引言：咖啡筛网通过率的重要性
咖啡筛网通过率（Coffee Screen Size Analysis）是咖啡品质控制和烘焙工艺中至关重要的参数，它直接关系到咖啡豆的均匀度、烘焙一致性和最终风味表现。在精品咖啡行业中，通过率计算不仅是生豆采购时的质量评估标准，也是烘焙师调整烘焙曲线的重要依据。
通过率计算的核心在于理解筛网孔径与咖啡豆大小分布的关系。标准的咖啡筛网通常采用美国标准筛网（US Standard Sieve）或泰勒筛网（Tyler Sieve）系统，孔径尺寸从最细的0.15mm到最粗的6.7mm不等。对于咖啡豆而言，常用的筛网孔径范围在2.0mm至6.0mm之间，具体取决于咖啡豆的品种和处理方式。
筛网通过率的基本概念与计算原理
1. 筛网通过率的定义
筛网通过率（Pass Rate）是指在特定孔径筛网中，能够通过筛孔的咖啡豆质量占总样品质量的百分比。其基本计算公式为：
\[ \text{通过率} (\%) = \frac{\text{通过筛网的咖啡豆质量}}{\text{总样品质量}} \times 100\% \]
2. 标准筛网孔径体系
咖啡行业常用的筛网孔径体系如下表所示：
| 筛网编号 | 孔径尺寸 (mm) | 适用咖啡豆类型 |
|---|---|---|
| 18目 | 1.00 | 研磨度检测 |
| 14目 | 1.40 | 研磨度检测 |
| 10目 | 2.00 | 小粒咖啡 |
| 8目 | 2.36 | 阿拉比卡 |
| 6.5目 | 2.80 | 阿拉比卡 |
| 6目 | 3.35 | 罗布斯塔 |
| 5目 | 4.00 | 大粒咖啡 |
| 4目 | 4.75 | 特殊品种 |
| 3.5目 | 5.60 | 埃塞俄比亚原生种 |
| 3目 | 6.70 | 特殊大粒豆 |
3. 计算方法详解
单层筛网通过率计算
假设我们有100g咖啡豆样品，使用3.35mm（6目）筛网进行筛选：
- 筛上物（未通过）：65g
- 筛下物（通过）：35g
通过率 = 35g / 100g × 100% = 35%
多层筛网分级计算
在实际应用中，通常使用多层筛网组合进行分级分析。例如，使用3.35mm、2.80mm、2.36mm和2.00mm四种筛网叠加：
- 最上层放置3.35mm筛网
- 依次向下放置2.80mm、2.26mm、2.00mm筛网
- 最底层放置底盘
样品经过振荡筛分后，各层残留物质量分别为：
- 3.35mm筛上：25g
- 2.80mm筛上：40g
- 2.36mm筛上：20g
- 2.00mm筛上：10g
- 底盘（通过2.00mm）：5g
各粒径区间的通过率计算：
- 通过3.35mm：100% - 25% = 75%
- 通过2.80mm：100% - (25% + 40%) = 35%
- 通过2.36mm：100% - (25% + 40% + 20%) = 15%
- 通过2.00mm：100% - (25% + 40% + 20% + 10%) = 5%
实际应用中的计算方法与工具
1. 手动筛分法
手动筛分法是最基础也是最可靠的通过率计算方法，适用于烘焙厂、生豆贸易商和品质检测实验室。
操作步骤：
- 准备100-500g代表性样品
- 选择合适的筛网组合（通常3-5层）
- 将样品倒入最上层筛网
- 盖上盖子，手动或机械振荡10-15分钟
- 分别称量各层残留物和底盘通过物
- 计算各粒径区间通过率
注意事项：
- 样品必须充分混合均匀
- 筛网必须清洁干燥
- 振荡时间和力度要保持一致
- 称量精度至少达到0.1g
2. 自动筛分仪法
现代咖啡品质实验室多采用自动筛分仪，如德国Brabender、美国Ro-Tap等品牌设备。
优势：
- 筛分时间标准化（通常5-10分钟）
- 振荡频率和幅度精确控制
- 减少人为误差
- 可连接电脑记录数据
计算公式与编程实现
以下是一个Python程序，用于自动计算筛分数据并生成分析报告：
import pandas as pd
import numpy as np
from typing import Dict, List, Tuple
class CoffeeSieveAnalyzer:
"""
咖啡筛网通过率分析器
支持手动和自动筛分数据的计算与分析
"""
def __init__(self, total_weight: float, sieve_data: Dict[str, float]):
"""
初始化分析器
Args:
total_weight: 样品总质量(g)
sieve_data: 筛分数据字典，格式为{筛网孔径: 残留质量}
"""
self.total_weight = total_weight
self.sieve_data = sorted(sieve_data.items(), key=lambda x: float(x[0]))
self.results = {}
def calculate_pass_rate(self) -> Dict[str, float]:
"""计算各筛网通过率"""
cumulative_retention = 0
pass_rates = {}
for aperture, retention in self.sieve_data:
cumulative_retention += retention
pass_rate = (1 - cumulative_retention / self.total_weight) * 100
pass_rates[f"通过{aperture}mm"] = round(pass_rate, 2)
# 底盘通过率（最细部分）
pan_retention = self.total_weight - cumulative_retention
pass_rates["底盘通过率"] = round(pan_retention / self.total_weight * 100, 2)
self.results['pass_rates'] = pass_rates
return pass_rates
def calculate_size_distribution(self) -> Dict[str, float]:
"""计算粒径分布"""
distribution = {}
prev_aperture = None
prev_retention = 0
for aperture, retention in self.sieve_data:
if prev_aperture is None:
# 最上层筛网：大于该孔径的部分
distribution[f">{aperture}mm"] = round(retention / self.total_weight * 100, 2)
else:
# 两层之间的粒径区间
size_range = f"{aperture}-{prev_aperture}mm"
range_mass = retention - prev_retention
distribution[size_range] = round(range_mass / self.total_weight * 100, 2)
prev_aperture = aperture
prev_retention = retention
# 底盘部分（小于最小筛网孔径）
pan_mass = self.total_weight - prev_retention
distribution[f"<{prev_aperture}mm"] = round(pan_mass / self.total_weight * 100, 2)
self.results['distribution'] = distribution
return distribution
def generate_report(self) -> str:
"""生成完整分析报告"""
if not self.results:
self.calculate_pass_rate()
self.calculate_size_distribution()
report = []
report.append("=" * 60)
report.append("咖啡筛网通过率分析报告")
report.append("=" * 60)
report.append(f"样品总质量: {self.total_weight}g")
report.append("")
report.append("【各筛网通过率】")
for key, value in self.results['pass_rates'].items():
report.append(f" {key}: {value}%")
report.append("")
report.append("【粒径分布】")
for key, value in self.results['distribution'].items():
report.append(f" {key}: {value}%")
report.append("")
report.append("【品质评估】")
# 品质评估逻辑
uniformity = self._calculate_uniformity()
report.append(f" 均匀度指数: {uniformity:.2f}")
if uniformity >= 80:
report.append(" 评估结果: 优秀 - 咖啡豆大小均匀，烘焙一致性好")
elif uniformity >= 70:
report.append(" 评估结果: 良好 - 咖啡豆大小较均匀")
elif uniformity >= 60:
report.append(" 评估结果: 一般 - 咖啡豆大小差异较大，需调整烘焙曲线")
else:
report.append(" 评估结果: 较差 - 咖啡豆大小差异显著，建议分级处理")
return "\n".join(report)
def _calculate_uniformity(self) -> float:
"""计算均匀度指数（0-100）"""
distribution = self.results.get('distribution', {})
if not distribution:
self.calculate_size_distribution()
distribution = self.results['distribution']
# 计算主要粒径区间的质量占比
main_ranges = [v for k, v in distribution.items() if '-' in k]
if not main_ranges:
return 0
# 均匀度指数 = 最大区间占比的倒数（越均匀，指数越高）
max_range = max(main_ranges)
uniformity = 100 / max_range if max_range > 0 else 0
return min(uniformity, 100) # 限制在100以内
# 使用示例
if __name__ == "__main__":
# 示例数据：100g样品，使用3.35mm, 2.80mm, 2.36mm, 2.00mm筛网
sample_data = {
"3.35": 25.0, # 3.35mm筛上
"2.80": 40.0, # 2.80mm筛上
"2.36": 20.0, # 2.36mm筛上
"2.00": 10.0 # 2.00mm筛上
}
analyzer = CoffeeSieveAnalyzer(total_weight=100.0, sieve_data=sample_data)
# 计算通过率
pass_rates = analyzer.calculate_pass_rate()
print("通过率结果:", pass_rates)
# 计算分布
distribution = analyzer.calculate_size_distribution()
print("分布结果:", distribution)
# 生成报告
report = analyzer.generate_report()
print("\n" + report)
3. 在线计算工具与Excel模板
对于没有编程条件的用户，可以使用Excel模板进行计算：
Excel公式模板：
| A列 | B列 | C列 | D列 |
|---|---|---|---|
| 筛网孔径(mm) | 残留质量(g) | 累计残留(%) | 通过率(%) |
| 3.35 | 25 | =SUM(\(B\)2:B2)/\(B\)8*100 | =100-C2 |
| 2.80 | 40 | =SUM(\(B\)2:B3)/\(B\)8*100 | =100-C3 |
| 2.36 | 20 | =SUM(\(B\)2:B4)/\(B\)8*100 | =100-C4 |
| 2.00 | 10 | =SUM(\(B\)2:B5)/\(B\)8*100 | =100-C5 |
| 底盘 | 5 | =SUM(\(B\)2:B6)/\(B\)8*100 | =100-C6 |
| 合计 | =SUM(B2:B6) |
实际应用中的问题与解决方案
1. 常见问题分析
问题一：样品代表性不足
表现： 同一批次不同样品通过率差异超过5%
原因：
- 取样时未充分混合
- 取样点单一
- 样品量过少
解决方案：
def sampling_guidance():
"""
取样指导函数
返回标准取样流程
"""
guidance = """
标准取样流程：
1. 批次取样：每批次至少取5个点，每个点取样200g
2. 混合方法：将5个点样品倒入大型容器，翻转混合10次
3. 缩分方法：采用四分法缩分至所需样品量
4. 最终样品：至少100g，建议200-500g
四分法操作：
- 将混合样品堆成圆锥形
- 压平成圆饼状
- 分成四等份
- 对角取两份
- 重复至所需量
"""
return guidance
问题二：筛分不完全
表现： 筛上物中仍有明显可通过的豆粒
原因：
- 筛分时间不足
- 振荡力度不够
- 咖啡豆形状不规则（如畸形豆）
解决方案：
- 延长筛分时间至20分钟
- 增加振荡频率
- 手动辅助翻动
- 对特殊品种（如艺妓）采用更长时间
问题三：筛网堵塞
表现： 筛分效率下降，结果偏差
原因：
- 咖啡豆碎屑积累
- 筛网变形
- 静电吸附
解决方案：
- 每次使用后彻底清洁
- 定期检查筛网孔径变形
- 使用防静电刷或轻微湿润筛网
2. 烘焙工艺中的通过率应用
不同通过率对烘焙的影响
高通过率（>80%）：
- 均匀度好，烘焙曲线容易控制
- 建议采用标准烘焙曲线
- 焦糖化反应均匀
**中等通过率（60-80%）：：
- 大小差异明显，需调整火力
- 建议采用”前高后低”火力曲线
- 延长烘焙时间10-15%
**低通过率（<60%）：：
- 大小差异显著，需分级烘焙
- 建议先筛分再分别烘焙
- 或采用”双峰”火力曲线
烘焙曲线调整示例
def adjust_roasting_curve(pass_rate: float, original_curve: dict) -> dict:
"""
根据通过率调整烘焙曲线
Args:
pass_rate: 3.35mm筛网通过率
original_curve: 原始烘焙曲线参数
"""
adjusted_curve = original_curve.copy()
if pass_rate >= 80:
# 均匀度好，保持标准曲线
adjusted_curve['development_time'] = original_curve['development_time']
adjusted_curve['max_power'] = original_curve['max_power']
adjusted_curve['note'] = "标准曲线，无需调整"
elif pass_rate >= 60:
# 中等均匀度，延长发展时间
adjusted_curve['development_time'] = original_curve['development_time'] * 1.15
adjusted_curve['max_power'] = original_curve['max_power'] * 0.95
adjusted_curve['note'] = "延长发展时间15%，降低峰值火力5%"
else:
# 低均匀度，建议分级或双峰曲线
adjusted_curve['development_time'] = original_curve['development_time'] * 1.25
adjusted_curve['max_power'] = original_curve['max_power'] * 0.90
adjusted_curve['roast_strategy'] = "建议分级烘焙或采用双峰火力"
adjusted_curve['note'] = "大小豆差异显著，需特殊处理"
return adjusted_curve
# 示例：调整烘焙曲线
original = {
'development_time': 120, # 发展时间(秒)
'max_power': 100, # 最大功率(%)
'drop_temp': 205 // 出豆温度(℃)
}
# 通过率75%的情况
adjusted = adjust_roasting_curve(75, original)
print(adjusted)
# 输出: {'development_time': 138.0, 'max_power': 95.0, 'drop_temp': 205, 'note': '延长发展时间15%，降低峰值火力5%'}
3. 生豆采购中的通过率标准
不同产地的通过率参考标准
| 产地/品种 | 3.35mm通过率标准 | 2.80mm通过率标准 | 备注 |
|---|---|---|---|
| 埃塞俄比亚耶加雪菲 | 70-85% | 40-60% | 原生种大小差异大 |
| 哥伦比亚蕙兰 | 75-90% | 50-70% | 均匀度较好 |
| 巴西喜拉多 | 80-95% | 60-80% | 大豆为主，均匀 |
| 印尼曼特宁 | 65-80% | 35-55% | 大小差异较大 |
| 肯尼亚AA | 85-95% | 65-80% | 筛选严格，均匀 |
| 罗布斯塔 | 60-75% | 30-50% | 天然大小差异大 |
采购决策流程
def purchase_decision(pass_rate: float, origin: str, price: float) -> dict:
"""
生豆采购决策函数
Args:
pass_rate: 3.35mm通过率
origin: 产地
price: 单价(元/kg)
"""
decision = {}
# 产地标准映射
standards = {
'埃塞俄比亚': {'min': 70, 'optimal': 80},
'哥伦比亚': {'min': 75, 'optimal': 85},
'巴西': {'min': 80, 'optimal': 90},
'肯尼亚': {'min': 85, 'optimal': 92},
'印尼': {'min': 65, 'optimal': 75},
'罗布斯塔': {'min': 60, 'optimal': 70}
}
origin_key = None
for key in standards:
if key in origin:
origin_key = key
break
if not origin_key:
return {"error": "未知产地"}
standard = standards[origin_key]
if pass_rate >= standard['optimal']:
decision['grade'] = 'A级'
decision['action'] = '推荐采购'
decision['price_note'] = '可接受溢价'
elif pass_rate >= standard['min']:
decision['grade'] = 'B级'
decision['action'] = '可采购'
decision['price_note'] = '标准价格'
else:
decision['grade'] = 'C级'
decision['action'] = '谨慎采购或议价'
decision['price_note'] = '需降价10-15%'
# 价格影响分析
if pass_rate < standard['min']:
suggested_price = price * 0.85
decision['suggested_price'] = round(suggested_price, 2)
return decision
# 示例：埃塞俄比亚豆，通过率72%，价格45元/kg
result = purchase_decision(72, '埃塞俄比亚耶加雪菲', 45)
print(result)
# 输出: {'grade': 'B级', 'action': '可采购', 'price_note': '标准价格'}
4. 研磨度匹配与通过率关系
研磨度与通过率密切相关，不同萃取方式需要不同的研磨度，对应不同的通过率标准：
| 萃取方式 | 理想研磨度 | 2.00mm通过率 | 1.40mm通过率 | 1.00mm通过率 |
|---|---|---|---|---|
| 土耳其咖啡 | 极细粉 | % | 20-30% | 70-80% |
| 意式浓缩 | 细粉 | 5-15% | 30-45% | 50-65% |
| 手冲咖啡 | 中细粉 | 15-30% | 45-60% | 25-40% |
| 法压壶 | 粗粉 | 60-80% | 15-25% | 5-10% |
| 冷萃咖啡 | 极粗粉 | 85-95% | 5-10% | % |
质量控制与标准化流程
1. 建立标准操作程序（SOP）
class QualityControlSOP:
"""
质量控制标准操作程序
"""
def __init__(self):
self.checklist = {
'pre_check': [
"筛网清洁度检查",
"天平校准（使用标准砝码）",
"样品代表性确认",
"环境温湿度记录"
],
'during_check': [
"筛分时间控制",
"振荡频率监控",
"筛网完整性检查",
"样品无洒落"
],
'post_check': [
"数据复核",
"筛网清洁",
"异常值标记",
"报告生成"
]
}
def run_sop(self, test_id: str) -> dict:
"""执行SOP流程"""
print(f"开始执行SOP - 测试ID: {test_id}")
results = {}
for step_type, items in self.checklist.items():
print(f"\n{step_type.upper()}阶段:")
for item in items:
# 模拟检查结果
status = "✓" if np.random.random() > 0.1 else "✗"
print(f" [{status}] {item}")
if step_type not in results:
results[step_type] = []
results[step_type].append({"item": item, "status": status})
return results
# 使用示例
sop = QualityControlSOP()
sop_result = sop.run_sop("QC20240115-001")
2. 数据记录与追溯系统
建议建立完整的数据库记录，包括：
- 样品信息（产地、批次、日期）
- 环境条件（温度、湿度）
- 筛分数据（各层残留质量）
- 计算结果（通过率、分布）
- 操作人员
- 设备编号
- 异常情况记录
结论与最佳实践建议
1. 关键要点总结
- 通过率计算是咖啡品质控制的基础，直接影响烘焙一致性和风味表现
- 标准化操作至关重要，从取样到计算都需要严格遵循SOP
- 数据驱动决策，通过历史数据分析优化烘焙曲线和采购策略
- 动态调整，根据通过率实时调整烘焙参数
2. 最佳实践建议
对于烘焙师：
- 建立每批次生豆的通过率档案
- 根据通过率预设3-5条烘焙曲线模板
- 记录实际烘焙结果与通过率的对应关系
对于采购商：
- 将通过率纳入采购合同的技术指标
- 建立供应商通过率数据库
- 定期审核供应商的筛分设备
对于实验室：
- 每月进行一次筛网校准
- 参加行业能力验证（PTP）
- 建立标准物质库（如已知通过率的咖啡豆样品）
3. 未来发展趋势
- 自动化筛分设备的普及，减少人为误差
- AI辅助分析，通过图像识别快速评估豆粒大小分布
- 在线实时监测，在烘焙线上集成筛分传感器
- 区块链溯源，将通过率数据写入不可篡改的溯源系统
通过系统性地理解和应用筛网通过率计算方法，咖啡从业者可以显著提升产品质量控制水平，实现从生豆到杯中的全程品质保障。# 咖啡筛网通过率计算方法详解与实际应用问题探讨
引言：咖啡筛网通过率的重要性
咖啡筛网通过率（Coffee Screen Size Analysis）是咖啡品质控制和烘焙工艺中至关重要的参数，它直接关系到咖啡豆的均匀度、烘焙一致性和最终风味表现。在精品咖啡行业中，通过率计算不仅是生豆采购时的质量评估标准，也是烘焙师调整烘焙曲线的重要依据。
通过率计算的核心在于理解筛网孔径与咖啡豆大小分布的关系。标准的咖啡筛网通常采用美国标准筛网（US Standard Sieve）或泰勒筛网（Tyler Sieve）系统，孔径尺寸从最细的0.15mm到最粗的6.7mm不等。对于咖啡豆而言，常用的筛网孔径范围在2.0mm至6.0mm之间，具体取决于咖啡豆的品种和处理方式。
筛网通过率的基本概念与计算原理
1. 筛网通过率的定义
筛网通过率（Pass Rate）是指在特定孔径筛网中，能够通过筛孔的咖啡豆质量占总样品质量的百分比。其基本计算公式为：
\[ \text{通过率} (\%) = \frac{\text{通过筛网的咖啡豆质量}}{\text{总样品质量}} \times 100\% \]
2. 标准筛网孔径体系
咖啡行业常用的筛网孔径体系如下表所示：
| 筛网编号 | 孔径尺寸 (mm) | 适用咖啡豆类型 |
|---|---|---|
| 18目 | 1.00 | 研磨度检测 |
| 14目 | 1.40 | 研磨度检测 |
| 10目 | 2.00 | 小粒咖啡 |
| 8目 | 2.36 | 阿拉比卡 |
| 6.5目 | 2.80 | 阿拉比卡 |
| 6目 | 3.35 | 罗布斯塔 |
| 5目 | 4.00 | 大粒咖啡 |
| 4目 | 4.75 | 特殊品种 |
| 3.5目 | 5.60 | 埃塞俄比亚原生种 |
| 3目 | 6.70 | 特殊大粒豆 |
3. 计算方法详解
单层筛网通过率计算
假设我们有100g咖啡豆样品，使用3.35mm（6目）筛网进行筛选：
- 筛上物（未通过）：65g
- 筛下物（通过）：35g
通过率 = 35g / 100g × 100% = 35%
多层筛网分级计算
在实际应用中，通常使用多层筛网组合进行分级分析。例如，使用3.35mm、2.80mm、2.36mm和2.00mm四种筛网叠加：
- 最上层放置3.35mm筛网
- 依次向下放置2.80mm、2.26mm、2.00mm筛网
- 最底层放置底盘
样品经过振荡筛分后，各层残留物质量分别为：
- 3.35mm筛上：25g
- 2.80mm筛上：40g
- 2.36mm筛上：20g
- 2.00mm筛上：10g
- 底盘（通过2.00mm）：5g
各粒径区间的通过率计算：
- 通过3.35mm：100% - 25% = 75%
- 通过2.80mm：100% - (25% + 40%) = 35%
- 通过2.36mm：100% - (25% + 40% + 20%) = 15%
- 通过2.00mm：100% - (25% + 40% + 20% + 10%) = 5%
实际应用中的计算方法与工具
1. 手动筛分法
手动筛分法是最基础也是最可靠的通过率计算方法，适用于烘焙厂、生豆贸易商和品质检测实验室。
操作步骤：
- 准备100-500g代表性样品
- 选择合适的筛网组合（通常3-5层）
- 将样品倒入最上层筛网
- 盖上盖子，手动或机械振荡10-15分钟
- 分别称量各层残留物和底盘通过物
- 计算各粒径区间通过率
注意事项：
- 样品必须充分混合均匀
- 筛网必须清洁干燥
- 振荡时间和力度要保持一致
- 称量精度至少达到0.1g
2. 自动筛分仪法
现代咖啡品质实验室多采用自动筛分仪，如德国Brabender、美国Ro-Tap等品牌设备。
优势：
- 筛分时间标准化（通常5-10分钟）
- 振荡频率和幅度精确控制
- 减少人为误差
- 可连接电脑记录数据
计算公式与编程实现
以下是一个Python程序，用于自动计算筛分数据并生成分析报告：
import pandas as pd
import numpy as np
from typing import Dict, List, Tuple
class CoffeeSieveAnalyzer:
"""
咖啡筛网通过率分析器
支持手动和自动筛分数据的计算与分析
"""
def __init__(self, total_weight: float, sieve_data: Dict[str, float]):
"""
初始化分析器
Args:
total_weight: 样品总质量(g)
sieve_data: 筛分数据字典，格式为{筛网孔径: 残留质量}
"""
self.total_weight = total_weight
self.sieve_data = sorted(sieve_data.items(), key=lambda x: float(x[0]))
self.results = {}
def calculate_pass_rate(self) -> Dict[str, float]:
"""计算各筛网通过率"""
cumulative_retention = 0
pass_rates = {}
for aperture, retention in self.sieve_data:
cumulative_retention += retention
pass_rate = (1 - cumulative_retention / self.total_weight) * 100
pass_rates[f"通过{aperture}mm"] = round(pass_rate, 2)
# 底盘通过率（最细部分）
pan_retention = self.total_weight - cumulative_retention
pass_rates["底盘通过率"] = round(pan_retention / self.total_weight * 100, 2)
self.results['pass_rates'] = pass_rates
return pass_rates
def calculate_size_distribution(self) -> Dict[str, float]:
"""计算粒径分布"""
distribution = {}
prev_aperture = None
prev_retention = 0
for aperture, retention in self.sieve_data:
if prev_aperture is None:
# 最上层筛网：大于该孔径的部分
distribution[f">{aperture}mm"] = round(retention / self.total_weight * 100, 2)
else:
# 两层之间的粒径区间
size_range = f"{aperture}-{prev_aperture}mm"
range_mass = retention - prev_retention
distribution[size_range] = round(range_mass / self.total_weight * 100, 2)
prev_aperture = aperture
prev_retention = retention
# 底盘部分（小于最小筛网孔径）
pan_mass = self.total_weight - prev_retention
distribution[f"<{prev_aperture}mm"] = round(pan_mass / self.total_weight * 100, 2)
self.results['distribution'] = distribution
return distribution
def generate_report(self) -> str:
"""生成完整分析报告"""
if not self.results:
self.calculate_pass_rate()
self.calculate_size_distribution()
report = []
report.append("=" * 60)
report.append("咖啡筛网通过率分析报告")
report.append("=" * 60)
report.append(f"样品总质量: {self.total_weight}g")
report.append("")
report.append("【各筛网通过率】")
for key, value in self.results['pass_rates'].items():
report.append(f" {key}: {value}%")
report.append("")
report.append("【粒径分布】")
for key, value in self.results['distribution'].items():
report.append(f" {key}: {value}%")
report.append("")
report.append("【品质评估】")
# 品质评估逻辑
uniformity = self._calculate_uniformity()
report.append(f" 均匀度指数: {uniformity:.2f}")
if uniformity >= 80:
report.append(" 评估结果: 优秀 - 咖啡豆大小均匀，烘焙一致性好")
elif uniformity >= 70:
report.append(" 评估结果: 良好 - 咖啡豆大小较均匀")
elif uniformity >= 60:
report.append(" 评估结果: 一般 - 咖啡豆大小差异较大，需调整烘焙曲线")
else:
report.append(" 评估结果: 较差 - 咖啡豆大小差异显著，建议分级处理")
return "\n".join(report)
def _calculate_uniformity(self) -> float:
"""计算均匀度指数（0-100）"""
distribution = self.results.get('distribution', {})
if not distribution:
self.calculate_size_distribution()
distribution = self.results['distribution']
# 计算主要粒径区间的质量占比
main_ranges = [v for k, v in distribution.items() if '-' in k]
if not main_ranges:
return 0
# 均匀度指数 = 最大区间占比的倒数（越均匀，指数越高）
max_range = max(main_ranges)
uniformity = 100 / max_range if max_range > 0 else 0
return min(uniformity, 100) # 限制在100以内
# 使用示例
if __name__ == "__main__":
# 示例数据：100g样品，使用3.35mm, 2.80mm, 2.36mm, 2.00mm筛网
sample_data = {
"3.35": 25.0, # 3.35mm筛上
"2.80": 40.0, # 2.80mm筛上
"2.36": 20.0, # 2.36mm筛上
"2.00": 10.0 # 2.00mm筛上
}
analyzer = CoffeeSieveAnalyzer(total_weight=100.0, sieve_data=sample_data)
# 计算通过率
pass_rates = analyzer.calculate_pass_rate()
print("通过率结果:", pass_rates)
# 计算分布
distribution = analyzer.calculate_size_distribution()
print("分布结果:", distribution)
# 生成报告
report = analyzer.generate_report()
print("\n" + report)
3. 在线计算工具与Excel模板
对于没有编程条件的用户，可以使用Excel模板进行计算：
Excel公式模板：
| A列 | B列 | C列 | D列 |
|---|---|---|---|
| 筛网孔径(mm) | 残留质量(g) | 累计残留(%) | 通过率(%) |
| 3.35 | 25 | =SUM(\(B\)2:B2)/\(B\)8*100 | =100-C2 |
| 2.80 | 40 | =SUM(\(B\)2:B3)/\(B\)8*100 | =100-C3 |
| 2.36 | 20 | =SUM(\(B\)2:B4)/\(B\)8*100 | =100-C4 |
| 2.00 | 10 | =SUM(\(B\)2:B5)/\(B\)8*100 | =100-C5 |
| 底盘 | 5 | =SUM(\(B\)2:B6)/\(B\)8*100 | =100-C6 |
| 合计 | =SUM(B2:B6) |
实际应用中的问题与解决方案
1. 常见问题分析
问题一：样品代表性不足
表现： 同一批次不同样品通过率差异超过5%
原因：
- 取样时未充分混合
- 取样点单一
- 样品量过少
解决方案：
def sampling_guidance():
"""
取样指导函数
返回标准取样流程
"""
guidance = """
标准取样流程：
1. 批次取样：每批次至少取5个点，每个点取样200g
2. 混合方法：将5个点样品倒入大型容器，翻转混合10次
3. 缩分方法：采用四分法缩分至所需样品量
4. 最终样品：至少100g，建议200-500g
四分法操作：
- 将混合样品堆成圆锥形
- 压平成圆饼状
- 分成四等份
- 对角取两份
- 重复至所需量
"""
return guidance
问题二：筛分不完全
表现： 筛上物中仍有明显可通过的豆粒
原因：
- 筛分时间不足
- 振荡力度不够
- 咖啡豆形状不规则（如畸形豆）
解决方案：
- 延长筛分时间至20分钟
- 增加振荡频率
- 手动辅助翻动
- 对特殊品种（如艺妓）采用更长时间
问题三：筛网堵塞
表现： 筛分效率下降，结果偏差
原因：
- 咖啡豆碎屑积累
- 筛网变形
- 静电吸附
解决方案：
- 每次使用后彻底清洁
- 定期检查筛网孔径变形
- 使用防静电刷或轻微湿润筛网
2. 烘焙工艺中的通过率应用
不同通过率对烘焙的影响
高通过率（>80%）：
- 均匀度好，烘焙曲线容易控制
- 建议采用标准烘焙曲线
- 焦糖化反应均匀
**中等通过率（60-80%）：：
- 大小差异明显，需调整火力
- 建议采用”前高后低”火力曲线
- 延长烘焙时间10-15%
**低通过率（<60%）：：
- 大小差异显著，需分级烘焙
- 建议先筛分再分别烘焙
- 或采用”双峰”火力曲线
烘焙曲线调整示例
def adjust_roasting_curve(pass_rate: float, original_curve: dict) -> dict:
"""
根据通过率调整烘焙曲线
Args:
pass_rate: 3.35mm筛网通过率
original_curve: 原始烘焙曲线参数
"""
adjusted_curve = original_curve.copy()
if pass_rate >= 80:
# 均匀度好，保持标准曲线
adjusted_curve['development_time'] = original_curve['development_time']
adjusted_curve['max_power'] = original_curve['max_power']
adjusted_curve['note'] = "标准曲线，无需调整"
elif pass_rate >= 60:
# 中等均匀度，延长发展时间
adjusted_curve['development_time'] = original_curve['development_time'] * 1.15
adjusted_curve['max_power'] = original_curve['max_power'] * 0.95
adjusted_curve['note'] = "延长发展时间15%，降低峰值火力5%"
else:
# 低均匀度，建议分级或双峰曲线
adjusted_curve['development_time'] = original_curve['development_time'] * 1.25
adjusted_curve['max_power'] = original_curve['max_power'] * 0.90
adjusted_curve['roast_strategy'] = "建议分级烘焙或采用双峰火力"
adjusted_curve['note'] = "大小豆差异显著，需特殊处理"
return adjusted_curve
# 示例：调整烘焙曲线
original = {
'development_time': 120, # 发展时间(秒)
'max_power': 100, # 最大功率(%)
'drop_temp': 205 // 出豆温度(℃)
}
# 通过率75%的情况
adjusted = adjust_roasting_curve(75, original)
print(adjusted)
# 输出: {'development_time': 138.0, 'max_power': 95.0, 'drop_temp': 205, 'note': '延长发展时间15%，降低峰值火力5%'}
3. 生豆采购中的通过率标准
不同产地的通过率参考标准
| 产地/品种 | 3.35mm通过率标准 | 2.80mm通过率标准 | 备注 |
|---|---|---|---|
| 埃塞俄比亚耶加雪菲 | 70-85% | 40-60% | 原生种大小差异大 |
| 哥伦比亚蕙兰 | 75-90% | 50-70% | 均匀度较好 |
| 巴西喜拉多 | 80-95% | 60-80% | 大豆为主，均匀 |
| 印尼曼特宁 | 65-80% | 35-55% | 大小差异较大 |
| 肯尼亚AA | 85-95% | 65-80% | 筛选严格，均匀 |
| 罗布斯塔 | 60-75% | 30-50% | 天然大小差异大 |
采购决策流程
def purchase_decision(pass_rate: float, origin: str, price: float) -> dict:
"""
生豆采购决策函数
Args:
pass_rate: 3.35mm通过率
origin: 产地
price: 单价(元/kg)
"""
decision = {}
# 产地标准映射
standards = {
'埃塞俄比亚': {'min': 70, 'optimal': 80},
'哥伦比亚': {'min': 75, 'optimal': 85},
'巴西': {'min': 80, 'optimal': 90},
'肯尼亚': {'min': 85, 'optimal': 92},
'印尼': {'min': 65, 'optimal': 75},
'罗布斯塔': {'min': 60, 'optimal': 70}
}
origin_key = None
for key in standards:
if key in origin:
origin_key = key
break
if not origin_key:
return {"error": "未知产地"}
standard = standards[origin_key]
if pass_rate >= standard['optimal']:
decision['grade'] = 'A级'
decision['action'] = '推荐采购'
decision['price_note'] = '可接受溢价'
elif pass_rate >= standard['min']:
decision['grade'] = 'B级'
decision['action'] = '可采购'
decision['price_note'] = '标准价格'
else:
decision['grade'] = 'C级'
decision['action'] = '谨慎采购或议价'
decision['price_note'] = '需降价10-15%'
# 价格影响分析
if pass_rate < standard['min']:
suggested_price = price * 0.85
decision['suggested_price'] = round(suggested_price, 2)
return decision
# 示例：埃塞俄比亚豆，通过率72%，价格45元/kg
result = purchase_decision(72, '埃塞俄比亚耶加雪菲', 45)
print(result)
# 输出: {'grade': 'B级', 'action': '可采购', 'price_note': '标准价格'}
4. 研磨度匹配与通过率关系
研磨度与通过率密切相关，不同萃取方式需要不同的研磨度，对应不同的通过率标准：
| 萃取方式 | 理想研磨度 | 2.00mm通过率 | 1.40mm通过率 | 1.00mm通过率 |
|---|---|---|---|---|
| 土耳其咖啡 | 极细粉 | % | 20-30% | 70-80% |
| 意式浓缩 | 细粉 | 5-15% | 30-45% | 50-65% |
| 手冲咖啡 | 中细粉 | 15-30% | 45-60% | 25-40% |
| 法压壶 | 粗粉 | 60-80% | 15-25% | 5-10% |
| 冷萃咖啡 | 极粗粉 | 85-95% | 5-10% | % |
质量控制与标准化流程
1. 建立标准操作程序（SOP）
class QualityControlSOP:
"""
质量控制标准操作程序
"""
def __init__(self):
self.checklist = {
'pre_check': [
"筛网清洁度检查",
"天平校准（使用标准砝码）",
"样品代表性确认",
"环境温湿度记录"
],
'during_check': [
"筛分时间控制",
"振荡频率监控",
"筛网完整性检查",
"样品无洒落"
],
'post_check': [
"数据复核",
"筛网清洁",
"异常值标记",
"报告生成"
]
}
def run_sop(self, test_id: str) -> dict:
"""执行SOP流程"""
print(f"开始执行SOP - 测试ID: {test_id}")
results = {}
for step_type, items in self.checklist.items():
print(f"\n{step_type.upper()}阶段:")
for item in items:
# 模拟检查结果
status = "✓" if np.random.random() > 0.1 else "✗"
print(f" [{status}] {item}")
if step_type not in results:
results[step_type] = []
results[step_type].append({"item": item, "status": status})
return results
# 使用示例
sop = QualityControlSOP()
sop_result = sop.run_sop("QC20240115-001")
2. 数据记录与追溯系统
建议建立完整的数据库记录，包括：
- 样品信息（产地、批次、日期）
- 环境条件（温度、湿度）
- 筛分数据（各层残留质量）
- 计算结果（通过率、分布）
- 操作人员
- 设备编号
- 异常情况记录
结论与最佳实践建议
1. 关键要点总结
- 通过率计算是咖啡品质控制的基础，直接影响烘焙一致性和风味表现
- 标准化操作至关重要，从取样到计算都需要严格遵循SOP
- 数据驱动决策，通过历史数据分析优化烘焙曲线和采购策略
- 动态调整，根据通过率实时调整烘焙参数
2. 最佳实践建议
对于烘焙师：
- 建立每批次生豆的通过率档案
- 根据通过率预设3-5条烘焙曲线模板
- 记录实际烘焙结果与通过率的对应关系
对于采购商：
- 将通过率纳入采购合同的技术指标
- 建立供应商通过率数据库
- 定期审核供应商的筛分设备
对于实验室：
- 每月进行一次筛网校准
- 参加行业能力验证（PTP）
- 建立标准物质库（如已知通过率的咖啡豆样品）
3. 未来发展趋势
- 自动化筛分设备的普及，减少人为误差
- AI辅助分析，通过图像识别快速评估豆粒大小分布
- 在线实时监测，在烘焙线上集成筛分传感器
- 区块链溯源，将通过率数据写入不可篡改的溯源系统
通过系统性地理解和应用筛网通过率计算方法，咖啡从业者可以显著提升产品质量控制水平，实现从生豆到杯中的全程品质保障。