，蛋白质和DNA也易受加热、均质、腌制和发酵等加工的影响，加工过程中有时也会引入无害的外来DNA和蛋白质，此时这种方法容易产生误判。而其，基于DNA和蛋白质的物种真实性的判别，不能对饲养方式/模式、产地和有机认证真实性进行判别，由于牛羊肉营养和品质指标过于繁杂，且与饲养方式/模式相关的指标难以准确辨别，根据既有指标确定饲养方式/模式时，准确率非常低。因此，目前尚未从技术上实现牛羊肉物种真实性和饲养方式真实性的判别导致对牛羊肉完整性和真实性侵害问题的普遍发生。因此，提供一种准确度较高的牛羊肉饲养模式的鉴别方法，是亟待解决的问题。
技术实现思路
为了解决上述问题，本专利技术提供了一种牛羊肉物种和饲养模式真实性的判别方法，包括，第一步骤S1，均匀采集不同分类牛羊肉样品，随机划分为训练样本集和验证样本集；第二步骤S2，获取所述训练样本集的特征数据集，将所述特征数据集整理成数据矩阵，参照所述数据矩阵，筛选与物种和饲养模式相关的聚类指标以及变量权重参数，根据所述聚类指标和变量权重参数构建判别模型；第三步骤S3，获取验证样本集的特征数据集，导入至所述判别模型评价准确率，当所述准确率未达到预设水平时，调整所述聚类指标或变量权重参数，重建所述判别模型，直至所述判别模型准确率达到预设水平；第四步骤S4，获取待测样本，采用所述判别模型判别牛羊肉物种和饲养模式真实性；所述特征数据集包括甘油三酯、脂肪酸、氨基酸、矿物质、维生素和色素、稳定同位素、色度和肌肉质构中的一种或多种的数据集；所述饲养模式包括放牧或舍饲、草饲或谷饲以及草原自由放牧或集约化禁足养殖。根据本专利技术的一个实施方式，所述特征数据集为甘油三酯数据集，所述判别模型为甘油三酯指纹模型；或所述特征数据集为脂肪酸数据集，所述判别模型为脂肪酸指纹模型；或所述特征数据集为稳定同位素数据集，所述判别模型为稳定同位素指纹模型；或所述特征数据集为矿物质数据集，所述判别模型为矿物质指纹模型，用于判别物种、饲养模式、自然地理环境。根据本专利技术的一个实施方式，所述特征数据集为氨基酸数据集，所述判别模型为氨基酸指纹模型，或，所述特征数据集为光谱、色谱或质谱仪器数据集，所述判别模型为光谱、色谱或质谱仪器指纹模型，用于判别物种、饲养模式。根据本专利技术的一个实施方式，所述特征数据集为肌肉运动代谢组学数据集，所述判别模型为肌肉运动代谢组学指纹模型，用于判别饲养模式，动物运动强度。根据本专利技术的一个实施方式，所述特征数据集为维生素数据集，所述判别模型为维生素指纹模型，用于判别饲养模式、自然地理环境、牧草种类。根据本专利技术的一个实施方式，所述特征数据集为色度数据集，所述判别模型为色度指纹模型，用于判别饲养模式、自然地理环境、牛羊肉物种/品种。根据本专利技术的一个实施方式，所述第四步骤S4还包括，当判别牛羊肉物种和饲养模式为真实时，采用待测样本的特征数据集修正所述判别模型。根据本专利技术的一个实施方式，还包括基于脂肪酸和矿物质数据集，将脂肪酸和矿物质等权重化，构建放牧与舍饲判别模型。根据本专利技术的一个实施方式，所述的判别方法，还包括分别建立饲养模式的矿物质、脂肪酸和稳定同位素模型，交叉分析未确定的待测样本。根据本专利技术的另一个方面，提供了一种牛羊肉物种和饲养模式真实性的判别系统，包括，采集模块1，用于均匀采集不同分类牛羊肉样品，随机划分为训练样本集和验证样本集；模型构建模块2，用于获取所述训练样本集的特征数据集，将所述特征数据集整理成数据矩阵，参照所述数据矩阵，筛选与物种和饲养模式相关的聚类指标以及变量权重参数，根据所述聚类指标和变量权重参数构建判别模型；验证模块3，用于获取验证样本集的特征数据集，导入至所述判别模型评价准确率，当所述准确率未达到预设水平时，调整所述聚类指标或变量权重参数，重建所述判别模型，直至所述判别模型准确率达到预设水平；检测模块4，用于获取待测样本，采用所述判别模型判别牛羊肉物种和饲养模式真实性；其中，所述特征数据集包括甘油三酯、脂肪酸、氨基酸、矿物质、维生素和色素、稳定同位素、色度和肌肉质构中的一种或多种的数据集；所述饲养模式包括放牧或舍饲、草饲或谷饲以及草原自由放牧或集约化禁足养殖。附图说明图1示出了一种牛羊肉物种和饲养模式真实性的判别方法的步骤示意图；图2示出了判别模型的建立路径示意图；图3示出了牛肉掺假马肉的PLS大致定量判别模型；图4示出了基于脂肪酸指纹的绵羊肉饲养方式SIMCA判别模型；图5示出了基于δ13C和δ15N稳定同位的饲养方式OPLS-DA判别模型；图6示出了基于矿物质指纹的牛肉饲养方式SIMCA判别模型；图7示出了一种牛羊肉物种和饲养模式真实性的判别系统的示意图。具体实施方式下面结合附图对本专利技术的较佳实施例进行详细阐述，参考标号是指本专利技术中的组件、技术，以便本专利技术的优点和特征在适合的环境下实现能更易于被理解。下面的描述是对本专利技术权利要求的具体化，并且与权利要求相关的其它没有明确说明的具体实现也属于权利要求的范围。图1示出了一种牛羊肉物种和饲养模式真实性的判别方法的步骤示意图。如图1所示，一种牛羊肉物种和饲养模式真实性的判别方法，包括，第一步骤S1，均匀采集不同分类牛羊肉样品，随机划分为训练样本集和验证样本集；第二步骤S2，获取所述训练样本集的特征数据集，将所述特征数据集整理成数据矩阵，参照所述数据矩阵，筛选与物种和饲养模式相关的聚类指标以及变量权重参数，根据所述聚类指标和变量权重参数构建判别模型；第三步骤S3，获取验证样本集的特征数据集，导入至所述判别模型评价模型判别的准确率，当所述准确率未达到预设水平时，调整所述聚类指标或变量权重参数，重建所述判别模型，直至所述判别模型准确率达到预设水平；第四步骤S4，获取待测样本，采用所述判别模型判别牛羊肉物种和饲养模式真实性；所本文档来自技高网...

【技术保护点】
1.一种牛羊肉物种和饲养模式真实性的判别方法，包括，/n第一步骤(S1)，均匀采集不同分类牛羊肉样品，随机划分为训练样本集和验证样本集；/n第二步骤(S2)，获取所述训练样本集的特征数据集，将所述特征数据集整理成数据矩阵，参照所述数据矩阵，筛选与物种和饲养模式相关的聚类指标以及变量权重参数，根据所述聚类指标和变量权重参数构建判别模型；/n第三步骤(S3)，获取验证样本集的特征数据集，导入至所述判别模型评价准确率，当所述准确率未达到预设水平时，调整所述聚类指标或变量权重参数，重建所述判别模型，直至所述判别模型准确率达到预设水平；/n第四步骤(S4)，获取待测样本，采用所述判别模型判别牛羊肉物种和饲养模式真实性；/n所述特征数据集包括甘油三酯、脂肪酸、氨基酸、矿物质、维生素和色素、稳定同位素、色度和肌肉质构中的一种或多种的数据集；/n所述饲养模式包括放牧或舍饲、草饲或谷饲以及草原自由放牧或集约化禁足养殖。/n

【技术特征摘要】
1.一种牛羊肉物种和饲养模式真实性的判别方法，包括，
第一步骤(S1)，均匀采集不同分类牛羊肉样品，随机划分为训练样本集和验证样本集；
第二步骤(S2)，获取所述训练样本集的特征数据集，将所述特征数据集整理成数据矩阵，参照所述数据矩阵，筛选与物种和饲养模式相关的聚类指标以及变量权重参数，根据所述聚类指标和变量权重参数构建判别模型；
第三步骤(S3)，获取验证样本集的特征数据集，导入至所述判别模型评价准确率，当所述准确率未达到预设水平时，调整所述聚类指标或变量权重参数，重建所述判别模型，直至所述判别模型准确率达到预设水平；
第四步骤(S4)，获取待测样本，采用所述判别模型判别牛羊肉物种和饲养模式真实性；
所述特征数据集包括甘油三酯、脂肪酸、氨基酸、矿物质、维生素和色素、稳定同位素、色度和肌肉质构中的一种或多种的数据集；
所述饲养模式包括放牧或舍饲、草饲或谷饲以及草原自由放牧或集约化禁足养殖。


2.根据权利要求1所述的判别方法，所述特征数据集为甘油三酯数据集，所述判别模型为甘油三酯指纹模型；
或，
所述特征数据集为脂肪酸数据集，所述判别模型为脂肪酸指纹模型；
或，
所述特征数据集为稳定同位素数据集，所述判别模型为稳定同位素指纹模型；
或，
所述特征数据集为矿物质数据集，所述判别模型为矿物质指纹模型，
用于判别物种、饲养模式、自然地理环境。


3.根据权利要求1所述的判别方法，所述特征数据集为氨基酸数据集，所述判别模型为氨基酸指纹模型，
或，
所述特征数据集为光谱、色谱或质谱仪器数据集，所述判别模型为光谱、色谱或质谱仪器指纹模型，用于判别物种、饲养模式。


4.根据权利要求1所述的判别方法，所述特征数据集为肌肉运动代谢组学数据集，所述判别模型为肌肉运动代谢组学指纹模型，用于判别饲养模式...

【专利技术属性】
技术研发人员：郭军，孙海洲，闫鑫磊，桑丹，金鹿，鄂晶晶，刘梦静，雒帅，姬彩霞，白扬，王倩，杜权，
申请(专利权)人：内蒙古农业大学，内蒙古自治区农牧业科学院，
类型：发明
国别省市：内蒙古;15