[發(fā)明專利]一種基于揮發(fā)性成分結(jié)合PCA和HCA模型判別啤酒花品種的方法

在審

• 申請?zhí)枺?/td>: 201810013583.X
• 申請日: 2018-01-08
• 公開（公告）號: CN108195964A
• 公開（公告）日: 2018-06-22
• 發(fā)明（設(shè)計）人: 劉玉梅;劉澤暢
• 申請（專利權(quán)）人: 新疆大學(xué)
• 主分類號: G01N30/02
• 分類號: G01N30/02;G01N30/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

一種基于揮發(fā)性成分組成結(jié)合PCA（主成分分析）和HCA（聚類分析）模型判斷啤酒花品種的方法，屬于食品質(zhì)量分析檢測領(lǐng)域。本發(fā)明采用頂空固相微萃取?氣質(zhì)聯(lián)用方法測定不同品種標(biāo)準(zhǔn)啤酒花樣品中的主要揮發(fā)性成分，獲得特定品種啤酒花的主要揮發(fā)性成分的組成信息，結(jié)合主成分分析法和聚類分析法進(jìn)行統(tǒng)計分析，構(gòu)建特定品種啤酒花的PCA和HCA模型標(biāo)準(zhǔn)，并以此來判別啤酒花品種。該方法可精準(zhǔn)、快捷判別啤酒花品種的方法，具有樣品量少、分析過程中無溶劑使用、環(huán)境友好等優(yōu)點，并能真實精準(zhǔn)地反映不同品種啤酒花樣品的揮發(fā)性成分特征。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于揮發(fā)性成分組成結(jié)合PCA（主成分分析）和HCA（聚類分析）模型判斷啤酒花品種的方法，屬于食品質(zhì)量分析檢測領(lǐng)域。更具體地，本發(fā)明涉及一種以頂空固相微萃取-氣質(zhì)聯(lián)用方法測定不同品種標(biāo)準(zhǔn)啤酒花樣品中的主要揮發(fā)性成分，獲得特定品種啤酒花的主要揮發(fā)性成分的組成信息，結(jié)合主成分分析法和聚類分析法進(jìn)行統(tǒng)計分析，構(gòu)建特定品種啤酒花的PCA和HCA模型標(biāo)準(zhǔn)，并以此來判別啤酒花品種的方法。

背景技術(shù)

啤酒花（學(xué)名：Humulus lupulus L.）是啤酒釀造的基本原料之一，中國是亞洲最大的啤酒花種植地，其中主產(chǎn)區(qū)主要分布在新疆、甘肅，2015年種植面積超過2300公頃，產(chǎn)量接近6000噸。日照時間、降雨量等會不同程度因素影響啤酒花的品質(zhì)和產(chǎn)量。啤酒花賦予啤酒的典型風(fēng)味主要依賴于諸如萜、醇、酯類等揮發(fā)性組分，不同品種啤酒花的揮發(fā)性成分在組成上呈現(xiàn)較大的差別，這會直接影響成品啤酒的風(fēng)味特征。特定品種的啤酒花有其獨特的“揮發(fā)性成分輪廓”，不同品種的啤酒花其典型揮發(fā)性成分輪廓差異較大。因此，建立特定品種啤酒花的揮發(fā)性成分品質(zhì)標(biāo)準(zhǔn)，是判別啤酒花品種的有效手段，而頂空固相微萃取-氣質(zhì)聯(lián)用的方法因具有分析速度快，需要樣品量少，靈敏度高，結(jié)果準(zhǔn)確可靠等是分析揮發(fā)性成分最常用的有效方法之一。

發(fā)明內(nèi)容

啤酒花能賦予啤酒典型香氣、苦味，具有防腐、抑菌和增加泡持性等功效。不同品種的啤酒花在揮發(fā)性成分上存在較大的差異，利用不同品種的啤酒花釀造出的啤酒也因此具有不同的風(fēng)味特征。因此，建立一套準(zhǔn)確、操作性強(qiáng)的方法判別啤酒花品種對啤酒花產(chǎn)銷和啤酒生產(chǎn)企業(yè)均有重要意義。

多元統(tǒng)計分析，如主成分分析法、聚類分析法、余弦相似度分析法被廣泛應(yīng)用于天然產(chǎn)物的品種判別和溯源追蹤的過程中。這些方法均是利用大量已知目標(biāo)產(chǎn)品為標(biāo)準(zhǔn)，通過一定的檢測方法獲取大量有價值的原始數(shù)據(jù)，進(jìn)而建立“標(biāo)準(zhǔn)模型”，并以此對待測樣品進(jìn)行分析判別。主成分分析法可以通過多重原始數(shù)據(jù)建立特定品種標(biāo)準(zhǔn)樣品的可視化模型，將待測樣品與標(biāo)準(zhǔn)樣品的成分構(gòu)成進(jìn)行比對，當(dāng)匹配度高時，待測樣品將落入標(biāo)準(zhǔn)模型的范圍內(nèi)；反之，則偏離標(biāo)準(zhǔn)模型區(qū)域，此方法優(yōu)勢在于分析結(jié)果直觀可視。聚類分析法，是利用多樣本、多重觀測值表對樣本進(jìn)行分類，利用“樹狀層聚圖”的形式將樣本類別予以區(qū)分；該方法不僅可以將樣本的系統(tǒng)類別區(qū)分開，而且可以細(xì)化同一樣本之間的差異。余弦相似度分析法，是以標(biāo)準(zhǔn)樣本作為標(biāo)準(zhǔn)組，計算需要判別的待測樣本的余弦系數(shù)，當(dāng)待測樣本與標(biāo)準(zhǔn)模型相似度越高，則余弦系數(shù)越接近1；通過此方法，可以客觀地得出需要判別的待測樣本與標(biāo)準(zhǔn)樣品之間的匹配度以及待測樣品品質(zhì)的高低。這些統(tǒng)計分析方法成功應(yīng)用的關(guān)鍵在于對特定標(biāo)準(zhǔn)樣本的組成進(jìn)行系統(tǒng)全面的分析描述。同時，為避免一種方法的偶然性誤差，采用一種以上的統(tǒng)計分析方法可以相互印證方法的真實性和正確性，并且獲得更客觀、直觀可視的分析結(jié)果。