CN110174487A - 一种基于高效液相指纹图谱和判别分析的凤凰单枞鉴别方法 - Google Patents

一种基于高效液相指纹图谱和判别分析的凤凰单枞鉴别方法 Download PDF

Info

Publication number
CN110174487A
CN110174487A CN201910585134.7A CN201910585134A CN110174487A CN 110174487 A CN110174487 A CN 110174487A CN 201910585134 A CN201910585134 A CN 201910585134A CN 110174487 A CN110174487 A CN 110174487A
Authority
CN
China
Prior art keywords
phoenix
list fir
phoenix list
fir
retention time
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.)
Pending
Application number
CN201910585134.7A
Other languages
English (en)
Inventor
魏建华
黄学泓
陆奕娜
张林田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inspection And Quarantine Technology Center Of Shantou Entry Exit Inspection And Quarantine Bureau
Original Assignee
Inspection And Quarantine Technology Center Of Shantou Entry Exit Inspection And Quarantine Bureau
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Inspection And Quarantine Technology Center Of Shantou Entry Exit Inspection And Quarantine Bureau filed Critical Inspection And Quarantine Technology Center Of Shantou Entry Exit Inspection And Quarantine Bureau
Priority to CN201910585134.7A priority Critical patent/CN110174487A/zh
Publication of CN110174487A publication Critical patent/CN110174487A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/04—Preparation or injection of sample to be analysed
    • G01N30/06—Preparation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/62—Detectors specially adapted therefor
    • G01N30/74—Optical detectors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8675—Evaluation, i.e. decoding of the signal into analytical information
    • G01N30/8686—Fingerprinting, e.g. without prior knowledge of the sample components

Landscapes

  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明公开了一种基于高效液相指纹图谱和判别分析的凤凰单枞鉴别方法，包括以下步骤：获取已知产地海拔和产茶季节的多类凤凰单枞的多个样品的高效液相指纹图谱数据并进行标准化处理，建立凤凰单枞鉴别模型；鉴别模型是二维数据，多类凤凰单枞的识别用共有特征峰为列变量，每行代表一个样品，相对峰面积填充单元格；获取未知产地海拔和产茶季节的待测凤凰单枞的高效液相指纹图谱数据并进行标准化处理；代入鉴别模型，通过典则判别分析方法，得到鉴定结果。本发明通过大数据实现未知凤凰单枞的产地及季节判断，克服人为因素的影响，结果准确可靠；避免了保留时间数据漂移和色谱检测仪器造成的峰面积不一致问题，提高鉴定模型的准确性和实用性。

Description

一种基于高效液相指纹图谱和判别分析的凤凰单枞鉴别方法
技术领域
本发明涉及茶叶检测领域，尤其涉及一种基于高效液相指纹图谱和判别分析的凤凰单枞鉴别方法。
背景技术
凤凰单枞(丛)茶，属乌龙茶类，原产于广东省潮州市潮安县凤凰镇乌岽山茶区，具有特定的栽培技术和采集加工方法，已经获得了国家地理标志产品保护以及注册了国家地理标志商标。凤凰单枞是我国的名茶之一，茶粒较大，茶色黄褐，香气清馥，滋味浓醇而甘，汤色浅黄，是潮州人和东南亚华侨爱好的一种茶，在我国茶叶市场占很大比重，也是重要的出口产品之一。凤凰单枞的产地海拔从300米到1500米，茶的立地条件有很大差异，而且气候温暖，海拔600米以下的地区四季都可以产茶。所以产地海拔和产茶季节是影响凤凰单枞品质的重要因素，市场售价也依据茶叶的产地海拔和产茶季节跨度非常大。一般来说产地海拔越高的凤凰单枞品质越好，售价也越高；就产茶季节而言，春茶优于冬茶，冬茶优于秋茶，夏茶最次。当茶叶流转到市场时，消费者、市场监管部门所面对的是已经加工好了的成茶，对茶叶进行识别和分级的传统方法一般都是通过人工感官审评来确定的,这种方法主要通过审评人员的视觉、嗅觉、触觉和味觉来进行,会受到人主观的影响，缺乏客观的科学依据，无法实现定量化识别。由于没有客观的评价技术，导致茶市场价格混乱，会出现以低产地海拔假冒高产地海拔和以夏茶假冒春茶等“以次充好”现象，严重侵害消费者的利益，长期来说也损害茶农以及茶叶销售链上所有人的利益，不利于茶叶市场的健康发展。
因此,建立凤凰单枞产地海拔和产茶季节的快速客观的判定方法,在凤凰单枞茶叶贸易中显得非常重要。由于凤凰单枞种植的产地、气候、环境、产茶的季节等因素不同造成它们的化学成分的种类和含量不同，可以通过高效液相法做出的指纹图谱，对凤凰单枞的产地海拔和产茶季节进行快速客观的判定。
因此，本领域的技术人员致力于开发一种基于高效液相指纹图谱和典则判别分析法的凤凰单枞的鉴定方法，采用高效液相色谱结合指纹图谱相似度分析和典则判别分析等统计方法建立凤凰单枞鉴别的统计学模型，通过数据标准化方法克服保留时间漂移的问题；以一种人为因素较小、分辨率高、特异性强的方法鉴定凤凰单枞的产地海拔和产茶季节。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何建立凤凰单枞鉴别的统计学模型，并克服保留时间漂移等问题，减少鉴别过程中的人为因素影响，提高鉴别的分辨率。
为实现上述目的，本发明提供了一种基于高效液相指纹图谱和判别分析的凤凰单枞鉴别方法，包括以下步骤：
步骤A获取已知产地海拔和产茶季节的多类凤凰单枞的多个样品的高效液相指纹图谱数据并进行标准化处理，建立凤凰单枞鉴别模型；所述凤凰单枞鉴别模型是二维数据结构，各类所述凤凰单枞的识别用共有特征峰为列变量，每行代表一个所述样品，相对峰面积填充单元格；
步骤B获取未知产地海拔和产茶季节的待测凤凰单枞的高效液相指纹图谱数据并进行标准化处理；
步骤C代入所述凤凰单枞鉴别模型，通过典则判别分析方法，得到鉴定结果。
进一步地，所述步骤A包括以下步骤：
步骤A1获取每个所述样品的高效液相色谱图；
步骤A2获取每类所述凤凰单枞的指纹图谱共有特征峰，包括以下参数：所述共有特征峰的峰面积及其对应的保留时间；
步骤A3进行标准化处理，包括：
确定基准峰：选取保留时间范围17.02±1.5min内所述峰面积最大的所述共有特征峰作为所述基准峰；
保留时间标准化：分别计算每类所述凤凰单枞的所述共有特征峰的保留时间与所述基准峰的保留时间的比值，作为相对保留时间；
峰面积标准化：分别计算每类所述凤凰单枞的所述共有特征峰与所述基准峰的峰面积比值，作为相对峰面积；
数据匹配：将每类所述凤凰单枞的各样品的高效液相色谱图使用相似度分析软件进行相似度分析，获得每类所述凤凰单枞对照图谱，作为该类凤凰单枞的标准指纹图谱；
将每类凤凰单枞茶的标准指纹图谱使用相似度分析软件进行相似度分析，获得各类凤凰单枞茶标准指纹图谱所具有的共有峰；
从所述共有峰中筛选共有特征峰：留下稳定出现的，较大面积的峰，作为识别用共有特征峰，确保每个所述样品都包含所述共有特征峰，所述共有特征峰的峰面积与最大峰面积比大于等于0.0001。
所述识别用共有特征峰共21个，对应的所述相对保留时间分别是：0.35421、0.50133、0.63415、0.67312、0.71242、0.85687、0.91205、1.00000、1.25064、1.34084、1.47190、1.62494、1.71569、2.08757、2.13657、2.18629、2.34646、2.49865、2.93897、3.06124、3.25006，所述相对标准偏差范围为2％；所述相对标准偏差范围为2％；
步骤A4得到所述凤凰单枞鉴别模型：将所述相对保留时间进行集中排序，以所述识别用共有特征峰作为列，每个所述样品作为行，所述相对峰面积填入相应的单元格。
进一步地，所述步骤B包括以下步骤：
步骤B1获取所述待测凤凰单枞的高效液相色谱图；
步骤B2在所述高效液相色谱图中获取特征峰的峰面积和保留时间；
步骤B3将所述峰面积和所述保留时间进行标准化处理：
确定基准峰：选取保留时间范围17.02±1.5min内所述峰面积最大峰作为所述基准峰；
保留时间标准化：计算所述特征峰的保留时间与所述基准峰的保留时间的比值，作为相对保留时间；
峰面积标准化：计算所述特征峰与所述基准峰的峰面积比值，作为相对峰面积；
数据匹配：将所述待测凤凰单枞的相对保留时间与所述凤凰单枞鉴别模型中的识别用共有特征峰对应的相对保留时间进行一一匹配，得到列数与所述凤凰单枞鉴别模型相同的一行数据。
进一步地，所述步骤C包括：将所述步骤B3得到的数据作为一行新变量，代入所述凤凰单枞鉴别模型。
进一步地，所述步骤A2包括以下步骤：
将每类所述凤凰单枞的高效液相色谱图进行相似度分析，获得每类所述凤凰单枞所具有的共有峰；
筛选所述共有峰，获得每类所述凤凰单枞的高效液相指纹图谱的共有特征峰；所述共有特征峰的峰面积与最大峰面积比大于等于0.0001。
进一步地，所述方法还包括如下步骤：将所述步骤A得到的所述数据预处理文件进行典则判别方法分析，验证所述凤凰单枞鉴别模型的准确率。
进一步地，所述典则判别分析方法包括如下步骤：
用于验证所述凤凰单枞鉴别模型时，分别从每类所述凤凰单枞中选取部分样品作为训练集，剩余样品作为预测集；
用于鉴别所述待测凤凰单枞时，每个所述样品作为训练集，所述待测凤凰单枞作为预测集。
进一步地，获取所述高效液相色谱图的步骤如下：制取试品溶液；对所述试品溶液进行色谱检测。
进一步地，所述试品溶液制取包括：称取3g粉碎的干茶样，用50％乙醇在室温下浸提15min，过滤并洗涤滤渣三次，合并滤液，冷却后定容100ml，使用0.22μm滤膜过滤；使用高效液相色谱仪进行所述色谱检测。
进一步地，每类所述凤凰单枞的样品数量≥9个。
本发明提供的方法具备以下技术效果：
1、通过大数据实现凤凰单枞的产地海拔和产茶季节的判断，从而实现凤凰单枞的产地海拔和产茶季节鉴别，克服传统凤凰单枞产地海拔和采摘季节鉴别人为因素的影响，结果准确可靠。
2、采用数据对齐和标准化的数据预处理方法，避免了指纹图谱保留时间数据的漂移和色谱检测仪器条件造成的峰面积不一致问题，提高凤凰单枞产地海拔和产茶季节鉴别模型的准确性和实用性。
3.建立凤凰单枞产地海拔和产茶季节鉴别的典则判别分析模型：将多类已知不同海拔以及不同产茶季节的凤凰单枞样品进行建模，每类凤凰单枞包括9-10个样品，并分别分为训练集和预测集，即其中每类样本任意取五个样本组成作为训练集，剩余样本组成预测集，通过统计分析软件，采用典则判别分析法，进行判别分析，得到训练的判别结果100％符合，而预测集的判别结果也完全符合已知分类。
以下将结合附图对本发明的构思及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的凤凰单枞鉴定流程示意图；
图2是本发明的一个较佳实施例的凤凰单枞产地海拔和采摘季节鉴定模型散点图。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。
如图1所示，本发明提供的基于高效液相指纹图谱和判别分析的凤凰单枞鉴别方法，用于鉴定凤凰单枞产地海拔和产茶季节，包括以下步骤：
首先，获取已知产地海拔和产茶季节信息的多类凤凰单枞的多个样品的高效液相指纹图谱数据，进行图谱数据标准化，建立用于鉴别产地海拔和产茶季节的凤凰单枞鉴别模型；
其次，获取未知产地海拔和产茶季节信息的凤凰单枞的高效液相图谱数据，进行图谱数据标准化，再代入凤凰单枞鉴别模型，通过典则判别分析方法，得到鉴别结果。
为了验证所获得的凤凰单枞鉴别模型，通过典则判别分析方法，分别将各类已知产地海拔和产茶季节信息的多类凤凰单枞中的多个样品分为训练集和预测集，对以上数据集做典则判别分析，将得到的结果与已知产地海拔和产茶季节信息进行比较，来验证模型的正确率。
下面，结合具体实施例，来详细阐述本发明提供的基于高效液相指纹图谱和判别分析的凤凰单枞鉴别方法的详细步骤。
本实施例为了建立凤凰单枞鉴别模型，所选取的样品为凤凰单枞地理标志保护范围内已知产茶地海拔、产茶季节的7类凤凰单枞，每类的样品数量≥9个数量，共69个样品，如表1所示。
表1已知产茶地海拔、产茶季节的7类凤凰单枞及其样品名称
对上述7个种类的已知产茶地海拔和产茶季节的凤凰单枞的多个样品均进行高效液相色谱检测，获取高效液相色谱图：
首先，制取用于高效液相色谱检测的试品溶液：称取3.000g(粉碎)干茶样，称取精度至0.001g；用50％乙醇在室温下浸提15min，过滤并洗涤滤渣三次，合并滤液，冷却后定容100mL；0.22μm滤膜过滤后备用。
其次，对试品溶液进行色谱检测：吸取试品溶液，注入Agilent 1260型高效液相色谱仪检测，色谱设置条件如下：
色谱柱：Phenomenex Synergi 4u MAX-RP C12 80A 250×4.6mm，填料粒径4μm，柱长250mm，柱内径4.6mm；
流动相：A相：1％甲酸；B相：乙腈；采用梯度洗脱方式，B相梯度从10％到
30％；检测波长：280nm；
柱温：30℃；
流速：1.0ml/min。
上述步骤结束后，可以获取每个样品的高效液相色谱图。
在获取了每个样品的高效液相色谱图后，再获取每个种类的凤凰单枞的指纹图谱的共有特征峰，步骤如下：将每类凤凰单枞的各个样品的高效液相色谱图导入色谱指纹图谱相似度评价软件中进行指纹图谱相似度分析，获得该类凤凰单枞对照图谱作为其标准指纹图谱；再获得全部七类凤凰单枞的共有特征峰，即将每类凤凰单枞茶的标准指纹图谱使用相似度分析软件进行相似度分析，获得各类凤凰单枞茶标准指纹图谱所具有的共有峰；确定共有特征峰的数量及与共有特征峰对应的保留时间。所使用的色谱指纹图谱相似度评价软件选用“中药色谱指纹图谱相似度评价系统”(2012.130723版本)。
将每类样品指纹图谱中共有特征峰的保留时间和峰面积进行标准化处理，获得数据预处理文件：
基准峰的确定：凤凰单枞在保留时间17.02±1.5min会出现一个峰面积非常大的峰，一般是该类凤凰单枞的指纹图谱中峰面积最大峰，或者峰面积次大峰，此处选择保留时间17.02±1.5min内面积最大峰为数据标准化的基峰；
保留时间标准化：分别计算每类凤凰单枞的指纹图谱中的共有特征峰保留时间与基峰的保留时间的比值，作为相对保留时间。
峰面积数据标准化：分别计算每个凤凰单枞的指纹图谱中的共有特征峰峰面积与基峰峰面积的比值，作为相对峰面积；
从共有峰中筛选共有特征峰，计算共有特征峰对应的相对保留时间，核对每个样品指纹图谱的相对保留时间，留下稳定出现的，较大面积的峰，即核对每个样品的指纹图谱，除去某样品不含有的共有特征峰，确保留下的该共有特征峰每个样品都含有，峰面积较大的峰，即共有特征峰的筛选方法是根据共有峰峰面积与最大峰面积比排序，去除与最大峰面积比小于0.0001的共有峰作为识别用共有特征峰筛选所述共有峰，获得每类所述凤凰单枞的高效液相指纹图谱的共有特征峰；所述共有特征峰的峰面积与最大峰面积比大于等于0.0001。保留相对保留时间一致的且稳定出现的峰作为凤凰单枞产地海拔和产茶季节识别用共有特征峰：
根据每类凤凰单枞的共有特征峰的相对保留时间一一进行匹配，设定相对保留时间的相对标准偏差范围为2％，各类凤凰单枞的共有特征峰的相对保留时间，处于该设定范围，认为每类凤凰单枞指纹图谱于此峰的相对保留时间一致的，保留该峰，否则弃去，如表2所示，共获得凤凰单枞产地海拔和产茶季节识别用共有特征峰21个；
表2凤凰单枞产地海拔和产茶季节识别用共有特征峰相对保留时间
将所有的相对保留时间进行集中排序，将凤凰单枞产地海拔和产茶季节识别用共有特征峰的21个峰序号作为列；将已知产地海拔和产茶季节信息的凤凰单枞的样品名作为行，每个样品所包含的相对峰面积填入对应的单元格中，形成数据预处理文件，见表3。
表3凤凰单枞鉴定模型的数据预处理文件
表3凤凰单枞鉴定模型的数据预处理文件(续)
将已知产地海拔和产茶季节的凤凰单枞的种类，每类分别分为训练集和预测集，即从每类凤凰单枞的样品中任意取五个样本组成作为训练集，剩余样本组成预测集，见表4。
表4凤凰单枞鉴定模型的数据分为训练集和预测集
将数据预处理文件转换为可录入统计软件的源文件。统计软件的源文件的数据结构是二维行列结构，其中每列为一个变量，每行为一个记录。将数据预处理文件转换为典则判别分析源文件，进行典则判别分析：将凤凰单枞产地海拔和采摘季节识别用共有特征峰的21个峰序号作为典则判别分析用的列变量，每个列变量所包含的相对峰面积填入对应的单元格中；将已知产地海拔和产茶季节信息的凤凰单枞的样品名作为样品标识列于第22列。由此得到统计软件的源文件。此处，统计软件选用SPSS(Statistical Product andService Solutions统计产品与服务解决方案)统计软件。
上述数据集中包含7组69条1单茶叶样品数据，用变量T作为样品标识。每条样品数据都由21个变量信息(记为x1,x2,……,x21)构成。选取每组数据中的前5个样品(共计35个数据)作为训练集，其分类情况已知，并用分类变量P记录类别，剩余样品做预测集。下面使用SPSS软件，将典则判别分析源文件输入统计软件中进行典则判别分析，以P为分组变量，对数据集做判别分析。
分析过程和结果如下，见表5和表6：
表5典则判别函数特征值a
a.分析中使用了前6个典型判别式函数。
线性判别函数中选取了6个较大的特征值累计方差达到100％，保留了变量的所有信息量。
表6凤凰单枞鉴定模型的判别分类结果a
a、已对初始分组案例中的100.0％个进行了正确分类。
如表6所示，典则判别分析中的分类结果显示：训练集中的第1类中有5个样品，没有误判；第2类有5个样品，没有误判；第3类有5个样品，没有误判；第4类有5个样品，没有误判；第5类有5个样品，没有误判；第6类有5个样品，没有误判；第7类有5个样品，没有误判。故误判率为0。即对训练集中的100％的样品进行了正确分类。
评估的结果表明采用典则判别的结果可信，误判率低。且由典则判别法对原样本集中除训练集之外的其余数据即预测集中34组样品的分类判别结果如下：
编号为20160410-6、20160410-7、20160410-8、20160410-9、20160410-10的样品判别结果为1类，即400米以下的春茶，与已知的产地海拔和采摘季节实际信息相符；
编号为20160503-6、20160503-7、20160503-8、20160503-9、20160402-3的样品判别结果为2类，即600米左右的春茶，与已知的产地海拔和采摘季节实际信息相符；
编号为20160503-16、20160503-17、20160503-18、20160503-19、20160402-1的样品判别结果为3类，即800-1000米的春茶，与已知的产地海拔和采摘季节实际信息相符；
编号为LX20161117-7、LX20161117-8、LX20161117-9、LX20161117-10的样品判别结果为4类，即600米左右的夏茶，与已知的产地海拔和采摘季节实际信息相符；
编号为LS20161117-6、LS20161117-7、LS20161117-8、LS20171117-9、LS20161117-10的样品判别结果为5类，即600米左右的秋茶，与已知的产地海拔和采摘季节实际信息相符；
编号为20170124006、20170124007、20170124008、20170124009、20170124010的样品判别结果为6类，即600米左右的冬茶，与已知的产地海拔和采摘季节实际信息相符；
编号为20170124016、20170124017、20170121018、20170124019、20170124020品判别结果为7类，即800-1000米的冬茶，与已知的产地海拔和产茶季节实际信息相符；即对预测样本中的100％的样品进行了正确分类。
用所有样品的分组散点图表示凤凰单枞产地海拔和产茶季节样品鉴定分析结果散点图，如图2所示。
以上描述了用于产地海拔和产茶季节鉴定的凤凰单枞鉴定模型的建立过程，下面描述如何利用凤凰单枞鉴定模型，进行未知产地海拔和产茶季节的凤凰单枞样品的鉴定。
首先，对未知产地海拔和产茶季节的凤凰单枞进行高效液相色谱检测，处理过程与前述每个样品的高效液相色谱检测过程相同，此处不再赘述。通过高效液相色谱检测，从高效液相色谱仪导出未知产地海拔和采摘季节的凤凰单枞的特征峰面积和保留时间信息。
其次，标准化处理。确定基峰：保留时间范围为17.02±1.5min min，峰面积是9559，是该茶样品指纹图谱中峰面积最大峰，作为基峰；进行数据标准化，即计算该未知产地海拔和产茶季节的凤凰单枞的高效液相谱图中的峰面积与基峰峰面积的百分比；未知产地海拔和产茶季节的凤凰单枞的特征峰对应相对保留时间与凤凰单枞鉴定模型中共有特征峰序号对应的相对保留时间进行一一匹配，选择符合设定相对保留时间的相对标准偏差范围为2％内的峰。
第三，将未知产地海拔和产茶季节的凤凰单枞经标准化处理的数据作为一行新变量，加入如表2所示的凤凰单枞鉴定模型的数据预处理文件，成为新的数据预处理文件，即在包括7类69种凤凰单枞鉴定模型的数据预处理文件中加入一行未知产地海拔和采摘季节的凤凰单枞的相对峰面积的数据，得到了以未知产地海拔和产茶季节的凤凰单枞为行、列数与数据预处理文件相同的一行数据，如表7所示。
表7未知样品与凤凰单枞鉴定模型匹配峰的相对峰面积
样品名 第1峰 第2峰 第3峰 第4峰 第5峰 第6峰 第7峰 第8峰 第9峰 第10峰
未知样品 0.01593 0.01642 0.03159 0.01445 0.00239 0.00438 0.03246 1 0.00478 0.00360
表7未知样品与凤凰单枞鉴定模型匹配峰的相对峰面积(续)
样品名 第11峰 第12峰 第13峰 第14峰 第15峰 第16峰 第17峰 第18峰 第19峰 第20峰 第21峰
未知样品 0.02792 0.01145 0.29402 0.00476 0.01197 0.01832 0.00367 0.00887 0.00444 0.00935 0.01229
相应的转化成可录入统计软件的源文件，形成新的SPSS统计软件源文件，将已知产地海拔和产茶季节信息的凤凰单枞的种类，每类的所有样品作为训练集，未知产地海拔和采摘季节的凤凰单枞样本作为预测集。
上述数据集中包含7组69条1单茶叶样品数据和1条未知产地海拔和产茶季节的凤凰单枞数据，用变量T作为样品标识。每条样品数据都由21个变量信息(记为x1,x2,……,x21)构成.选取每组数据中的已知产地海拔和采摘季节的凤凰单枞样品(共计69个数据)作为训练集，其分类情况已知，并用分类变量P记录类别，剩余的未知产地海拔和采摘季节的凤凰单枞的数据样品做预测集。下面使用SPSS软件，将所述典则判别分析源文件输入统计软件中进行典则判别分析，以P为分组变量，对数据集做判别分析。鉴别结果如表8所示。
表8应用凤凰单枞鉴别模型鉴定未知凤凰单枞的判别分类结果a
a、已对初始分组案例中的100.0％个进行了正确分类。
如表8所示：未知样品被归为第1类即400米以下的春茶。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种基于高效液相指纹图谱和判别分析的凤凰单枞鉴别方法，其特征在于，包括以下步骤：
步骤A 获取已知产地海拔和产茶季节的多类凤凰单枞的多个样品的高效液相指纹图谱数据并进行标准化处理，建立凤凰单枞鉴别模型；所述凤凰单枞鉴别模型是二维数据结构，各类所述凤凰单枞的识别用共有特征峰为列变量，每行代表一个所述样品，相对峰面积填充单元格；
步骤B 获取未知产地海拔和产茶季节的待测凤凰单枞的高效液相指纹图谱数据并进行标准化处理；
步骤C 代入所述凤凰单枞鉴别模型，通过典则判别分析方法，得到鉴定结果。
2.如权利要求1所述的凤凰单枞鉴别方法，其特征在于，所述步骤A包括以下步骤：
步骤A1 获取每个所述样品的高效液相色谱图；
步骤A2 获取每类所述凤凰单枞的指纹图谱共有特征峰，包括以下参数：所述共有特征峰的峰面积及其对应的保留时间；
步骤A3 进行标准化处理，包括：
确定基准峰：选取保留时间范围17.02±1.5min内所述峰面积最大的所述共有特征峰作为所述基准峰；
保留时间标准化：分别计算每类所述凤凰单枞的所述共有特征峰的保留时间与所述基准峰的保留时间的比值，作为相对保留时间；
峰面积标准化：分别计算每类所述凤凰单枞的所述共有特征峰与所述基准峰的峰面积比值，作为相对峰面积；
数据匹配：将每类所述凤凰单枞的所述相对保留时间与相对标准偏差范围进行匹配，所述相对保留时间位于所述相对标准偏差范围内时，其所对应的所述共有特征峰予以保留，得到识别用共有特征峰；所述识别用共有特征峰共21个，对应的所述相对保留时间分别是：0.35421、0.50133、0.63415、0.67312、0.71242、0.85687、0.91205、1.00000、1.25064、1.34084、1.47190、1.62494、1.71569、2.08757、2.13657、2.18629、2.34646、2.49865、2.93897、3.06124、3.25006，所述相对标准偏差范围为2％；
步骤A4得到所述凤凰单枞鉴别模型：将所述相对保留时间进行集中排序，以所述识别用共有特征峰作为列，每个所述样品作为行，所述相对峰面积填入相应的单元格。
3.如权利要求1所述的凤凰单枞鉴别方法，其特征在于，所述步骤B包括以下步骤：
步骤B1 获取所述待测凤凰单枞的高效液相色谱图；
步骤B2 在所述高效液相色谱图中获取特征峰的峰面积和保留时间；
步骤B3 将所述峰面积和所述保留时间进行标准化处理：
确定基准峰：选取保留时间范围17.02±1.5min内所述峰面积最大峰作为所述基准峰；
保留时间标准化：计算所述特征峰的保留时间与所述基准峰的保留时间的比值，作为相对保留时间；
峰面积标准化：计算所述特征峰与所述基准峰的峰面积比值，作为相对峰面积；
数据匹配：将所述待测凤凰单枞的相对保留时间与所述凤凰单枞鉴别模型中的识别用共有特征峰对应的相对保留时间进行一一匹配，得到列数与所述凤凰单枞鉴别模型相同的一行数据。
4.如权利要求3所述的凤凰单枞鉴别方法，其特征在于，所述步骤C包括：将所述步骤B3得到的数据作为一行新变量，代入所述凤凰单枞鉴别模型。
5.如权利要求2所述的凤凰单枞鉴别方法，其特征在于，所述步骤A2包括以下步骤：
将每类所述凤凰单枞的各样品的高效液相色谱图使用相似度分析软件进行相似度分析，获得每类所述凤凰单枞对照图谱，作为该类凤凰单枞的标准指纹图谱；
将每类凤凰单枞茶的标准指纹图谱使用相似度分析软件进行相似度分析，获得各类凤凰单枞茶标准指纹图谱所具有的共有峰；
从所述共有峰中筛选共有特征峰：留下稳定出现的，较大面积的所述共有峰，作为识别用共有特征峰，确保每个所述样品都包括留下的所述共有特征峰；所述共有特征峰的峰面积与最大峰面积比大于等于0.0001。
6.如权利要求2所述的凤凰单枞鉴别方法，其特征在于，所述方法还包括如下步骤：将所述步骤A得到的所述数据预处理文件进行典则判别方法分析，验证所述凤凰单枞鉴别模型的准确率。
7.如权利要求1或6所述的凤凰单枞鉴别方法，其特征在于，所述典则判别分析方法包括如下步骤：
用于验证所述凤凰单枞鉴别模型时，分别从每类所述凤凰单枞中选取部分样品作为训练集，剩余样品作为预测集；
用于鉴别所述待测凤凰单枞时，每个所述样品作为训练集，所述待测凤凰单枞作为预测集。
8.如权利要求2或3所述的凤凰单枞鉴别方法，其特征在于，获取所述高效液相色谱图的步骤如下：制取试品溶液；对所述试品溶液进行色谱检测。
9.如权利要求8所述的凤凰单枞鉴别方法，其特征在于，所述试品溶液制取包括：称取3g粉碎的干茶样，用50％乙醇在室温下浸提15min，过滤并洗涤滤渣三次，合并滤液，冷却后定容100ml，使用0.22μm滤膜过滤；使用高效液相色谱仪进行所述色谱检测。
10.如权利要求1-5任一项所述的凤凰单枞鉴别方法，其特征在于，每类所述凤凰单枞的样品数量≥9个。
CN201910585134.7A 2019-07-01 2019-07-01 一种基于高效液相指纹图谱和判别分析的凤凰单枞鉴别方法 Pending CN110174487A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910585134.7A CN110174487A (zh) 2019-07-01 2019-07-01 一种基于高效液相指纹图谱和判别分析的凤凰单枞鉴别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910585134.7A CN110174487A (zh) 2019-07-01 2019-07-01 一种基于高效液相指纹图谱和判别分析的凤凰单枞鉴别方法

Publications (1)

Publication Number Publication Date
CN110174487A true CN110174487A (zh) 2019-08-27

Family

ID=67699512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910585134.7A Pending CN110174487A (zh) 2019-07-01 2019-07-01 一种基于高效液相指纹图谱和判别分析的凤凰单枞鉴别方法

Country Status (1)

Country Link
CN (1) CN110174487A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113125588A (zh) * 2021-03-17 2021-07-16 广东省农业科学院农业质量标准与监测技术研究所 一种代谢组学分析技术判别鸭屎香单丛茶时空分类的应用
WO2023024288A1 (zh) * 2021-08-27 2023-03-02 深圳市药品检验研究院（深圳市医疗器械检测中心） 一种结合抗新冠病毒效应的金银花和山银花鉴别模型及其构建方法和应用

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106501408A (zh) * 2016-10-26 2017-03-15 江南大学 一种基于hplc‑elsd和偏最小二乘判别分析法的蜂蜜掺假检测方法
CN106885851A (zh) * 2017-01-22 2017-06-23 中国农业科学院茶叶研究所 一种基于手性定量分析技术的红茶产地判别方法
CN109507311A (zh) * 2018-10-24 2019-03-22 扬子江药业集团有限公司 一种黄芩的鉴定方法及其应用

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106501408A (zh) * 2016-10-26 2017-03-15 江南大学 一种基于hplc‑elsd和偏最小二乘判别分析法的蜂蜜掺假检测方法
CN106885851A (zh) * 2017-01-22 2017-06-23 中国农业科学院茶叶研究所 一种基于手性定量分析技术的红茶产地判别方法
CN109507311A (zh) * 2018-10-24 2019-03-22 扬子江药业集团有限公司 一种黄芩的鉴定方法及其应用

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
成浩 等: "基于化学指纹图谱的扁形茶产地判别分析研究", 《茶叶科学》 *
王丽鸳 等: "基于多元化学指纹图谱的武夷岩茶身份判别研究", 《茶叶科学》 *
罗一帆等: "广东岭头单枞茶高效液相色谱指纹图谱的研究", 《食品科学》 *
贺巍: "基于化学指纹图谱的茶叶产地、原料品种判别分析和生化成分预测", 《中国博士学位论文全文数据库（农业科技辑）》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113125588A (zh) * 2021-03-17 2021-07-16 广东省农业科学院农业质量标准与监测技术研究所 一种代谢组学分析技术判别鸭屎香单丛茶时空分类的应用
WO2023024288A1 (zh) * 2021-08-27 2023-03-02 深圳市药品检验研究院（深圳市医疗器械检测中心） 一种结合抗新冠病毒效应的金银花和山银花鉴别模型及其构建方法和应用

Similar Documents

Publication Publication Date Title
CN101692053B (zh) 基于多传感信息融合的名优茶品质仪器智能化审评方法
CN109766872B (zh) 图像识别方法和装置
CN110634080B (zh) 异常用电检测方法、装置、设备及计算机可读存储介质
CN107677647A (zh) 基于主成分分析和bp神经网络的中药材产地鉴别方法
Hasmadi et al. Evaluating supervised and unsupervised techniques for land cover mapping using remote sensing data
CN108734184B (zh) 一种对敏感图像进行分析的方法及装置
CN108074231A (zh) 一种基于卷积神经网络的磁片表面缺陷检测方法
Almeida et al. Applying machine learning based on multiscale classifiers to detect remote phenology patterns in Cerrado savanna trees
CN102375000B (zh) 一种基于氢核磁共振-模式识别技术对椰岛鹿龟酒的检测方法
CN110413973A (zh) 计算机自动生成套卷的方法及其系统
CN103558311B (zh) 一种基于茶叶生化成分的绿茶苦涩味判别方法
CN110174487A (zh) 一种基于高效液相指纹图谱和判别分析的凤凰单枞鉴别方法
CN101004788A (zh) 证件指纹识别算法评价系统及其方法
CN102706813A (zh) 基于高光谱图像的草地早熟禾品种识别方法
CN103399050B (zh) 一种基于口感信息快速评定人参掺假西洋参的方法
CN114783539B (zh) 一种基于光谱聚类的中药成分分析方法及系统
CN107122395B (zh) 数据抽样方法和装置
DE60221623T2 (de) System zur Identitätsverifizierung
CN102194106A (zh) 一种用于门禁系统中的人脸识别方法
Majchrzak et al. Classification of Polish wines by application of ultra-fast gas chromatography
CN110414549B (zh) 一种模糊正交线性鉴别分析的茶叶近红外光谱分类方法
CN113125588B (zh) 一种代谢组学分析技术判别鸭屎香单丛茶时空分类的应用
CN105469099A (zh) 基于稀疏表示分类的路面裂缝检测和识别方法
CN113205161B (zh) 一种基于土壤参数的中药产地判别系统及方法
CN114169903A (zh) 一种可融合无损检测技术的中药材数字化质控追溯方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190827