CN105445421B - 一种通过外观指标预测片烟醇化过程中感官质量的方法 - Google Patents
一种通过外观指标预测片烟醇化过程中感官质量的方法 Download PDFInfo
- Publication number
- CN105445421B CN105445421B CN201510767648.6A CN201510767648A CN105445421B CN 105445421 B CN105445421 B CN 105445421B CN 201510767648 A CN201510767648 A CN 201510767648A CN 105445421 B CN105445421 B CN 105445421B
- Authority
- CN
- China
- Prior art keywords
- index
- quality
- time
- measuring
- organoleptic quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0001—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00 by organoleptic means
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Manufacture Of Tobacco Products (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种通过外观指标预测片烟醇化过程中感官质量的方法,包括步骤有,取样并存放;外观质量和感官质量评分;外观指标分类,基于参数估计结果将各外观评价指标分类为三类指标;外观指标筛选,从外观评价指标的分类结果筛选出代表指标;建立感官品质与外观评价指标的关系及回归模型,通过回归模型来预测片烟醇化过程中感官质量的变化趋势。通过外观指标对烟叶感官质量实现高效预测,可减少不同测量时间大批量的现场评价分析,提高评价效率;而且预测方法操作简单、成本低廉、评价速度快、评价结果准确有效、评价精度高。
Description
技术领域
本发明涉及一种感官品质预测方法,特别是涉及一种通过外观指标预测片烟醇化过程中感官质量的方法,属于烟叶质量评价技术领域。
背景技术
近年来,随着烟草行业对仓储养护的日趋重视,开展了大量关于片烟醇化过程中烟叶的外观、化学及感官品质等内容的研究,但至今尚无对片烟醇化过程中对烟叶的感官质量进行预测的相关研究报道。
目前,在卷烟产品设计、生产和维护阶段,对原料烟进行综合评价后确定烟叶原料是否可进入卷烟生产是必不可少的环节,然而现有技术采用的评价方法及其过程复杂、且很难快速简便地最终确定烟叶原料适合于卷烟生产的不同阶段的适合时机,比如齐凌峰,等.不同产地片烟的最佳醇化期及适宜贮存时间研究[J].安徽农业科学,2010,38(1):155-157,所采用的直观判定方法也存在可靠性差、误差大等问题。
所以,探索一种能科学的预测出烟叶醇化过程中感官质量变化趋势的方法是一个亟待解决的问题。
发明内容
本发明的主要目的在于,克服现有技术中的不足,提供一种通过外观指标预测片烟醇化过程中感官质量的方法,不仅实现对烟叶感官质量的预测,减少不同测量时间大批量的现场评价分析,提高评价效率;而且预测方法操作简单、成本低廉、评价速度快、评价结果准确有效、评价精度高。
为了达到上述目的,本发明所采用的技术方案是:
一种通过外观指标预测片烟醇化过程中感官质量的方法,包括以下步骤:
1)取样并存放;
采集片烟样品,存放至烟叶储备仓库进行醇化;
2)外观质量和感官质量评分;
按照测量时间对烟叶储备仓库各楼层各等级样品取样依据外观评价指标进行外观质量评分、并依据感官质量指标进行感官质量评分,再根据测量时间建立纵向数据资料;
3)外观指标分类;
基于纵向数据资料,采用广义估计方程对各外观评价指标的评分值进行参数估计,并采用SPSS19.0软件实现;
将外观评价指标的评分值作为因变量,以及对应的测量时间、处理方式均输入到广义估计方程模型中,获得各外观评价指标的参数估计结果,基于参数估计结果将各外观评价指标分类为三类指标;
其中,三类指标分别为第一类指标是随测量时间和处理方式变化差异均显著的指标,第二类指标是随测量时间变化差异显著、处理方式变化差异不显著的指标,第三类指标是随测量时间和处理方式变化差异均不显著的指标;
4)外观指标筛选;
从外观评价指标的分类结果,依据直观性要求,筛选出第一类指标和第二类指标的代表指标,并将第三类指标排除而不作为外观评价指标;
5)建立感官品质与外观评价指标的关系及回归模型;
基于纵向数据资料,采用广义估计方程对感官质量指标的感官品质总分进行参数估计,并采用SPSS19.0软件实现;
将感官品质总分作为因变量,以及对应的测量时间、处理方式均输入到广义估计方程模型中,获得感官品质模型效应检验结果以及感官品质的变化趋势;
判定第一类指标和第二类指标的代表指标随测量时间的变化趋势是否直观反映感官品质的变化趋势,若是,则通过SPSS 19.0软件中的线性回归模型建立感官品质总分与外观评价指标评分值的逐步回归模型,用于预测片烟醇化过程中感官质量的变化趋势。
本发明进一步设置为:所述醇化为自然醇化或人工醇化。
本发明进一步设置为:所述外观评价指标包括颜色、成熟度、身份、油分、叶片结构和色度。
本发明进一步设置为:所述片烟采用云南片区的复烤片烟,对片烟的评分共计评价六次,按评价时间先后依次标记为T1、T2、T3、T4、T5、T6共计六个测量时间。
本发明进一步设置为:根据步骤3)得到外观评价指标的分类结果为,颜色、成熟度和叶片结构为第一类指标,油分和色度为第二类指标,身份为第三类指标;根据步骤4)筛选出颜色作为第一类指标的代表指标,筛选出油分作为第二类指标的代表指标。
而且,根据步骤5)判定油分随测量时间的变化趋势能直观反映出感官品质的变化趋势、可作为片烟醇化过程中感官质量变化的判定指标,并判定在片烟醇化前期T1至T4颜色随测量时间的变化情况能直观反映出感官品质的变化趋势、可作为片烟醇化T4之前感官质量变化的储存环境适宜性指标;获得感官品质总分与外观评价指标评分值的逐步回归模型作为感官品质总分的预测模型,其回归方程为感官品质预测值=k+a*油分分值-b*颜色分值,其中,k、a、b均为常数。
本发明进一步设置为:所述k=53.414、a=4.515、b=2.843,确定感官品质总分的预测模型的回归方程为感官品质预测值=53.414+4.515*油分分值-2.843*颜色分值。
与现有技术相比,本发明具有的有益效果是:
通过外观指标对烟叶感官质量实现高效预测,可减少不同测量时间大批量的现场评价分析,提高评价效率;而且预测方法操作简单、成本低廉、评价速度快、评价结果准确有效、评价精度高。
上述内容仅是本发明技术方案的概述,为了更清楚的了解本发明的技术手段,下面结合附图对本发明作进一步的描述。
附图说明
图1为本发明实施例1中第一类指标颜色、成熟度、叶片结构随测量时间的变化趋势图;
图2为本发明实施例1中不同处理条件下第一类指标颜色、成熟度、叶片结构的分值图;
图3为本发明实施例1中第二类指标色度、油分随测量时间的变化趋势图;
图4为本发明实施例1中不同处理条件下第二类指标色度、油分的分值图;
图5为本发明实施例1中不同处理条件下感官品质随测量时间的变化趋势图;
图6为本发明实施例2中感官品质总分、颜色和油分分值随测量时间的变化趋势图;
图7为本发明实施例2中不同处理条件下颜色随测量时间的变化趋势图;
图8为本发明实施例2中不同处理条件下感官品质随测量时间的变化趋势图;
图9为本发明实施例2在处理方式A条件下感官品质预测值与感官品质总分随测量时间变化趋势图;
图10为本发明实施例2在处理方式B条件下感官品质预测值与感官品质总分随测量时间变化趋势图;
图11为本发明实施例2在处理方式C条件下感官品质预测值与感官品质总分随测量时间变化趋势图。
具体实施方式
下面结合说明书附图,对本发明作进一步的说明。
实施例1:
本发明提供一种通过外观指标预测片烟醇化过程中感官质量的方法,包括以下步骤:
1)取样并存放;
采集片烟样品,存放至烟叶储备仓库进行自然醇化或人工醇化;比如,片烟样品采集于2012年度的云南大理C3F-A、云南丽江C2F-A-G、云南楚雄C3F-A三个等级复烤片烟,每个等级选取12箱均分成三组,分别存放在徐州卷烟厂仓库的三个具有代表性的仓储环境中,其中处理方式A代表相对整个仓储环境温度相对较低、空气湿度相对较高,处理方式C代表温度相对较高、空气湿度相对较低,处理方式B温湿度相对处理A和C均居中。
从2013年4月开始取样评价,其后每间隔半年对各楼层各等级样品取样进行外观质量和感官质量评价一次,截止2015年4月评价五次,2015年7月评价一次,共计评价六次,按评价时间先后依次标记为T1、T2、T3、T4、T5、T6。
2)外观质量和感官质量评分;
感官质量评价按照YC/T 530-2015《烤烟烟叶质量风格特色感官评价方法》对样品的烟叶品质特征进行质量评分后取其平均值,并按照感官品质评价方法求取感官品质总分。
依据外观评价指标进行外观质量评分,在查看水分、油印、霉变情况及虫害情况后,按照表1所示的外观评价指标及其标准进行评价,其中,外观评价指标包括颜色、成熟度、身份、油分、叶片结构和色度。
表1
3)外观指标分类和筛选;
根据测量时间建立纵向数据资料,并采用广义估计方程对各外观评价指标的评分值进行参数估计,采用SPSS19.0软件实现;将外观评价指标的评分值作为因变量,及其对应的测量时间、处理方式均输入到广义估计方程模型中,通过对各外观指标的参数估计结果可以将其分为三类指标。三类指标分别为第一类指标是随测量时间和处理方式变化差异均显著的指标,第二类指标是随测量时间变化差异显著、处理方式变化差异不显著的指标,第三类指标是随测量时间和处理方式变化差异均不显著的指标。
第一类指标是随测量时间和处理方式变化差异均显著的指标。通过表2、表3和表4可知颜色、成熟度、叶片结构三个指标“时间”和“处理”检验结果一致均为P<0.01,即三个指标随时间变化、处理间的差异在1%水平下显著;其中,表2为颜色模型效应检验表,表3为成熟度模型效应检验表,表4为叶片结构模型效应检验表。
再由图1可知颜色、成熟度、叶片结构分值随时间均呈上升趋势,由图2可知颜色、成熟度、叶片结构分值随处理A→B→C均呈增高趋势,故将颜色、成熟度、叶片结构归为第一类指标。
模型效应检验
因变量:颜色
模型:(截距),时间,处理
表2
模型效应检验
因变量:成熟度
模型:(截距),时间,处理
表3
模型效应检验
因变量:叶片结构
模型:(截距),时间,处理
表4
根据表5可知在颜色、成熟度、叶片结构三个指标在0.01水平(双侧)上显著相关,且颜色与成熟度、叶片结构的相关性达到0.919和0.981;表5为第一类指标的相关性分析表。再由图1和图2可知颜色随时间变化的差异及处理间的差异均较成熟度和叶片结构明显,且颜色指标在实际评价操作时相对成熟度和叶片结构更为直观,所以可选取颜色作为第一类指标的代表指标。
相关性
**.在.01水平(双侧)上显著相关。
表5
第二类指标是随测量时间变化差异显著、处理方式间差异不显著的指标。通过表6和表7可知色度、油分指标的“时间”检验结果一致均为P<0.01,即两指标随时间变化的差异在1%水平下显著;而“处理”检验结果一致均为P>0.05,即两指标处理间的差异不显著;其中,表6为色度模型效应检验表,表7为油分模型效应检验表。
且由图3和图4可知色度和油分指标分值在T4点之前均呈上升趋势、T4点之后均呈下降趋势,故将色度和油分归为第二类指标。
根据表8可知色度和油分指标在0.01水平(双侧)上显著相关,相关性达到0.947,表8为第二类指标的相关性分析表。并结合图3可看出油分和色度随时间变化趋势基本一致,而在实际评价操作时油分指标相对色度更为直观,所以可选取油分作为第二类指标的代表指标。
模型效应检验
因变量:色度
模型:(截距),时间,处理
表6
模型效应检验
因变量:油分
模型:(截距),时间,处理
表7
相关性
相关性
**.在.01水平(双侧)上显著相关。
表8
第三类指标是随测量时间和处理方式的影响差异均不显著。通过表9可知身份指标“时间”、“处理”检验结果一致均为P>0.05,即身份随时间及处理间的差异均不显著;其中,表9为身份模型效应检验表。由于身份指标随时间和处理的变化均不显著,故将身份单独归为第三类指标,不作为外观评价指标。
模型效应检验
因变量:身份
模型:(截距),时间,处理
表9
4)建立感官品质与外观评价指标的关系及回归模型;
基于纵向数据资料,采用广义估计方程对感官品质总分进行参数估计,并采用SPSS19.0软件实现;将感官品质总分作为因变量,及其对应的测量时间、处理方式均输入到广义估计方程模型中,可得到感官品质模型效应检验结果,如表10所示;通过表10可知感官品质的“时间”和“处理”检验结果一致均为P<0.01,说明随时间变化、处理间的差异在1%水平下显著。
模型效应检验
因变量:感官
模型:(截距),处理,时间
表10
由图5可知感官品质在三个处理方式A、B、C下、在T4点之前均呈上升趋势且处理间差异不明显、T4点之后均呈下降趋势且处理间差异较明显;结合图3可知油分随时间的变化趋势和感官品质随时间的变化趋势基本一致,因此可以认为油分随时间的变化趋势能直观反映出感官品质的变化趋势,可作为片烟醇化过程中感官品质质量变化的判定指标。
结合图1可知颜色分值随时间变化持续增高,与感官品质分值T4点之前趋势一致,T4点之后相反;结合图2可知颜色随处理A→B→C呈增高趋势,而感官品质分值在T4点之前处理间差异不明显、T4点之后处理间差异较明显,且T4点之后A→B→C感官品质分值呈明显下降趋势、与颜色分值增高趋势相反。因此在片烟醇化前期可根据经验判定或试验对比颜色变化情况,选择适宜的储存环境,避免醇化后期即T4点之后因环境条件问题带来的感官品质质量下降较快的情况发生,因此可根据颜色指标变化情况判定片烟储存环境适宜性指标。
通过SPSS 19.0线性回归模型建立感官品质总分与外观评价指标评分值的逐步回归模型。通过表11可知模型1输入油分变量、模型2输入油分和颜色两个变量;通过表12可知模型1的R方值为0.187偏小,拟合程度稍差,模型2的R方值为0.654,拟合度相对较高;通过表13中模型2方差分析结果F=48.302,P<0.01,说明模型2具有统计学意义;表14中模型2的回归系数检验均为P<0.01,说明回归系数具有统计学意义;故选取模型2作为感官品质总分的预测模型,回归方程为:
感官品质预测值=53.414+4.515*油分分值-2.843*颜色分值
通过以下公式计算回归方程预测精确度:
|预测值-感官品质总分|/预测值*100%
由表15可知64.81%预测值精确度小于3%,88.88%预测值精确度小于5%,96.30%预测值精确度在10%以内,得出精确度在可接受范围之内。
其中,表11为模型输入变量情况、表12为模型汇总情况、表13模型方差分析结果、表14模型回归系数、表15为预测值与感官品质总分之间精确度情况。
输入/移去的变量a
a.因变量:感官
表11
模型汇总
a.预测变量:(常量),油份。
b.预测变量:(常量),油份,颜色。
表12
Anovac
a.预测变量:(常量),油份。
b.预测变量:(常量),油份,颜色。
c.因变量:感官
表13
系数a
a.因变量:感官
表14
精确度范围 | <3% | <5% | <10% | >10% |
样品个数 | 35 | 48 | 52 | 2 |
比例 | 64.81% | 88.88% | 96.30% | 3.70% |
表15
实施例2:
将本发明提供的一种通过外观指标预测片烟醇化过程中感官质量的方法进行实践应用。
首先,取样并存放。
采集片烟样品,存放至烟叶储备仓库进行自然醇化或人工醇化;其中,片烟样品采集于2012年度的云南昆明C2F-1复烤片烟,每个等级选取12箱均分成三组,分别存放在徐州卷烟厂仓库的三个具有代表性的仓储环境中,其中处理方式A代表相对整个仓储环境温度相对较低、空气湿度相对较高,处理方式C代表温度相对较高、空气湿度相对较低,处理方式B温湿度相对处理A和C均居中;从2013年4月开始取样评价,其后每间隔半年对各楼层各等级样品取样进行外观质量和感官质量评价一次,截止2015年4月评价五次,2015年7月评价一次,共计评价六次,按评价时间先后依次标记为T1、T2、T3、T4、T5、T6。
其次,外观质量和感官质量评分。
感官质量评价按照YC/T 530-2015《烤烟烟叶质量风格特色感官评价方法》对样品的烟叶品质特征进行质量评分后取其平均值,并按照感官品质评价方法求取感官品质总分。在查看水分、油印、霉变情况及虫害情况后,依据外观评价指标的代表指标进行外观质量评分,其中,外观评价指标的代表指标为颜色和油分。
接着,通过代表指标颜色和油分对醇化过程中感官品质进行直观反映。
如图6所示为感官品质总分、颜色和油分分值随测量时间的变化趋势图,从图6中可知颜色呈上升趋势,感官品质和油分均呈先升后降趋势,且感官品质和油分的峰值在均在T4时间点,此后均呈下降趋势;可知油分的变化和感官品质的趋势基本一致,所以油分可直观反映出感官品质质量的变化趋势。
如图7所示为不同处理条件下颜色随测量时间的变化趋势图,从图7中可知三个处理方式下颜色随时间变化趋势基本一致,但随楼层增高颜色呈加深趋势。
如图8所示为不同处理条件下感官品质随测量时间的变化趋势图,从图8中可知三个处理方式下感官品质随时间变化趋势基本一致,但随楼层增高感官品质呈降低趋势,且达到峰值后下降的幅度呈增加趋势。
综合图7和图8可知相同样品在不同处理条件下颜色有明显差异,且颜色在不同处理条件下的分值与感官品质整体呈负相关,因此片烟醇化过程中颜色对比评价可直观反映出储存环境条件对感官品质质量的影响情况,故通过颜色对比评价可知云南昆明C2F-1片烟的适宜储存环境为处理方式A。
最后,通过逐步回归模型预测感官品质质量。
将油分分值和颜色分值代人回归方程:
感官品质预测值=53.414+4.515*油分分值-2.843*颜色分值
可计算出感官品质预测值,并将感官品质预测值与所得的感官品质总分相比得出精确度均在91.5%以上。通过图9、图10、图11可知预测值较感官品质总分整体稍偏高,但整体变化趋势基本一致;其中,图9为处理方式A条件下感官品质预测值与感官品质总分随测量时间变化趋势图,图10为处理方式B条件下感官品质预测值与感官品质总分随测量时间变化趋势图,图11为处理方式C条件下感官品质预测值与感官品质总分随测量时间变化趋势图。所以运用该模型预测感官品质分值可以体现出醇化过程中感官品质质量的变化趋势和各个时间点上的感官品质质量情况。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种通过外观指标预测片烟醇化过程中感官质量的方法,其特征在于,包括以下步骤:
1)取样并存放;
采集片烟样品,存放至烟叶储备仓库进行醇化;
2)外观质量和感官质量评分;
按照测量时间对烟叶储备仓库各楼层各等级样品取样依据外观评价指标进行外观质量评分、并依据感官质量指标进行感官质量评分,再根据测量时间建立纵向数据资料;
3)外观指标分类;
基于纵向数据资料,采用广义估计方程对各外观评价指标的评分值进行参数估计,并采用SPSS19.0软件实现;
将外观评价指标的评分值作为因变量,以及对应的测量时间、处理方式均输入到广义估计方程模型中,获得各外观评价指标的参数估计结果,基于参数估计结果将各外观评价指标分类为三类指标;
其中,三类指标分别为第一类指标是随测量时间和处理方式变化差异均显著的指标,第二类指标是随测量时间变化差异显著、处理方式变化差异不显著的指标,第三类指标是随测量时间和处理方式变化差异均不显著的指标;
4)外观指标筛选;
从外观评价指标的分类结果,依据直观性要求,筛选出第一类指标和第二类指标的代表指标,并将第三类指标排除而不作为外观评价指标;
5)建立感官品质与外观评价指标的关系及回归模型;
基于纵向数据资料,采用广义估计方程对感官质量指标的感官品质总分进行参数估计,并采用SPSS19.0软件实现;
将感官品质总分作为因变量,以及对应的测量时间、处理方式均输入到广义估计方程模型中,获得感官品质模型效应检验结果以及感官品质的变化趋势;
判定第一类指标和第二类指标的代表指标随测量时间的变化趋势是否直观反映感官品质的变化趋势,若是,则通过SPSS 19.0软件中的线性回归模型建立感官品质总分与外观评价指标评分值的逐步回归模型,用于预测片烟醇化过程中感官质量的变化趋势。
2.根据权利要求1所述的一种通过外观指标预测片烟醇化过程中感官质量的方法,其特征在于:所述醇化为自然醇化或人工醇化。
3.根据权利要求1所述的一种通过外观指标预测片烟醇化过程中感官质量的方法,其特征在于:所述外观评价指标包括颜色、成熟度、身份、油分、叶片结构和色度。
4.根据权利要求3所述的一种通过外观指标预测片烟醇化过程中感官质量的方法,其特征在于:所述片烟采用云南片区的复烤片烟,对片烟的评分共计评价六次,按评价时间先后依次标记为T1、T2、T3、T4、T5、T6共计六个测量时间。
5.根据权利要求4所述的一种通过外观指标预测片烟醇化过程中感官质量的方法,其特征在于:根据步骤3)得到外观评价指标的分类结果为,颜色、成熟度和叶片结构为第一类指标,油分和色度为第二类指标,身份为第三类指标;
根据步骤4)筛选出颜色作为第一类指标的代表指标,筛选出油分作为第二类指标的代表指标;
根据步骤5)判定油分随测量时间的变化趋势能直观反映出感官品质的变化趋势、可作为片烟醇化过程中感官质量变化的判定指标,并判定在片烟醇化前期T1至T4颜色随测量时间的变化情况能直观反映出感官品质的变化趋势、可作为片烟醇化T4之前感官质量变化的储存环境适宜性指标;
获得感官品质总分与外观评价指标评分值的逐步回归模型作为感官品质总分的预测模型,其回归方程为感官品质预测值=k+a*油分分值-b*颜色分值,其中,k、a、b均为常数。
6.根据权利要求5所述的一种通过外观指标预测片烟醇化过程中感官质量的方法,其特征在于:所述k=53.414、a=4.515、b=2.843,确定感官品质总分的预测模型的回归方程为感官品质预测值=53.414+4.515*油分分值-2.843*颜色分值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510767648.6A CN105445421B (zh) | 2015-11-11 | 2015-11-11 | 一种通过外观指标预测片烟醇化过程中感官质量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510767648.6A CN105445421B (zh) | 2015-11-11 | 2015-11-11 | 一种通过外观指标预测片烟醇化过程中感官质量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105445421A CN105445421A (zh) | 2016-03-30 |
CN105445421B true CN105445421B (zh) | 2017-09-26 |
Family
ID=55555859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510767648.6A Active CN105445421B (zh) | 2015-11-11 | 2015-11-11 | 一种通过外观指标预测片烟醇化过程中感官质量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105445421B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106248870A (zh) * | 2016-07-11 | 2016-12-21 | 江苏恒顺醋业股份有限公司 | 一种基于模糊数学法进行传统食醋陈酿程度的感官评价方法 |
CN107807206B (zh) * | 2017-10-24 | 2020-03-31 | 江苏中烟工业有限责任公司 | 一种基于工业需求的片烟适宜醇化环境及其适宜醇化时间的判定方法 |
CN107589228B (zh) * | 2017-11-08 | 2019-12-13 | 江苏中烟工业有限责任公司 | 通过烟叶特征外观指标预测分选烟叶工业适用性的方法 |
CN107909264A (zh) * | 2017-11-14 | 2018-04-13 | 江苏中烟工业有限责任公司 | 一种烟叶风格特征年度间稳定性的客观综合评价方法 |
CN108354219A (zh) * | 2018-04-24 | 2018-08-03 | 湖北中烟工业有限责任公司 | 一种通过烟叶外观质量判定烟叶醇化程度的方法 |
CN111103322B (zh) * | 2018-10-29 | 2023-02-28 | 贵州中烟工业有限责任公司 | 一种烟叶醇化的判定方法和烟叶醇化的判定装置 |
CN113449418A (zh) * | 2021-06-18 | 2021-09-28 | 河南中烟工业有限责任公司 | 陈化烟叶褐变程度判别方法 |
CN113945563A (zh) * | 2021-10-19 | 2022-01-18 | 中国烟草总公司湖北省公司 | 一种雪茄茄衣烟叶质量均匀性的评价方法 |
CN115024505A (zh) * | 2022-06-23 | 2022-09-09 | 贵州大学 | 一种基于积温积湿数据的烟叶醇化质量判别方法 |
CN115336782B (zh) * | 2022-09-22 | 2023-08-11 | 四川金叶生物防治有限公司 | 一种微环境条件下的复烤片烟醇化方法及醇化控制系统 |
CN115708590A (zh) * | 2022-11-18 | 2023-02-24 | 北京远舢智能科技有限公司 | 一种拉动式烟叶差异化养护方法、装置、设备及介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8197650B2 (en) * | 2007-06-07 | 2012-06-12 | Sensor Innovations, Inc. | Silicon electrochemical sensors |
CN101661023B (zh) * | 2008-08-29 | 2011-11-16 | 湖北中烟工业有限责任公司 | 一种烤烟醇化品质判定的高效液相指纹图谱分析方法 |
CN101661024B (zh) * | 2008-08-29 | 2011-11-16 | 湖北中烟工业有限责任公司 | 一种烤烟醇化品质判定的高效液相指纹图谱主成分分析方法 |
US8835875B2 (en) * | 2010-01-19 | 2014-09-16 | Koninklijke Philips N.V. | Detection apparatus and detection method |
JP2011220941A (ja) * | 2010-04-13 | 2011-11-04 | Tokuyama Corp | フッ化カルシウム単結晶の評価方法、及び光学部材用の硝材の製造方法 |
CN103674874B (zh) * | 2013-11-25 | 2017-10-10 | 广东中烟工业有限责任公司 | 一种通过紫外光谱评价烟叶醇化质量的方法 |
CN104931430B (zh) * | 2015-06-26 | 2017-07-07 | 云南省烟草烟叶公司 | 一种复烤片烟自然醇化品质评价及模型构建方法 |
-
2015
- 2015-11-11 CN CN201510767648.6A patent/CN105445421B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105445421A (zh) | 2016-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105445421B (zh) | 一种通过外观指标预测片烟醇化过程中感官质量的方法 | |
CN104931430B (zh) | 一种复烤片烟自然醇化品质评价及模型构建方法 | |
CN110411957B (zh) | 水果货架期及新鲜程度的无损快速预测方法及装置 | |
CN102818777B (zh) | 一种基于光谱和颜色测量的水果成熟度评价方法 | |
CN104990894B (zh) | 一种基于加权吸光度及相似样本的汽油性质检测方法 | |
CN101936895B (zh) | 一种稻米贮藏时间近红外光谱分析快速检测方法 | |
CN110687072B (zh) | 一种基于光谱相似度的校正集和验证集的选择及建模方法 | |
CN108181263B (zh) | 基于近红外光谱的烟叶部位特征提取及判别方法 | |
CN107796782B (zh) | 基于烟叶特征光谱一致性度量的复烤质量稳定性评价方法 | |
CN101419209A (zh) | 卷烟感官评吸和烟气指标的免疫神经网络预测方法 | |
CN105092789B (zh) | 一种片烟醇化过程中烟叶风格特征变化趋势分析方法 | |
CN104713849A (zh) | 一种基于近红外光谱分析技术的烟叶霉变的快速预测方法 | |
CN108875118B (zh) | 一种高炉铁水硅含量预测模型准确度评价方法和设备 | |
CN102937575B (zh) | 一种基于二次光谱重组的西瓜糖度快速建模方法 | |
CN110132879A (zh) | 一种基于近红外光谱的烤烟香韵鉴别方法 | |
CN105628708A (zh) | 一种南疆红枣多参量品质快速无损检测方法 | |
CN105138834A (zh) | 基于近红外光谱波数k均值聚类的烟草化学值定量方法 | |
CN109324016A (zh) | 一种复烤片烟香型风格的判定方法 | |
CN105223140A (zh) | 同源物质的快速识别方法 | |
CN105628646B (zh) | 一种卷烟在线焦油预测及预警方法 | |
CN106970191A (zh) | 一种采用智舌系统对白酒原酒快速分级的方法 | |
Longobardi et al. | Characterization of the geographical and varietal origin of wheat and bread by means of nuclear magnetic resonance (NMR), isotope ratio mass spectrometry (IRMS) methods and chemometrics: a review | |
CN102680427A (zh) | 一种应用近红外光谱分析技术鉴别卷烟表香质量的方法 | |
CN102809635B (zh) | 一种适宜溶解型蛋白质加工的花生品质测定及其评价方法 | |
CN112485238A (zh) | 一种基于拉曼光谱技术鉴别姜黄精油产地的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |