CN102692485A - 一种基于茶叶生化成分的绿茶与白茶的判别方法 - Google Patents

Abstract

本发明涉及一种基于茶叶生化成分的绿茶与白茶的判别方法，其特征在于：构建绿茶和白茶的判别函数，该函数的表达式为：F_绿茶=6.363x₂＋0.353x₆－9.567；F_白茶=27.626x₂－5.570x₆－42.229；其中自变量x₂为咖啡碱，x₆为EGCG，将自变量数值代入所述Bayes判别函数，计算所得最大值所对应的函数类别即为该茶的种类。该法所得判别函数的正判率达100%，判别效果良好。且简单易行，只需知道待判茶样的“咖啡碱”和“EGCG”值，经简单计算即可实现绿茶和白茶的快速、有效区分，不仅能够满足普通消费者茶类区分的要求，还可为国际茶叶贸易中的茶类判别提供参考。

Description

一种基于茶叶生化成分的绿茶与白茶的判别方法

技术领域

本发明涉及茶叶判别技术领域，特别是一种基于茶叶生化成分的绿茶与白茶的判别方法。

背景技术

 中国是茶的发源地，绿茶和白茶均发祥于中国。近年来，随着白茶研究的深入，其独特地保健功能渐为消费者所认知，白茶需求量不断攀升。借此，国际上不少销售商将绿茶冒充白茶销售，这严重冲击我国白茶的生产与贸易，扰乱国际茶叶市场秩序，误导消费者消费，侵犯消费者利益。因此，有必要制定出可快速、有效区分绿茶与白茶的方法，然而目前茶类判别的主要手段依然是感官审评。感官审评是依靠人的嗅觉、味觉、视觉和触觉等感觉对茶类进行判别，可快速鉴定茶叶的主要感官特征并敏锐判别品质异常现象，是目前国际贸易中茶类判别的主要手段，但此法对评茶人员以及审评环境要求严格，受限条件较多，较难实现标准化，有必要寻找一种客观、可靠、可量化绿茶与白茶的判别方法，以促进国际茶叶贸易的顺利进行，更好地保护消费者权益。

判别分析是一种判别和分类的技术，通过建立判别函数对其他未知分类的数据进行类别归属，具有预测的意义，具体包括距离判别、Fisher判别和Bayes判别三种不同的判别分析方法,距离判别与Bayes判别是两种实质的判别方法,前者实际依据的是百分位点或置信区间,后者实际依据的是概率。而著名的Fisher判别,只是依据方差分析的思想,对判别变量进行线性变换,然后用于距离判别,其实不能算是一种实质的判别方法。距离判别、Fisher判别对变量的分布类型并无特定要求，其不足之处是未考虑各总体出现概率的大小，也给不出预报的后验概率及错判率的估计以及错判之后造成的损失。而Bayes判别对判别变量要求严格，很好地克服了距离判别、Fisher判别的不足，且已广泛应用于经济学、社会学、自然科学、医学等多个领域。

在茶叶领域，本专利首次提出应用基于生化成分的Bayes逐步判别分析法进行绿茶与白茶的判别，所提技术明显优于目前已有方法。如有学者采用Fisher判别法进行了基于化学指纹图谱的茶叶原料判别分析研究^[1]，本专利与已有方法的不同及优势在于：①本专利所应用的Bayes逐步判别分析法明显优于Fisher判别法；②本专利所应用的Bayes逐步判别分析法一步到位。即采用SPSS统计软件Analyze模块下的Discriminant(判别分析)即可完成，无需分多模块进行。③与已有方法相比，本专利是基于生化成分的茶类判别分析法，所采用变量及分析目的与已有文献不同，且变量检测方法均有国际标准可依；判别技术成熟，分析方法简单易行、结果客观，便于推广应用。 

注：上述引用文献如下：

[1]王丽鸳, 成浩, 周健, 等. 基于多元化学指纹图谱的武夷岩茶身份判别研究[J]. 茶叶科学, 2009, 30(2): 83-88。

发明内容

本发明的目的是提出一种基于茶叶生化成分的绿茶与白茶的判别方法，该方法仅需知道待判茶样的“咖啡碱”和“EGCG”值，即可实现绿茶和白茶的快速、有效区分。

本发明采用以下方案实现：一种基于茶叶生化成分的绿茶与白茶的判别方法，其特征在于：构建绿茶和白茶的Bayes判别函数，该函数的表达式为：

    F_绿茶=6.363 x₂＋0.353 x₆－9.567；

F_白茶=27.626 x₂－5.570 x₆－42.229；

其中自变量x₂ 为咖啡碱，x₆ 为EGCG，将自变量数值代入所述Bayes判别函数，计算所得最大值所对应的函数类别即为该茶的种类。

在本发明一实施例中，所述构建绿茶、白茶的Bayes判别函数的方法包括：

首先，检测所述绿茶、白茶的水浸出物、咖啡碱、儿茶素总量、茶多酚四项生化成分；

其次，以所述四项生化成分以及EGC、C、EC、EGCG、ECG、非酯型儿茶素、酯型儿茶素、儿茶素/茶多酚、非酯型儿茶素/酯型儿茶、非酯型儿茶素/儿茶素、非酯型儿茶素/茶多酚为变量，采用SPSS统计软件Analyze模块下的判别分析Discriminant，按统计量Wilks' Lambda最小值原则筛选变量；进行逐步判别分析，建立茶类的Bayes判别函数。

在本发明一实施例中，还包括Bayes判别函数的验证：

首先，进行训练样本的回代判别，获得回代正判率；

其次，每次剔出训练样本中的一个样本，利用其余样本建立判别函数，再用所建立的判别函数对剔出的那个样本作判别，并依序轮流完成所有观测值的分析；

最后，采用外部验证样本验证判别函数的判别效果。

本发明的有益效果是：该法中的判别函数的正判率达100%，判别效果良好。且简单易行，只需知道待判茶样的“咖啡碱”和“EGCG”值，经简单计算即可实现绿茶和白茶的快速、有效区分，不仅能够满足普通消费者茶类区分的要求，还可为国际茶叶贸易中的茶类判别提供参考。

具体实施方式

       本实施例提供一种基于茶叶生化成分的绿茶与白茶的判别方法，其特征在于：构建绿茶和白茶的Bayes判别函数，该函数的表达式为：

    F_绿茶=6.363 x₂＋0.353 x₆－9.567；

F_白茶=27.626 x₂－5.570 x₆－42.229；

其中自变量x₂ 为咖啡碱，x₆ 为EGCG，将自变量数值代入所述Bayes判别函数，并根据计算所得最大值所对应的函数类别，即为该茶的种类。

例如，已知一新茶样的“咖啡碱”和“EGCG”值分别为4.50与5.00，代入两个类组函数，就可以计算出各类组的函数值，它们分别是20.83、54.24，其中54.24=27.626×4.50－5.570×5.00－42.229，两个函数值中的最大值54.24是由“白茶”的判别函数计算得出，故这一新茶样将被归属在白茶类组。

这里要说明的是，本发明的关键在于提出了一种Bayes判别函数，通过所述自变量代入该函数，即可得出判断结果，这里为了让本领域的技术人员更好的理解上述Bayes判别函数符合判别标准，下面对该函数的构建方式及验证方式进行简单的介绍，要说明的是，该构建原理并不是用于限制本发明判别方法的技术方案。

所述构建绿茶、白茶的Bayes判别函数的方法包括：

首先，检测所述绿茶和白茶的水浸出物、咖啡碱、儿茶素总量、茶多酚四项生化成分，检测方法如表一所示；

表一

其次，以所述四项生化成分以及EGC(表没食子儿茶素)、C(儿茶素)、EC(表儿茶素)、EGCG(表没食子儿茶素没食子酸酯)、ECG(表儿茶素没食子酸酯)、非酯型儿茶素、酯型儿茶素、儿茶素/茶多酚、非酯型儿茶素/酯型儿茶、非酯型儿茶素/儿茶素、非酯型儿茶素/茶多酚这15项为变量，如表二所示，采用SPSS统计软件Analyze模块下的判别分析Discriminant，按统计量Wilks' Lambda最小值原则筛选变量，进行逐步判别分析，即以逐步方式，将每一步骤中能将整体Wilks' Lambda值减到最小的变量选入判别模式，建立茶类的Bayes判别函数。

表二

该Bayes判别函数的验证包括：

首先，进行训练样本的回代判别，获得回代正判率；即将全体训练样本作为新样本，逐个回代已建立的判别函数中判别归属；例如，判别结果如下表：

回代正判率：(A+B)÷(A+B+a)×100%；

其次，每次剔出训练样本中的一个样本，利用其余样本建立判别函数，再用所建立的判别函数对剔出的那个样本作判别，并依序轮流完成所有观测值的分析；

最后，采用外部验证样本验证判别函数的判别效果，即验证判别函数分类是否正确，判断函数是否具有实际应用价值。一般正判率在90%以上，判别函数具有应用价值。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。 

Claims (3)

1.一种基于茶叶生化成分的绿茶与白茶的判别方法，其特征在于：构建绿茶和白茶的Bayes判别函数，该函数的表达式为：

F_绿茶＝6.363x₂+0.353x₆-9.567；

F_白茶＝27.626x₂-5.570x₆-42.229；

其中自变量x₂为咖啡碱，x₆为EGCG，将自变量数值代入所述Bayes判别函数，计算所得最大值所对应的函数类别即为该茶的种类。

2.根据权利要求1所述的基于茶叶生化成分的绿茶与白茶的判别方法，其特征在于：所述构建绿茶、白茶的Bayes判别函数的方法包括：

首先，检测所述绿茶、白茶的水浸出物、咖啡碱、儿茶素总量、茶多酚四项生化成分；

其次，以所述四项生化成分以及EGC、C、EC、EGCG、ECG、非酯型儿茶素、酯型儿茶素、儿茶素/茶多酚、非酯型儿茶素/酯型儿茶、非酯型儿茶素/儿茶素、非酯型儿茶素/茶多酚为变量，采用SPSS统计软件Analyze模块下的判别分析Discriminant，按统计量Wilks′Lambda最小值原则筛选变量，进行逐步判别分析，建立茶类的Bayes判别函数。

3.根据权利要求2所述的基于茶叶生化成分的绿茶与白茶的判别方法，其特征在于：还包括Bayes判别函数的验证：

首先，进行训练样本的回代判别，获得回代正判率；

其次，每次剔出训练样本中的一个样本，利用其余样本建立判别函数，再用所建立的判别函数对剔出的那个样本作判别，并依序轮流完成所有观测值的分析；

最后，采用外部验证样本验证判别函数的判别效果。