[发明专利]加热卷烟烟叶原料定量筛选方法及其装置

权利要求书

1.一种加热卷烟烟叶原料定量筛选方法，其特征在于，包括以下步骤：

步骤S1：获取加热卷烟烟叶原料样品的Py-GC-MS原始数据；

步骤S2：处理Py-GC-MS原始数据得到含有强度信息的样品特征峰表；

步骤S3：以样品特征峰表作为自变量，以各样品的感官评价得分作为因变量，采用随机森林回归算法建立加热卷烟再造烟叶原料适用性模型；

步骤S4：获取待测加热卷烟再造烟叶原料的Py-GC-MS原始数据，并对Py-GC-MS原始数据进行处理后得到待测加热卷烟再造烟叶原料的待测特征峰表，将待测特征峰表输入加热卷烟再造烟叶原料适用性模型得到该原料对应的感官评价得分。

2.根据权利要求1所述的加热卷烟烟叶原料定量筛选方法，其特征在于，步骤S2包括以下步骤：

步骤S21：提取离子流色谱图；

步骤S22：利用连续小波变换对质谱的谱峰寻峰得到EIC峰；

步骤S23：采用多元曲线分辨对EIC峰数据进行解卷积，得到卷积峰；

步骤S24：基于组分对对卷积峰校准后输出具有质荷比、保留时间和强度信息的特征峰表。

3.根据权利要求2所述的加热卷烟烟叶原料定量筛选方法，其特征在于，步骤S23中解卷积包括以下步骤：①确定解卷积窗口；②通过多元曲线分辨在每个解卷积窗口中构建模型峰；③将解卷积窗口中构建的每个EIC峰分解为模型峰的线性组合，从MZmine中将已构建的质谱数据以msp格式导出，导入NIST 2017库中进行检索定性。

4.根据权利要求2所述的加热卷烟烟叶原料定量筛选方法，其特征在于，步骤S21具体包括以下步骤：

(1)将数据文件中的所有数据点按其强度进行排序，并删除低于强度阈值的点；

(2)从最密集数据点开始，创建第一个EIC；

(3)对于第一个EIC，建立不可变的m/z范围，m/z范围为m/z±∈_m/z，∈_m/z为m/z容差参数；

(4)如果现有EIC的m/z值在m/z范围内，那么下一个数据点为下一个最密集的数据点；

(5)如果下一个数据点不在m/z范围内，则创建一个新的EIC的m/z范围，当点满足用户设定的最小启动强度要求时，创建新的EIC，调整边界；

(6)重复步骤4～5，直到所有数据都处理完毕。

5.根据权利要求1所述的加热卷烟烟叶原料定量筛选方法，其特征在于，步骤S22包括以下步骤：小波系数计算为EIC和小波在不同尺度和位置上的内积，通过脊线检测和局部最小搜索确定峰的位置和边界；以墨西哥帽函数为小波母函数。

6.根据权利要求1所述的加热卷烟烟叶原料定量筛选方法，其特征在于，步骤S3包括以下步骤：

步骤S31：以Gini指数作为评价指标来衡量样品中化学成分的特征重要性评分，计算公式见下式。将所有决策树上每个特征的Gini指数降低值相加，即可获得每个化学成分的特征重要性评分。

式中：为结点t中j类的类频率。特征在结点t的重要性，即Gini指数的变化量，是一个结点与两个子结点的Gini指数加权和之差。

步骤S32：将数据集划分为训练集和测试集，采用K折交叉验证对模型参数：森林中树的个数(n_estimators)、每棵树随机选择的特征数目(max_features)和树的最大深度(max_depth)进行优化。在一具体实施例中，当K为10时，结果得n_estimators＝20，max_features＝21，max_depth＝6。

7.根据权利要求1所述的加热卷烟烟叶原料定量筛选方法，其特征在于，Py-GC-MS检测中样品用量为0.90mg。

8.根据权利要求1所述的加热卷烟烟叶原料定量筛选方法，其特征在于，Py-GC-MS检测所用样品裂解温度为350℃。

9.一种加热卷烟烟叶原料定量筛选装置，其特征在于，包括：

色谱检测模块，用于获取加热卷烟烟叶原料样品的Py-GC-MS原始数据；

特征峰提取模块，用于处理Py-GC-MS原始数据得到含有强度信息的样品特征峰表；

建模模块，用于以样品特征峰表作为自变量，以各样品的感官评价得分作为因变量，采用随机森林回归算法建立加热卷烟再造烟叶原料适用性模型；

估算模块，用于获取待测加热卷烟再造烟叶原料的Py-GC-MS原始数据，并对Py-GC-MS原始数据进行处理后得到待测加热卷烟再造烟叶原料的待测特征峰表，将待测特征峰表输入加热卷烟再造烟叶原料适用性模型得到该原料对应的感官评价得分。