基于内源性致香物质和化学计量学的烟草感官评价研究

采用主成分分析法结合遗传算法和神经网络,建立了基于烟草内源性致香物质的感官质量评价预测模型。利用气相色谱-质谱(GC-MS)技术对超临界萃取-分子蒸馏所得烟草精油中的内源性致香组分进行定性定量分析,汇总各类致香指标后,对其进行主成分分析;以提取所得5个主成分的得分作为输入变量,感官评吸分数作为输出变量,分别使用标准BP神经网络和遗传算法(GA)优化的BP神经网络建立预测模型。对比实验结果表明,GA优化后的模型预测效果更优,其预测值与实验值间的相关系数为0.96,预测均方根误差为1.81,说明GA-BP模型具有更好的拟合能力和预测能力,该模型能有效地预测烟草精油的感官品质。     

利用表面增强拉曼光谱快速鉴别卷烟生产中烟用香精香料

烟用香精香料的配方是卷烟工业中的核心技术,也是构建不同特色卷烟产品的关键之一。然而,现有的香精香料质量评价手段主要是人工嗅香和测定某些特定的物性指标,如折光指数、相对密度、酸值、挥发份总量等。在实验室科研中还有使用色谱-质谱联用等方法。但是上述手段仍存在较多问题,比如受主观意识影响,操作繁琐,前处理耗时长,费用高,灵敏度低等。基于此,本文开发了一种利用表面增强拉曼光谱技术结合主成分分析算法来快速鉴别实际生产中不同种类、不同掺兑样的烟用香精香料的方法。本文利用该方法成功获取不同种类、同一种类不同生产批次及烟用香精香料不同掺兑量样品的增强拉曼谱图。经主成分分析表明不同种类以及不同掺兑量样品的散点分布在不同区域,直接区分度高;同一种类不同生产批次的香精香料谱图类似,在散点图中较为集中;说明不同生产批次的样品以及不同掺兑量的样品都可以与其他种类的香精香料标准样品进行有效区分。本文利用表面增强拉曼光谱结合主成分分析算法对烟用香精香料进行检测的方法操作简易,检测快捷,成本低廉,结果便于分析识别,适用于烟用香精香料实际生产中的质量控制。