近紅外光譜分析煙葉中的多酚類物質

呂亞瓊++張秋菊++李祖紅++閔順耕

（1.云南省煙草公司曲靖市公司，曲靖6550001；2. 中國農業大學理學院，北京100193）

[摘要]多酚類物質是煙葉香氣產生的重要前體物質。采用近紅外光譜結合偏最小二乘算法建立了煙葉中總多酚含量的回歸模型。采用建立的模型對檢驗集進行預測，預測集決定系數R2為0.8671，模型誤差SEP為1.4287。結果表明近紅外光譜分析技術可以成功應用于煙葉中總多酚含量的檢測。此外，為消除煙葉近紅外光譜中無效波長變量，采用無消息變量消除算法對所建近紅外模型進行優化。結果表明采用該算法后，剩余變量數得到減少，模型維數顯著降低，預測性能有所提高。

[關鍵詞]近紅外光譜；煙葉；總多酚；偏最小二乘算法；無消息變量消除算法

中圖分類號：O657文獻標識碼：A文章編號：2095-5200（2014）04-063-03

DOI：10.11876/mimt201404020

Determination of polyphenols in tobacco by Near Infrared SpectroscopyLYU Ya-qiong1，ZHANG Qiu-ju1，LI Zu-hong1，MIN Shun-geng2.（1. Yunnan Tobacco Company QuJing Branch, Yunnan 655000, China；2. College of Science, China Agricultural University, Beijing 100193, China）

[Abstract]Polyphenols are important aroma precursors in tobacco. In this paper, near-infrared spectroscopy combined with partial least squares algorithm was used for establishing regression model of total polyphenol content in tobacco. For test set, model R2 is 0.8671, SEP is 1.4287. Results show that near-infrared spectroscopy technology can be successfully applied to the total polyphenol content detection in tobacco. In order to eliminate interference variables in tobacco near infrared spectrum, Uninformative Variables Elimination algorithm was used. Experimental results show that after the algorithm used, remaining number of variables is reduced, modeling dimension is significantly reduced, and prediction performance is improved.

[Key words]Near Infrared Spectroscopy；Tobacco；Total Polyphenol Content；Partial Least Squares Algorithm；Uninformative Variables Elimination Algorithm前言

香味是煙葉品質的重要內容，優質煙葉要求香氣充足，香氣純凈，香型突出。煙葉的香氣狀況是由致香成分的含量、組成和相互作用所決定的，而這些致香成分的產生與其前體物質密不可分[1]。從香氣前體物質的化學結構出發，可以把致香物質分為酸類、醇類、醛類、酮類、酯類、內酯類、酚類、氮雜環類（吡咯、吡啶、吡嗪）等不同類型[2]。其中多酚類物質是煙葉香氣產生的重要前體物質，是對煙氣的芳香氣味有貢獻的一類物質，對卷煙調香具有重要意義，開發一種能夠快速檢測煙葉中的總多酚含量的分析方法十分必要[3]。

目前對煙葉中多酚類物質的分析方法，主要是液相色譜法[4]。色譜法分析過程操作復雜，所需時間較長，不僅需要消耗大量有機溶劑造成環境污染，還需要受過專業培訓的人員在實驗室中操作，很難滿足工業上煙葉收購和生產一線的現場檢測需求。近紅外光譜技術作為一種綠色分析技術，具有測試過程簡便快速，適合在線檢測等優點，已經在食品、醫藥、農業、石化、煙草等領域得到了非常廣泛的應用[5-6]。本研究擬采用煙葉近紅外光譜結合偏最小二乘算法對煙草中的總多酚含量建立化學模型。為消除近紅外光譜中的干擾信息，本研究還嘗試采用無消息變量消除算法（Uninformative Variables Elimination, UVE）作為波長選擇方法對所建模型進行精簡，以得到預測能力更加穩健，預測精度更高的模型。

1材料與方法

1.1樣品制備

200個煙葉樣品收集于2009年，由曲靖煙草公司提供。所有樣品在40℃烘箱中干燥半小時，粉碎，過60目篩待測。

1.2光譜采集

光譜采集使用的儀器為MATRIX-I型傅里葉變換近紅外光譜儀(德國，布魯克光學公司)，測量附件為漫反射積分球和樣品旋轉器采樣附件。光譜掃描范圍為4000~10000 cm-1 ，光譜分辨率為4cm-1，重復掃描次數為64次，參比采用儀器內置背景，測量過程中溫度、濕度等環境條件盡量保持一致。

1.3化學值測定方法

煙葉樣品中多酚類物質總含量由中國農業科學院煙草研究所提供。測定方法為液相色譜法，具體方法參照《YCT 202-2006 煙草及煙草制品 多酚類化合物綠原酸、莨菪亭和蕓香苷的測定》。測得的總多酚含量范圍為18.03-36.29mg/g。

1.4數據處理與軟件

PLS和UVE算法均采用MATLAB軟件（Ver.R.2012.a,The Math Work, USA）自行編寫實現。各種光譜預處理方法采用The Unscrambler 軟件(Ver.9.7, CAMO [Computer Aided Modeling, Trondheim, Norway])完成。

2算法原理

2.1偏最小二乘算法（PLS）

偏最小二乘算法是目前線性多元校正算法中最常用的一種算法。該算法在分解光譜陣X時同時考慮了濃度陣Y的影響，同時對光譜陣和濃度陣進行分解，充分利用了光譜變量和濃度變量之間的線性關系[7]。

2.2無消息變量消除算法（UVE）

無消息變量消除算法[8]是基于PLS回歸系數b建立的波長變量選擇方法，這種方法將波長回歸系數除以回歸系數的標準差得到參數作為衡量波長變量重要性的指標。將人為添加的噪聲變量的回歸系數得到該參數的最大值（通常可以乘上一個系數，0到1之間）作為閾值，樣品光譜回歸系數計算參數小于該閾值的波長即視為無消息變量，予以消除。

3結論

3.1PLS模型結果

為了檢驗模型預測效果，采用kennard-stone算法[9]將200個樣品劃分為校正集和檢驗集，其中校正集120個樣品，檢驗集80個樣品。建模時采用的光譜預處理方法為一階導數。最優建模維數通過校正集內部交互檢驗誤差最小的原則選取。模型結果詳見表1，當全部波長變量參與建模的最佳建模維數為15維，模型的檢驗集的決定系數R2為0.8671，模型誤差SEP為1.4287。結果表明采用近紅外光譜結合PLS算法可以成功應用于煙葉樣品中總多酚含量的測定。

3.2UVE-PLS模型結果

從表1可知，采用無消息變量消除算法（UVE）,剩余的波長變量從原來的1546個降為216個，最佳建模維數也由原來的15維降為8維，說明無消息變量消除算法能大大降低模型復雜性。檢驗集的決定系數R2為0.8981，模型誤差SEP為1.1295。說明模型的預測性能較全譜建模有所提高。由此可知，無消息變量消除算法具有精簡近紅外模型以及提高模型預測精度的作用，尤其適用于煙草、食品、農業等成分較為復雜體系的近紅外建模工作中。

參考文獻

[1]宗浩,楊程,陳剛,等. 不同烤煙品種香型風格與多酚類物質含量差異分析[J]. 中國農學通報,2011,27(30):241-245.

[2]周昆,周清明,胡曉蘭. 烤煙香氣物質研究進展[J].中國煙草科學,2008,29(2):58-61.

[3]朱小茜,徐曉燕,等.多酚類物質對煙草品質的影響[J]. 安徽農業科學,2005,33(8):1910-1911.

[4]劉芳,楊柳,孫林,等. ASE超高效液相色譜法快速測定煙草中的多酚類物質[J]. 中國煙草學報,2008,14(6):1-5.

[5]嚴衍祿. 近紅外光譜分析基礎與應用[M]. 北京.中國輕工業出版社.2005.

[6]陸婉珍. 現代近紅外光譜分析技術[M]. 北京.中國石化出版社. 2007.

[7]褚小立. 化學計量學方法與分子光譜分析技術[M]. 北京.化學工業出版社.2011:59-61.

[8]Centner V, Massart D L, de Noord O E, et al. Elimination of uninformative variables for multivariate calibration[J]. Analytical Chemistry, 1996, 68(21): 3851-3858.

[9]Kennard, R W, Stone, L A. Computer aided design of experiments[J]. Technometrics,1969, 11(1):137-148.