简介：运用烟草知识对烟叶进行初步分类,以经过标准化处理的常规化学指标和烟叶评吸指标为依据,由训练样本集得到最佳的网络参数,在此基础上对检验样本进行了烟叶品质的识别.提出了利用3层BP人工神经网络识别烟叶品质的方法.人工神经网络用于烟叶品质识别,结果与实际符合良好.该方法优于传统的识别方法,也优于文献报道的识别误差.
简介：研究了使用1，2-二（9-蒽基）乙烷作为内标，高效液相色谱-荧光检测器（HPLC—FD）法测定卷烟烟气粒相物中B（a）P的方法。在捕集了卷烟烟气的剑桥滤片上加入内标，经超声萃取后用SPE小柱进行纯化。萃取液浓缩重组溶剂后直接进样分析。优化了流动相并选择了梯度洗脱使得B（a）P与内标物完全分离。使用该方法测定商品卷烟，方法平均回收率为（94±1．2）％，方法检测限是0．9ng／mL，相对标准偏差为（3．1～3．8）％。
根据常规化学指标识别烟叶品质的BP神经网络模型
高效液相色谱-内标法测定卷烟烟气粒相物中的B（a）P
