本发明涉及烟草制造领域，具体涉及一种烟草外观质量的自动评价方法。
背景技术：
对烟草的外观质量的评分是烟草质量的评价的重要手段之一，目前为止对烟草的评级主要依靠专业评级人员通过感官以及辅助设备来完成，耗费大量的人力、物力和财力；此外该过程受到专业人员自身因素以及外部因素影响较大，比如评级人员的个人期望、位置以及光环效应等心理因素，感觉疲劳、灵敏度等生理因素，温度、湿度和噪音等环境因素。即使在标准的环境下进行分级，评级人员的个人因素也会导致分级出现差错。如何利用科学的方法，更加准确客观的通过烟草中的化学成分对烟草质量进行评价或评级就成为了亟待解决的难题。
技术实现要素：
本发明的目的是解决上述技术问题，提供准确性更高、操作更加简便的一种烟草外观质量的自动评价方法。
一种烟草外观质量的自动评价方法，包括步骤:
步骤①：在烟草种植区内采集烟草样品，对所述烟草样品进行等级评定；
步骤②：对步骤①等级评定后的不同等级的烟草样品分别进行化学成分的含量检测；
步骤③：对步骤①等级评定后的不同等级的烟草样品的外观质量指标分别进行打分，得到所述外观质量指标的分数；
步骤④：对同一等级的烟草样品的所述的化学成分的含量与外观质量指标的分数进行相关性分析，确定该等级中所述的化学成分的含量与外观质量指标的分数之间的相关性方程，所述的相关性分析包括线性相关性分析和曲线估计；
步骤⑤：以所述的相关方程为依据，根据将待外观质量评价的烟草样品进行化学成分的含量，确定待外观质量评价的烟草样品在其该等级内的外观质量的评分分数。
本发明以提供一种更为准确、客观的烟草外观质量的自动评价方法为目的，在国内主要的烟草种植区进行烟草样品的采集，保证了样品的多样性，进而保证了所述自动评价方法的适应性；所述的相关性分析是采用统计分析软件来实施的，可以以确定的所述相关性方程为依据，通过测得的待外观质量评价的烟草样品化学成分的含量，直接自动得到该待外观质量评价的烟草样品在其所属等级内的外观质量指标的分数，即可代替人工评吸，避免了因评吸人员的人为因素导致烟草样品的外观质量的评价不客观、不准确，同时也可大大减小评吸人员的工作负担。
优选地，所述外观质量指标包括颜色、成熟度、油分、结构、身份和色度。
优选地，所述颜色分为淡黄、金黄、深黄和正黄四个级别，所述油分分为较多、稍有和有三个级别，所述结构分为尚疏松、稍密和疏松三个级别，所述身份分为稍薄、稍厚和中等三个级别，所述色度分为中和强两个级别。
优选地，步骤②所述化学成分的含量检测包括总植物碱、还原糖、氯、总糖、总氮、总酚和钾。
优选地，所述烟草种植区包括西南烟草种植区、东南烟草种植区、长江中上游烟草种植区、黄淮烟草种植区和北方烟草种植区。
优选地，所述的曲线估计是以所述的化学成分的含量作为自变量，所述的外观质量指标的分数作为因变量，应用统计分析软件以函数模型进行曲线拟合，选出拟合度较高的函数模型。
优选地，所述的函数模型包括线性函数模型、二次项函数模型、复合函数模型、增长函数模型、对数函数模型、立方函数模型、s函数模型、指数函数模型、倒数函数模型、幂函数模型和logistic函数模型。
本发明产生的有益效果：
（1）本发明一种烟草外观质量的自动评价方法，为烟草的外观质量的评价提供了统一标准，增加了烟草样品外观质量评价的客观性和准确性。
（2）本发明烟草样品的采集在全国的主要烟草种植区内进行，保证了烟草样品多样性的同时，增加了本发明所述的自动评价方法的适应性。
（3）本发明所述的一种烟草外观质量的自动评价方法，可以以确定的所述相关性方程为依据，通过测得的待外观质量评价的烟草样品化学成分的含量，直接自动得出该待外观质量评价的烟草样品在其所属等级内的外观质量指标的分数，即可代替人工评吸，避免了因评吸人员的人为因素导致烟草样品的外观质量的评价不客观及不准确，同时也可大大减小评吸人员的工作负担。
具体实施方式
下面结合具体实施例对本发明进行进一步地详细说明。
一种烟草外观质量的自动评价方法，包括步骤：
步骤①：在烟草种植区内采集烟草样品，对所述烟草样品进行等级评定。
本发明实施例为保证样品的多样性及所得数据的适用性，在全国范围内的主要烟草种植区进行烟草样品采集，所选的样品采集地包括：安徽皖南；福建南平、邵武、龙岩和三明；广东南雄；贵州贵阳、威宁、遵义和黔西南；河南洛阳、社旗、驻马店和内乡；黑龙江哈尔滨和牡丹江；湖北十堰竹山、十堰房县、恩施、宣恩、保康和兴山；湖南耒阳，郴州和永州；吉林长春；江西赣州、吉安和抚州；辽宁铁岭；山东潍坊、日照和临沂；陕西安康、宝鸡和商洛；四川广元、泸州、凉山会理和凉山会东；云南昭通、楚雄和马龙；重庆万州等44个城市。样品的采集地涵盖了西南烟草种植区、东南烟草种植区、长江中上游烟草种植区、黄淮烟草种植区和北方烟草种植区五个中国烟草一级种植区。
本发明实施例中选取b2f等级、c3f等级、c4l等级和c3l等级的烟草样品进行一下步骤中所述的化学成分的检测和外观质量指标的评分。
步骤②：对步骤①等级评定后的不同等级的烟草样品分别进行化学成分的含量检测。进行检测的化学成分包括总植物碱、还原糖、氯、总糖、总氮、总酚和钾。
所述还原糖的检测方法参照yc/t160-2002；所述氯的检测方法参照yc/t162-2002；所述总氮的检测方法参照yc/t161-2002；钾的检测方法参照yc/t173-2003。b2f等级烟草的化学物质含量如表1所示，c3f等级烟草的化学物质含量如表2所示，c3l等级烟草化学物质含量如表3所示；c4f等级烟草化学物质含量如表4所示。
步骤③：对步骤①等级评定后的不同等级的烟草样品的外观质量指标分别进行打分，得到所述外观质量指标的分数。
所述的外观质量指标包括颜色、成熟度、油分、结构、身份和色度。所述颜色分为淡黄、金黄、深黄和正黄四个级别，所述油分分为较多、稍有和有三个级别，所述结构分为尚疏松、稍密和疏松三个级别，所述身份分为稍薄、稍厚和中等三个级别，所述色度分为中和强两个级别。
b2f等级烟草外观质量指标的评分如表5所示，c3f等级烟草外观质量指标的评分如表6所示，c3l等级烟草外观质量指标的评分如表7所示，c4f等级烟草外观质量指标的评分如表8所示。
步骤④：对同一等级的烟草样品的所述的化学成分的含量与外观质量指标的分数进行相关性分析，确定该等级中所述的化学成分的含量与外观质量指标的分数之间的相关性方程，所述的相关性分析包括线性相关性分析和曲线估计。
所述的线性相关性分析方法主要以化学成分的含量作为自变量，外观质量指标的分数作为因变量，应用统计分析软件spss20.0对选定四个等级的烟叶分别进行相关性分析，通过分析变量间的pearson简单相关系数，并进行双侧检验，研究各等级烟草中化学成分的含量与外观质量指标的分数的线性关系，并计算分析得到变量之间的相关系数和相关水平。
所述的曲线估计是以所述的化学成分的含量作为自变量，所述的外观质量指标的分数作为因变量，应用统计分析软件以函数模型进行曲线拟合，选出拟合度较高的函数模型。
所述的函数模型包括线性函数模型、二次项函数模型、复合函数模型、增长函数模型、对数函数模型、立方函数模型、s函数模型、指数函数模型、倒数函数模型、幂函数模型和logistic函数模型。
相关性分析结果：
（一）线性相关分析：
（1）b2f等级烟草样品
b2f等级烟草样品中化学成分中颜色与还原糖、氯、总酚和总糖具有一定的线性相关性，相关系数分别为0.484、-0.311、0.346和0.442；
其中颜色与还原糖和总糖的相关性较高，均在0.01水平上极显著相关，颜色与氯和总酚在0.05水平上显著相关；
色度与总植物碱具有一定相关性，相关系数为0.302，在0.05水平上显著相关。
（2）c3f等级烟草样品
c3f等级烟草样品化学成分中氯与结构、氯与颜色、氯与油分、总酚与色度以及总糖与油分之间具有一定的线性相关性，相关系数分别为-0.587、-0.308、-0.315、-0.453和0.312；
其中氯与结构以及总酚与色度在0.01水平上极显著相关，氯与颜色、氯与油分和以及总糖与油分在0.05水平上显著相关。
（3）c3l等级烟草样品
c3l等级烟草样品化学成分中氯与颜色、总氮与身份、总酚与色度、总糖与颜色、总植物碱与色度、总植物碱与身份具有一定的线性相关性；
氯与颜色相关系数为-0.369，在0.05水平上显著相关；总氮与身份相关系数为0.379，在0.05水平上显著相关；
总酚与色度的相关系数为-0.338，在0.05水平上显著相关；
总糖与颜色的相关系数为0.315，在0.05水平上显著相关；
总植物碱与色度相关系数为0.337，在0.05水平上显著相关；总植物碱与身份相关系数为0.353，在0.05水平上显著相关。
（4）c4f等级烟草样品
c4f等级烟草样品化学成分中还原糖与油分、氯与颜色、总糖与油分、总糖与身份具有一定的线性相关性，相关系数分别为0.329、-0.361、0.426和0.299；
还原糖与油分、氯与颜色、总糖与身份都是在0.05水平上显著相关，总糖与油分在0.01水平上极显著相关。
（二）曲线估计
需要说明的是，本发明实施例中所述的sig值，“sig”为“significance”的缩写，意为“显著性”，sig值为由spss20.0统计出的p值，显著性的检测标准为若sig值<0.05，则为在0.05水平上显著相关；若sig值＞0.05，则为在0.05水平上不相关。
（1）b2f等级烟草化学成分与外观质量评价得分曲线估计结果：
估计结果发现还原糖与颜色不管是以线性方式还是非线性的其它模型都有很高的相关性，均在0.01水平上极显著相关。但还原糖与颜色以幂函数和s函数模型进行拟合得到的拟合度最高，sig值为0.253。钾与颜色以二次函数模型进行拟合得到的拟合度为0.153，sig值为0.036，即在0.05水平上显著相关。钾与油分以二次函数进行拟合得到的拟合度为0.318，sig值为0，即在0.01水平上极显著相关。氯与颜色以复合、增长、指数和logistic函数模型进行拟合得到的拟合度较高为0.105，sig值为0.034，在0.05水平上显著相关。总酚与颜色以s函数模型进行拟合得到的拟合度最高为0.145，sig值为0.012，在0.05水平上显著相关。总糖与颜色以幂函数模型进行拟合得到的拟合度最高为0.207，sig值为0.002，即在0.01水平上极显著相关。总植物碱与色度以倒数和s函数模型进行拟合得到的拟合度较高为0.098，sig值为0.041，在0.05水平行显著相关。
（2）c3f等级烟草化学成分与外观质量评价得分曲线估计结果：
氯与结构以三次函数模型进行拟合得到的拟合度最高为0.351，sig值为0，在0.01水平上极显著相关。氯与颜色以倒数函数模型进行拟合得到的拟合度为0.154，sig值为0.009，即在0.01水平上极显著相关。氯与油分以复合函数进行拟合得到的拟合度较高为0.118，sig值为0.023，即在0.05水平上显著相关。总酚与色度以s函数模型进行拟合得到的拟合度最高为0.251，sig值为0.001，即在0.01水平上极显著相关。总糖和油分以幂函数模型进行拟合得到的拟合度最高为0.106，sig值为0.031，即在0.05水平上显著相关。
（3）c3l等级烟草化学成分与外观质量评价得分曲线估计结果：
氯与颜色以幂函数模型进行曲线拟合得到的拟合度最高为0.164，sig值为0.006，即在0.01水平上极显著相关。总氮与身份以线性模型进行拟合得到的相关性最高，sig值为0.011，在0.05水平上显著相关。总酚与色度以复合函数、增长函数、指数函数和logistic函数模型进行拟合得到的相关性最高，拟合度为0.134，sig值为0.14，在0.05水平上显著相关。总酚与油分以s函数模型进行拟合得到的拟合度最高为0.094，sig值为0.045，即在0.05水平上显著相关。总糖与颜色以s函数模型进行拟合得到的拟合度最高为0.112，sig值为0.026，即在0.05水平上显著相关。总植物碱与身份以复合、增长、指数、logistic函数模型进行拟合得到的拟合度最高为0.125，sig值为0.018，即在0.05水平上显著相关。总植物碱与色度以复合增长、指数、logistic函数模型进行拟合得到的拟合度最高为0.114，sig值为0.025，在0.05水平上显著相关。
（4）c4f等级烟草化学成分与外观质量评价得分曲线估计结果：
还原糖与油分以复合函数、增长函数、指数函数和logistic函数模型进行拟合得到的拟合度最高为0.120，sig值为0.021，即在0.05水平上显著相关。氯与结构以倒数函数模型进行拟合发现具有相关性，sig值为0.047，即在0.05水平上显著相关。氯与身份以三次函数模型进行拟合得到的拟合度较高为0.201，sig值为0.028，即在0.05水平上显著相关。氯与颜色以s函数模型进行拟合得到的拟合度最高为0.180，sig值为0.004，在0.01水平上极显著相关。氯与油分以三次函数模型进行拟合得到的拟合度最高为0.304，sig值为0.002，即在0.05水平上极显著相关。总糖与身份以线性形式相关性最高，在0.05水平上显著相关。总糖与油分以复合、增长、指数、logistic函数模型进行拟合得到的拟合度较高为0.190，sig值最小为0.003，即在0.01水平上极显著相关。总植物碱与色度以三次函数模型进行拟合得到的拟合度最高为0.170，sig值最低为0.022，即在0.05水平上显著相关。
相关性方程：
油分与钾在b2f等级中的相关性最高，模型为二次函数，相关性方程为：y=-5.008+18.310x-4.556x²；
颜色与还原糖在b2f等级中的相关性最高，模型为s函数，相关性方程为：y=e^(2.788-7.706/x)；
结构与氯在c3f等级中的相关性最高，模型为复合函数、增长函数和指数函数，相关性方程分别为：y=13.696*0.891x，y=e^(2.671-0.115x)和y=13.696*e^(-0.115x)；
色度与总酚在c3f等级中的相关性最高，模型为y=e^(1.797+7.036/x)；
身份与总氮在c3l等级中的相关性最高，模型为线性，相关性方程为：y=3.435+2.162x。上述方程中y代表外观质量评分，x代表烟草中化学成分含量。
步骤⑤：以所述的相关方程为依据，根据将待外观质量评价的烟草样品进行化学成分的含量，确定待外观质量评价的烟草样品在其所属等级内的外观质量的评分分数。
本发明实施例对待感官舒适性评价的等级为b2f烟草样品进行外观质量-油分的自动打分，对所述的烟草样品进行化学成分含量的测试，将测得化学成分含量值代入步骤④中得到的油分与钾的相关性方程中；并进行人工评吸，对所述自动评价结果与人工评吸的结果进行比较验证。测得的化学成分的含量、自动评价分数和人工评吸得分如表9所示。如表9所示，自动评价分数与人工评吸得分基本一致。
表9油分自动评分和人工评吸的对比表
表1b2f等级烟草化学物质含量
表2c3f等级烟草化学物质含量
表3c3l等级烟草化学物质含量
表4c4f等级烟草化学物质含量
表5b2f等级烟草外观质量指标的评分表
表6c3f等级烟草外观质量指标的评分表
表7c3l等级烟草外观质量指标的评分表
表8c4f等级烟草外观质量指标的评分表
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。