利用近紅外光譜技術快速檢測配方煙絲摻配均勻性

李瑞麗 - 劉玉葉U - 李文偉 - 李天誠 - 王建民 -

(1. 鄭州輕工業學院煙草科學與工程學院，河南 鄭州 450001；2. 河南中煙工業有限責任公司安陽卷煙廠，河南 安陽 455000)

卷煙產品的精細化生產、均質化加工在行業內得到普遍關注和實施，保障葉絲、梗絲、膨脹絲、再造煙絲等組分按配方比例摻配均勻是卷煙產品質量穩定的重要前提。當前各煙草制造企業多以實際摻配比例與配方設定比例的殘差絕對值除以配方設定比例作為煙絲摻配均勻性的考核指標[1]。該指標反映摻配整體精度信息準確性高，但不能反映加工過程中或較小單元內煙絲組分是否摻配均勻。煙草行業越來越關注較小單元的混絲均勻性，煙絲不同摻配比例對卷煙的理化指標及感官質量影響均較大[2-4]。目前針對不同煙絲體混合均勻評價的研究較多，YC/T 426—2012中以化學成分特性值(即糖堿比與鉀含量的乘積)表征煙草組分的混合均勻程度。劉棟等[5]以外加示蹤物表征煙絲摻配的均勻性。王毅等[6]以糖、堿表征了煙草物料的混合均勻程度。溫若愚等[7]、張鼎方等[8]以某組分煙絲的摻配比例表征了多煙絲組分摻配混合均勻性。戴永生等[9]以煙支密度評價了煙支內煙絲組分的均勻性。鄒泉等[10]從物理密度、煙草化學、煙氣化學等方面綜合評價了膨脹梗絲在煙支中的均勻性程度。葉宏音等[11]以主流煙氣指標的穩定性為指標評價了煙絲組分的混合均勻性。這些方法以不同指標表征了煙絲摻配均勻性，從不同角度考慮，各有優缺點。但以某個化學成分、物理指標或煙氣成分表征煙絲摻配均勻性，很難客觀反映全面信息，且有些表征指標數據采集時效性差不適于過程調控。鑒于近年來快速發展起來的近紅外光譜技術具有快速、高效的突出優勢，在打葉復烤片煙化學成分[12-14]、煙葉常規化學成分[15-17]、主流煙氣指標[18]的快速檢測方面已有較多研究。本研究擬提出構建能綜合反映樣本信息的統計變量，并建立該統計變量的快速檢測方法，以期為煙絲摻配均勻性的過程調控提供客觀有效的數據支撐，為卷煙產品的均質化生產提供指導。

1 材料與方法

1.1 材料與儀器

卷煙葉絲、梗絲：安陽卷煙廠；

傅立葉變換近紅外光譜儀：Antaris Ⅱ型，美國Thermo Nicolet公司；

連續流動分析儀：AA3型，英國Seal Analytical公司；

電熱鼓風干燥箱：DHG-9023A型，上海一恒公司；

多功能粉碎機：ST-07B型，上海樹立儀器儀表公司；

全溫震蕩培養箱：HZQ-F160型，太倉市實驗設備廠；

天平：SQP型，德國Sartorius公司。

1.2 試驗方法

1.2.1 樣品前處理 將不同煙絲組分置于40 ℃烘4 h，自然冷卻，以梗絲比例2%的變化梯度與葉絲摻配，制得不同梗絲摻配比例(10%～40%)的煙絲樣品16個，重復制樣5次，共計80個樣品。粉碎后置于密封袋中，備用。

1.2.2 常規化學成分檢測

(1) 煙堿：按YC/T 160—2002執行。

(2) 總糖、還原糖：按YC/T 159—2002執行。

(3) 鉀：按YC/T 217—2007執行。

(4) 氯：按YC/T 162—2011執行。

1.2.3 樣品近紅外光譜采集 取5.0 g樣品粉末放入樣品杯中壓實，將樣品杯置于旋轉臺上，采用積分球漫反射系統采集樣品近紅外光譜數據，采集條件為：光譜范圍4 000～10 000 cm-1，分辨率8 cm-1，掃描次數64，每個樣品重復裝樣采集3條光譜，取平均光譜記為該樣品的光譜數據。

1.3 數據處理

利用主成分分析構建反映化學成分綜合信息的F統計量。采用多重比較分析各化學成分含量、衍生指標及F得分在不同煙絲組分摻配比例間的差異。根據差異性、代表性和信息量豐富性確定表征煙絲組分摻配均勻性的化學特性值。利用偏最小二乘法建立化學特性值的近紅外光譜預測模型。

2 結果與分析

2.1 配方煙絲組分常規化學成分主成分分析

配方煙絲組分常規及衍生化學成分間存在一定程度的相關性，KMO值(Kaiser-Meyer-Olkin，KMO)為0.638，Bartlett的球形度檢驗值<0.001，適宜采用主成分分析構建反映化學成分綜合信息的統計變量。由表1可知，前2個主成分的累積方差貢獻率累計達到82.441%，滿足>80%的基本原則，因此，提取前2個主成分。

由表2可知，第1主成分主要表征總植物堿、總糖、還原糖、氯、糖堿比及鉀氯比等指標，且總植物堿、鉀氯比為負相關，其他指標為正相關。第2主成分主要表征鉀和總糖含量指標，且均為正相關。

經主成分方差貢獻率歸一化后得到第1、2主成分的權重分別為0.844，0.156。主成分得分系數矩陣(表2)是基于z-score法標準化處理后得到的結果，依據各主成分權重、主成分得分系數矩陣得到反映化學成分綜合特性的基于各指標標準化數據的統計變量F*表達式如式(1)。利用式(2)進行反變換后，得到反映化學成分綜合特性的統計變量F表達式如式(3)。

表1 常規化學成分主成分分析結果

表2 前2個主成分的載荷矩陣

(1)

式中：

F*——基于標準化指標值的綜合統計量得分；

在此還應特別強調這樣一點：如果說反思可以看成教師專業成長最重要的一個途徑，那么，這就是通過教學實踐的反思實現專業成長的關鍵，即是應當努力做好“教學實踐的理論性反思”，也即應當超越單純的經驗積累，并從理論的高度做好總結與反思的工作．（正因為此，這事實上也可被看成更清楚地表明了加強理論學習，包括切實做好“理論的實踐性解讀”的重要性，也即應將理論學習與教學工作更好地結合起來．當然，從總體上說，這兩者又可被看成從不同側面表明了在理論與教學實踐之間所存在的辯證關系．）

(2)

式中：

X*——z-score標準化后的指標值；

x——檢測指標值；

σ——指標值的標準差。

F=-0.455x1+0.106x2+0.130x3-0.389x4+0.656x5+0.214x6-0.629x7+0.548，

(3)

式中：

x1——總植物堿的檢測指標值，%；

x2——總糖的檢測指標值，%；

x3——還原糖的檢測指標值，%；

x4——鉀的檢測指標值，%；

x5——氯的檢測指標值，%；

x6——糖堿比的檢測指標值，%；

x7——鉀氯比的檢測指標值，%。

2.2 表征煙絲摻配均勻性的化學特性值

各化學成分指標值的統計結果及在不同煙絲組分間的LSD(Least-Significant Difference，LSD)多重比較統計結果見表3。由表3可知，① 隨葉組配方中梗絲比例的減少，總植物堿含量、鉀氯比指標值呈逐漸增大的趨勢，鉀、氯、糖堿比、總糖、還原糖指標值基本呈逐漸變小的趨勢，綜合統計量F得分絕對值呈先減少后增大的反拋物線變化趨勢；② 各化學指標中，氯含量在不同組分配比間的均值差異最大，其次是綜合統計量F得分，其他依次是總植物堿、糖堿比、鉀氯比、總糖、還原糖，鉀含量在不同組分配比間的均值差異最小；③ 按照差異性及代表性原則，氯、綜合統計量F得分、總植物堿、糖堿比、鉀氯比、總糖、還原糖指標均可作為表征煙絲摻配均勻性的化學特性值。兼顧反映化學成分含量及比例信息的充分性，綜合變量F得分指標更適于表征煙絲摻配均勻性的化學特性值。

表3 不同煙絲組分間化學成分指標均值及LSD多重比較分析結果?

? 同列上標字母不同表示差異顯著(P<0.05)。

2.3 構建統計量F得分近紅外光譜模型

樣品近紅外光譜數據(圖1)經多元散射校正(MSC)結合一階導數和S-G平滑處理(圖2)，有效提高光譜信噪比。光譜范圍選擇4 281.2～4 485.6，5 542.4～6 024.5，6 043.8～7 135.3 cm-1。所有樣品按4∶1的數量比在含量梯度法篩選的基礎上隨機劃分校正集和驗證集。RMSECV(Root Mean Square Error of Cross Validation，RMSECV)隨主成分維數增多呈先明顯減小后稍微增大的變化趨勢(圖3)，在10個主成分維數下(此時RMSECV達到最小)采用偏最小二乘法(PLS)利用TQ Analyst 9.0軟件建立統計量F得分的近紅外預測模型，模型預測值與統計量F得分值呈顯著線性關系(圖4)，模型預測值與實測值，相關系數RC高達0.998，RMSEC為0.061。

圖1 樣品原始光譜圖

圖2 經MSC結合一階導和S-G平滑處理后的光譜圖

圖3 F得分近紅外模型RMSECV與主成分維數關系圖

圖4 F得分近紅外模型預測值與實測值關系圖

2.4 統計量F得分近紅外光譜模型驗證

采用留一法(步長為4)對統計量F得分的近紅外光譜模型進行內部交叉驗證，內部交叉驗證中模型預測值和統計量F得分實際值的關系見圖5、6，模型預測值和統計量F得分實際值的線性相關系數RV達到0.951，交叉檢驗均方根誤差(RMSECV)為0.269。

利用未參與建模的15個樣品對模型進行外部檢驗，結果見表4。統計量F得分實際值和模型預測值的線性相關系數RP達到0.965，線性相關顯著性P<0.001，模型預測值和統計量F實際值間存在極顯著相關關系。內部交叉檢驗和外部檢驗的結果表明，統計量F得分的近紅外模型預測準確性好。

圖5 內部交叉驗證模型預測值與實際值的關系圖

Figure 5 Relationship between the measured value and calculated withFscore NIR model cross-validation

圖6 內部交叉驗證模型預測值與實際值殘差分布圖

Figure 6 Distribution curve of difference between the measured value and calculated withFscore NIR model cross-validation

表4 統計量F得分的外部檢驗結果

3 結論

通過主成分分析構建新的統計變量F得分，作為表征煙絲摻配均勻性的特性值，采用PLS法建立統計量F得分的NIR光譜模型，其中，光譜采用MSC結合一階導數和S-G平滑進行預處理，光譜范圍選擇4 281.2～4 485.6，5 542.4～6 024.5，6 043.8～7 135.3 cm-1，模型的決定系數(R2)為0.996，RMSECV為0.269，說明模型預測性能好，預測精度高。可利用統計量F得分的NIR光譜模型快速預測配方煙絲的摻配均勻性，為卷煙產品的均質化生產過程調控提供指導。