专利名称：一种基于茶叶生化成分的多茶类判别方法
技术领域：
本发明涉及一种基于茶叶生化成分的多茶类判别方法。
背景技术：
中国是茶的发源地，红茶、緑茶、乌龙茶和白茶均发祥于中国，也是世界主销的茶类。从品鉴到贸易，茶叶产品的判别均涉及其中，而目前茶类判别的主要手段依然是感官审评。感官审评是依靠人的嗅觉、味觉、视觉和触觉等感觉对茶类进行判别，可快速鉴定茶叶的主要感官特征并敏锐判别品质异常现象，是目前国际贸易中茶类判别的主要手段，但此法对评茶人员以及审评环境要求严格，受限条件较多，较难实现标准化，有必要寻找ー种客观、可靠、可量化多茶类判别方法，以促进茶叶在国际中的顺利流通，更好地保护消费者权益。
判别分析是ー种判别和分类的技术，通过建立判别函数对其他未知分类的数据进行类别归属，具有预测的意义，具体包括距离判別、Fisher判别和Bayes判别三种不同的判别分析方法，距离判别与Bayes判别是两种实质的判别方法，前者实际依据的是百分位点或置信区间，后者实际依据的是概率。而著名的Fisher判別，只是依据方差分析的思想，对判别变量进行线性变换，然后用于距离判別，其实不能算是ー种实质的判别方法。距离判別、Fisher判别对变量的分布类型并无特定要求，其不足之处是未考虑各总体出现概率的大小，也给不出预报的后验概率及错判率的估计以及错判之后造成的损失。而Bayes判别对判别变量要求严格，很好地克服了距离判別、Fisher判别的不足，且已广泛应用于经济学、社会学、自然科学、医学等多个领域。在茶叶领域，本专利首次提出应用基于生化成分的Bayes逐步判别分析法进行茶类的判别，所提技术明显优于目前已有方法。如有学者采用Fisher判别法进行了基于化学指纹图谱的茶叶原料判别分析研究[1]，本专利与已有方法的不同及优势在于①本专利所应用的Bayes逐步判别分析法明显优于Fisher判别法；②本专利所应用的Bayes逐步判别分析法ー步到位、快速、有效。即本专利采用SPSS统计软件Analyze模块下的Discriminant (判别分析)即可完成，无需分多分析模块进行。③与已有方法相比，本专利是基于生化成分的茶类判别分析法，所采用变量及分析目的与已有文献不同，且变量检测方法均有国际标准可依；判别技术成熟，分析结果客观，便于推广应用。注引用的文献如下
[I]王丽鸳，成浩，周健，等.基于多元化学指纹图谱的武夷岩茶身份判别研究[J].茶叶科学，2009，30(2) : 83-88。

发明内容
本发明的目的是提供一种基于茶叶生化成分的多茶类判别方法，该方法只需知道自变量值，经简单计算即可实现对乌龙茶、緑茶、红茶和白茶四大茶类的快速、有效区分。本发明采用以下方案实现一种基于茶叶生化成分的多茶类判别方法，其特征在于构建绿茶、乌龙茶、红茶、白茶的Bayes判别函数，该函数的表达式为
F绿太=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乌龙茶=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红茶=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 ；
其中自变量X1为水浸出物，X2为咖啡碱，X4为c, X5为EC, X7为ECG, X8为儿茶素总量，X9为茶多酚，Xltl为非酯型儿茶素，X12为儿茶素/茶多酚，X13为非酯型儿茶素/酷型儿茶，X14为非酯型儿茶素/儿茶素，X15为非酯型儿茶素/茶多酚；将自变量数值代入所述Bayes判别函数，计算所得最大值所对应的函数类别即为该茶的种类。在本发明ー实施例中，所述构建绿茶、乌龙茶、红茶、白茶的Bayes判别函数的方法包括
首先，检测所述绿茶、乌龙茶、红茶、白茶的水浸出物、咖啡碱、儿茶素总量、茶多酚四项生化成分；
其次，以所述四项生化成分以及EGC、C、EC、EGCG、ECG、非酯型儿茶素、酯型儿茶素、儿茶素/茶多酚、非酯型儿茶素/酯型儿茶、非酯型儿茶素/儿茶素、非酯型儿茶素/茶多酚为变量，采用SPSS统计软件Analyze模块下的判别分析Discriminant,按统计量Wilks’Lambda最小值原则筛选变量，进行逐步判别分析，建立茶类的Bayes判别函数；
在本发明ー实施例中，还包括Bayes判别函数的验证
首先，进行训练样本的回代判別，获得回代正判率；
其次，毎次剔出训练样本中的ー个样本，利用其余样本建立判别函数，再用所建立的判别函数对剔出的那个样本作判别，并依序轮流完成所有观测值的分析；
最后，采用外部验证样本验证判别函数的判别效果。本发明的有益效果是本发明提出的判别函数的正判率达95%以上，判别效果良好。且简单易行，只需知道自变量值，经简单计算即可实现乌龙茶、緑茶、红茶和白茶四大茶类的快速、有效区分，不仅能够满足普通消费者茶类区分的要求，还可为国际茶叶贸易中的茶类判别提供參考。
具体实施例方式本实施例提供一种基于茶叶生化成分的多茶类判别方法，其特征在干构建绿茶、乌龙茶、红茶、白茶的Bayes判别函数，该函数的表达式为
F绿太=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乌龙茶=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红茶=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 ；
其中自变量X1为水浸出物，X2为咖啡碱，X4为c, X5为EC, X7为ECG, X8为儿茶素总量，X9为茶多酚，Xltl为非酯型儿茶素，X12为儿茶素/茶多酚，X13为非酯型儿茶素/酷型儿茶，X14为非酯型儿茶素/儿茶素，X15为非酯型儿茶素/茶多酚；将自变量数值代入所述Bayes判别函数，计算所得最大值所对应的函数类别即为该茶的种类。例如，已知一新茶样的15项自变量值(按表ニ顺序)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，将人选变量代入表3的四个类组函数，就可以计算出各类组的函数值， 它们分别是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. 023，四个函数值中的最大值141. 31是由“乌龙茶”的判别函数计算得出，故这一新茶样将被归属在乌龙茶类组。这里要说明的是，本发明的关键在于提出了ー种Bayes判别函数，通过所述自变量代入该函数，即可得出判断結果，这里为了让本领域的技术人员更好的理解上述Bayes判别函数符合判别标准，下面对该函数的构建方式及验证方式进行简单的介绍，要说明的是，该构建原理并不是用于限制本发明判别方法的技术方案。所述构建绿茶、乌龙茶、红茶、白茶的Bayes判别函数的方法包括
首先，检测所述绿茶、乌龙茶、红茶、白茶的水浸出物、咖啡碱、儿茶素总量、茶多酚四项生化成分，检测方法如表一所示；
表一
权利要求
1.一种基于茶叶生化成分的多茶类判别方法，其特征在于构建绿茶、乌龙茶、红茶、白茶的Bayes判别函数，该函数的表达式为F绿茶=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乌龙茶=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红茶=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 ； 其中自变量X1为水浸出物，X2为咖啡碱，X4为c, X5为EC, X7为ECG, X8为儿茶素总量，X9为茶多酚，X10为非酯型儿茶素，X12为儿茶素/茶多 ，X13为非酯型儿茶素/酯型儿茶，X14为非酯型儿茶素/儿茶素，X15为非酯型儿茶素/茶多酚；将自变量数值代入所述Bayes判别函数，计算所得最大值所对应的函数类别即为该茶的种类。
2.根据权利要求I所述的基于茶叶生化成分的多茶类判别方法，其特征在于所述构建绿茶、乌龙茶、红茶、白茶的Bayes判别函数的方法包括 首先，检测所述绿茶、乌龙茶、红茶、白茶的水浸出物、咖啡碱、儿茶素总量、茶多酚四项生化成分； 其次，以所述四项生化成分以及EGC、C、EC、EGCG、ECG、非酯型儿茶素、酯型儿茶素、儿茶素/茶多酚、非酯型儿茶素/酯型儿茶、非酯型儿茶素/儿茶素、非酯型儿茶素/茶多酹为变量，采用SPSS统计软件Analyze模块下的判别分析Discriminant,按统计量Wilks' Lambda最小值原则筛选变量,进行逐步判别分析,建立茶类的Bayes判别函数。
3.根据权利要求2所述的基于茶叶生化成分的多茶类判别方法，其特征在于还包括Bayes判别函数的验证 首先，进行训练样本的回代判別，获得回代正判率； 其次，毎次剔出训练样本中的ー个样本，利用其余样本建立判别函数，再用所建立的判别函数对剔出的那个样本作判别，并依序轮流完成所有观测值的分析； 最后，采用外部验证样本验证判别函数的判别效果。
全文摘要
本发明涉及一种基于茶叶生化成分的多茶类判别方法，其特征是提出判别函数，并将茶叶的四项生化成分、儿茶素组分及其衍生指标等12项为自变量，代入函数，进行计算，计算所得最大值所对应的函数类别即为该茶的种类。该法所得判别函数的正判率达95%以上，判别效果良好。且简单易行，只需知道自变量值，经简单计算即可实现乌龙茶、绿茶、红茶和白茶四大茶类的快速、有效区分，不仅能够满足普通消费者茶类区分的要求，还可为国际茶叶贸易中的茶类判别提供参考。
文档编号G01N33/02GK102692486SQ201210194109
公开日2012年9月26日 申请日期2012年6月13日 优先权日2012年6月13日
发明者吴全金, 孙威江, 董青华 申请人:福建农林大学