一种基于特征化学成分的烟叶判别分组方法技术

本发明专利技术涉及一种基于特征化学成分的烟叶判别分组方法，属于烟叶原料分类判别技术领域。本发明专利技术对烟叶内在化学成分指标进行相关性替代，获得初步筛选化学指标，采用系统聚类方法将初筛指标进行聚类分组，再应用偏最小二乘判别分析进一步筛选对各分组具有重要贡献的化学指标，最后采用费歇尔逐步判别法构建各分组判别模型。本发明专利技术烟叶判别分组方法简单，易操作，为卷烟叶组配方设计提供了一种科学合理的烟叶分类应用方法，较大程度上减轻了叶组配方技术员对烟叶的抽吸评价压力，易于推广应用。

【技术实现步骤摘要】

本专利技术属于烟叶原料分类判别
，具体涉及一种基于特征化学成分的烟叶判别分组方法，同时本专利技术还涉及烟叶特征化学成分筛选方法及其分组模型的构建。
技术介绍
卷烟作为特殊的消费品，其抽吸口味(即卷烟的内在质量)必须要满足消费者的喜好，从而实现卷烟的市场消费。卷烟的品质取决于其内在化学成分的协调性，与烟草的种植、品种、土壤、气候、采收和加工具有密切的关系，卷烟的内在质量涉及到植物学、农学、物理、化学以及生理学等多学科交叉问题。要提升卷烟的内在质量及品质稳定性，必须对卷烟的叶组配方、工艺处理、加香加料及辅助材料选择等关键因素进行严格控制。其中，叶组配方是形成产品质量及风格特征的基础。叶组配方技术作为调配烟叶的技术和艺术，它是通过多品种、多等级、小配比的方式将不同品质和风格的烟叶原料进行配方应用来塑造产品质量风格。传统配方技术主要是靠专业配方技术员通过抽吸感官评价对进入配方的烟叶原料进行逐一筛选。由于烟叶原料品种、等级非常多，逐一抽吸评价给技术人员筛选烟叶原料带来了较大的困难，且过多的抽吸也会直接影响技术人员对烟叶原料感官质量判断的准确性和可靠性。因此，如何对大量不同品种、等级烟叶原料进行科学合理的分组，减轻叶组配方技术员筛选原料的困难，成为叶组配方技术研究的重点。
技术实现思路
本专利技术的目的是为了解决现有技术的不足，提供一种烟叶特征化学成分筛选的方法，并基于特征化学成分构建烟叶分组模型，该方法及模型为卷烟叶组配方设计提供了一种科学合理的烟叶分类应用方法，较大程度上减轻了叶组配方技术员对烟叶的抽吸评价压力为实现上述目的，本专利技术采用的技术方案如下：一种基于特征化学成分的烟叶判别分组方法，对烟叶内在化学成分指标进行相关性替代，获得初步筛选化学指标，采用系统聚类方法将初筛指标进行聚类分组，再应用偏最小二乘判别分析(PLS-DA)进一步筛选对各分组具有重要贡献的化学指标，最后采用费歇尔(Fisher)逐步判别法构建各分组判别模型，具体步骤如下：步骤(1)，相关性替代：对待分组的烟叶内在化学成分，包括常规化学成分、质体色素、多酚、挥发性有机酸、非挥发性有机酸和致香成分进行相关性分析，按具有极显著相关的同类指标可相互替代的原则，筛选出具有代表性的特征化学成分指标；所述的常规化学成分包括总植物碱、总氮、总糖、还原糖、钾离子、氯离子、石油醚提取物总量和淀粉；步骤(2)，聚类分组：应用系统聚类分析对步骤(1)得到的特征化学成分指标进行聚类分析，确定烟叶分组组别；步骤(3)，重要贡献指标筛选：以步骤(1)筛选出的特征化学成分指标的含量为自变量，以聚类分组烟叶的组别为因变量，采用PLS-DA分析方法进行化学成分指标分析，并利用变量重要性投影算法(Variable importance in the projection，VIP)对不同组别烟叶的特征化学成分指标进行筛选，按VIP>1的原则对特征化学成分指标进行筛选，最终筛选出对表征不同组别烟叶具有重要贡献的特征化学成分指标；步骤(4)，费歇尔逐步判别模型建立：以不同组别烟叶及对其表征具有重要贡献的化学指标为基础，采用费歇尔逐步判别法构建不同组别烟叶判别模型；然后对于未知分组烟叶样品，只需检测具有重要贡献的特征化学成分指标的含量，并将其数值代入模型中进行计算，计算结果数值最大值所在组别即为该未知分组烟叶样品所属组别，则分组完成。进一步，优选的是步骤(1)的具体方法为：对n个待分组的烟叶的内在化学指标成分进行检测后，根据检测结果，对这些化学成分指标采用SPSS软件进行相关性计算，相关性计算见式(Ⅰ)：式(Ⅰ)中，r为相关系数；分别为化学成分指标X,Y的均值；Xi，Yi分别为化学成分指标X,Y的第i个烟叶的检测值，i＝1～n；然后将极显著相关的化学成分指标采用代表性化学成分指标进行替换，即从极显著相关的m个化学成分指标中选出一个最具有代表性的化学成分指标作为这m个极显著相关化学成分指标的特征化学成分指标，其中，m≥2；按照此方法从待分组烟叶所有检测出的内在化学成分指标中，选出p个特征化学成分指标，其中，p≥2。进一步，优选的是步骤(2)的具体方法为：对步骤(1)得到的p个特征化学成分指标采用SPSS统计软件，选取卡方度量和平均欧几里德(Eucidean)距离，阈值为10进行聚类分析，得到q种类型，从而得到q个烟叶分组组别，即第1组，第2组……第q组。进一步，优选的是步骤(3)的具体方法为：以步骤(1)筛选出的特征化学成分指标的含量为自变量X，以聚类分组烟叶的组别赋值为因变量Y，采用PLS-DA分析方法进行特征化学成分指标分析，并利用变量重要性投影算法对不同组别烟叶的特征化学成分指标进行筛选，按VIP>1的原则对特征化学成分指标进行筛选，最终筛选出对表征不同组别烟叶具有重要贡献的特征化学成分指标s个。进一步，优选的是PLS-DA分析方法具体如下：偏最小二乘判别分析法(PLS-DA)以矩阵X0为自变量矩阵，分组烟叶的组别赋值Y0为因变量矩阵，构成如下的变量矩阵： X 0 = ...

【技术保护点】
一种基于特征化学成分的烟叶判别分组方法，其特征在于：对烟叶内在化学成分指标进行相关性替代，获得初步筛选化学指标，采用系统聚类方法将初筛指标进行聚类分组，再应用偏最小二乘判别分析进一步筛选对各分组具有重要贡献的化学指标，最后采用费歇尔逐步判别法构建各分组判别模型，具体步骤如下：步骤(1)，相关性替代：对待分组的烟叶内在化学成分，包括常规化学成分、质体色素、多酚、挥发性有机酸、非挥发性有机酸和致香成分进行相关性分析，按具有极显著相关的同类指标可相互替代的原则，筛选出具有代表性的特征化学成分指标；所述的常规化学成分包括总植物碱、总氮、总糖、还原糖、钾离子、氯离子、石油醚提取物总量和淀粉；步骤(2)，聚类分组：应用系统聚类分析对步骤(1)得到的特征化学成分指标进行聚类分析，确定烟叶分组组别；步骤(3)，重要贡献指标筛选：以步骤(1)筛选出的特征化学成分指标的含量为自变量，以聚类分组烟叶的组别为因变量，采用PLS‑DA分析方法进行化学成分指标分析，并利用变量重要性投影算法对不同组别烟叶的特征化学成分指标进行筛选，按VIP>1的原则对特征化学成分指标进行筛选，最终筛选出对表征不同组别烟叶具有重要贡献的特征化学成分指标；步骤(4)，费歇尔逐步判别模型建立：以不同组别烟叶及对其表征具有重要贡献的化学指标为基础，采用费歇尔逐步判别法构建不同组别烟叶判别模型；然后对于未知分组烟叶样品，只需检测具有重要贡献的特征化学成分指标的含量，并将其数值代入模型中进行计算，计算结果数值最大值所在组别即为该未知分组烟叶样品所属组别，则分组完成。...

【技术特征摘要】
1.一种基于特征化学成分的烟叶判别分组方法，其特征在于：对烟叶内在化学成分指标进行相关性替代，获得初步筛选化学指标，采用系统聚类方法将初筛指标进行聚类分组，再应用偏最小二乘判别分析进一步筛选对各分组具有重要贡献的化学指标，最后采用费歇尔逐步判别法构建各分组判别模型，具体步骤如下：步骤(1)，相关性替代：对待分组的烟叶内在化学成分，包括常规化学成分、质体色素、多酚、挥发性有机酸、非挥发性有机酸和致香成分进行相关性分析，按具有极显著相关的同类指标可相互替代的原则，筛选出具有代表性的特征化学成分指标；所述的常规化学成分包括总植物碱、总氮、总糖、还原糖、钾离子、氯离子、石油醚提取物总量和淀粉；步骤(2)，聚类分组：应用系统聚类分析对步骤(1)得到的特征化学成分指标进行聚类分析，确定烟叶分组组别；步骤(3)，重要贡献指标筛选：以步骤(1)筛选出的特征化学成分指标的含量为自变量，以聚类分组烟叶的组别为因变量，采用PLS-DA分析方法进行化学成分指标分析，并利用变量重要性投影算法对不同组别烟叶的特征化学成分指标进行筛选，按VIP>1的原则对特征化学成分指标进行筛选，最终筛选出对表征不同组别烟叶具有重要贡献的特征化学成分指标；步骤(4)，费歇尔逐步判别模型建立：以不同组别烟叶及对其表征具有重要贡献的化学指标为基础，采用费歇尔逐步判别法构建不同组别烟叶判别模型；然后对于未知分组烟叶样品，只需检测具有重要贡献的特征化学成分指标的含量，并将其数值代入模型中进行计算，计算结果数值最大值所在组别即为该未知分组烟叶样品所属组别，则分组完成。2.根据权利要求1所述的基于特征化学成分的烟叶判别分组方法，其特征在于，步骤(1)的具体方法为：对n个待分组的烟叶的内在化学指标成分进行检测后，根据检测结果，对这些化学成分指标采用SPSS软件进行相关性计算，相关性计算见式(Ⅰ)：式(Ⅰ)中...

【专利技术属性】
技术研发人员：陈剑明，凌军，胡巍耀，冯洪涛，杜宇，陈兴，向成明，马骥，赵蔚，
申请(专利权)人：云南中烟工业有限责任公司，
类型：发明
国别省市：云南;53