[发明专利]一种基于大数据筛选和仪器分析的大闸蟹品质评价方法

权利要求书

1.一种基于大数据筛选和仪器分析的大闸蟹品质评价方法，其特征在于：包括，

大数据挖掘：确定大数据挖掘的数据源网址，采用Python编程获取消费者对大闸蟹的评论数据，利用分词库、停用词库抓取大闸蟹感官属性词语；

感官描述词语库建立：建立大闸蟹风味轮和感官描述词语库，采用“wordcloud”库获得可视化的词频统计，其中，感官描述词语库为鲜美、肥美、鲜甜、清甜、鲜香；风味轮描述词，对于蟹肉有腥味、鲜味、奶香、青草、清甜、玉米味、烤香，对于蟹膏、蟹黄有油脂味、生番茄味、土腥味、清甜；

所述可视化的词频统计，包括大闸蟹总体风味特征、不同地域大闸蟹风味特征、大闸蟹风味偏好时代变迁特征；

关键风味化合物确立：采用顶空固相微萃取HS-SPME与气相色谱-质谱GC-MS联用技术，通过气味活度值OAV计算，获得气味活性物质；

风味特征的量化与评价：筛选高频词汇指向的关键风味化合物，选择含量高且差异显著性明显的成分作为主成分分析的指标，建立风味品质评价模型；

其中，筛选所得关键风味化合物：

当为蟹肉时，关键风味化合物：三甲胺i=1、己醛i=2、壬醛i=3、癸醛i=4、异戊醛i=5、3-甲硫基丙醛i=6；

当为蟹膏、蟹黄时，关键风味化合物：辛醛i=1、壬醛i=2、反-辛烯醛i=3、反-壬烯醛i=4、顺-癸烯醛i=5、壬-2-烯醛i=6、癸-2-烯醛i=7、1-辛烯-3-酮i=8、反-2-顺-6-壬二烯醛i=9；

其中，所述评价模型建立方法包括，筛选OAV1且大数据高频词汇指向的关键风味化合物，计算各主成分的成分系数：F₁的成分系数为A_1X1、A_1X2…A_1Xn，F₂的成分系数为A_2X1、A_2X2、A_2Xn，F_K的成分系数为A_KX1、A_KX2、A_KXn；

各主成分的方程分别为F₁=A_1X1*X₁+A_1X2*X₂+…A_1xn*X_n，F₂=A_2X1*X₁+A_2X2*X₂+…A_2XN*X_n，F_K=A_KX1*X₁+A_KX2*X₂+…A_KXn*X_n；

以不同特征值的方差贡献率a_i(i=1,2…k) 为加权系数；

利用综合评价函数F=a₁F₁+a₂F₂+…a_KF_K，建立大闸蟹品质评价模型；其中，X₁、X₂、......、X_n分别表示各主成分分析的指标的测定值；

将不同大闸蟹的风味化合物测量值带入公式计算得分，通过比较得分，得出不同大闸蟹风味的优劣；

风味量化评价模型的验证。

2.如权利要求1所述基于大数据筛选和仪器分析的大闸蟹品质评价方法，其特征在于：所述大数据挖掘，包括利用淘宝网、京东网、大众点评网站和饿了么网站公开的电商平台和网络评价平台作为数据源采集大闸蟹评论信息，根据网页源代码中的标签进行数据清洗和筛选；

通过Python的requests模块请求、json数据的处理、re模块解析，设计延时等待和翻页处理，设计感官描述词相关化规则，进行结构化信息的提取和保存。