加热卷烟烟叶原料定量筛选方法及其装置制造方法及图纸

本申请公开了一种加热卷烟烟叶原料定量筛选方法及其装置，包括以下步骤：步骤S1：获取加热卷烟烟叶原料样品的Py

【技术实现步骤摘要】
加热卷烟烟叶原料定量筛选方法及其装置


[0001]本申请涉及烟叶选用
，特别是一种加热卷烟烟叶原料定量筛选方法及其装置。

技术介绍

[0002]加热卷烟再造烟叶以烟草原料为主要原料加工而成，其中常添加部分天然植物纤维物质。由于原料并非纯烟叶，导致其中呈味物质成分复杂，且最终呈味效果与所用原料烟叶息息相关。
[0003]现有针对加热卷烟再造烟叶原料烟叶的研究主要集中于烟草原料内部的甘油分子的分子扩散和对流传质过程研究，并未对原料中所含关键化学物质含量进行研究。
[0004]现有对于加热卷烟原料烟叶的原料烟叶筛选指标是常规化学成分，例如总糖、还原糖、蛋白质、氨基酸、烟碱、总氮等，存在关联性不强导致模型无法构建或者模型判别准确不高等问题。缺乏对加热卷烟再造烟叶感官评价的考量，使得所选烟叶无法有效改善感官评价结果。
[0005]如需增加感官评价结果，需要将各原料分别制成可抽吸卷烟制品后，分批次进行试吸评价，操作繁琐，尤其面对众多原料时，无法从众多的烟叶原料中快速准确的筛选出具有较优感官评价结果的原料。这也导致现有加热卷烟再造烟叶的感官评价结果较其他常规类型卷烟差。

技术实现思路

[0006]本申请提供了一种加热卷烟烟叶原料定量筛选方法，用于解决现有技术中存在的加热卷烟再造烟叶原料烟叶筛选指标单一，无法快速、准确重大量的原料烟叶中筛选出具有较优感官评价结果的原料烟叶的技术问题。
[0007]本申请提供方法基于热裂解
‑
气相色谱
‑
质谱法(Pyrolysis gas chromatography mass spectrometry，Py
‑
GC
‑
MS)开发检测加热卷烟再造烟叶原料化学成分的分析方法，对加热卷烟原料进行化学表征。采用MZmine软件包对Py
‑
GC
‑
MS数据进行处理，获得含有强度信息的特征峰表。分别以样品的特征峰表和感官评价得分作为自变量和因变量，采用随机森林(Random Forest，RF)回归算法建立加热卷烟再造烟叶原料适用性模型，采用该模型可快速分析筛选出具有较高感官评价结果的加热卷烟再造烟叶原料烟叶。
[0008]本申请提供了一种加热卷烟烟叶原料定量筛选方法，包括以下步骤：
[0009]步骤S1：获取加热卷烟烟叶原料样品的Py
‑
GC
‑
MS原始数据；
[0010]步骤S2：处理Py
‑
GC
‑
MS原始数据得到含有强度信息的样品特征峰表；
[0011]步骤S3：以样品特征峰表作为自变量，以各样品的感官评价得分作为因变量，采用随机森林回归算法建立加热卷烟再造烟叶原料适用性模型；
[0012]步骤S4：获取待测加热卷烟再造烟叶原料的Py
‑
GC
‑
MS原始数据，并对Py
‑
GC
‑
MS原始数据进行处理后得到待测加热卷烟再造烟叶原料的待测特征峰表，将待测特征峰表输入
加热卷烟再造烟叶原料适用性模型得到该原料对应的感官评价得分。
[0013]优选地，步骤S2包括以下步骤：
[0014]步骤S21：提取离子流色谱图；
[0015]步骤S22：利用连续小波变换对质谱的谱峰寻峰得到EIC峰；
[0016]步骤S23：采用多元曲线分辨对EIC峰数据进行解卷积，得到卷积峰；
[0017]步骤S24：基于组分对对卷积峰校准后输出具有质荷比、保留时间和强度信息的特征峰表。
[0018]优选地，步骤S23中解卷积包括以下步骤：
①
确定解卷积窗口；
②
通过多元曲线分辨在每个解卷积窗口中构建模型峰；
③
将解卷积窗口中构建的每个EIC峰分解为模型峰的线性组合，从MZmine中将已构建的质谱数据以msp格式导出，导入NIST 2017库中进行检索定性。
[0019]优选地，其特征在于，步骤S21具体包括以下步骤：
[0020](1)将数据文件中的所有数据点按其强度进行排序，并删除低于强度阈值的点；
[0021](2)从最密集数据点开始，创建第一个EIC；
[0022](3)对于第一个EIC，建立不可变的m/z范围，m/z范围为m/z
±
∈
m/z
，∈
m/z
为m/z容差参数；
[0023](4)如果现有EIC的m/z值在m/z范围内，那么下一个数据点为下一个最密集的数据点；
[0024](5)如果下一个数据点不在m/z范围内，则创建一个新的EIC的m/z范围，当点满足用户设定的最小启动强度要求时，创建新的EIC，调整边界；
[0025](6)重复步骤4～5，直到所有数据都处理完毕。
[0026]优选地，步骤S22包括以下步骤：小波系数计算为EIC和小波在不同尺度和位置上的内积，通过脊线检测和局部最小搜索确定峰的位置和边界；以墨西哥帽函数为小波母函数。
[0027]优选地，步骤S3包括以下步骤：
[0028]步骤S31：以Gini指数作为评价指标来衡量样品中化学成分的特征重要性评分，计算公式见下式。将所有决策树上每个特征的Gini指数降低值相加，即可获得每个化学成分的特征重要性评分。
[0029][0030]式中：为结点t中j类的类频率。特征在结点t的重要性，即Gini指数的变化量，是一个结点与两个子结点的Gini指数加权和之差。
[0031]步骤S32：将数据集划分为训练集和测试集，采用K折交叉验证对模型参数：森林中树的个数(n_estimators)、每棵树随机选择的特征数目(max_features)和树的最大深度(max_depth)进行优化。在一具体实施例中，当K为10时，结果得n_estimators＝20，max_features＝21，max_depth＝6。
[0032]优选地，Py
‑
GC
‑
MS检测中样品用量为0.90mg。
[0033]优选地，Py
‑
GC
‑
MS检测所用样品裂解温度为350℃。
[0034]本申请的另一方面还提供了一种加热卷烟烟叶原料定量筛选装置，包括：
[0035]色谱检测模块，用于获取加热卷烟烟叶原料样品的Py
‑
GC
‑
MS原始数据；
[0036]特征峰提取模块，用于处理Py
‑
GC
‑
MS原始数据得到含有强度信息的样品特征峰表；
[0037]建模模块，用于以样品特征峰表作为自变量，以各样品的感官评价得分作为因变量，采用随机森林回归算法建立加热卷烟再造烟叶原料适用性模型；
[0038]估算模块，用于获取待测加热卷烟再造烟叶原料的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种加热卷烟烟叶原料定量筛选方法，其特征在于，包括以下步骤：步骤S1：获取加热卷烟烟叶原料样品的Py
‑
GC
‑
MS原始数据；步骤S2：处理Py
‑
GC
‑
MS原始数据得到含有强度信息的样品特征峰表；步骤S3：以样品特征峰表作为自变量，以各样品的感官评价得分作为因变量，采用随机森林回归算法建立加热卷烟再造烟叶原料适用性模型；步骤S4：获取待测加热卷烟再造烟叶原料的Py
‑
GC
‑
MS原始数据，并对Py
‑
GC
‑
MS原始数据进行处理后得到待测加热卷烟再造烟叶原料的待测特征峰表，将待测特征峰表输入加热卷烟再造烟叶原料适用性模型得到该原料对应的感官评价得分。2.根据权利要求1所述的加热卷烟烟叶原料定量筛选方法，其特征在于，步骤S2包括以下步骤：步骤S21：提取离子流色谱图；步骤S22：利用连续小波变换对质谱的谱峰寻峰得到EIC峰；步骤S23：采用多元曲线分辨对EIC峰数据进行解卷积，得到卷积峰；步骤S24：基于组分对对卷积峰校准后输出具有质荷比、保留时间和强度信息的特征峰表。3.根据权利要求2所述的加热卷烟烟叶原料定量筛选方法，其特征在于，步骤S23中解卷积包括以下步骤：
①
确定解卷积窗口；
②
通过多元曲线分辨在每个解卷积窗口中构建模型峰；
③
将解卷积窗口中构建的每个EIC峰分解为模型峰的线性组合，从MZmine中将已构建的质谱数据以msp格式导出，导入NIST 2017库中进行检索定性。4.根据权利要求2所述的加热卷烟烟叶原料定量筛选方法，其特征在于，步骤S21具体包括以下步骤：(1)将数据文件中的所有数据点按其强度进行排序，并删除低于强度阈值的点；(2)从最密集数据点开始，创建第一个EIC；(3)对于第一个EIC，建立不可变的m/z范围，m/z范围为m/z
±
∈
m/z
，∈
m/z
为m/z容差参数；(4)如果现有EIC的m/z值在m/z范围内，那么下一个数据点为下一个最密集的数据点；(5)如果下一个数据点不在m/z范围内，则创建一个新的EIC的m/z范围，当点满足用户设定的最小启动强度要求时，创建新的EIC，调整边界；(6)重复步骤...

【专利技术属性】
技术研发人员：陈颐，姜永雷，汪旭，胡彬彬，张志敏，杨菁，苏家恩，赵文涛，刘春波，唐石云，喻曦，何军，
申请(专利权)人：云南省烟草农业科学研究院，
类型：发明
国别省市：