CN114563532B - 一种烟叶醇化特性及质量一致性分析方法 - Google Patents

一种烟叶醇化特性及质量一致性分析方法 Download PDF

Info

Publication number
CN114563532B
CN114563532B CN202210194679.7A CN202210194679A CN114563532B CN 114563532 B CN114563532 B CN 114563532B CN 202210194679 A CN202210194679 A CN 202210194679A CN 114563532 B CN114563532 B CN 114563532B
Authority
CN
China
Prior art keywords
tobacco
quality
tobacco leaves
alcoholization
factor
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
Application number
CN202210194679.7A
Other languages
English (en)
Other versions
CN114563532A (zh
Inventor
张鑫
杨凯
徐玮杰
汤朝起
陈斌
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.)
Shanghai Tobacco Group Co Ltd
Original Assignee
Shanghai Tobacco Group Co Ltd
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 Shanghai Tobacco Group Co Ltd filed Critical Shanghai Tobacco Group Co Ltd
Priority to CN202210194679.7A priority Critical patent/CN114563532B/zh
Publication of CN114563532A publication Critical patent/CN114563532A/zh
Application granted granted Critical
Publication of CN114563532B publication Critical patent/CN114563532B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01N33/0098—Plants or trees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Wood Science & Technology (AREA)
  • Botany (AREA)
  • Probability & Statistics with Applications (AREA)
  • Manufacture Of Tobacco Products (AREA)

Abstract

本发明提供一种烟叶醇化特性及质量一致性分析方法，包括以下步骤：步骤S1，将烟叶进行醇化后取样；步骤S2，获得质量指标检测数据；步骤S3，获得各公因子得分值tx和因子综合得分值Tijn；步骤S4，计算Pi；步骤S5，计算Qi；步骤S6，计算Ki，再输入tx进行聚类以分析一致性。本发明提供一种烟叶醇化特性及质量一致性分析方法，基于不同烟叶在不同贮存环境下不同醇化周期样品的外观、化学及感官等多项质量指标的检测数据，通过因子分析和聚类分析，可以实现对烟叶醇化特性和综合质量一致性的分析，指导烟叶分类贮存及个性化养护的实施、分散贮存烟叶的有序使用及分阶段养护措施的调整，保障卷烟产品质量稳定。

Description

一种烟叶醇化特性及质量一致性分析方法
技术领域
本发明属于烟草仓储的技术领域，涉及一种烟叶醇化特性及质量一致性分析方法，具体涉及一种基于因子聚类分析的烟叶醇化特性及质量一致性分析方法。
背景技术
烟叶醇化是卷烟生产链中不可或缺的环节，该过程中烟叶质量总体表现为先提升后降低趋势。但诸多研究表明，不同烟叶醇化过程质量变化程度存在差异，如胡亚杰等发现云南文山片烟在醇化过程中外观颜色与内在化学物质变化幅度更大，达到最佳醇化期所需时间少于云南大理和云南保山片烟。另外在不同贮存环境下相同烟叶也会出现醇化质量差异，如王健强等发现在两年醇化期内在陕南醇化的片烟质量整体上好于在陕北醇化的片烟，陈雨峰等发现氧气调控法对烟叶醇化效果优于常规贮存法和密封抽气法。
目前，该领域研究主要集中于烟叶醇化过程质量变化规律的统计分析以及在此基础上适宜醇化周期和养护方式的确定，其中关于烟叶醇化质量分析主要是通过专业人员对不同醇化周期样品的感官评吸和外观鉴定；有发明专利中利用外观(201510767648.6)、外观和化学 (201510359319.8)、pH值(200810197049.5)、紫外光谱峰值(201310599010.7)、水提取物吸光度(201910473609.3)等指标建立感官质量预测模型，以此来减小分析过程对人工的依赖程度。但尚无关于烟叶醇化特性分析方法的研究报道，同时烟叶醇化质量评价方法没有与实际卷烟生产业务管理有效衔接。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种烟叶醇化特性及质量一致性分析方法，该方法基于不同烟叶在不同贮存环境下不同醇化周期样品的外观、化学及感官等多项质量指标的检测数据，通过因子分析和聚类分析，实现对烟叶醇化过程综合质量变化程度、受环境影响程度等醇化特性以及醇化综合质量一致性进行有效分析。
为实现上述目的及其他相关目的，本发明提供一种烟叶醇化特性及质量一致性分析方法，包括以下步骤：
步骤S1，将烟叶贮存于具有差异的环境条件下进行醇化，按照固定间隔的时间周期对烟叶进行取样；
优选地，步骤S1中，所述烟叶为复烤片烟烟叶。
更优选地，所述烟叶选自同一烟季加工的不同等级复烤片烟烟叶、不同年份的同一等级复烤片烟烟叶、不同醇化周期的同一等级复烤片烟烟叶中的一种或多种。
上述烟季是指从烟草育苗开始，经田间种植、采收调制直至打叶复烤加工结束的周期过程，通常会跨越两个自然年，以烟叶种植年份作为烟季标记。
上述复烤片烟烟叶中的不同等级是指在打叶复烤环节，各生产单位依据质量特点和优劣程度把烟叶划分成的不同级别，是复烤片烟烟叶用于卷烟配方设计与卷烟制造的特征标识。
优选地，步骤S1中，所述环境条件选自温度、相对湿度、氧气浓度中一项或多项。
优选地，步骤S1中，所述环境条件的差异存在以下一种或多种情况：
A1)温度月均值极差≥3℃；
A2)相对湿度月均值极差≥9％；
A3)氧气浓度月均值极差≥2％。
上述具有差异的环境条件是指，烟叶在相同时间段内贮存环境的温度、相对湿度、氧气浓度中有一项或多项有显著差异。上述具有差异的环境条件可以在实际仓库内实施或在实验室内模拟实现。
上述醇化为烟草醇化，指将复烤片烟烟叶置于贮存条件良好的仓库内贮存一定时间，借助其内部缓慢的化学和生化反应，以达到提高原料品质目的的工艺过程。通常1个醇化周期为1-3年。期间贮存环境的温度、湿度、氧气浓度等均会影响烟叶醇化质量。
优选地，步骤S1中，所述烟叶贮存场所为仓库或实验室内。
优选地，步骤S1中，所述烟叶在仓库内进行取样时，取样时间周期的固定间隔为3-6月；所述烟叶在实验室内进行取样时，取样时间周期的固定间隔为2-4周。
所述固定间隔的时间周期可根据评价精细度确定。
优选地，步骤S1中，所述取样为同步取样。
优选地，步骤S1中，所述取样次数不少于5次。
优选地，步骤S1中，每次所述取样的份数不少于3份。
步骤S2，将所取的烟叶样品按质量指标进行检测，获得醇化烟叶样品的质量指标检测数据；
优选地，步骤S2中，所述质量指标包括且不限于外观、化学成分、感官等。
更优选地，所述质量指标选自外观、化学成分、感官中的一种或多种组合。
更优选地，所述外观质量指标包括但不限于颜色、色度、油分、结构等。
进一步优选地，所述外观质量指标选自颜色、色度、油分、结构中的一种或多种组合。
上述颜色是指烟叶的颜色，对于复烤片烟烟叶，其基本色主要包括柠檬黄、正黄、橘黄、红棕、棕褐色等。复烤片烟烟叶在醇化过程由于多酚类物质的酶促棕色化反应、还原糖与氨基化合物的非酶棕色化反应等表现为颜色逐渐转深，烟叶颜色褐变后通常意味着质量下降。
上述色度是指烟叶色彩的饱和程度，所述色度包含三层含义：烟叶颜色均匀程度、烟叶颜色饱满程度、烟叶颜色光泽程度。所述烟叶颜色均匀程度指烟叶表面颜色均匀一致的状态；所述烟叶颜色饱满程度指烟叶颜色的浓淡状态；所述烟叶颜色光泽程度指视觉反映烟叶颜色的强弱状态。所述色度划分为浓、强、中、弱、淡5个档次。浓：烟叶表面颜色均匀、饱满，视觉反应强。强：烟叶表面颜色均匀、尚饱满，视觉反应较强。中：烟叶表面颜色稍有不匀、不够饱满，视觉反应一般。弱：烟叶表面颜色不匀、饱满度差，视觉反应较弱。淡：烟叶表面颜色不匀、极不饱满、色淡，视觉反应弱。复烤片烟烟叶在醇化过程中，均匀程度和饱满程度在醇化初期逐渐变好，达到最优后开始变差；而光泽程度则一直呈变暗趋势。
上述油分是指烟叶内含有的一种柔润的半液体或液体物质(芳香油和树脂等)，在烟叶外观上表现出油润或枯燥的感觉。它是烟叶香气的前体物质之一，对烟叶香气至关重要。根据烟叶油分状态，分为多、有、稍有、少4个档次。(1)多。叶片韧性强、弹性好，手握松开后恢复能力强，耐扯拉力好，叶表面有油性反应。(2)有。叶片有韧性，弹性较好，耐扯拉力尚好，叶表面尚有油性反应。(3)稍有。有一定的韧性和弹性，尚有耐扯拉力，叶表面油性反映不太显露。(4)少。韧性及弹性差，耐扯拉力弱，无油性反应。油分含量也是在醇化前期增大，达到最大值后开始下降。
上述结构是指烟叶细胞排列的疏密程度，分为疏松、尚疏松、稍密、紧密4个档次。(1) 疏松，手摸叶片有皱缩感。(2)尚疏松，手摸叶片稍厚。(3)稍密，手摸叶片厚，稍有平滑感。(4)紧密，手摸叶片厚，有硬实感。
更优选地，所述化学成分质量指标包括但不限于烟碱、总糖、还原糖、淀粉、总氮、糖碱比、氮碱比、两糖比、两糖差、pH值、多酚、类胡萝卜素、中性致香物质等。
进一步优选地，所述化学成分质量指标选自烟碱、总糖、还原糖、淀粉、总氮、糖碱比、氮碱比、两糖比、两糖差、pH值、多酚、类胡萝卜素、中性致香物质中的一种或多种组合。
上述烟碱是指烟叶中的烟碱即尼古丁含量。上述总糖是指烟叶中的总糖分含量。上述还原糖是指烟叶中还原性糖分含量。上述淀粉是指烟叶中的淀粉含量。上述总氮是指烟叶中的总氮含量。上述糖碱比是指烟叶中的烟碱与还原糖的比值。上述氮碱比是指烟叶中的总氮与烟碱的比值。上述两糖比是指烟叶中的还原糖与总糖的比值。上述两糖差是指烟叶中的总糖与还原糖的差值。上述pH值是指烟叶的pH值。上述多酚是指烟叶中的多酚类物质含量，所述多酚类物质包括绿原酸、莨菪亭、芸香苷等。上述类胡萝卜素是指烟叶中的一类多烯类物质含量，所述多烯类物质包括胡萝卜素及其氧化衍生物叶黄素。
上述中性致香物质是指烟叶中的中性致香物质含量，所述中性致香物质包括类胡萝卜素降解产物(如香叶基丙酮、巨豆三烯酮、β-大马酮等)、棕色化反应产物(如糠醇、2-乙酰基吡咯、5-甲基糠醛等)、芳香族氨基酸裂解产物(如苯乙醛、苯乙醇、苯甲醛等)、西柏烷类降解产物(如茄酮和氧化茄酮)和新植二烯等。
更优选地，所述感官质量指标包括但不限于香气质、香气量、杂气、刺激性、余味、浓度、香型彰显程度等。
进一步优选地，所述感官质量指标选自香气质、香气量、杂气、刺激性、余味、浓度、香型彰显程度中的一种或多种组合。
上述香气质是指香气的优劣程度和风味特点。上述香气量是指香气的多少或浓淡(丰满) 程度。上述杂气是指非烟草本质气味的、轻微的或明显的不良气息。上述刺激性是指烟气对感官造成的轻微或明显的不适感觉。上述余味是指烟气从口腔、鼻腔呼出后，遗留下来的味觉感受。上述浓度是指口腔感受到的烟气浓淡程度。上述香型彰显程度是指烟草某类特征香气的显露程度。
上述感官质量指标可参照烟草行业标准YC/T 530《烤烟烟叶质量风格特色感官评价方法》或类似感官评价方法进行确定。
步骤S3，将质量指标检测数据作为变量输入SPSS软件中进行因子分析，计算获得各公因子得分值tx和因子综合得分值Tijn；
优选地，步骤S3中，所述质量指标检测数据在进行因子分析前，要计算每个质量指标的检测数据平均值。
所述质量指标的检测数据平均值为每个质量指标在相同环境条件下针对相同等级的复烤片烟烟叶进行同一次取样获得样品进行相应检测的数据均值。其作为该组样品的基础统计数据，以消除个别样品检测误差并便于后续分析。
优选地，步骤S3中，各所述因子得分值tx(x＝1,2,…,n，n为正整数，x为计算得到的公因子个数)采用SPSS软件确定。
上述各公因子得分值tx按SPSS软件的常规功能进行计算。上述各公因子得分值tx的计算是基于作为变量的各质量指标提取出的共性特征信息表征量。
上述各公因子得分值tx的计算按SPSS软件常规操作步骤进行操作。具体来说，即将质量指标检测数据录入SPSS软件后，依次点击SPSS软件中对话框【分析】-【降维】-【因子】-【因子分析】。根据需要在对话框【描述】、【提取】、【旋转】中勾选统计内容和方法，一般默认值即可。在对话框【得分】中勾选【保存为变量】，计算后原数据列表中新增变量即所提取的各公因子得分值tx(x＝1,2,…,n，n为正整数，x为计算得到的公因子个数，可由软件自动提取产生或在对话框【提取】中人为设定)。
优选地，步骤S3中，所述各公因子得分值tx依据因子方差贡献度进行加权计算获得因子综合得分值Tijn。
因子综合得分值Tijn的计算按SPSS软件常规操作步骤进行操作。具体来说，在SPSS软件中依次点击对话框【转换】-【计算变量】，对上述所得各公因子得分tx值依据因子方差贡献度进行加权计算，即得因子综合得分值Tijn。
步骤S4，根据所获得的因子综合得分值Tijn，计算烟叶在所有贮存环境下不同醇化时段因子综合得分的极差Pi；
优选地，步骤S4中，所述Pi按公式(1)进行计算，
所述公式(1)为：Pi＝range(mean(Ti·1),mean(Ti·2),…,mean(Ti·n))，
式中，
Ti·1表示第i个烟叶在所有贮存环境下第1次取样样品的因子综合得分值；以此类推， Ti·2、…、Ti·n表示第i个烟叶在所有贮存环境下第2次、…、第n次取样样品的因子综合得分值；
mean表示计算因子综合得分值的平均值；
range表示计算因子综合得分值的平均值的极差。
优选地，步骤S4中，所述Pi值越大则表明该烟叶醇化过程质量变化越明显。可表征烟叶醇化质量变化幅度。
步骤S5，根据所获得的因子综合得分值Tijn，计算烟叶在醇化全过程中在不同贮存环境下因子综合得分极差的均值Qi；
优选地，步骤S5中，所述Qi按公式(2)进行计算，
所述公式(2)为：Qi＝mean(range(Ti·1),range(Ti·2),…,range(Ti·n))，
式中，
Ti·1表示第i个烟叶在所有贮存环境下第1次取样样品的因子综合得分值；以此类推， Ti·2、…、Ti·n表示第i个烟叶在所有贮存环境下第2次、…、第n次取样样品的因子综合得分值；
range表示计算因子综合得分值的极差；
mean表示计算因子综合得分值的极差的平均值。
优选地，步骤S5中，所述Qi值越大则表明该烟叶醇化质量受环境影响越大。可表征烟叶醇化质量受环境影响程度。
步骤S6，对不同贮存环境、不同醇化周期的烟叶样品质量计算出第i个烟叶的醇化过程中综合质量聚类类别数量Ki，再将各公因子得分值tx输入SPSS软件中按Ki类进行聚类以分析一致性。
优选地，步骤S6中，所述Ki按公式(3)进行计算，
所述公式(3)为：
式中，
Pi表示在第i个烟叶在所有贮存环境下不同醇化时段因子综合得分的极差；
min(P)表示所有烟叶在醇化过程中综合得分值变化幅度最小值；
min(P)÷2表示可区分醇化反应最弱的烟叶醇化前后质量差异的综合得分间隔数值，用作确定所有烟叶醇化质量分类数的标度。该结果可在积累一定数据量后修正固化，以便保证不同试验批次间的可比性。
步骤S6中，各所述公因子得分值tx输入SPSS软件中按Ki类进行聚类的计算按SPSS软件的常规功能进行计算。
各所述公因子得分值tx输入SPSS软件中按Ki类进行聚类的计算按SPSS软件常规操作步骤进行操作。具体来说，在SPSS软件中依次点击对话框【分析】-【分类】-【K-均值聚类】，将上述计算所得各公因子得分值tx作为输入变量，在对话框【聚类数】中输入公式(3)所得Ki值，在对话框【保存】中勾选【聚类成员】，确定后原数据列表中新增变量即得样品的聚类类别。
所述聚类结果中同一类别的烟叶可认定为醇化质量均匀一致。即烟叶在不同时间、不同环境下醇化质量虽有差异，但相比整个醇化过程质量变化程度，聚类分析后属于同一类别的烟叶间质量差异微小，可认为质量一致，不会影响卷烟产品质量。
上述SPSS软件是指“统计产品与服务解决方案”(Statistical Product andService Solutions) 软件。
如上所述，本发明提供的一种烟叶醇化特性及质量一致性分析方法，具有以下有益效果：
(1)本发明提供的一种烟叶醇化特性及质量一致性分析方法，基于烟叶醇化过程中外观、化学、感官等细分质量指标检测数据，应用因子分析方法，可实现对不同烟叶醇化过程质量变化幅度、醇化质量受环境影响程度等醇化特性进行客观综合分析，由此可指导烟叶分类贮存及个性化养护的实施。
(2)本发明提供的一种烟叶醇化特性及质量一致性分析方法，应用聚类分析方法，对不同贮存环境、不同醇化周期、相同等级烟叶综合质量一致性进行分析，由此指导分散贮存烟叶的有序使用及分阶段养护措施的调整，进而保障卷烟产品质量稳定。
附图说明
图1显示为本发明的实施例1中烟叶的3种环境条件的月度均值图1A、1B、1C，其中，图1A为温度；图1B为相对湿度；图1C为氧气浓度。
图2显示为本发明的实施例1中三个等级烟叶醇化过程中色调H值变化趋势图2A、2B、 2C，其中，图2A为吉林C2烟叶；图2B为河南C2烟叶；图2C为福建C2烟叶。
图3显示为本发明的实施例1中三个等级烟叶醇化过程中pH值变化趋势图3A、3B、3C，其中，图3A为吉林C2烟叶；图3B为河南C2烟叶；图3C为福建C2烟叶。
图4显示为本发明的实施例1中三个等级烟叶醇化过程中两糖比变化趋势图4A、4B、4C，其中，图4A为吉林C2烟叶；图4B为河南C2烟叶；图4C为福建C2烟叶。
图5显示为本发明的实施例1中三个等级烟叶醇化过程中因子分析得分变化趋势图5A、 5B、5C，其中，图5A为吉林C2烟叶；图5B为河南C2烟叶；图5C为福建C2烟叶。
图6显示为本发明的实施例1中八个等级烟叶醇化特性二维评价图。
图7显示为本发明的实施例1中八个等级烟叶醇化过程质量聚类结果热力图。
具体实施方式
下面结合具体实施例进一步阐述本发明，应理解，这些实施例仅用于说明本发明而不用于限制本发明的保护范围。
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。
实施例1
1、醇化、取样
以2015烟季8个等级200kg/箱的复烤片烟烟叶为试验烟叶材料，复烤片烟的基本信息见表1。
表1试验复烤片烟烟叶基本信息
从2016年7月起将上述复烤片烟分别贮存在上海云岭西路仓库空调仓间、上海云岭西路仓库常规仓间、安徽凤阳华环仓库常规仓间、山东诸城福海仓库常规仓间4种环境下，分别存放4箱，各仓间内8个等级集中堆垛并按各常规养护方式进行自然醇化。
醇化至2019年12月结束，期间利用CENTER-310温湿度检测仪(中国台湾群特股份有限公司)、MIC-800氧气检测仪(深圳逸云天电子有限公司)每工作日定时检测烟箱旁的环境条件如环境温度、相对湿度和氧气浓度。统计醇化全过程中各环境条件的月度均值。
其中，如图1A所示，4个仓间温度月度极差平均为4.6℃，最大可达7.0℃；如图1B所示，4个仓间相对湿度月度极差平均为9.8％，最大可达14.5％；如图1C所示，4个仓间氧气浓度月度极差平均为2.5％，最大可达6.7％。即所选4个仓间烟叶贮存环境条件具有较明显差异。
将8个等级烟叶中每个等级烟叶，在4种贮存环境中每种贮存环境下，各选定3箱作为跟踪取样烟箱，以时间周期的固定间隔为6月，分别于2016年7月和12月、2017年6月和 12月、2018年6月和12月、2019年6月和12月进行八次取样，取样时按五点取样法在各箱烟叶表层15公分以下取共计500g烟叶样品，混匀后装袋标记送检。3箱为同步取样。
所述五点取样法为常用的点状取样法，具体即先确定对角线的中点作为中心抽样点，再在对角线上选择四个与中心样点距离相等的点作为抽样点。每次取样的份数为3份。
2、获得质量指标检测数据
采用GTM-600烟叶综合测试台(上海创和亿电子科技发展有限公司)采集各片烟样品图像，在MATLAB软件中编写图像处理程序，通过去噪、二值化处理对原始图像进行区域分割，划分出烟叶范围后提取其R、G、B三色值，再转换计算HSV色彩空间下的H值(色调，即颜色)、S值(饱和度，即色度)，作为烟叶样品外观质量指标检测数据。
将片烟样品磨粉(60目)后，采用Antaris II近红外光谱仪(美国赛默飞世尔仪器公司) 采集各处理后样品的近红外光谱，测定样品的烟碱、总糖、还原糖、总氮4项常规化学成分含量及pH值，并计算氮碱比、两糖差、两糖比3项衍生指标值，作为片烟样品化学成分质量指标检测数据。
3、获得各公因子得分值tx和因子综合得分值Tijn
将获得的质量指标检测数据，首先计算各等级烟叶每种贮存环境下每次所取全部样品各质量指标的平均值，作为该组样品的检测结果。以各等级烟叶取样时间与复烤加工时间差作为醇化周期(以月计)。
如图2A至2C，展示了吉林C2、河南C2、福建C2三个等级片烟醇化过程颜色色调H 值变化情况。由图可知，烟叶醇化过程H值总体呈下降趋势，但相同醇化周期内，吉林C2 烟叶H值的降幅以及不同贮存环境下的差异程度表现更为明显。
如图3A-3C，展示了吉林C2、河南C2、福建C2三个等级片烟醇化过程pH值变化情况。由图可知，烟叶醇化过程pH值总体呈下降趋势，但相同醇化周期内，福建C2烟叶pH值的降幅以及不同贮存环境下的差异程度表现较不明显。
如图4A-4C，展示了吉林C2、河南C2、福建C2三个等级片烟醇化过程两糖比变化情况。由图可知，烟叶醇化过程两糖比呈先升高后趋稳态势，但吉林C2烟叶两糖比趋稳所需时间更长，且不同贮存环境下的差异程度表现更为明显。
由此说明，所选择的检测指标能从不同维度反映复烤片烟在自然醇化过程的变化规律，但不同烟叶醇化过程质量变化幅度以及醇化质量受环境影响程度不同。
为了对不同复烤片烟醇化过程综合质量变化幅度进行分析比较，应用SPSS软件对全部样本的H值(色调)、S值(饱和度)、烟碱、总糖、PH值、氮碱比、两糖差、两糖比等8 项指标数据进行了因子分析，得到的因子分析总方差解释表如表2所示，前4个公因子旋转平方和载入方差贡献率分别为29.96％、24.95％、22.81％、18.06％，积累方差贡献率为95.77％，即说明提取的前4个公因子能够较好的解释烟叶醇化质量变化所包含的主体信息，即x＝4。
表2总方差解释
旋转后的成分矩阵如表3所示，它是经过旋转后的因子载荷矩阵，因子载荷是评价指标与筛选出来的4个公共因子的相关系数。根据各个评价指标的特点，可以把第一个公因子解释为颜色和酸度因素；第二个公因子解释为氮类因素；第三个公因子可以解释为糖平衡因素；第四个公因子解释为糖类因素。因此，可将以上的品质影响指标归纳为4个潜在因素(颜色和酸度因素、氮类因素、糖平衡因素、糖类因素)，从而对自然醇化过程中复烤片烟质量的变化加以描述。
表3旋转后的因子载荷矩阵
根据所得的各样品4个公因子单项得分及因子方差贡献度计算该样品因子分析综合得分 Tijn(i表示烟叶等级，本实施例中i＝1,2,…,8；j表示烟叶贮存环境，本实施例中j＝1,2,3,4；n 表示取样次数，本实施例中n＝1,2,…,8)。以福建C2烟叶样品为例展示单因子得分和综合得分计算结果，如表4所示。
表4福建C2(i＝2)烟叶各样品单因子得分和综合得分计算
如图5A-5C，展示了吉林C2、河南C2、福建C2三个等级片烟醇化过程因子分析综合得分变化情况。由图可知，烟叶醇化过程因子分析综合得分总体呈下降趋势，与单项质量指标检测结果类似，相同醇化周期内，不同烟叶因子分析综合得分的降幅以及不同贮存环境下的差异程度表现不同，总体表现为吉林C2＞河南C2＞福建C2，即因子综合得分有效概括了多项质量指标所反应信息。
4、烟叶醇化特性分析
首先计算各等级复烤片烟每次取样时四种环境下所有样品因子综合得分的均值mean和极差range，分别用于反应该等级烟叶在该醇化时段综合质量水平和不同环境下质量差异水平。
按公式(1)计算烟叶在所有贮存环境下不同醇化时段因子综合得分的极差Pi，用以反应该烟叶醇化过程质量变化幅度，数值越大表明该烟叶醇化过程质量变化越明显。
公式(1)为：Pi＝range(mean(Ti·1),mean(Ti·2),…,mean(Ti·8))，
式中，Ti·1表示第i个烟叶在所有贮存环境下第1次取样样品的因子综合得分值；以此类推，Ti·2、…、Ti·8表示第i个烟叶在所有贮存环境下第2次、…、第8次取样样品的因子综合得分值。mean表示计算因子综合得分值的平均值。range表示计算因子综合得分值的平均值的极差。
按公式(2)计算烟叶在醇化全过程中在不同贮存环境下因子综合得分极差range的均值 Qi，用以反应该烟叶在不同贮存环境下醇化质量差异程度，数值越大表明该烟叶醇化过程受环境影响越大。
公式(2)为：Qi＝mean(range(Ti·1),range(Ti·2),…,range(Ti·8))，
式中，Ti·1表示第i个烟叶在所有贮存环境下第1次取样样品的因子综合得分值；以此类推，Ti·2、…、Ti·8表示第i个烟叶在所有贮存环境下第2次、…、第8次取样样品的因子综合得分值。range表示计算因子综合得分值的极差。mean表示计算因子综合得分值的极差的平均值。
八个等级烟叶醇化特性指标Pi和Qi的计算过程及结果如表5所示。可见，烟叶醇化过程质量变化幅度由大到小依次为：吉林C2＞四川C2＞河南C2＞福建B2、河南B2、河南X2、福建C2＞福建X2；烟叶醇化质量受环境影响程度由大到小依次为：吉林C2、四川C2＞河南C2＞河南B2、河南X2＞福建X2、福建C2、福建B2。
进一步可以将Pi和Qi分别作为横纵坐标绘制散点图，从而清晰展示不同烟叶醇化特性差异，具体结果如图6所示。
表5烟叶醇化特性计算
5、烟叶醇化过程质量一致性分析
根据所获取的同一烟叶醇化过程4个公因子得分对不同贮存环境、不同醇化周期烟叶样品质量进行聚类，以分析醇化过程质量一致性。第i个烟叶的醇化过程中综合质量聚类类别数量Ki按照公式(3)根据烟叶醇化特性确定。
公式(3)为：
式中，
Pi表示第i个烟叶在所有贮存环境下不同醇化时段因子综合得分的极差；
min(P)表示所有烟叶在醇化过程中综合得分值变化幅度最小值；
min(P)÷2表示可区分醇化反应最弱的烟叶醇化前后质量差异的综合得分间隔数值，用作确定所有烟叶醇化质量分类数的标度。
通过上述公式(3)可知，本实施例中福建X21的P值最小，由此确定分类标度为0.398÷2＝0.199。八个等级烟叶醇化过程质量聚类数计算结果如表6所示。
表6烟叶醇化过程质量聚类数计算
根据表6计算出的聚类数，应用SPSS软件对各等级烟叶不同贮存环境、不同醇化周期样品4个公因子得分进行K均值聚类，即将各公因子得分值tx输入SPSS软件中按Ki类进行聚类以分析一致性，聚类结果中同一类别的烟叶可认定为醇化质量均匀一致，具体情况见图 7。
由图7可见，各等级烟叶不同醇化周期样品被划分为不同的类别，且在不同贮存环境下表现规律总体一致，即通过聚类方法可有效区分烟叶在不同醇化周期时的质量差异。各等级烟叶在不同贮存环境下的样品进入不同类别的时间点有所差异，即通过聚类方法可有效区分不同贮存环境下烟叶醇化质量差异。如福建C2烟叶在安徽凤阳华环仓库常规仓间贮存至2018 年4月时其质量状态即进入类别3，而在上海云岭西路仓库空调仓间和常规仓间、山东诸城福海仓库常规仓间则在2018年12月时质量状态才进入类别3，同时说明要保障卷烟产品质量稳定，该等级烟叶投料使用时可优先选择华环仓库常规仓间贮存的原料。
实施例2
1、醇化、取样
以2015烟季8个等级200kg/箱的复烤片烟烟叶为试验烟叶材料，复烤片烟的基本信息同实施例1。自然醇化的仓储条件和取样条件同实施例1。
2、获得质量指标检测数据
采用与实施例1相同方式获得样品的颜色和色度数据，同时通过人工观察及触摸评价，获得样品的油分和结构数据，作为烟叶样品外观质量指标检测数据。
将片烟样品磨粉(60目)后，采用Antaris II近红外光谱仪(美国赛默飞世尔仪器公司) 采集各处理后样品的近红外光谱，测定样品的烟碱、总糖、还原糖、淀粉、总氮、糖碱比、氮碱比、两糖比、两糖差、pH值，作为片烟样品化学成分质量指标检测数据。
同时将片烟样品磨粉(60目)后，采用GC-MS测定多酚、类胡萝卜素、中性致香物质成分含量，多酚类物质包括绿原酸、莨菪亭、芸香苷，类胡萝卜素包括胡萝卜素和叶黄素，中性致香物质包括香叶基丙酮、巨豆三烯酮、β-大马酮、糠醇、2-乙酰基吡咯、5-甲基糠醛、苯乙醛、苯乙醇、苯甲醛、茄酮、氧化茄酮、新植二烯，作为片烟样品化学成分质量指标检测数据。
将片烟样品采用感官评价法进行评分，获得样品的香气质、香气量、杂气、刺激性、余味、浓度、香型彰显程度数据，作为片烟样品感官质量指标检测数据。
3、获得各公因子得分值t x 和因子综合得分值Tijn
将获得的质量指标检测数据，按实施例1中方法计算各公因子得分值tx，再计算因子综合得分值Tijn。
4、烟叶醇化特性分析
按实施例1中方法进行烟叶醇化特性分析。
5、烟叶醇化过程质量一致性分析
按实施例1中方法进行烟叶醇化过程质量一致性分析，将各公因子得分值tx输入SPSS 软件中按Ki类进行聚类。
由于目前卷烟企业很多等级复烤片烟同一批次数量超过1000吨，在贮存醇化时会分散于不同仓库，而仓库间温度、湿度存在差异，导致烟叶醇化质量差异。而且同一批次烟叶使用周期可达一年，这期间通常不做分析而默认为质量一致投入卷烟生产，这会导致卷烟产品质量波动。通过本发明中的分析方法可在识别烟叶醇化质量差异后，一方面可以合理组织烟叶使用，即把质量达标的烟叶尽快投入使用；另一方面可以调整贮存管理方式，让烟叶在预计使用周期时达到质量要求。
综上所述，本发明提供一种烟叶醇化特性及质量一致性分析方法，基于不同烟叶在不同贮存环境下不同醇化周期样品的外观、化学及感官等多项质量指标的检测数据，通过因子分析和聚类分析，可以实现对烟叶醇化综合质量一致性的分析，指导烟叶分类贮存及个性化养护的实施、分散贮存烟叶的有序使用及分阶段养护措施的调整，保障卷烟产品质量稳定。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (5)

1.一种烟叶醇化特性及质量一致性分析方法，包括以下步骤：
步骤S1，将烟叶贮存于具有差异的环境条件下进行醇化，按照固定间隔的时间周期对烟叶进行取样；
步骤S2，将所取的烟叶样品按质量指标进行检测，获得醇化烟叶样品的质量指标检测数据；
步骤S3，将质量指标检测数据作为变量输入SPSS软件中进行因子分析，计算获得各公因子得分值tx和因子综合得分值Tijn；i表示烟叶等级，j表示烟叶贮存环境，n表示取样次数；
步骤S4，根据所获得的因子综合得分值Tijn，计算烟叶在所有贮存环境下不同醇化时段因子综合得分的极差Pi；
步骤S5，根据所获得的因子综合得分值Tijn，计算烟叶在醇化全过程中在不同贮存环境下因子综合得分极差的均值Qi；
步骤S6，对不同贮存环境、不同醇化周期的烟叶样品质量计算出第i个烟叶的醇化过程中综合质量聚类类别数量Ki，再将各公因子得分值tx输入SPSS软件中按Ki类进行聚类以分析一致性；
步骤S2中，所述质量指标选自外观、化学成分、感官中的一种或多种组合；
步骤S3中，所述各公因子得分值tx依据因子方差贡献度进行加权计算获得因子综合得分值Tijn；
步骤S4中，所述Pi按公式(1)进行计算，
所述公式(1)为：Pi＝range(mean(Ti·1),mean(Ti·2),…,mean(Ti·n))，
式中，
Ti·1表示第i个烟叶在所有贮存环境下第1次取样样品的因子综合得分值；以此类推，Ti·2、…、Ti·n表示第i个烟叶在所有贮存环境下第2次、…、第n次取样样品的因子综合得分值；
mean表示计算因子综合得分值的平均值；
range表示计算因子综合得分值的平均值的极差；
步骤S5中，所述Qi按公式(2)进行计算，
所述公式(2)为：Qi＝mean(range(Ti·1),range(Ti·2),…,range(Ti·n))，式中，
Ti·1表示第i个烟叶在所有贮存环境下第1次取样样品的因子综合得分值；以此类推，Ti·2、…、Ti·n表示第i个烟叶在所有贮存环境下第2次、…、第n次取样样品的因子综合得分值；range表示计算因子综合得分值的极差；
mean表示计算因子综合得分值的极差的平均值；
步骤S6中，所述Ki按公式(3)进行计算，
所述公式(3)为：
式中，
Pi表示第i个烟叶在所有贮存环境下不同醇化时段因子综合得分的极差；
min(P)表示所有烟叶在醇化过程中综合得分值变化幅度最小值；
min(P)÷2表示可区分醇化反应最弱的烟叶醇化前后质量差异的综合得分间隔数值。
2.根据权利要求1所述的一种烟叶醇化特性及质量一致性分析方法，其特征在于，步骤S1中包括以下条件中的任一项或多项：
A1)所述烟叶为复烤片烟烟叶；
A2)所述烟叶贮存场所为仓库或实验室内；
A3)所述烟叶在仓库内进行取样时，取样时间周期的固定间隔为3-6月；所述烟叶在实验室内进行取样时，取样时间周期的固定间隔为2-4周；
A4)所述取样为同步取样；
A5)所述取样次数不少于5次；
A6)每次所述取样的份数不少于3份。
3.根据权利要求1所述的一种烟叶醇化特性及质量一致性分析方法，其特征在于，所述环境条件选自温度、相对湿度、氧气浓度中一项或多项；所述环境条件的差异存在以下一种或多种情况：
B1)温度月均值极差≥3℃；
B2)相对湿度月均值极差≥9％；
B3)氧气浓度月均值极差≥2％。
4.根据权利要求1所述的一种烟叶醇化特性及质量一致性分析方法，其特征在于，所述外观质量指标选自颜色、色度、油分、结构中的一种或多种组合；所述化学成分质量指标选自烟碱、总糖、还原糖、淀粉、总氮、糖碱比、氮碱比、两糖比、两糖差、pH值、多酚、类胡萝卜素、中性致香物质中的一种或多种组合；所述感官质量指标选自香气质、香气量、杂气、刺激性、余味、浓度、香型彰显程度中的一种或多种组合。
5.根据权利要求1所述的一种烟叶醇化特性及质量一致性分析方法，其特征在于，步骤S3中，所述质量指标检测数据在进行因子分析前，要计算每个质量指标的检测数据平均值。
CN202210194679.7A 2022-03-01 2022-03-01 一种烟叶醇化特性及质量一致性分析方法 Active CN114563532B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210194679.7A CN114563532B (zh) 2022-03-01 2022-03-01 一种烟叶醇化特性及质量一致性分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210194679.7A CN114563532B (zh) 2022-03-01 2022-03-01 一种烟叶醇化特性及质量一致性分析方法

Publications (2)

Publication Number Publication Date
CN114563532A CN114563532A (zh) 2022-05-31
CN114563532B true CN114563532B (zh) 2024-04-02

Family

ID=81715347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210194679.7A Active CN114563532B (zh) 2022-03-01 2022-03-01 一种烟叶醇化特性及质量一致性分析方法

Country Status (1)

Country Link
CN (1) CN114563532B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104931430A (zh) * 2015-06-26 2015-09-23 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
CN107290288A (zh) * 2017-05-27 2017-10-24 广西中烟工业有限责任公司 一种烤烟褐变度快速测定方法及其应用
CN110796350A (zh) * 2019-10-16 2020-02-14 贵州中烟工业有限责任公司 一种基于多元统计的打叶复烤加工质量综合评价方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104931430A (zh) * 2015-06-26 2015-09-23 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
CN107290288A (zh) * 2017-05-27 2017-10-24 广西中烟工业有限责任公司 一种烤烟褐变度快速测定方法及其应用
CN110796350A (zh) * 2019-10-16 2020-02-14 贵州中烟工业有限责任公司 一种基于多元统计的打叶复烤加工质量综合评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于主要化学成分的醇化片烟感官质量预测模型;刘曙光;甘学文;王光耀;李玉娥;惠康进;郭建华;宋纪真;;西南农业学报;20200728(第07期);第137-143页 *
烟叶不同部位、复烤工艺及醇化时间对烟草中氨基酸质量分数的影响研究;王鹏;寇明钰;李东亮;薛芳;宋光富;周东;杨杰;;西南师范大学学报(自然科学版);20170220(第02期);第53-58页 *

Also Published As

Publication number Publication date
CN114563532A (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
CN109100321A (zh) 一种卷烟叶组配方维护方法
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
CN104931430B (zh) 一种复烤片烟自然醇化品质评价及模型构建方法
CN109975238B (zh) 一种基于近红外光谱的烟叶以及卷烟叶组配方的替代方法
CN108181263B (zh) 基于近红外光谱的烟叶部位特征提取及判别方法
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
CN114563532B (zh) 一种烟叶醇化特性及质量一致性分析方法
CN110122915A (zh) 一种打叶复烤加工质量综合评价方法
CN111912793A (zh) 利用高光谱测量烟草中镉含量的方法及预测模型的建立
CN109164187A (zh) 一种区分同一类型不同产地茶叶的方法
CN108414471B (zh) 一种基于近红外光谱与感官评吸互信息判别感官表征信息的方法
CN110132880A (zh) 一种基于近红外光谱的烟叶整体感官质量评价方法
CN109324016A (zh) 一种复烤片烟香型风格的判定方法
CN111795943A (zh) 基于近红外光谱技术无损检测茶叶中外源掺杂蔗糖的方法
Han et al. Effects of logging on the ecological strategy spectrum of a tropical montane rain forest
Nkouaya Mbanjo et al. Predicting starch content in cassava fresh roots using near-infrared spectroscopy
CN103344598A (zh) 一种梗丝与卷烟叶组配伍性的判定方法
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
CN113759079B (zh) 一种烤烟烟叶原料外观质量评价方法
CN111311088A (zh) 一种烤烟香气风格特征检测方法、系统、存储介质、程序
CN110736718B (zh) 一种烤烟烟丝的产地及等级识别方法
CN113455696A (zh) 一种通过烟叶类胡萝卜素降解率判断醇化进程的方法
CN106442397A (zh) 一种基于光谱比例扣除的稻谷近红外光谱模型优化方法
CN107290288A (zh) 一种烤烟褐变度快速测定方法及其应用
CN109765336A (zh) 一种烟草薄片感官评价和化学成分相关性分析方法

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
GR01 Patent grant
GR01 Patent grant