基於雷射誘導擊穿光譜的肉骨粉種屬檢測方法及系統與流程

2023-06-27 13:04:36 2

本發明涉及飼料檢測技術領域，具體涉及一種基於雷射誘導擊穿光譜的肉骨粉種屬檢測方法及系統。

背景技術：

肉骨粉是牲畜屠宰後非食用組織經粉碎和高溫處理後製成的動物源性蛋白飼料，具有蛋白質含量豐富等特點，為了滿足動物源性飼料質量安全監管需求，保障肉骨粉飼料的安全使用，其核心問題是對不同來源肉骨粉進行準確鑑別。

目前，肉骨粉飼料標準檢測方法包括顯微鏡分析法和聚合酶鏈式反應(polymerasechainreaction，以下簡稱pcr)法。其中，顯微鏡分析法主要基於骨顆粒的光學顯微組織特性進行人為觀察鑑別，可以準確鑑別出配合飼料或魚粉中的肉骨粉成分，但卻難以進一步判定其肉骨粉的來源，而且檢測效率低。而以dna分析為基礎的pcr法可以進行不同來源肉骨粉的鑑別，但檢測過程檢測樣本熱穩定性差，檢測結果假陽性率高、檢測成本高、檢測耗費時間長，單獨使用難以滿足可靠準確的鑑別分析要求。

因此，如何提出一種方法，能夠快速準確地檢測出肉骨粉飼料的種屬成為業界亟待解決的重要課題。

技術實現要素：

針對現有技術中的缺陷，本發明提供一種基於雷射誘導擊穿光譜的肉骨粉種屬檢測方法及系統。

一方面，本發明提出一種基於雷射誘導擊穿光譜的肉骨粉種屬檢測方法，包括：

對待檢測肉骨粉飼料樣品進行提取，獲得待檢測骨顆粒樣品；

採集所述待檢測骨顆粒樣品的第一光譜信息數據；

根據所述第一光譜信息數據以及預先建立的判別分析模型獲得第一種屬檢測結果。

另一方面，本發明提供一種基於雷射誘導擊穿光譜的肉骨粉種屬檢測系統，包括：

提取單元，用於對待檢測肉骨粉飼料樣品進行提取，獲得待檢測骨顆粒樣品；

採集單元，用於採集所述待檢測骨顆粒樣品的第一光譜信息數據；

檢測單元，用於根據所述第一光譜信息數據以及預先建立的判別分析模型獲得第一種屬檢測結果。

本發明提供的基於雷射誘導擊穿光譜的肉骨粉種屬檢測方法及系統，由於能夠對待檢測肉骨粉飼料樣品進行提取，獲得待檢測骨顆粒樣品，採集到待檢測骨顆粒樣品的第一光譜信息數據，從而可以根據第一光譜信息數據以及預先建立的判別分析模型獲得種屬檢測結果，提高了肉骨粉飼料的種屬檢測效率。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發明一實施例基於雷射誘導擊穿光譜的肉骨粉種屬檢測方法的流程示意圖；

圖2為本發明另一實施例基於雷射誘導擊穿光譜的肉骨粉種屬檢測方法的流程示意圖；

圖3為本發明實施例基於雷射誘導擊穿光譜的肉骨粉種屬檢測系統的結構示意圖。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。

圖1為本發明一實施例基於雷射誘導擊穿光譜的肉骨粉種屬檢測方法的流程示意圖，如圖1所示，本發明提供的基於雷射誘導擊穿光譜的肉骨粉種屬檢測方法，包括：

s101、對待檢測肉骨粉飼料樣品進行提取，獲得待檢測骨顆粒樣品；

具體地，獲取待檢測肉骨粉飼料樣品，所述待檢測肉骨粉飼料樣品可以來源於牛、羊、豬或者雞。對所述待檢測肉骨粉飼料樣品進行提取，例如採用四氯乙烯進行提取，可以獲得待檢測骨顆粒樣品。

s102、採集所述待檢測骨顆粒樣品的第一光譜信息數據；

具體地，基於雷射誘導擊穿光譜技術(laser-inducedbreakdownspectroscopy，以下簡稱libs)採集所述待檢測骨顆粒樣品的第一光譜信息數據，libs能夠實現多種元素同時分析、並且分析速度快，可實現元素的定性識別和定量分析，適用於各種肉骨粉飼料樣品的光譜信息數據採集。例如利用商業libschemrevealtm-3764進行所述第一光譜信息數據採集。

s103、根據所述第一光譜信息數據以及預先建立的判別分析模型獲得第一種屬檢測結果。

具體地，將獲取到的所述第一光譜信息數據輸入到判別分析模型中，經過計算獲得所述第一光譜信息數據對應的計算結果，將所述計算結果與標準檢測結果進行比對，從而獲得待測肉骨粉飼料樣品的種屬檢測結果，例如如果所述計算結果與所述標準檢測結果的差值的絕對值在預設誤差範圍之內，即可根據所述標準檢測結果對應的種屬確定待檢測肉骨粉飼料樣品的種屬。其中，所述判別分析模型是預設建立的，所述標準檢測結果是建立所述判別分析模型時確定的，所述預設誤差範圍根據實際情況進行設定，本發明實施例不做限制。

本發明提供的基於雷射誘導擊穿光譜的肉骨粉種屬檢測方法，由於能夠對待檢測肉骨粉飼料樣品進行提取，獲得待檢測骨顆粒樣品，採集到待檢測骨顆粒樣品的第一光譜信息數據，從而可以根據第一光譜信息數據以及預先建立的判別分析模型獲得種屬檢測結果，提高了肉骨粉飼料的種屬檢測效率。

圖2為本發明另一實施例基於雷射誘導擊穿光譜的肉骨粉種屬檢測方法的流程示意圖，如圖2所示，在上述實施例的基礎上，進一步地，建立所述判別分析模型的步驟包括：s201、對預設數量已知來源的肉骨粉飼料樣品進行提取，分別獲得所述預設數量已知來源的骨顆粒樣品；

具體地，獲取預設數量已知來源的肉骨粉飼料樣品，所述預設數量已知來源的肉骨粉飼料樣品可以來源於牛、羊、豬或者雞。對所述預設數量已知來源的肉骨粉飼料樣品進行提取，例如採用四氯乙烯進行提取，獲得所述預設數量已知來源的骨顆粒樣品。

s202、分別採集所述預設數量已知來源的骨顆粒樣品的第二光譜信息數據；

具體地，基於libs分別採集所述預設數量已知來源的骨顆粒樣品的第二光譜信息數據。

s203、根據所述預設數量的第二光譜信息數據以及偏最小二乘法建立所述判別分析模型；

具體地，根據獲取的所述預設數量的第二光譜信息數據以及偏最小二乘法(partialleastsquare，以下簡稱pls)建立所述判別分析模型。pls是一種新型的多元統計數據分析方法，它可以在運算中將樣本數據和樣本種類聯繫起來，同時實現了回歸建模，主成分分析和變量之間的相關性分析。

例如，基於pls，設定自變量矩陣x＝{x1，x2，x3，x4}和分類變量y＝{y1，y2，y3，y4}，x1，x2，x3，x4表示預設數量中一個已知來源的肉骨粉飼料樣品對應的第二光譜信息數據，例如x1為來源於羊的肉骨粉飼料樣品對應的第二光譜信息數據，x2來源於牛的肉骨粉飼料樣品對應的第二光譜信息數據，x3來源於豬的肉骨粉飼料樣品對應的第二光譜信息數據，x4來源於雞的肉骨粉飼料樣品對應的第二光譜信息數據，y1表示x1對應的分類變量值，y2表示x2對應的分類變量值，y3表示x3對應的分類變量值，y4表示x4對應的分類變量值，可以設定y1＝1，y2＝2，y3＝3，y4＝4，即y＝1時，表示肉骨粉飼料樣品來源於羊，y＝2時，表示肉骨粉飼料樣品來源於牛，y＝3時，表示肉骨粉飼料樣品來源於豬，y＝4時，表示肉骨粉飼料樣品來源於雞，其中y表示y1，y2，y3或y4，y值將作為所述標準檢測結果。

採用pls回歸算法對x和y同時分解，使其主成分最大程度地線性相關，表示為：

x＝tpt+e

y＝uqt+f

其中，t和u分別為x和y的得分矩陣；p和q為載荷矩陣；e和f為擬合殘差矩陣。

將t和u作線性回歸：u＝tb，b表示回歸因子。

根據p可以計算出x的得分向量t，其中，x表示x1，x2，x3或者x4，再根據y』＝tbq，即可計算出對於x對應的預測分類值y』。上述模型的建立可以利用採用matlab軟體及plstoolbox6.5軟體平臺實現。

s204、根據留一驗證法和每個所述第二光譜信息數據獲取每個所述第二光譜信息數據對應的第二種屬檢測結果；

具體地，在建立所述判別分析模型後，需要對所述判別分析模型進行驗證，可以採用留一驗證法對所述判別分析模型進行驗證，即在所述預設數量的第二光譜信息數據中取出一個所述第二光譜信息數據，作為預留的第二光譜信息數據，再根據剩餘的第二光譜信息數據以及偏最小二乘法建立內部交互驗證模型，所述內部交互驗證模型的建立過程與步驟s203中所述判別分析模型的建立過程類似，此處不再贅述。根據所述預留的第二光譜數據以及所述內部交互驗證模型，可以計算出所述預留的第二光譜數據對應的預測分類值y』，將所述預測分類值y』與預先設定的分類值y進行對比，如果所述預測分類值y』與分類值y的差值的絕對值在預設誤差範圍內，即可確定所述預留的第二光譜數據對應的肉骨粉飼料樣品的種屬檢測結果為陽性，所述預留的第二光譜數據對應的肉骨粉飼料樣品的種屬與所述分類值y對應的種屬一致，否則確定所述預留的第二光譜數據對應的肉骨粉飼料樣品的種屬檢測結果為陰性，所述預留的第二光譜數據對應的肉骨粉飼料樣品的種屬不是所述分類值y對應的種屬。其中，所述預設誤差範圍根據實際情況進行設定。逐一選取所述預設數量的第二光譜信息數據作為所述預留的第二光譜信息數據，重複上述第二種屬檢測結果的過程，即可獲得每個所述第二光譜信息數據對應的第二種屬檢測結果。

s205、若判斷獲知所述第二種屬檢測結果滿足預設條件，則採用所述判別分析模型對所述第一光譜信息數據進行檢測。

具體地，在獲得所述第二種屬檢測結果後，判斷所述檢測結果是否滿足預設條件，如果滿足所述預設條件，那麼可以採用所述判別分析模型對所述第一光譜信息數據進行檢測，即將所述待檢測樣品對應的第一光譜信息數據輸入到所述判別模型中，計算出所述第一光譜信息數據對應的預測分類值y』，將y』與所述標準檢測結果進行對比，即可獲得相應的第一種屬檢測結果。

所述預設條件可以是所述第二種屬檢測結果滿足識別率大於第一預設值且拒絕率大於第二預設值；根據sensitivity＝pa/(pa+nd)獲得識別率sentitivity，其中，pa為陽性樣品數，nd為假陰性樣品數；根據specificity＝na/(pd+na)獲得拒絕率specificity，其中，na為陰性樣品數，pd為假陽性樣品數。其中，所述第一預設值和所述第二預設值根據實際情況進行設置，本發明實施例不做限定。

將每個所述第二光譜信息數據對應的第二種屬檢測結果與其對應的已知來源進行對比，如果所述第二種屬檢測結果與所述已知來源是一致的，例如所述第二種屬檢測結果呈陽性，對應的種屬為豬，而所述已知來源也是豬，那麼所述第二光譜信息數據對應的肉骨粉飼料樣品為陽性樣品；如果所述第二種屬檢測結果與所述已知來源不一致，例如所述第二種屬檢測結果呈陽性，對應的種屬為豬，而所述已知來源是羊，那麼所述第二光譜信息數據對應的肉骨粉飼料樣品為假陽性樣品。同理，可以判斷出陰性樣品和假陰性樣品。通過統計計算可以得出所述預設數量已知來源的肉骨粉飼料樣品中的陽性樣品數、假陽性樣品數、陰性樣品數和假陰性樣品數。從而可以計算出所述識別率和所述拒絕率。

在上述各實施例的基礎上，進一步地，所述根據留一驗證法和每個所述第二光譜信息數據獲取每個所述第二光譜信息數據對應的第二種屬檢測結果包括：

從所述預設數量的第二光譜信息數據中選出一個所述第二光譜信息數據作為預留的第二光譜信息數據；根據剩餘的第二光譜信息數據以及偏最小二乘法建立內部交互驗證模型；根據所述預留的第二光譜信息數據以及所述內部交互驗證模型獲取所述預留的第二光譜信息數據對應的第二種屬檢測結果。

具體地，在所述預設數量的第二光譜信息數據中選出一個所述第二光譜信息數據，作為預留的第二光譜信息數據，再根據剩餘的第二光譜信息數據以及偏最小二乘法建立內部交互驗證模型，所述內部交互驗證模型的建立過程與步驟s203中所述判別分析模型的建立過程類似，此處不再贅述。根據所述預留的第二光譜數據以及所述內部交互驗證模型，可以計算出所述預留的第二光譜數據對應的預測分類值y』，將所述預測分類值y』與預先設定的分類值y進行對比，如果所述預測分類值y』與分類值y的差值的絕對值在預設誤差範圍內，即可確定所述預留的第二光譜數據對應的肉骨粉飼料樣品的種屬檢測結果為陽性，所述預留的第二光譜數據對應的肉骨粉飼料樣品的種屬與所述分類值y對應的種屬一致；否則確定所述預留的第二光譜數據對應的肉骨粉飼料樣品的種屬檢測結果為陰性，所述預留的第二光譜數據對應的肉骨粉飼料樣品的種屬不是所述分類值y對應的種屬。其中，所述預設誤差範圍根據實際情況進行設定。逐一選取所述預設數量的第二光譜信息數據作為所述預留的第二光譜信息數據，重複上述第二種屬檢測結果的過程，即可獲得每個所述第二光譜信息數據對應的第二種屬檢測結果。

例如，所述預設數量為40，在步驟s203中，利用40個所述第二光譜信息數據建立了所述判別分析模型，評價所述判別分析模型，可以從40個所述第二光譜信息數據中挑選出一個作為預留的第二光譜信息數據，根據剩餘的39個第二光譜信息數據建立所述內部交互驗證模型，所述內部交互驗證模型的建立過程與所述判別分析模型的建立過程類似，只是少用了所述預留的第二光譜信息數據。所述內部交互驗證模型建立完成後，根據所述預留的第二光譜信息數據和所述內部交互驗證模型，可以計算出所述預留的第二光譜信息數據對應的所述預測分類值y』，將y』與預先設定的分類值y進行比較，即可獲得所述預留的第二光譜信息數據對應第二種屬檢測結果。在所述預設數量的第二光譜信息數據中逐一選取所述第二光譜信息數據作為預留的第二光譜信息數據，重複上述過程，即可獲得每個所述第二光譜信息數據對應的第二種屬檢測結果。最終可以獲得40個第二種屬檢測結果。

下面通過一具體的實施例上述判別分析模型的建立步驟進行說明。

獲取42份已知動物種屬的肉骨粉飼料產品作為研究樣本，包括經相關質檢部門收集的全國蛋白飼料企業的產品，其中，反芻動物源樣本18個，包括8個牛源和10個羊源，非反芻動物源樣本24個，包括14個豬源和10個雞源。採用四氯乙烯提取上述經過處理的研究樣本，得到42份骨顆粒樣品。

分別將42份骨顆粒樣品裝入尺寸φ30mm×7mm的鋁盒中，以20t壓力經電動粉末壓片機進行壓片，獲得對應的42份壓片，採用商業libs，型號chemrevealtm-3764，分別對42份壓片進行光譜信息數據採集。libs系統採用q-switchednd:yag雷射器，基頻光波長為1064nm，雷射脈衝能量為80mj，重複頻率為2hz，脈衝寬度為1～3ns。yag雷射器發射的雷射經分束器及透鏡聚焦到樣品臺後擊打放到樣品臺上的壓片，雷射脈衝誘導產生的等離子體經透鏡由光纖採集傳導至7通道的光譜儀，光譜儀的波長範圍為190～950nm，解析度為0.05nm。數字脈衝信號發生器控制雷射器和光譜儀間的延遲時間，所述延遲時間設為1μs。通過可見光ccd探測器實時觀測及調整距離，實現雷射最佳聚焦。選取壓片表面9×14均勻排布的126個點雷射擊打測量。採用chemlytics軟體對採集到的光譜信號進行分析處理，最終獲得42份第二光譜信息數據。

採用matlab軟體及plstoolbox6.5軟體平臺，將42份所述第二光譜信息數據分別與其對應的種屬來源信息相關聯，並根據42份所述第二光譜信息數據以及偏最小二乘法建立所述判別分析模型，採用留一驗證法和每個所述第二光譜信息數據獲取42份第二種屬檢測結果，根據所述預設條件對42份所述第二種屬檢測結果進行評價，評價結果見見表1。

表1不同種屬研究樣本的評價結果

由表1可見，反芻動物源的實驗樣本識別率sensitivity和拒絕率specificity均為1.00，表現出較高的種屬檢測準確度。因此，本發明提供的基於雷射誘導擊穿光譜的肉骨粉種屬檢測方法可以對肉骨粉飼料中反芻源和非反芻源進行檢測分析，進一步地，該方法還可以有效應用於非反芻源肉骨粉飼料中豬源和雞源的種屬檢測。

本發明提供的基於雷射誘導擊穿光譜的肉骨粉種屬檢測方法，由於能夠對待檢測肉骨粉飼料樣品進行提取，獲得待檢測骨顆粒樣品，採集到待檢測骨顆粒樣品的第一光譜信息數據，從而可以根據第一光譜信息數據以及預先建立的判別分析模型獲得種屬檢測結果，提高了肉骨粉飼料的種屬檢測效率。而建立判別分析模型並對判別分析模型進行評價，有利於保證肉骨粉飼料的種屬檢測準確性。

在上述各實施例的基礎上，進一步地，所述預設條件包括：

所述第二種屬檢測結果滿足識別率大於第一預設值且拒絕率大於第二預設值；

根據sensitivity＝pa/(pa+nd)獲得識別率sentitivity，其中，pa為陽性樣品數，nd為假陰性樣品數；

根據specificity＝na/(pd+na)獲得拒絕率specificity，其中，na為陰性樣品數，pd為假陽性樣品數。

具體地，在獲得預設數量的所述第二種屬檢測結果後，根據sensitivity＝pa/(pa+nd)獲得識別率sentitivity，其中，pa為陽性樣品數，nd為假陰性樣品數；再根據specificity＝na/(pd+na)獲得拒絕率specificity，其中，na為陰性樣品數，pd為假陽性樣品數。將計算獲得的識別率與第一預設值進行對比，同時將計算獲得的拒絕率與第二預設值進行對比，如果所述識別率大於第一預設值且所述拒絕率大於第二預設值，那麼所述第二種屬檢測結果滿足預設條件。其中，所述第一預設值和所述第二預設值根據實際情況進行設置，本發明實施例不做限定。

將每個所述第二光譜信息數據的第二種屬檢測結果與其對應的已知來源進行對比，如果所述第二種屬檢測結果與所述已知來源是一致的，例如所述第二種屬檢測結果呈陽性，對應種屬為豬，而所述已知來源也是豬，那麼所述第二光譜信息數據對應的肉骨粉飼料樣品為陽性樣品；如果所述第二種屬檢測結果與所述已知來源不一致，例如所述第二種屬檢測結果呈陽性，預測種屬為豬，而所述已知來源是羊，那麼所述第二光譜信息數據對應的肉骨粉飼料樣品為假陽性樣品。同理，可以判斷出陰性樣品和假陰性樣品。通過統計計算可以得出所述預設數量已知來源的肉骨粉飼料樣品中的陽性樣品數、假陽性樣品數、陰性樣品數和假陰性樣品數。從而可以計算出所述識別率和所述拒絕率。

在上述各實施例的基礎上，進一步地，在所述對待檢測肉骨粉飼料樣品進行提取之前，對所述待檢測肉骨粉飼料樣品進行研磨處理。

具體地，在所述對待檢測肉骨粉飼料樣品進行提取之前，利用旋風磨將所述待檢測肉骨粉飼料樣品粉碎，獲得粉末狀顆粒，然後利用振動分級篩對所述粉末狀顆粒進行篩選，所述振動分級篩優選0.5mm規格篩。

在上述各實施例的基礎上，進一步地，在所述獲得待檢測骨顆粒樣品之後，對所述待檢測骨顆粒樣品進行研磨處理。

具體地，在所述獲得待檢測骨顆粒樣品之後，利用旋風磨將所述待檢測骨顆粒樣品粉碎，獲得粉末狀顆粒，然後利用振動分級篩對所述粉末狀顆粒進行篩選，所述振動分級篩優選0.5mm規格篩。

在上述各實施例的基礎上，進一步地，所述對待檢測肉骨粉飼料樣品進行提取包括：採用四氯乙烯對研磨處理後的所述待檢測肉骨粉飼料樣品進行提取。

具體地，在對所述待檢測肉骨粉飼料樣品進行提取時，採用採用四氯乙烯對所述待檢測肉骨粉飼料樣品進行提取。

在上述各實施例的基礎上，進一步地，本發明提供的基於雷射誘導擊穿光譜的肉骨粉種屬檢測方法還包括：

根據所述種屬檢測結果判斷所述待檢測肉骨粉飼料樣品來源於反芻動物或者非反芻動物。

具體地，因為根據我國目前的禁用規定，一是禁止添加動物源性成分的飼料飼餵反芻動物，二是禁止肉骨粉的同源相食。根據所述種屬檢測結果可以判斷出所述待檢測肉骨粉飼料樣品來源於反芻動物或者非反芻動物，從而有利於對違反禁用規定的查處。

在上述各實施例的基礎上，進一步地，所述採集所述待檢測骨顆粒樣品的第一光譜信息數據包括：

採用雷射誘導擊穿光譜儀採集所述第一光譜信息數據，其中，雷射誘導擊穿光譜的雷射脈衝能量為80mj，制樣壓力20t，光斑大小200μm，延遲時間1μs，採集點數為126個。

具體地，在採集所述待檢測骨顆粒樣品的第一光譜信息數據時，利用雷射誘導擊穿光譜儀進行採集。在進行所述第一光譜數據採集前，將所述待檢測骨顆粒樣品裝入φ30mm×7mm的鋁盒中，以20t壓力經電動粉末壓片機進行壓片。選取所述壓片表面9×14均勻排布的126個點作為數據採集點，在進行光譜數據採集時，設定所述光譜儀的雷射誘導擊穿光譜的雷射脈衝能量為80mj，光斑大小200μm，延遲時間1μs。可以獲得126個採集點的光譜信息數據，計算126個採集點的光譜信息數據的平均值作為所述第一光譜信息數據。

圖3為本發明實施例基於雷射誘導擊穿光譜技術的種屬檢測系統的結構示意圖，如圖3所示，本發明提供的基於雷射誘導擊穿光譜技術的種屬檢測系統包括：提取單元301、採集單元302和檢測單元303，其中：

提取單元301用於對待檢測肉骨粉飼料樣品進行提取，獲得待檢測骨顆粒樣品；採集單元302用於採集所述待檢測骨顆粒樣品的第一光譜信息數據；檢測單元303用於根據所述第一光譜信息數據以及預先建立的判別分析模型獲得第一種屬檢測結果。

具體地，提取單元301對待檢測肉骨粉飼料樣品進行提取，例如採用四氯乙烯進行提取，可以獲得待檢測骨顆粒樣品。其中，所述待檢測肉骨粉飼料樣品可以來源於牛、羊、豬或者雞。

採集單元302基於雷射誘導擊穿光譜技術採集所述待檢測骨顆粒樣品的第一光譜信息數據，libs能夠實現多種元素同時分析、並且分析速度快，可實現元素的定性識別和定量分析，適用於各種肉骨粉飼料樣品的光譜信息數據採集。

檢測單元303將獲取到的所述第一光譜信息數據輸入到判別分析模型中，經過計算獲得所述第一光譜信息數據對應的計算結果，將所述計算結果與標準檢測結果進行比對，從而獲得待測肉骨粉飼料樣品的種屬檢測結果，例如如果所述計算結果與所述標準檢測結果的差值的絕對值在預設誤差範圍之內，即可根據所述標準檢測結果對應的種屬確定待檢測肉骨粉飼料樣品的種屬。其中，所述判別分析模型是預設建立的，所述標準檢測結果是建立所述判別分析模型時確定的，所述預設誤差範圍根據實際情況進行設定，本發明實施例不做限制。

本發明提供的基於雷射誘導擊穿光譜技術的種屬檢測系統，由於能夠對待檢測肉骨粉飼料樣品進行提取，獲得待檢測骨顆粒樣品，採集到待檢測骨顆粒樣品的第一光譜信息數據，從而可以根據第一光譜信息數據以及預先建立的判別分析模型獲得種屬檢測結果，提高了肉骨粉飼料的種屬檢測效率。

本發明提供的基於雷射誘導擊穿光譜技術的種屬檢測系統的實施例具體可以用於執行上述方法實施例的處理流程，其功能在此不再贅述，可以參照上述方法實施例的詳細描述。

最後應說明的是：以上實施例僅用以說明本發明的技術方案，而非對其限制；儘管參照前述實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特徵進行等同替換；而這些修改或者替換，並不使相應技術方案的本質脫離本發明各實施例技術方案的精神和範圍。