專利名稱：一種基于茶葉生化成分的多茶類判別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于茶葉生化成分的多茶類判別方法。
背景技術(shù)：
中國是茶的發(fā)源地，紅茶、緑茶、烏龍茶和白茶均發(fā)祥于中國，也是世界主銷的茶類。從品鑒到貿(mào)易，茶葉產(chǎn)品的判別均涉及其中，而目前茶類判別的主要手段依然是感官審評。感官審評是依靠人的嗅覺、味覺、視覺和觸覺等感覺對茶類進(jìn)行判別，可快速鑒定茶葉的主要感官特征并敏銳判別品質(zhì)異常現(xiàn)象，是目前國際貿(mào)易中茶類判別的主要手段，但此法對評茶人員以及審評環(huán)境要求嚴(yán)格，受限條件較多，較難實(shí)現(xiàn)標(biāo)準(zhǔn)化，有必要尋找ー種客觀、可靠、可量化多茶類判別方法，以促進(jìn)茶葉在國際中的順利流通，更好地保護(hù)消費(fèi)者權(quán)益。
判別分析是ー種判別和分類的技術(shù)，通過建立判別函數(shù)對其他未知分類的數(shù)據(jù)進(jìn)行類別歸屬，具有預(yù)測的意義，具體包括距離判別、Fisher判別和Bayes判別三種不同的判別分析方法，距離判別與Bayes判別是兩種實(shí)質(zhì)的判別方法，前者實(shí)際依據(jù)的是百分位點(diǎn)或置信區(qū)間，后者實(shí)際依據(jù)的是概率。而著名的Fisher判別，只是依據(jù)方差分析的思想，對判別變量進(jìn)行線性變換，然后用于距離判別，其實(shí)不能算是ー種實(shí)質(zhì)的判別方法。距離判別、Fisher判別對變量的分布類型并無特定要求，其不足之處是未考慮各總體出現(xiàn)概率的大小，也給不出預(yù)報(bào)的后驗(yàn)概率及錯(cuò)判率的估計(jì)以及錯(cuò)判之后造成的損失。而Bayes判別對判別變量要求嚴(yán)格，很好地克服了距離判別、Fisher判別的不足，且已廣泛應(yīng)用于經(jīng)濟(jì)學(xué)、社會學(xué)、自然科學(xué)、醫(yī)學(xué)等多個(gè)領(lǐng)域。在茶葉領(lǐng)域，本專利首次提出應(yīng)用基于生化成分的Bayes逐步判別分析法進(jìn)行茶類的判別，所提技術(shù)明顯優(yōu)于目前已有方法。如有學(xué)者采用Fisher判別法進(jìn)行了基于化學(xué)指紋圖譜的茶葉原料判別分析研究[1]，本專利與已有方法的不同及優(yōu)勢在于①本專利所應(yīng)用的Bayes逐步判別分析法明顯優(yōu)于Fisher判別法；②本專利所應(yīng)用的Bayes逐步判別分析法ー步到位、快速、有效。即本專利采用SPSS統(tǒng)計(jì)軟件Analyze模塊下的Discriminant (判別分析)即可完成，無需分多分析模塊進(jìn)行。③與已有方法相比，本專利是基于生化成分的茶類判別分析法，所采用變量及分析目的與已有文獻(xiàn)不同，且變量檢測方法均有國際標(biāo)準(zhǔn)可依；判別技術(shù)成熟，分析結(jié)果客觀，便于推廣應(yīng)用。注引用的文獻(xiàn)如下
[I]王麗鴛，成浩，周健，等.基于多元化學(xué)指紋圖譜的武夷巖茶身份判別研究[J].茶葉科學(xué)，2009，30(2) : 83-88。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于茶葉生化成分的多茶類判別方法，該方法只需知道自變量值，經(jīng)簡單計(jì)算即可實(shí)現(xiàn)對烏龍茶、緑茶、紅茶和白茶四大茶類的快速、有效區(qū)分。本發(fā)明采用以下方案實(shí)現(xiàn)一種基于茶葉生化成分的多茶類判別方法，其特征在于構(gòu)建綠茶、烏龍茶、紅茶、白茶的Bayes判別函數(shù)，該函數(shù)的表達(dá)式為
F綠太=2· QeTx1 — I. 064x2 — 77. 261x4 — 29. 198x5 — 8. 381x7 — 20. 947x8 8. 938xg ~h15. 980x10 3. 993x12 0. 053x13 0. 724x14 一 3. 538x15 一 142. 023 ；
F烏龍茶=3. 325x1 一 0. 714x2 一 74. 867x4 一 7. 823x5 一 11. 425x7 一 16. 586χδ + 9. 099xg 一2. 597x10 2. 753x12 0. 021x13 0. 627x14 — 0. 120x15 — 136. 815 ；
F紅茶=3. 941χχ 3. 475x2 — 58. 474x4 ~h 5. 167x5 — 4. 201x7 — 15. 443x8 ~h 6. 789xg —4. 151x10 I. 846x12 0. 275x13 — 0. 301x14 ~h 0. 751x15 — 124. 299 ；
F 白茶=3. 829χχ ~h 5. 168x2 — 82. 850x4 — 16. 590x5 ~h I. 426x7 — 21. 069x8 ~h 7. 194xg ~h13. 482x10 3. 289x12 0. 164x13 ~h 0. 279x14 一 2. 558x15 一 148. 740 ；
其中自變量X1為水浸出物，X2為咖啡堿，X4為c, X5為EC, X7為ECG, X8為兒茶素總量，X9為茶多酚，Xltl為非酯型兒茶素，X12為兒茶素/茶多酚，X13為非酯型兒茶素/酷型兒茶，X14為非酯型兒茶素/兒茶素，X15為非酯型兒茶素/茶多酚；將自變量數(shù)值代入所述Bayes判別函數(shù)，計(jì)算所得最大值所對應(yīng)的函數(shù)類別即為該茶的種類。在本發(fā)明ー實(shí)施例中，所述構(gòu)建綠茶、烏龍茶、紅茶、白茶的Bayes判別函數(shù)的方法包括
首先，檢測所述綠茶、烏龍茶、紅茶、白茶的水浸出物、咖啡堿、兒茶素總量、茶多酚四項(xiàng)生化成分；
其次，以所述四項(xiàng)生化成分以及EGC、C、EC、EGCG、ECG、非酯型兒茶素、酯型兒茶素、兒茶素/茶多酚、非酯型兒茶素/酯型兒茶、非酯型兒茶素/兒茶素、非酯型兒茶素/茶多酚為變量，采用SPSS統(tǒng)計(jì)軟件Analyze模塊下的判別分析Discriminant,按統(tǒng)計(jì)量Wilks’Lambda最小值原則篩選變量，進(jìn)行逐步判別分析，建立茶類的Bayes判別函數(shù)；
在本發(fā)明ー實(shí)施例中，還包括Bayes判別函數(shù)的驗(yàn)證
首先，進(jìn)行訓(xùn)練樣本的回代判別，獲得回代正判率；
其次，毎次剔出訓(xùn)練樣本中的ー個(gè)樣本，利用其余樣本建立判別函數(shù)，再用所建立的判別函數(shù)對剔出的那個(gè)樣本作判別，并依序輪流完成所有觀測值的分析；
最后，采用外部驗(yàn)證樣本驗(yàn)證判別函數(shù)的判別效果。本發(fā)明的有益效果是本發(fā)明提出的判別函數(shù)的正判率達(dá)95%以上，判別效果良好。且簡單易行，只需知道自變量值，經(jīng)簡單計(jì)算即可實(shí)現(xiàn)烏龍茶、緑茶、紅茶和白茶四大茶類的快速、有效區(qū)分，不僅能夠滿足普通消費(fèi)者茶類區(qū)分的要求，還可為國際茶葉貿(mào)易中的茶類判別提供參考。
具體實(shí)施例方式本實(shí)施例提供一種基于茶葉生化成分的多茶類判別方法，其特征在干構(gòu)建綠茶、烏龍茶、紅茶、白茶的Bayes判別函數(shù)，該函數(shù)的表達(dá)式為
F綠太=2· QeTx1 — I. 064x2 — 77. 261x4 — 29. 198x5 — 8. 381x7 — 20. 947x8 ~h 8. 938xg ~h15. 980x10 3. 993x12 0. 053x13 ~h 0. 724x14 一 3. 538x15 一 142. 023 ；
F烏龍茶=3. 325xx 一 0. 714x2 一 74. 867x4 一 7. 823x5 一 11. 425x7 一 16. 586χδ + 9. 099xg 一2. 597x10 2. 753x12 0. 021x13 ~h 0. 627x14 — 0. 120x15 — 136. 815 ；
F紅茶=3. 941χχ ~h 3. 475x2 — 58. 474x4 ~h 5. 167x5 — 4. 201x7 — 15. 443x8 ~h 6. 789xg —4. 151x10 ~l· I. 846x12 ~l· 0. 275x13 — 0. 301x14 0. 751x15 — 124. 299 ；
F 白茶=3. 829χχ 5. 168x2 — 82. 850x4 — 16. 590x5 I. 426x7 — 21. 069x8 7. 194xg ~h13. 482x10 3. 289x12 0. 164x13 0. 279x14 一 2. 558x15 一 148. 740 ；
其中自變量X1為水浸出物，X2為咖啡堿，X4為c, X5為EC, X7為ECG, X8為兒茶素總量，X9為茶多酚，Xltl為非酯型兒茶素，X12為兒茶素/茶多酚，X13為非酯型兒茶素/酷型兒茶，X14為非酯型兒茶素/兒茶素，X15為非酯型兒茶素/茶多酚；將自變量數(shù)值代入所述Bayes判別函數(shù)，計(jì)算所得最大值所對應(yīng)的函數(shù)類別即為該茶的種類。例如，已知一新茶樣的15項(xiàng)自變量值(按表ニ順序)依次是42.9、2.50、2. 52、
O.08、0· 73、5· 40、1· 19、9· 91、18· 10、3· 33、6· 59、54· 83、50· 53、33· 60、18· 40，將人選變量代入表3的四個(gè)類組函數(shù)，就可以計(jì)算出各類組的函數(shù)值， 它們分別是133.41、122. 40,141. 31,128. 63,其中 133.41=2.967X42.9 — I. 064X2. 5 一 77. 261X0. 08 一29. 198X0. 73 一 8. 381X1. 19 一 20. 947X9. 91 + 8. 938X18. 10 + 15. 980X3. 33 +
3.993X54. 83 + O. 053X50. 53 + O. 724X33. 60 — 3. 538X18. 40 — 142. 023，四個(gè)函數(shù)值中的最大值141. 31是由“烏龍茶”的判別函數(shù)計(jì)算得出，故這一新茶樣將被歸屬在烏龍茶類組。這里要說明的是，本發(fā)明的關(guān)鍵在于提出了ー種Bayes判別函數(shù)，通過所述自變量代入該函數(shù)，即可得出判斷結(jié)果，這里為了讓本領(lǐng)域的技術(shù)人員更好的理解上述Bayes判別函數(shù)符合判別標(biāo)準(zhǔn)，下面對該函數(shù)的構(gòu)建方式及驗(yàn)證方式進(jìn)行簡單的介紹，要說明的是，該構(gòu)建原理并不是用于限制本發(fā)明判別方法的技術(shù)方案。所述構(gòu)建綠茶、烏龍茶、紅茶、白茶的Bayes判別函數(shù)的方法包括
首先，檢測所述綠茶、烏龍茶、紅茶、白茶的水浸出物、咖啡堿、兒茶素總量、茶多酚四項(xiàng)生化成分，檢測方法如表一所示；
表一
權(quán)利要求
1.一種基于茶葉生化成分的多茶類判別方法，其特征在于構(gòu)建綠茶、烏龍茶、紅茶、白茶的Bayes判別函數(shù)，該函數(shù)的表達(dá)式為F綠茶=2. 967χ「1· 064χ2-77. 261χ4_29· 198χ5-8. 381χ7-20. 947χ8+8. 938χ9+15. 980χ10+3..993χ12+0. 053χ13+0. 724χ14_3. 538χ15_142. 023 ；F烏龍茶=3. 325x^0. 714χ2-74. 867χ4_7· 823χ5-11. 425χ7-16. 586χ8+9. 099χ9-2. 597χ10+2..753χ12+0. 021χ13+0. 627χ14_0· 120χ15-136. 815 ；F紅茶=3. 941x^3. 475χ2-58. 474χ4+5. 167χ5-4. 201χ7-15. 443χ8+6. 789χ9-4. 151χ10+1. 84.6χ12+0. 275χ13_0. 301χ14+0. 751χ15_124. 299 ；F 白茶=3. 829x^5. 168χ2-82. 850χ4_16· 590χ5+1. 426χ7-21. 069χ8+7. 194χ9+13. 482χ10+3..289χ12+0. 164χ13+0. 279χ14_2· 558χ15-148. 740 ； 其中自變量X1為水浸出物，X2為咖啡堿，X4為c, X5為EC, X7為ECG, X8為兒茶素總量，X9為茶多酚，X10為非酯型兒茶素，X12為兒茶素/茶多 ，X13為非酯型兒茶素/酯型兒茶，X14為非酯型兒茶素/兒茶素，X15為非酯型兒茶素/茶多酚；將自變量數(shù)值代入所述Bayes判別函數(shù)，計(jì)算所得最大值所對應(yīng)的函數(shù)類別即為該茶的種類。
2.根據(jù)權(quán)利要求I所述的基于茶葉生化成分的多茶類判別方法，其特征在于所述構(gòu)建綠茶、烏龍茶、紅茶、白茶的Bayes判別函數(shù)的方法包括 首先，檢測所述綠茶、烏龍茶、紅茶、白茶的水浸出物、咖啡堿、兒茶素總量、茶多酚四項(xiàng)生化成分； 其次，以所述四項(xiàng)生化成分以及EGC、C、EC、EGCG、ECG、非酯型兒茶素、酯型兒茶素、兒茶素/茶多酚、非酯型兒茶素/酯型兒茶、非酯型兒茶素/兒茶素、非酯型兒茶素/茶多酹為變量，采用SPSS統(tǒng)計(jì)軟件Analyze模塊下的判別分析Discriminant,按統(tǒng)計(jì)量Wilks' Lambda最小值原則篩選變量,進(jìn)行逐步判別分析,建立茶類的Bayes判別函數(shù)。
3.根據(jù)權(quán)利要求2所述的基于茶葉生化成分的多茶類判別方法，其特征在于還包括Bayes判別函數(shù)的驗(yàn)證 首先，進(jìn)行訓(xùn)練樣本的回代判別，獲得回代正判率； 其次，毎次剔出訓(xùn)練樣本中的ー個(gè)樣本，利用其余樣本建立判別函數(shù)，再用所建立的判別函數(shù)對剔出的那個(gè)樣本作判別，并依序輪流完成所有觀測值的分析； 最后，采用外部驗(yàn)證樣本驗(yàn)證判別函數(shù)的判別效果。
全文摘要
本發(fā)明涉及一種基于茶葉生化成分的多茶類判別方法，其特征是提出判別函數(shù)，并將茶葉的四項(xiàng)生化成分、兒茶素組分及其衍生指標(biāo)等12項(xiàng)為自變量，代入函數(shù)，進(jìn)行計(jì)算，計(jì)算所得最大值所對應(yīng)的函數(shù)類別即為該茶的種類。該法所得判別函數(shù)的正判率達(dá)95%以上，判別效果良好。且簡單易行，只需知道自變量值，經(jīng)簡單計(jì)算即可實(shí)現(xiàn)烏龍茶、綠茶、紅茶和白茶四大茶類的快速、有效區(qū)分，不僅能夠滿足普通消費(fèi)者茶類區(qū)分的要求，還可為國際茶葉貿(mào)易中的茶類判別提供參考。
文檔編號G01N33/02GK102692486SQ201210194109
公開日2012年9月26日 申請日期2012年6月13日 優(yōu)先權(quán)日2012年6月13日
發(fā)明者吳全金, 孫威江, 董青華 申請人:福建農(nóng)林大學(xué)