一种基于总糖含量的烟叶甜感的评价方法与流程

1.本发明涉及烟叶口感评价领域，具体涉及一种基于总糖含量的烟叶甜感的评价方法 。
技术背景
2.烟叶是卷烟工业的基础，要稳定并提高卷烟产品的质量和扩大产品的市场占有率，卷烟所使用的烟叶至关重要。每一个高质量卷烟的开发都是建立在稳定的高质量烟叶原料的供应基础之上。烟叶品质是反映和体现烟叶必要性状均衡情况的综合性模糊概念，受烟叶的产区、部位、外观质量、物理特性、化学成分、烟气成分和感官评吸质量等方面多项因素综合作用的影响。感官质量是卷烟产品质量的重要组成部分，是产品质量的基础和核心，是指烟支在燃烧过程中产生的主流烟气对人体感官产生的综合感受，如香气的质和量、口感的舒适度等；还包括代表产品风格特征的因素，如烟叶风格类型、香韵特征等。
3.烟叶口感特性主要包括刺激性、苦味、辣味，甘甜和异味等方面。其中“甜感”是衡量烟叶质量好坏的重要指标，与烟叶的外观质量、物理特性、评吸质量、加工特性、内在“保润”特性等显著相关。
4.烟叶甜感口感特征对中式卷烟的风格特色起重要作用。目前对烟叶原料甜感口感特征的方法主要依靠感官评吸专家对烟叶样品进行评吸来进行人工判定，如期刊《中国烟草学报》发表的“湘西烟叶质量风格特色感官评价”，公开了甜感的评价方法，但这种方法评价的效率低。


技术实现要素：

5.为解决上述问题，本发明提供一种基于总糖含量的烟叶甜感的评价方法 ，克服上述现行烟叶甜感评价方法效率低的缺陷。
6.本发明的技术方案是，提供一种基于总糖含量的烟叶甜感的方法，包括以下步骤：s1.将样品烟叶卷至为单料烟烟支，10支单料烟为一组记录为一份预测试样品，10人感官小组按人均分得一份预测试样品，对其进行甜感评价，确定甜感强度、甜感质感、甜味感受时间共计三个评级的关键属性指标，每个指标均包含非常不喜欢、不喜欢、有点不喜欢、既不喜欢也不讨厌、有点喜欢、喜欢和很喜欢七个尺度；s2.感官品评员对步骤s1所述的三个评级的关键属性指标分别按照不重要、略微重要、有点重要、重要、比较重要、非常重要、极其重要七个尺度进行权重评判；s3.对步骤s1的三个评级的关键属性指标的感官评价结果进行统计，其中，三个评级的关键属性指标中的非常不喜欢、不喜欢、有点不喜欢、既不喜欢也不讨厌、有点喜欢、喜欢和很喜欢这七个尺度的选择分别记为1分、2分、3分、4分、5分、6分和7分；且，甜感强度指标的10个感官评价结果分别记为a
1 、a
2 、a
3 、
…
、a
10
，甜感质感指标的10个感官评价结果分别记为b
1 、b2、b3、
…
、b
10
，甜感感受时间指标的10个感官评价结果分别记为c1、c2、c3、
…
、c
10
，统计可得：
甜感强度指标的感官评价平均分为a
均
= quote ，甜感质感指标的感官评价平均分为b
均
= quote
ꢀꢀ
，甜感感受时间指标的感官评价平均分为c
均
= quote
ꢀꢀ
；s4. 对步骤s2中三个评级的关键属性指标的权重评判结果进行统计，其中，权重评判中的不重要、略微重要、有点重要、重要、比较重要、非常重要和极其重要分别记为1分、2分、3分、4分、5分、6分和7分；且甜感强度指标的10个权重评判结果分别记为d1 、d2 、d3 、
…
、d10 ；甜感质感的10个权重评判结果分别记为e1 、e2 、e3 、
…
、e10 ；甜味感受时间指标的10个权重评判结果分别记为f1 、f2 、f3 、
…
、f10 ；统计可得：甜感强度指标的权重评判平均分为a
权
= quote
ꢀꢀ
，甜感质感指标的权重评判平均分为b
权
= quote
ꢀꢀ
，甜感感受时间指标的权重评判平均分为c
权
= quote
ꢀꢀ
，属性指标的权重评判总平均分为s
权
=a
权
b
权
c
权
，甜感强度的权重评判比为a
权比
= quote
ꢀꢀ
，甜感质感的权重评判比为b
权比
= quote
ꢀꢀ
，甜感感受时间的权重评判比为c
权比
= quote
ꢀꢀ
；s5.根据步骤s3和步骤s4中得到的三个评级的关键属性指标的感官评价平均分和权重评判比例，可以得到：甜感强度分值为：s1= quote
ꢀꢀ
，甜感质感分值为：s2= quote
ꢀꢀ
，甜感感受时间分值为：s3= quote
ꢀꢀ
；s6. 计算出样品烟叶甜感值s=s1 s2 s3，按照甜感值将样品烟叶进行星级评定，即s＜50，为0星级烟叶，50≤s＜60， 1星级烟叶，60≤s＜70，2星级烟叶，70≤s＜80，3星级烟叶，80≤s＜90，4星级烟叶，s≥90，5星级烟叶；s7. 将样品烟叶进行预处理，利用hplc
‑
elsd测定所述已预处理的样品烟叶中总糖的含量；s8. 按照步骤s1至s6测定不同的样品烟叶甜感值，按照步骤s7测得对应的样品烟
叶总糖含量，通过决策树方法建立烟叶甜感值得分预测模型；s9. 将待测烟叶进行预处理，利用hplc
‑
elsd测定所述已预处理的待测烟叶中总糖的含量，并作为输入变量带入所述烟叶甜感值得分预测模型中，得到待测烟叶原料中甜感值的预测值，并按照步骤s6所述星级评定标准评级；优选地，所述决策树方法，包括以下步骤：k1. 将样品烟叶中总糖含量与甜感值数据对应列出，建立数据样本集；k2. 运用决策树算法，建立烟叶甜感值得分预测模型；优选地，所述决策树算法包括以下步骤：l1.特征选择，数据预处理；l2.采用贪心算法自顶至下递归构造决策树；l3.对所有叶节点建立线性回归模型进行预测；l4.采用后剪枝方式，对初始决策树从下而上进行剪枝，以避免过拟合；l5.根据构建的决策树对测试样本集进行预测验证。
7.优选地，所述步骤s7及步骤s9中，所述预处理包括以下步骤：p1. 研磨烟叶，得烟末；p2. 加入氯化钠的水溶液至烟末，并用萃取剂萃取，取上清液；p3. 在所述上清液中加入除水剂后过滤，得提取液；p4. 将所述提取液蒸馏浓缩，得所述已预处理的烟叶。
8.优选地，所述萃取剂为二氯甲烷、三氯甲烷中的一种或多种。
9.优选地，所述蒸馏浓缩的温度为60
‑
80℃。
10.优选地，所述除水剂包括无水硫酸钠。
11.优选地，所述步骤s7及步骤s9中，所述hplc
‑
elsd的条件为：色谱柱为prevail糖柱；柱温25℃；流动相：a相乙腈，b相水；梯度洗脱：85%a 15%b(0min)，78%a 22%b（10min）,75%a 25%b（18min），55%a＋45%b(25
‑
30min)，85%a 15%b（35min）；流速：1ml/min；流量20ul；elsd漂移管温度：90.7℃；氮气流量：2.4l/min；增益：1；撞击器：关。
12.优选地，所述步骤s7中，样品烟叶总糖含量的测定每个样品重复三次，取平均值。
13.优选地，所述甜感评价包括步骤：t1. 感官品评员将温度为20
‑
30摄氏度的50毫升纯净水倒入口中，含漱15秒，吐出，重复2次；t2. 感官品评员取出一份测试样品中的一支，抽吸8
‑
10次，根据甜感的三个评级的关键属性指标进行评价，并在该项评价指标的七个尺度中进行勾选。本发明的有益效果在于：1.烟叶的甜感口感特征主要由含糖量的影响而定，基于这一机理而建立的数学模型来判定烟叶甜感口感特征的方法以减少主观因素的干扰；2.本发明的方法简单易行、操作简单，便于实际应用；3.本发明直接使用含糖量构建了烟叶原料感官得分的预测方程，使配方人员在卷烟烟叶原料甜感评价时更具准确性；4.本发明利用决策树方法建立的预测方程兼容性强、可靠性和准确性高，对烟叶甜感评价具有较好的指导性和实用性。
附图说明
14.图1为三个评级的关键属性指标的感官评价结果；图2为三个评级的关键属性指标的权重评判结果。
具体实施方式
15.下面结合实施例对本发明作进一步的详细描述。
16.本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限定本发明的范围。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用试剂或仪器未注明生产厂商者，均为可以通过购买获得的常规产品。
17.实施例1一种基于总糖含量的烟叶甜感的评价方法 ，包括以下步骤：s1. 将样品烟叶卷至为单料烟烟支，获得样品烟叶的甜感值；s2. 将样品烟叶进行预处理，利用hplc
‑
elsd测定所述已预处理的样品烟叶中总糖的含量；所述预处理包括以下步骤：p1. 研磨烟叶，得烟末；p2. 加入氯化钠的水溶液至烟末，并用二氯甲烷萃取，取上清液；p3. 在所述上清液中加入无水硫酸钠后过滤，得提取液；p4. 将所述提取液60
‑
80℃蒸馏浓缩，得所述已预处理的烟叶。
18.所述hplc
‑
elsd的条件为：色谱柱为prevail糖柱；柱温25℃；流动相：a相乙腈，b相水；梯度洗脱：85%a 15%b(0min)，78%a 22%b（10min）,75%a 25%b（18min），55%a＋45%b(25
‑
30min)，85%a 15%b（35min）；流速：1ml/min；流量20ul；elsd漂移管温度：90.7℃；氮气流量：2.4l/min；增益：1；撞击器：关。
19.重复s7步骤三次，取平均值，测得晒红烟样品烟叶中总糖的含量为3% 。
20.s3.测定不同的样品烟叶甜感值，所述不同的样品烟叶包括不同型号的晒红烟、黄花烟、马里兰烟、白肋烟、晒黄烟、武鸣晾烟、雪茄包叶烟、土耳其型烟、津巴布韦烤烟、四川凉山烤烟烟叶中的一种或几种，按照步骤s7测得对应的样品烟叶总糖含量，通过决策树方法建立烟叶甜感值得分预测模型；所述决策树方法，包括以下步骤：k1. 将不同样品烟叶中总糖含量与甜感值数据对应列出，建立数据样本集；k2. 运用决策树算法，建立烟叶甜感值得分预测模型；最终所得到的烟叶甜感值得分预测模型为：含糖量≤10％：甜感值得分＝23.5102
×
含糖量 61.9532；含糖量＞10％：甜感值得分＝29.1527
×
含糖量 60.202；其中，所述决策树算法包括以下步骤：输入数据为训练样本矩阵data，矩阵的每一行为一个烟叶样本，第一列为输入变量(含糖量)，第二列为样本的类属性(甜感得分)，即目标值的属性，矩阵的大小为样本个数*2。具体算法流程如下：
l1.特征选择，数据预处理；l1.1删除data矩阵中丢失输入变量或类属性值的样本；l1.2随机选择data矩阵中70％样本作为训练样本集traindata，30％样本作为测试样本集testdata；l1.3选择类属性(甜感值得分)作为特征进行决策树构建。
21.l2.采用贪心算法自顶至下递归构造决策树；l 2.1对训练样本集traindata的类属性值进行判定，如果traindata中所有样本属于同一类ck，则置t为单结点树，并将ck作为该结点的类。
22.l 2.2如果traindata中样本不属于同一类ck，根据公式计算类属性值(甜感值得分)对traindata的信息增益比，选择信息增益比最大的特征ag(在这里为类属性特征)，所述公式为：其中，a表示类属性值，m表示样本个数，d表示训练样本集traindata，dj表示划分的各类别非空子集。
23.l 2.3如果ag的信息增益比小于阈值ε，则置t为单结点树，并将训练样本集traindata归为一类作为该结点的类，用同一个公式对整个训练样本集建立回归预测模型。
24.l 2.4如果ag的信息增益比大于阈值ε，对ag的每一可能值aj，依据最大的aj将d分割为j个非空子集dj，将连续分裂属性值作为分类条件构建子结点(用不同公式对各子集dj分别建立回归预测模型)，由结点及其子结点构成树t。
25.l 2.5对结点j，以dj为训练集，递归地调用l2.1～l2.4，得到子树tj，从而构建完成整个决策树。
26.l3.对所有叶节点建立线性回归模型进行预测；l 3.1对训练样本集traindata，根据分裂属性值将其分为左右两个矩阵，分别送入左右两枝。
27.l 3.2对于所有叶结点，其线性回归模型为到达此节点样本的类属性的平均值，即 quote
ꢀꢀ
。
28.l 3.3根据ag的最大取值aj，获取分裂点后构建二叉树，分别对两个结点建立回归预测模型。其中左枝：含糖量≤10％，甜感值得分＝23.5102
×
含糖量 61.9532；右枝：含糖量＞10％，甜感值得分＝29.1527
×
含糖量 60.202。
29.l4.采用后剪枝方式，对初始决策树从下而上进行剪枝，以避免过拟合；l4.1如果当前节点是叶节点，则不进行剪枝；如果当前节点不是叶节点，则对其左枝和右枝进行剪枝，转l4.2；l4.2由到达当前节点的样本和其部分(或全部)线性回归属性，建立线性回归模型，遍历所有线性模型，选择使得到达当前节点的样本误差最小的模型，作为当前节点的线性回归模型。
30.比较当前节点的线性回归模型产生的误差与此节点的子树产生的误差，如果当前节点的线性回归模型的误差较小，则剪掉当前节点的子树，仅保留当前节点；否则，保留当
前节点的子树。
31.l4.3如果当前节点的父节点为非空，则将其父节点设为当前节点，对父节点进行剪枝，转l4.2；如果当前节点的父节点为空，剪枝结束。
32.l4.4设置树的叶节点编号。
33.l5.根据构建的决策树对测试样本集进行预测验证。
34.s4. 将一种四川凉山烤烟烟叶作为待测烟叶进行预处理，利用hplc
‑
elsd测定所述已预处理的待测烟叶中总糖的含量，并作为输入变量带入所述烟叶甜感值得分预测模型中，得到四川凉山烤烟烟叶原料中甜感值的预测值为65；所述预处理包括以下步骤：p1. 研磨烟叶，得烟末；p2. 加入氯化钠的水溶液至烟末，并用三氯甲烷萃取，取上清液；p3. 在所述上清液中加入无水硫酸钠后过滤，得提取液；p4. 将所述提取液60
‑
80℃蒸馏浓缩，得所述已预处理的烟叶。
35.所述hplc
‑
elsd的条件为：色谱柱为prevail糖柱；柱温25℃；流动相：a相乙腈，b相水；梯度洗脱：85%a 15%b(0min)，78%a 22%b（10min）,75%a 25%b（18min），55%a＋45%b(25
‑
30min)，85%a 15%b（35min）；流速：1ml/min；流量20ul；elsd漂移管温度：90.7℃；氮气流量：2.4l/min；增益：1；撞击器：关。
36.实施例2将实施例1中四川凉山烤烟烟叶替换为津巴布韦烤烟烟叶，其他步骤和参数相同，得到津巴布韦烤烟烟叶原料中甜感值的预测值为73。
37.实施例3将实施例1中四川凉山烤烟烟叶替换为白肋烟烟叶，其他步骤和参数相同，得到白肋烟烟叶原料中甜感值的预测值为35。
38.测试方法将实施例1
‑
3所述的烟叶作为样品烟叶进行感官性甜感评价得甜感值，并根据本方案的预测模型计算甜感值的预测值，结果一致。
39.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。