一种基于茶叶生化成分的乌龙茶产地判别方法

摘要

本发明涉及一种基于茶叶生化成分的乌龙茶产地判别方法，适用于判别闽南、闽北和广东三个产地的乌龙茶归属，首先提出乌龙茶产地Bayes判别函数，通过检测自变量咖啡碱、C、EGCG、ECG、锰和锌代入所述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归属地。该方法提出的判别函数的正判率达95%，判别效果良好。且简单易行，只需上述六项生化成分数值经简单计算即可实现乌龙茶闽南、闽北、广东三产地的快速、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。

说明书

技术领域

本发明涉及茶叶判别技术领域，特别是一种基于茶叶生化成分的乌龙茶产地判别方法。

背景技术

乌龙茶作为我国特种茶，以其独特地“馥郁花果香”而畅销于世，成为世界三大主销茶类之一。乌龙茶品质除受品种、季节影响外，更受地域的限制，产地不同，品质亦不同。从品鉴到贸易，乌龙茶产品的判别均涉及其中，而目前乌龙茶产地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，是目前国际贸易中乌龙茶产地判别的主要手段，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，有必要寻找一种客观、可靠、可量化乌龙茶产地判别方法，以促进乌龙茶在国际中的顺利流通，更好地保护消费者权益。

判别分析是一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，具体包括距离判别、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判别,只是依据方差分析的思想,对判别变量进行线性变换,然后用于距离判别,其实不能算是一种实质的判别方法。距离判别、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别、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乌龙茶产地的判别，所提技术明显优于目前已有方法。如有学者采用基于化学指纹图谱的Fisher判别法进行了的茶叶原料的判别分析研究^[1]，本专利与上述文献的不同及优势之处在于：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逐步判别分析法一步到位、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与上述方法相比，本专利是基于生化成分的乌龙茶产地判别分析法，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，方法简单易行，便于推广应用。

注：上述引用文献如下：

 [1]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。

发明内容

本发明的目的是提出一种基于茶叶生化成分的乌龙茶产地判别方法，该方法仅需知道茶叶的咖啡碱、C、EGCG、ECG、锰和锌六项生化成分数值，代入本发明提出的函数经简单计算即可实现乌龙茶闽南、闽北、广东三产地的快速、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乌龙茶产地判别方法，其特征在于：适用于判别闽南、闽北和广东三个产地的乌龙茶归属，构建乌龙茶产地的Bayes判别函数，该函数的表达式为：

F_闽南=3.057x₆＋5.061x₁＋14.557x₇＋160.863x₄＋0.025x₈＋0.332 x₉－46.852；

F_闽北=1.199x₆＋8.070x₁＋16.476x₇＋200.408x₄＋0.018x₈＋0.527 x₉－52.8502；

F_广东=5.586x₆＋8.905x₁＋5.534x₇＋183.393x₄＋0.021x₈＋0.493 x₉－68.277；

其中自变量x₁为咖啡碱，x₄为C，x₆为EGCG，x₇为ECG，x₈为锰，x₉为锌，将该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归属地。 

在本发明一实施例中，所述乌龙茶产地的Bayes判别函数的方法包括：

首先，检测乌龙茶产品中咖啡碱、儿茶素、锰、锌四项生化成分；

其次，以所述四项生化成分以及EGC、C、EC、EGCG、ECG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，建立所述Bayes判别函数。 

在本发明一实施例中，还包括Bayes判别函数的验证：

首先，进行训练样本的回代判别，获得回代正判率；

其次，每次剔出训练样本中的一个样本，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%，判别效果良好。且简单易行，只需知道待判乌龙茶茶样的六项生化成分数值：EGCG、咖啡碱、ECG、C、锰和锌，经简单计算即可实现乌龙茶闽南、闽北、广东三产地的快速、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。 

具体实施方式

本实施例提供一种基于茶叶生化成分的乌龙茶产地判别方法，其特征在于：适用于判别闽南、闽北和广东三个产地的乌龙茶归属，构建乌龙茶产地的Bayes判别函数，该函数的表达式为：

F_闽南=3.057x₆＋5.061x₁＋14.557x₇＋160.863x₄＋0.025x₈＋0.332 x₉－46.852；

F_闽北=1.199x₆＋8.070x₁＋16.476x₇＋200.408x₄＋0.018x₈＋0.527 x₉－52.8502；

F_广东=5.586x₆＋8.905x₁＋5.534x₇＋183.393x₄＋0.021x₈＋0.493 x₉－68.277；

其中自变量x₁为咖啡碱，x₄为C，x₆为EGCG，x₇为ECG，x₈为锰，x₉为锌，将该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归属地。

例如，已知一新茶样的9项自变量值（按表二顺序）依次是2.20、8.40、2.10、0.06、0.7、4.6、1.0、1026、27.20，将入选变量代入上述的三个类组函数，就可以计算出各类组的函数值，它们分别是36.81、31.71、29.03，其中36.81=3.057×4.60＋5.061×2.20＋14.557×1.00＋160.863×0.06＋0.025×1026＋0.332×27.2－46.852，三个函数值中的最大值36.81是由“闽南”的判别函数计算得出，故这一新茶样将被归属在闽南类组。

这里要说明的是，本发明的关键在于提出了一种Bayes判别函数，通过所述自变量代入该函数，即可得出判断结果，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。

所述乌龙茶产地的Bayes判别函数的方法包括：

首先，采用国际和国家标准（见表一），检测闽南、闽北和广东共3产地的乌龙茶产品中咖啡碱、儿茶素、锰、锌等四项生化成分；

表一

其次，以所述四项生化成分以及EGC(表没食子儿茶素)、C(儿茶素)、EC(表儿茶素)、EGCG(表没食子儿茶素没食子酸酯)、ECG(表儿茶素没食子酸酯)这9项为变量，如表二所示，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，即以逐步方式，将每一步骤中能将整体Wilks' Lambda值减到最小的变量选入判别模式，建立茶类的Bayes判别函数。

表二

该Bayes判别函数的验证包括：

首先，进行训练样本的回代判别，获得回代正判率；即将全体训练样本作为新样本，逐个回代已建立的判别函数中判别归属，例如，判别结果如下表：

回代正判率： (A+B+C)÷(A+B+C+b+c)×100%；

其次，每次剔出训练样本中的一个样本，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，即验证判别函数分类是否正确，判断函数是否具有实际应用价值。一般正判率在90%以上，判别函数具有应用价值。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。