一种快速评价烟用香精香料品质的方法与流程

    专利查询2022-08-29  119



    1.本发明属于烟草技术领域,具体是通过一种类似指纹图谱的相似度算法,实现从热重微分曲线相似度到香精香料相似度的转化,从而快速评价烟用香精香料的品质的方法。


    背景技术:

    2.烟用香精香料是卷烟生产不可缺少的原料,其配方也是烟草企业的核心技术之一,香精香料及添加剂的应用同卷烟品牌的树立与发展密切相关。随着人们生活水平的提高,对烟草制品的优劣档次、吃味的好坏和风格等要求也越来越高。卷烟作为一种特殊的食品其香气是烟叶品质的核心内容,卷烟的香味特征直接影响着吸烟者的吸烟习惯。通过加香加料强化烟草香味,改善烟叶品质,提高烟叶的使用率,是提高烟草品质的重要措施。目前,混合型低焦油卷烟成为了发展的必然趋势,不论是国际还是国内,降低焦油量己成为卷烟生产的一个重要课题,而烟草中的许多香味物质却存在于焦油之中,伴随着焦油量的降低,烟味变淡,香气减弱,卷烟产品失去原有的风格,难以被消费者所接受。所以在降低卷烟焦油的同时,增进和提高烟气浓度和香味,也只有借助于加香加料技术。由此可以看出,在改善烟草自身品质,稳定卷烟质量,满足个性化需要,提高安全性等诸多方面,加香加料都具有重要作用。随着品牌的树立以及降焦减害工作的深入开展,烟草加料加香己成为卷烟生产中必不可少的工艺环节。
    3.根据香料的来源,可将其分为天然香料和合成香料两大类,目前已知天然香料有3000多种,合成香料更达到7000余种。受产地、加工等多种因素影响,烟用香精香料的品质参差不齐。目前烟用香精香料品质的评价方法主要是以人工感官评价为主,辅以理化指标检测等客观数据。人工感官评价主要依赖配方人员的经验积累和评吸判断,工作强度高、主观差异大;而理化指标评价主要通过折光、密度、酸值等检测指标来实现,具有检测内容过多、检测时间较长、效率不高等缺点。其他评价烟用香精香料的方法还有进行红外谱图的对比等,该方法存在操作繁琐、样品需求量大、精度不够等缺点。
    4.以上依据烟用香精香料外观、物理指标进行检测的香精香料品质控制措施已不能满足发展需要,需要建立更为简单、快速且标准化、程序化、规范化的烟用香精香料品控管理制度。
    5.热重分析法(tg/dta)可以提供程序升温条件下稳定的反应条件,是烟草热解研究中最为理想的实验工具。从热重法派生出了微商热重法,也称导数热重法,它是记录tg曲线对温度或时间的一阶导数的一种技术。实验得到的结果是微商热重曲线,即dtg曲线。dtg曲线的特点是:能精确反映出每个失重阶段的起始反应温度,最大反应速率温度和反应终止温度;dtg曲线上各峰的面积与tg 曲线上对应的样品失重量成正比;当tg曲线对某些受热过程出现的台阶不明显时,利用dtg曲线能明显的区分开来。可以说,只要物质受热时发生质量的变化,都具有其独特的dtg曲线。利用热重建立烟用香精香料数据库和数学模型,利用客观数据来评价其品质,对减少主观因素影响和差异性表征,提高烟用香精香料品控管
    理水平具有重要意义。为此提出本发明。


    技术实现要素:

    6.本发明公开了一种快速评价烟用香精香料的方法。具体是通过一种类似指纹图谱的相似度算法,实现从热重微分曲线相似度到香精香料相似度的转化,从而快速评价烟用香精香料的品质。
    7.本发明的技术方案如下:
    8.一种快速评价烟用香精香料品质的方法,包括如下步骤:
    9.(1)多个香精香料待评价样品和香精香料标准样品的准备;
    10.(2)热重实验;
    11.(3)热重曲线处理得到微分失重曲线;
    12.(4)对微分失重曲线的相似度进行计算;
    13.(5)对多个香精香料待评价样品进行评价。
    14.优选地,所述的热重实验采用热重分析仪,热重实验的步骤为:称取一定质量的样品置于热重铂坩埚内,升温程序为:初始温度30℃,升温速率10℃/min,终止温度900℃,在50ml/min氮气流量下进行测试;样品质量一般为(5.00
    ±
    0.05) mg。样品分析前,设置热重分析仪在900℃条件下保持10min,以使炉体内杂质排净,以空坩埚为参比物。
    15.优选地,热重分析仪的天平灵敏度不低于0.1μg,曲线分辨率不低于5000 万个分辨点。
    16.优选地,步骤(3)热重曲线处理步骤为:利用热重分析仪实时监测热解过程中样品的重量变化,根据得到的时间与重量关系图,将重量数据对时间求导,即可得到微分失重曲线。
    17.优选地,步骤(4)微分失重曲线相似度计算的步骤为:
    18.1)对样品进行lle降维
    19.lle(locally linear embedding)是一种适用于非线性数据的无监督降维方法,其主要思想为高维空间中数据点之间的相对位置关系是可以在低维空间中被表示出来的,lle保留了局部分点簇之间的相对关系,它使得每个样本数据的近邻权值在平移、旋转和伸缩变换的范围内保持相对稳定。lle降维过程如下:
    20.步骤1:将多个香精香料待评价样品和香精香料标准样品的d维微分失重曲线数据组成数据集x(n
    ×
    d),为每个样本xi(i=1,2,...,n)选取k个近邻点;
    21.步骤2:计算样本点的局部重建权值矩阵,求取逼近误差最小的重构系数,设置如下代价函数:其中,xj(j=1,2,...,k)为xi的k 个近邻点,w
    ij
    是表示在重构xi时其第j个近邻所占的权重,且满足
    22.构造局部协方差矩阵zi=(x
    i-xj)
    t
    (x
    i-xj),求出局部最优化重建权值矩阵:
    23.步骤3:将数据集所有样本点映射到低维空间,在保持局部线性结构不变情况下,在低维空间重构数据样本,设置如下代价函数:其中,yi是样本xi的低维空间的重构,yj(i=1,2,...,k)为yi的k个近邻点,满足如下约束条件:
    24.用wi表示w矩阵的第i列,ii表示n维单位矩阵的第i列,则代价函数可矩阵化为:其中, m=(i-w)
    t
    (i-w);
    25.最终对y的求解演变为求解矩阵m特征向量。要使损失函数值最小,通常取第2~d 1小的特征值所对应的特征向量就构成了低维嵌入坐标y。(通常第一个特征值几乎接近于零,从而舍去),所以y(n
    ×
    d)作为lle降维之后的特征点;
    26.2)对选取的降维后的样品数据计算欧氏距离;欧式距离是一种简单有效的相似度计算方法。欧氏距离将数据的各维度间的绝对数据值差异进行计算并相加,能够直观的反应数据之间的数值差异;
    27.根据降维后的特征矩阵y(n
    ×
    d),按下述公式计算香精香料待评价样品和香精香料标准样品的欧式距离:其中y
    il
    、y
    jl
    分别为经过lle 降维后待评价样品i和标准样品j的第l维数据。
    28.优选地,d(yi,yj)越小,则所选香精香料待评价样品与香精香料标准样品间的相似度越高,差异性越小。
    29.本发明具有以下有益效果:
    30.1、本发明的方法可以很好地避免传统的借助人工感官评吸带来的主观因素影响和差异性表征;提升烟用香精香料评价的通用性,减小评吸人员的工作量,建立更为简单、快速且标准化、程序化、规范化的烟用香精香料品控的管理制度。
    31.2、本发明的方法操作简单,样品使用量极小,在10mg以内;不使用任何溶剂等湿化学手段,无毒无害,对操作人员无任何伤害,且不造成环境污染。
    32.3、本发明的方法更加客观、高效,且重复性好、灵敏度高,在烟草行业烟用香精香料评价中具有独特优势。
    33.4、本发明的方法在提供物质受热质量变化信息同时,通过热重的程序升温的动力学研究,可以建立不同物质的热化学反应模型,获取活化能、指前因子、反应级数、传热传质信息等更多数据,为烟用香精香料在传统卷烟和加热卷烟中的使用提供理论基础。
    附图说明
    34.图1实施例1香精香料待评价样品(样品)与香精香料标准样品(标品)的 dtg曲线。
    35.图2为实施例1的lle降维投影图。
    具体实施方式
    36.下面对本发明通过实施例作进一步说明,但不仅限于本实施例。实施例中未注明具体条件的实验方法,通常按照常规条件以及手册中所述的条件,或按照制造厂商所建议的条件所用的通用设备、材料、试剂等,如无特殊说明,均可从商业途径得到。以下实施例和对比例中所需要的原料均为市售。
    37.实施例1:十一个香精香料待评价样品(样品a-k)和一个香精香料标准样品(标样)。对入选的十二个香精香料样品进行品质评价,步骤如下:
    38.(1)取十二个香精香料样品各5克;
    39.(2)样品分析前,设置热重分析仪在900℃条件下保持10min,以使炉体内杂质排净,以空坩埚为参比物;称取(5.00
    ±
    0.05)mg样品置于热重铂坩埚内,升温程序为:初始温度30℃,升温速率10℃/min,终止温度900℃,在50 ml/min氮气流量下进行测试;仪器天平灵敏度为0.1μg,曲线分辨率为5000 万个分辨点;
    40.(3)对十二条热重曲线进行一阶求导得到热重微分失重曲线,如图1所示;
    41.(4)对微分失重曲线的相似度进行计算,按照如下步骤进行:
    42.将上述十二个样品的微分失重曲线形成数据矩阵x(n
    ×
    d),此处n为样品数量,d为微分失重曲线数据维度,即n=12,d=5191。为每个样本xi选取11个邻近点,即k=11。设置代价函数其中xj(j=1,2,...,k) 为样本xi的k个近邻点,w
    ij
    表示在重构xi时其第j个近邻所占的权重,且满足构造局部协方差矩阵zi=(x
    i-xj)
    t
    (x
    i-xj),求出局部最优化重建权值矩阵其中1k为k维全1向量。
    43.保持局部线性结构不变情况下,在低维空间重构数据样本,设置代价函数其中yi是样本xi的低维空间的重构, yj(j=1,2,...,k)为样本yi的k个近邻点,且满足约束条件i为单位矩阵。要使损失函数值最小,则代价函数可矩阵化其中,tr 为迹函数,m=(i-w)
    t
    (i-w)是一个对称的、半正定矩阵;取矩阵m第2~d 1 个小的特征值所对应的特征向量构成lle降维之后矩阵y(n
    ×
    d)来代替原始数据矩阵x(n
    ×
    d),本例选取d=3。
    44.样品集降维为3维的投影如图2所示。表1为所述的十二个样品降维后的3 维特征数据。
    45.表1十二个样品降维后的3维特征数据
    46.样品维度1维度2维度3标样0.5311810.002128-0.10185
    样品a-0.02280.031346-0.27849样品b0.5699870.2003040.03139样品c-0.22320.229730.447963样品d0.0528060.3480580.164714
    …………
    样品j-0.18076-0.46510.163829样品k-0.07449-0.35019-0.07766
    47.选取前3维特征数据,计算十一个样品与标样的欧式距离,如表2所示。
    48.表2样品与标样的欧式距离
    49.样品标样样品a样品b样品c样品d样品e样品f样品g样品h样品i样品j样品k欧氏距离00.580.240.960.640.431.010.712.070.790.890.70
    50.由表2可以看出,样品b与标样的欧氏距离最小,表明该样品b与标样的相似度最高,差异性最小。
    51.为进一步验证计算结果,将上述香精香料标准样品与所选十一个香精香料样品组织专家进行感官评吸,结果如表3。
    52.表3感官评吸结果
    53.样品标样样品a样品b样品c样品d样品e样品f样品g样品h样品i样品j样品k总分89.587908385918285.570868584
    54.由上述表3的结果可以看出,样品b与标样感官差异最小,样品h和f与标样有较大的差异,与上述计算结果一致。基于此可以直接将样品b作为标样的替代香精香料在卷烟产品开发中使用。
    55.以上显示和描述了本发明的基本原理、主要特征和本发明的优点。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。

    技术特征:
    1.一种快速评价烟用香精香料品质的方法,其特征在于,包括如下步骤:(1)多个香精香料待评价样品和香精香料标准样品的准备;(2)热重实验;(3)热重曲线处理得到微分失重曲线;(4)对微分失重曲线的相似度进行计算;(5)对多个香精香料待评价样品进行评价。2.根据权利要求1所述的方法,其特征在于,所述的热重实验采用热重分析仪,热重实验的步骤为:称取一定质量的样品置于热重铂坩埚内,升温程序为:初始温度30℃,升温速率10℃/min,终止温度900℃,在50ml/min氮气流量下进行测试。3.根据权利要求1所述的方法,其特征在于,热重分析仪的天平灵敏度不低于0.1μg,曲线分辨率不低于5000万个分辨点。4.根据权利要求1所述的方法,其特征在于,步骤(3)热重曲线处理步骤为:利用热重分析仪实时监测热解过程中样品的重量变化,根据得到的时间与重量关系图,将重量数据对时间求导,即可得到微分失重曲线。5.根据权利要求1所述的方法,其特征在于,步骤(4)微分失重曲线相似度计算的步骤为:1)对样品进行lle降维步骤1:将多个香精香料待评价样品和香精香料标准样品的d维微分失重曲线数据组成数据集x(n
    ×
    d),为每个样本x
    i
    (i=1,2,...,n)选取k个近邻点;步骤2:计算样本点的局部重建权值矩阵,求取逼近误差最小的重构系数,设置如下代价函数:其中,x
    j
    (j=1,2,...,k)为x
    i
    的k个近邻点,w
    ij
    是表示在重构x
    i
    时其第j个近邻所占的权重,且满足构造局部协方差矩阵z
    i
    =(x
    i-x
    j
    )
    t
    (x
    i-x
    j
    ),求出局部最优化重建权值矩阵:步骤3:将数据集所有样本点映射到低维空间,在保持局部线性结构不变情况下,在低维空间重构数据样本,设置如下代价函数:其中,y
    i
    是样本x
    i
    的低维空间的重构,y
    j
    (i=1,2,...,k)为y
    i
    的k个近邻点,满足如下约束条件:用w
    i
    表示w矩阵的第i列,i
    i
    表示n维单位矩阵的第i列,则代价函数可矩阵化为:其中,m=(i-w)
    t
    (i-w);求解矩阵m特征向量,取第2~d 1小的特征值所对应的特征向量构成低维嵌入坐标y;则y(n
    ×
    d)作为lle降维之后的特征点;
    2)对选取的降维后的样品数据计算欧氏距离根据降维后的特征矩阵y(n
    ×
    d),根据下述公式计算香精香料待评价样品和香精香料标准样品的欧式距离:其中y
    il
    、y
    jl
    分别为经过lle降维后待评价样品i和标准样品j的第l维数据。6.根据权利要求5所述的方法,其特征在于,d(y
    i
    ,y
    j
    )越小,则所选香精香料待评价样品与香精香料标准样品间的相似度越高,差异性越小。

    技术总结
    本发明公开了一种快速评价烟用香精香料品质的方法,包括如下步骤:(1)多个香精香料待评价样品和香精香料标准样品的准备;(2)热重实验;(3)热重曲线处理得到微分失重曲线;(4)对微分失重曲线的相似度进行计算;(5)对多个香精香料待评价样品进行评价。本发明的方法操作简单、快速,克服了传统的借助人工感官评吸带来的主观因素影响和差异性表征,更加客观、高效,且重复性好、灵敏度高。灵敏度高。灵敏度高。


    技术研发人员:杨继 李源栋 刘春波 唐石云 朱瑞芝 司晓喜 张凤梅 蒋薇 李振杰 刘志华
    受保护的技术使用者:云南中烟工业有限责任公司
    技术研发日:2022.02.17
    技术公布日:2022/5/25
    转载请注明原文地址:https://tc.8miu.com/read-11763.html

    最新回复(0)