一种咖啡豆稳定同位素分馏方法及同时鉴定烘焙和生咖啡豆原产地的方法

1.本发明涉及咖啡豆检测领域，尤其是涉及一种咖啡豆稳定同位素分馏方法及同时鉴定烘焙和生咖啡豆原产地的方法。


背景技术：

2.世界范围内，咖啡豆的产地有多个产地，主要分布拉丁美洲、非洲、亚洲等热带发展中国家，如巴西、哥伦比亚、印度尼西亚、埃塞俄比亚和越南等。
3.不同产地的咖啡豆价格相差较大，在经济利益驱动下，市场上出现大量咖啡豆产地造假的现象，不仅仅是生咖啡豆产地造假，同时也存在烘焙咖啡豆产地造假。一方面不仅仅严重损害精品咖啡豆消费者的合法权益，同时也给咖啡产业的持续健康发展带来影响。
4.目前，由于技术的缺乏，咖啡豆的产地鉴定通常是通过检测生咖啡豆，而我们都知道，市场上出售的通常是烘焙过的熟咖啡豆。对于鉴定烘焙过的熟咖啡豆产地的相关技术还比较少，导致咖啡豆产业中相关利益方也无法对产地现象采取相应的措施，因此，亟需改进。


技术实现要素：

5.为了改进咖啡豆产地的检测方法，本技术提供一种咖啡豆稳定同位素分馏方法及同时鉴定烘焙和生咖啡豆原产地的方法。
6.第一方面，本技术提供一种咖啡豆稳定同位素分馏方法，包括以下步骤：
7.步骤1，准备不同烘焙程度的咖啡豆：将生咖啡豆进行不同程度的烘焙,得到前度烘焙、中度烘焙和重度烘焙咖啡豆。
8.步骤2，利用irms测定稳定同位素比值。
9.步骤2-01)，将生咖啡豆、浅度烘焙咖啡豆、中度烘焙咖啡豆和重度烘焙咖啡豆磨成粉，并在1000-1100℃的温度下燃烧还原，转化为co2、n2和so2，之后用无水mg(clo4)2脱水，在65-75℃的温度下进行色谱柱分离，然后进入irms(稳定同位素比例质谱仪)离子源测定
15
n、
13
c和
34
s元素的同位素含量。
10.步骤2-02)，将生咖啡粉、浅度烘焙咖啡粉、中度烘焙咖啡豆粉和重度烘焙咖啡粉包裹并干燥，之后静置使其与大气压的条件达到平衡，在1200-1400℃的高温下咖啡粉末裂解为h2和co，随后在80-90℃的色谱柱上进行分离，然后进入irms离子源，测定
18
o和2h同位素含量。
11.步骤3，利用icp-oes测定咖啡豆中金属元素含量。
12.所述步骤2和步骤3不分先后顺序或同时进行。
13.优选的，所述步骤2-01)irms离子源中氦气吹扫流量170-180ml/min，参考气流速40-60ml/min。
14.优选的，所述步骤2-02)irms离子源中氦气吹扫流量：190-200ml/min，参考气流
速：100-120ml/min。
15.优选的，所述步骤2-01)分析过程中，每8个以内的样品穿插有个实验室标准品进行同位素比值校正；所述步骤2-02)的分析过程中，每个样品重复做两次以上，每5个样品穿插一个实验室标准品进行同位素比值校正，以防氢同位素的记忆效应。
16.优先的，所述浅度烘焙咖啡豆的焦糖化色值为85-90，所述中度烘焙咖啡豆的焦糖化色值为65-75，所述重度烘焙咖啡豆的焦糖化色值为40-50。
17.现有技术中有使用液相-质谱同位素，但是需要溶解、过色谱柱等操作，过程繁杂且需要精准控制操作，十分不便。本技术评估了咖啡豆烘焙过程中稳定同位素分馏情况，首次发现了将咖啡豆在高温条件下能够分馏且是氢同位素的分馏情况有显著性差异，另外还评估了各元素的浓度变化情况,作为后续算法判别产地的前端数据基础的发现对于咖啡豆产地溯源无疑是一种突破。
18.第二方面，本技术提供一种同时鉴定烘焙和生咖啡豆原产地的方法，包括以下步骤：
19.s01，基于上述方法测定生、中度、重度烘焙咖啡豆中同位素和元素的含量建立数据库：测定同一产地的生咖啡豆和不同烘焙程度咖啡豆的元素及含量数据，对数据进行训练。
20.随机将数据集分成2份，其中占总数据集70％的数据作为训练集，占总数据集30％的数据作为测试集，比较生咖啡豆、中度和深度烘焙咖啡豆计算预测的准确率，达到要求准确率的数据作为有效数据归类在训练好的数集中，得到不同产地的元素数据库以构建同时判定生咖啡豆和烘焙咖啡豆产地判别数学模型。
21.s02，取待测咖啡豆，根据上述方法测定咖啡豆中稳定同位素和多元素，将测定的数据输入所述判别数学模型中，输出结果。
22.优选的，所述步骤s01中采用随机森林树法(randomforest,rf)训练数据并构建判别模型。
23.利用irms和icp测定生咖啡豆、中度、重度烘焙咖啡豆中各元素含量，分析咖啡豆烘焙过程中稳定同位素的分馏以及元素的变化情况后，采用随机森林树法构建了生豆、不同烘焙程度对应的原产地判别模型。之后对比生豆、不同烘焙程度咖啡豆对应判别模型的准确率，达到准确率后再采用随机森林树法建立同时判别生咖啡豆和不同烘焙程度咖啡豆的判别模型。这种鉴定方法不但能适用生咖啡豆，而且能适用不同烘焙程度的咖啡豆，预测准确率能够达到100％。无论是对于销售市场，还是海关检测均具有很好的协助，以改善咖啡豆产地造假的市场现状。
24.优选的，所述随机森林树法按照平均精确减少率对每个元素的重要程度进行排序，所述元素的重要程度从大到小按照占含量占比从多到少排序，所述生咖啡豆的元素重要程度从大到小依次为na、h2、al、ni、mn、ba、cr、ca、o
18
、n
15
、cu、mg、zn、fe、s
34
、k和c
13
，所述重度烘焙咖啡豆的元素程度从大到小依次为mn、h2、na、ni、al、ba、cr、n
15
、ca、mg、cu、zn、o
18
、fe、k、s
34
和c
13
所述重度烘焙咖啡豆的元素重要程度从大到小依次为mn、h2、ni、ba、na、cr、al、ca、n
15
、o
18
、zn、cu、mg、fe、k、s
34
和c
13
，所述步骤s03-1同时判定时，咖啡豆的元素重要程度从大到小依次为na、ni、al、ba、cr、mn、o
18
、ca、h2、n
15
、cu、fe、zn、s
34
、mg、k和c
13
，元素按照先后被引入对应的判别方程中。
25.优选的，所述s02中同时鉴定生咖啡豆和烘焙咖啡豆的判别数学模型为：
26.y
brazil
＝11.194na 13.855ni 9.007al 20.276ba 19.654cr 12.689mn 3.339o
18
5.585ca 5.376h2 3.659n
15
3.432cu 2.234fe 3.578zn 2.117s
34
1.675mg 1.206k 1.344c
13
；
27.y
columbia
＝19.647na 17.149ni 16.922al 6.121ba 14.617cr 15.879mn 18.721o18 13.944ca 14.845h2 10.737n15 8.3cu 6.294fe 3.566zn 4.351s34 1.674mg 1.206k 1.344c13；
28.y
nicaragua
＝32.498na 15.915ni 12.037al 13.924ba 13.45cr 14.187mn 11.635o
18
10.772ca 6.225h2 10.688n
15
8.234cu 3.912fe 1.836zn 1.065s
34
2.205mg 0.938k；
29.y
panama
＝14.555na 14.789ni 19.392al 12.947ba 13.155cr 13.386mn 8.464o
18
19.306ca 7.401h2 5.49n
15
1.8cu 2.9fe 4.2zn 1.332s
34
4.304mg 1.564k；
30.y
rwanda
＝17.185na 16.835ni 15.482al 15.362ba 14.632cr 14.859mn 18.151o
18
10.97ca 15.541h2 6.797n
15
4.218cu 3.946fe 2.773zn 3.052s
34
1.127mg 1.128k 1.811c
13
；
31.y
yunnan
＝10.784na 21.215ni 7.2al 8.65ba 9.43cr 18.374mn 1.869o
18
6.747ca 4.055h2 3.647n
15
1.154cu 1.848fe 2.731zn 1.651s
34
1.001mg 2.032k-1.001c
13
。
32.其中，na、al
……
k代表咖啡粉中各元素的含量百分比。
33.为了拓宽咖啡豆溯源的适用性，即不但能适用生咖啡豆，而且能适用不同烘焙程度的咖啡豆，即便是通过混合的方式对其进行溯源，通过本技术对咖啡豆同位素和多元素的分馏情况进行研究并最终得出氢同位素在烘焙过程中变化较大,在这样的指引下结合多元素含量之间的贡献率，使用随机森林树法构建判别数学模型，最终得到预测准确率能够达到100％的咖啡豆鉴定方法。无论是对于销售市场，还是海关检测均具有很好的协助，以改善咖啡豆产地造假的市场现状。
附图说明
34.图1是用于展示同时判定生咖啡豆和烘焙豆原产地的方法框图。
35.图2a是生咖啡豆检测结果，准确率100％。
36.图2b是中度烘焙咖啡豆检测结果，准确率100％。
37.图2c是重度烘焙咖啡豆检测结果，准确率100％。
38.图3是同时鉴定生咖啡豆和不同烘焙程度咖啡豆的检测结果，准确率100％。
具体实施方式
39.1、咖啡豆样品的采集，合计131份样品(表1)；
40.表1
[0041][0042]
2、咖啡生豆烘焙处理如下：
[0043]
咖啡生豆采用geisenwa1烘豆机进行三种(轻度、中度和重度烘焙)程度的烘焙，烘焙后静置2天，采用cm-100焦糖化检测仪测定烘焙焦糖化色值，使其样品保持均匀一致。
[0044]
浅度烘焙：预热烘焙机至200℃后加入1kg咖啡豆，8-9min内缓慢加热至200℃，焦糖化色值为90；
[0045]
中度烘焙：预热烘焙机至200℃后加入1kg咖啡豆，10-11min内缓慢加热至210℃，焦糖化色值为75；
[0046]
深度烘焙：预热烘焙机至200℃后加入1kg咖啡豆，13-15min内缓慢加热至220-225℃，焦糖化色值为50。
[0047]
3、测定生豆，浅、中和深度烘焙咖啡豆中稳定同位素比值和多元素的含量；
[0048]
(1)利用irms测定上述样品中稳定同位素比值方法如下；
[0049]
δ
15
n、δ
13
c和δ
34
s比值使用结合元素分析仪(ht2000)的稳定同位素比值质谱仪(deltavadvantage，thermofisher，德国)分析。用百万分之一天平(p6，mettler，瑞士)称取5mg的粉末样品，并将其包裹在4
×
6mm的锡杯中。样品与标准品放入自动进样器中，样品在反应炉中于1020℃下燃烧还原，分别转化为co2、n2和so2，用无水mg(clo4)2脱水后在70℃色谱柱上分离，然后进入irms离子源。氦气吹扫流量：180ml/min，参考气流速：50ml/min。分析过程中，每8个样品穿插一个实验室标准品进行同位素比值校正。
[0050]
δ2h和δ
18
o使用结合元素分析仪(ht2000)的稳定同位素比值质谱仪(deltavadvantage，thermofisher，德国)分析。将0.2mg左右的粉末样品包裹于3
×
5mm的银杯中，包裹后的样品和标准品在干燥皿中干燥3天，然后在实验室中静置24h以上，使其与大气条件达到平衡。样品和标准品在1300℃高温裂解转化为h2和co，随后在85℃色谱柱上分离，然后进入irms离子源。氦气吹扫流量：200ml/min，参考气流速：110ml/min。分析过程中，每个样品重复做两次以防氢同位素的记忆效应，每5个样品穿插一个实验室标准品进行同位素比值校正。
[0051]
同位素数据采用常规“δ”(
‰
)表示，并采用参考标准测量。稳定同位素值由式(1)表示：
[0052][0053]
其中，r分别表示
15
n/
14
n、
13
c/
12
c、
34
s/
32
s、2h/1h和
18
o/
16
o。所有同位素值均采用国际标准品校正。碳、氮、硫同位素标准：usgs43(印第安人头发粉末，δ
13
cv-pdb＝-21.28
‰
，δ
15
nair＝ 8.44
‰
，δ
34
sv-cdt＝10.46
‰
)。氢、氧同位素标准：usgs43(印第安人头发粉末，δ2h＝-50.3
‰
，δ
18
o＝14.11
‰
)、usgs54(加拿大海滩松木粉，δ2h＝-150.4
‰
，δ
18
o＝17.79
‰
)、usgs56(南非红象牙木粉，δ2h＝-44.0
‰
，δ
18
o＝27.23
‰
)。
[0054]
(2)利用icp-oes测定咖啡豆中元素含量方法，测试标准为gb5009.268-2016《食品安全国家标准食品中多元素的测定》。
[0055]
4、分析烘焙过程对咖啡豆中稳定同位素分馏的影响(表3a-3f)；
[0056]
通过数据分析，可以看出烘焙过程主要会对氢稳定同位素分馏发生影响，所有的氢同位素有显著的差异，而对于碳、氮、硫和氮共计4种稳定同位素分馏没有显著影响。
[0057]
在研究咖啡豆产地溯源的过程中，发明人首次发现了咖啡豆中的各个元素在高温情况下，并且控制氦气的流量，能够实现较好的分馏。进一步分析中发现，不同产地、不同烘焙程度的咖啡豆之间的差异可以在氢同位素上得到显著的体现，这一发现为后续的产地判别模型的建立起到了非常重要的铺垫作用。
[0058]
表3a来自哥伦比亚不同烘焙程度的咖啡豆中稳定同位素变化
[0059][0060]
表3b来自尼加拉瓜不同烘焙程度的咖啡豆中稳定同位素变化
[0061][0062]
表3c来自巴拿马不同烘焙程度的咖啡豆中稳定同位素变化
[0063][0064][0065]
表3d来自巴西不同烘焙程度的咖啡豆中稳定同位素变化
[0066][0067]
表3e来自中国不同烘焙程度的咖啡豆中稳定同位素变化
[0068][0069]
表3f来自卢旺达不同烘焙程度的咖啡豆中稳定同位素变化
[0070][0071]
5、利用随机森林树法构建生豆、中和深度烘焙的咖啡豆原产地判别模型(见表4a-4d)，流程图见图1。
[0072]
s01，利用icp-oes测定生咖啡豆、中度、重度烘焙咖啡豆中各元素含量，获得数据集。
[0073]
随机将数据集分成2份，训练集和测试集，其中训练集数据占70％，测试集数据占30％，采用随机森林树法构建训练所述训练集，分析建立判别数学模型。
[0074]
比较生咖啡豆、中度和深度烘焙咖啡豆计算预测的准确率，达到要求准确率的数据作为有效数据归类在训练好的数集中，得到不同产地的元素数据库以构建同时判定生咖啡豆和烘焙咖啡豆产地判别数学模型。
[0075]
s04，取未知产地的咖啡豆，根据上述方法测定咖啡豆中稳定同位素和多元素的数据，将数据输入所述s04的判别数学模型中，输出结果。
[0076]
优选的,所述步骤s03后建立步骤s03-1使用fisher逐步判别分析，构建同时判定生咖啡豆和烘焙咖啡豆产地判别数学模型。
[0077]
优选的，所述步骤s02和s03-1中按照平均精确减少率对每个元素的重要程度进行排序，所述生咖啡豆的元素重要程度从大到小依次为na、h2、al、ni、mn、ba、cr、ca、o
18
、n
15
、cu、mg、zn、fe、s
34
、k和c
13
，所述重度烘焙咖啡豆的元素程度从大到小依次为mn、h2、na、ni、al、ba、cr、n
15
、ca、mg、cu、zn、o
18
、fe、k、s
34
和c
13
所述重度烘焙咖啡豆的元素重要程度从大到小依次为mn、h2、ni、ba、na、cr、al、ca、n
15
、o
18
、zn、cu、mg、fe、k、s
34
和c
13
，所述步骤s03-1同时判定时，咖啡豆的元素重要程度从大到小依次为na、ni、al、ba、cr、mn、o
18
、ca、h2、n
15
、cu、fe、zn、s
34
、mg、k和c
13
，元素按照先后被引入对应的判别方程中。
[0078]
(1)生咖啡豆产地判别方程及其上述因子对模型的贡献率。
[0079]
判别方程：
[0080]ybrazil
＝9.561na 9.963h2 10.082al 10.206ni 9.091mn 16.248ba 14.088cr 6.860ca 2.732o
18
3.003n
15
3.516cu 3.026mg 7.006zn-0.381fe 1.699s
34
2.959k 1.72c
13
；
[0081]ycolumbia
＝14.202na 16.907h2 15.82al 10.874ni 11.205mn 10.722ba 7.549cr 8.153ca 9.089o
18
5.568n
15
5.165cu 3.957mg 4.321zn 4.3fe 2.186s
34
0.823k
1.417c
13
；
[0082]ynicaragua
＝16.569na 13.043h2 11.513al 11.038ni 10.501mn 8.38ba 10.094cr 3.355ca 6.639o
18
7.463n
15
8.334cu 3.022mg 3.309zn 2.539fe 1.261s
34-1.001k 1.913c
13
；
[0083]ybrazil
＝11.666na 13.778h2 13.651al 9.552ni 11.382mn 11.635ba 7.611cr 11.506ca 5.829o
18
5.331n
15
1.696cu 8.166mg 4.828zn 2.784fe 2.553s
34
1.367k-1.001c
13
；
[0084]yrwanda
＝13.215na 15.777h2 14.197al 11.002ni 10.931mn 10.509ba 9.365cr 7.239ca 11.364o
18
2.923n
15-0.21cu 1.635mg 5.189zn 4.183fe 3.479s
34
2.405k 2.879c
13
；
[0085]yyunnan
＝10.246na 7.292h2 7.382al 14.687ni 13.912mn 9.366ba 6.676cr 8.849ca-1.378o
18
4.694n
15
2.508cu 3.956mg 2.373zn 1.446fe 2.408s34 2.523k。
[0086]
表4a基于rf构建的模型对生咖啡豆产地预测能实现100％的准确判定原产地。
[0087][0088]
图2a是上表的生咖啡豆判别结果，准确率100％。
[0089]
(2)中度烘焙咖啡豆产地判别方程及其上述因子对模型的贡献率。
[0090]
判别方程：
[0091]ybrazil
＝9.258mn 9.856h2 8.193na 10.953ni 9.924al 14.082ba 14.927cr 4.807n
15
7.018ca 4.76mg 4.776cu 8.1zn 3.764o
18
1.215fe 2.479k 2.359s
34
；
[0092]ycolumbia
＝13.549mn 13.713h2 13.806na 9.522ni 13.455al 10.132ba 8.074cr 10.324n
15
7.76ca 5.876mg 5.999cu 5.927zn 6.842o
18
6.078fe 1.001k 1.001s
34
；
[0093]ynicaragua
＝12.317mn 11.234h2 15.425na 11.492ni 10.762al 9.372ba 10.906cr 9.992n
15
2.051ca 4.582mg 8.667cu 3.162zn 3.379o
18
3.044fe-1.001k 2.192s
34
0.492c
13
；
[0094]ypanama
＝12.326mn 9.948h2 11.942na 10.575ni 13.944al 12.186ba 8.315cr 7.741n
15
10.88ca 10.444mg 1.238cu 6.544zn 5.035o
18
2.872fe 1.723k 0.2c
13
；
[0095]yrwanda
＝11.389mn 17.724h2 10.994na 11.446ni 12.488al 11.134ba 9.02cr 9.744n
15
6.266ca 4.66mg 3.564cu 5.961zn 7.255o
18
6.111fe 1.953k-0.687c
13
；
[0096]yyunnan
＝14.384mn 7.042h2 10.077na 15.435ni 7.445al 9.076ba 8.04cr 4.066n
15
7.802ca 3.99mg 3.113cu 2.837zn 1.694o
18
2.11fe 2.144k 1.389s
34
1.687c
13
。
[0097]
表4b基于rf构建的模型对中度烘焙咖啡豆产地预测能实现100％的准确判定原产地
[0098][0099][0100]
图2b是上表的中度烘焙咖啡豆判别结果，准确率100％。
[0101]
(3)深度烘焙咖啡豆产地判别方程及其上述因子对模型的贡献率；
[0102]
判别方程：
[0103]ybrazil
＝10.08mn 8.735h2 9.348ni 16.235ba 8.329na 14.722cr 8.652al 7.34ca 0.377n
15
2.242o
18
8.118zn 4.322cu 3.436mg 2.255fe 1.313k 2.976s
34
1.415c
13
；
[0104]ycolumbia
＝10.08mn 8.735h2 9.348ni 16.235ba 8.329na 14.722cr 8.652al 7.34ca 0.377n
15
2.242o
18
8.118zn 4.322cu 3.436mg 2.255fe 1.313k 2.976s
34
1.415c
13
；
[0105]ynicaragua
＝10.08mn 8.735h2 9.348ni 16.235ba 8.329na 14.722cr 8.652al 7.34ca 0.377n
15
2.242o
18
8.118zn 4.322cu 3.436mg 2.255fe 1.313k 2.976s
34
1.415c
13
；
[0106]ypanama
＝10.08mn 8.735h2 9.348ni 16.235ba 8.329na 14.722cr 8.652al 7.34ca 0.377n
15
2.242o
18
8.118zn 4.322cu 3.436mg 2.255fe 1.313k 2.976s
34
1.415c
13
；
[0107]yrwanda
＝10.08mn 8.735h2 9.348ni 16.235ba 8.329na 14.722cr 8.652al 7.34ca 0.377n
15
2.242o
18
8.118zn 4.322cu 3.436mg 2.255fe 1.313k 2.976s
34
1.415c
13
；
[0108]yyunnan
＝10.08mn 8.735h2 9.348ni 16.235ba 8.329na 14.722cr 8.652al 7.34ca 0.377n
15
2.242o
18
8.118zn 4.322cu 3.436mg 2.255fe 1.313k 2.976s
34
1.415c
13
。
[0109]
表4c基于rf构建的模型对深度烘焙咖啡豆产地预测能实现100％的准确判定原产
地
[0110][0111]
图2c是上表的中度烘焙咖啡豆判别结果，准确率100％。
[0112]
6、利用rf构建同时判别生咖啡豆和不同程度烘焙咖啡豆原产地的数学模型，模型准确率以及上述因子贡献率如下：
[0113]
判别方程：
[0114]ybrazil
＝11.194na 13.855ni 9.007al 20.276ba 19.654cr 12.689mn 3.339o
18
5.585ca 5.376h2 3.659n
15
3.432cu 2.234fe 3.578zn 2.117s
34
1.675mg 1.206k 1.344c
13
；
[0115]ycolumbia
＝19.647na 17.149ni 16.922al 16.121ba 14.617cr 15.879mn 18.721o
18
13.944ca 14.845h2 10.737n
15
8.3cu 6.294fe 3.566zn 4.351s
34
1.674mg 1.206k 1.344c
13
；
[0116]ynicaragua
＝32.498na 15.915ni 12.037al 13.924ba 13.45cr 14.187mn 11.635o
18
10.772ca 6.225h2 10.688n
15
8.234cu 3.912fe 1.836zn 1.065s
34
2.205mg 0.938k；
[0117]ypanama
＝14.555na 14.789ni 19.392al 12.947ba 13.155cr 13.386mn 8.464o
18
19.306ca 7.401h2 5.49n
15
1.8cu 2.9fe 4.2zn 1.332s
34
4.304mg 1.564k；
[0118]yrwanda
＝17.185na 16.835ni 15.482al 15.362ba 14.632cr 14.859mn 18.151o
18
10.97ca 15.541h2 6.797n
15
4.218cu 3.946fe 2.773zn 3.052s
34
1.127mg 1.128k 1.811c
13
；
[0119]yyunnan
＝10.784na 21.215ni 7.2al 8.65ba 9.43cr 18.374mn 1.869o
18
6.747ca 4.055h2 3.647n
15
1.154cu 1.848fe 2.731zn 1.651s
34
1.001mg 2.032k-1.001c
13
。
[0120]
表4d基于rf构建的模型对中度烘焙咖啡豆产地预测能实现100％的准确判定原产地
[0121][0122]
图3是同时鉴定生咖啡豆和不同程度烘焙咖啡豆判别结果，准确率100％。
[0123]
为了拓宽咖啡豆溯源的适用性，不但能适用生咖啡豆，而且能适用不同烘焙程度的咖啡豆。利用irms和icp测定生咖啡豆、中度、重度烘焙咖啡豆中各元素含量，分析咖啡豆烘焙过程中稳定同位素的分馏以及元素的变化情况后，采用随机森林树法构建了生豆、不同烘焙程度对应的原产地判别模型。之后对比生豆、不同烘焙程度咖啡豆对应判别模型的准确率，达到准确率后再采用随机森林树法建立同时判别生咖啡豆和不同烘焙程度咖啡豆的判别模型。这种鉴定方法不但能适用生咖啡豆，而且能适用不同烘焙程度的咖啡豆，预测准确率能够达到100％。无论是对于销售市场，还是海关检测均具有很好的协助，以改善咖啡豆产地造假的市场现状。
[0124]
以上所述实施例仅为本发明优选实施例，用于解释说明本发明而不用于限制本发明的范围。本发明的发明名称已经通过具体的实施例进行了描述。本领域技术人员可以借鉴本发明的内容适当改变原料、工艺条件等环节来实现相应的其它目的，其相关改变都没有脱离本发明的内容，所有类似的替换和改动对于本领域技术人员来说是显而易见的，都被视为包括在本发明的范围之内。