淺析近紅外光譜分析技術在煙草成分分析中的可用性

杞燕

【摘 要】近紅外光譜信息和有機物的構造有著緊密的關系，近紅外光譜分析技術能用于探討和檢測煙草的很多品質特點。作者重點簡述近紅外分析工藝和它在煙草運用中所需的提前處理、降維和建模措施。在這個前提上，主要研究了近紅外分析工藝在煙草組成定量預測中的運用。

【關鍵詞】近紅外光譜;煙草;成分;分析

近紅外光譜分析技術普遍運用到食品行業、石油行業、化工行業、制藥行業等方面。近紅外技術在煙草工業中被普遍運用到水分的測量，此外，該分析技術也不斷運用到其他成分的定量分析和探討。最近時期，利用近紅外分析技術開展對煙草的化學組成、焦油特別煙氣組成開展了探討。按照和相關專業人士的溝通知道，一些國外煙草企業早在幾年前就已經開始使用近紅外分析技術對煙草中的化學組成含量開展常規分析。

一、近紅外光譜分析技術及原理概述

近紅外（NIR）光指的是可見光和中紅外光兩者間的電磁波，波長一般在零點七五到二點五μm之間，近紅外區分子的吸收大多數是部分能量低的電子與分子振動情況下的躍遷。近紅外區因為頻率比較高，所以分子的吸收大部分是分子振動的倍頻吸收以及組合頻率吸收。因為含氫基團如碳-氫、氮-氫、氧-氫的吸收頻率特點在近紅外區尤其是強大，并且相對穩定，因此近紅外分析工藝更適合分析和該類基團有直接或間接聯系的自然產物里的相關東西，比如煙草中的糖、尼古丁等化學組成。當檢測光線投射到煙草粉末上時，可在煙草粉末的表層與內部會出現漫反射，通過檢測器可以獲得煙草樣品的近紅外漫反射光譜信息。因為不一樣煙草組成也不一樣，對于近紅外光線吸收效果不一樣，近紅外反射光線也不可能完全相同。

運用煙草化學組成含量和近紅外光譜曲線的聯系，能夠構建對應的聯系模型。聯系模型的構建過程是：

（1）選取適當數量的具有代表性煙草;

（2）以平常的手段檢測煙草化學組成含量，當作標準指標;

（3）用傅立葉改變近紅外漫反射光譜器檢測煙草樣品的近紅外光線;

（4）利用主要成分回歸與神經網絡等信息分析手段，構建煙草近紅外光線和不同化學組成含量的聯系模型。按照這個模型，就能夠由近紅外光譜中算出同一類型煙草中有關化學組成的含量。

二、近紅外光譜分析煙草成分的實驗儀器、材料及方法

1.儀器

近紅外光譜一般通過用安塔里斯福特-近紅外分析儀掃描煙草樣品獲得，安塔里斯福特-近紅外分析儀擁有美國ThermoFisher企業制造的積分球漫反射取樣體系與InGaAs探測儀。或者另外一些類型的傅立葉近紅外變換光譜器用于信息采集。

2.樣品光譜采集

通常來說，樣品光譜的收集過程如下：取適量測驗制備的煙操粉末，放入相應的樣品器皿中，并壓緊，接著在傅立葉變換近紅外分析器上開展漫反射吸收NIRS收集。在光譜收集過程中，樣品器皿對著入射光斑進行偏心旋轉，掃描范圍在三千八百至一萬cm-1之內，分辨率為8cm-1左右，進行掃描的次數可根據煙葉粉末質量確定，大約為50-150次左右。

3.分析方法

和原有的檢測手段或其他專業設備比較，近紅外光譜法有著下面特性：①檢測簡單方便，無需復雜的預處理以及化學反應時間;（2）檢測快速，大幅度地減少了檢測時間;（3）對檢測工作者沒有化學專業技能方面的要求，一個人能夠完成多項化學數據的許多檢測，大幅度提升了檢測速度;（4）檢測期間沒有污染，檢測成本低;⑤緊跟模型中良好信息的積累與模型的創新，檢測準確度能夠逐步提高。⑥檢測功能能夠逐步擴展。現在，大部分運用三種信息分析措施：

（1）預處理方法

煙草的近紅外光譜涵蓋了多種的信息，它不但包括煙草的信息特點，還包括設備和環境等方面的背景信息。該背景信息都能夠導入已構建的分類和定量模型中，干擾模型的精準度。所以，在構建模型的前期，有必要針對煙草的近紅外光譜信息開展提前處理。一般運用的提起處理措施包括：平均、求導、平滑、向量歸一化等。

（2）降維方法

信息降維的宗旨是消除許多化學數據共存時的反復數據，并將原始很多變量整合成幾個互不聯系的變量，且同時盡量體現原始變量的信息結構特性，從而盡量減少丟失的數據。現在，煙草近紅外光譜信息降維大多用主構成分析法與偏最小二乘法。

（3）建模算法

運用煙草近紅外光譜信息構建煙草來源和煙草化學組成定性、定量模型，主要措施包括聚類、分類、偏最小二乘回歸與手動神經網絡等。現在，支持向量機算方法得到了越來越多的運用。在許多研究中，為了獲得比較準確的模型構造，研究人員一般會選擇比較多的提前處理措施開展組合，因此，盡管能夠去除近紅外光譜里面比較多的背景數據，可待檢測樣品的數據常常也會丟失，造成最終構建的信息統計模型普遍運用效果不佳。我們提議盡可能不應多于三種提前處理計算組合。

三、近紅外光譜分析技術在煙草成分分析中的應用情況

1.煙葉中淀粉含量的定量預測

2009年，付秋娟、申國明等根據煙葉近紅外光譜信息，構建了煙草淀粉所占比率的支持向量回歸模型。本研究運用偏最小二乘法投影，來壓縮與縮小樣本譜矩陣的維數，采用前十二個偏最小二乘投影變量，構建了煙草淀粉比率的虛擬現實標定模型[1]。

2016年，羅瓊、李青等運用煙草近紅外光譜信息，構建了煙草淀粉比率的遺傳支持向量回歸模型[2]。不同于付秋娟、申國明等構建的預測煙草淀粉比率的近紅外-奇異值分解模型，羅瓊、李青等運用遺傳算法（GA）選擇主成分因子變量。變量選取是模型構建中十分重要的一個程序，采取變量選取，較好的變量通常能夠用來構建更加精確的模型。

2.煙葉中化學成分定量預報

2013年，常嶺，樊新順等采用付立葉改變近紅外漫反射光譜與日常化學手段檢測再造煙草制造過程中濃縮液的組成，基于偏最小二乘法構建了煙草日常化學組成的近紅外分析模型，并用于測定再造煙葉濃縮液里面的總糖、煙堿、氯離子與鉀離子[3]。現場制造結果顯示，所構建的分析模型能夠快速、簡便、大量地測定濃縮液中化學組成的含量，并能達到對產品日常化學組成的及時管理。

2018年，賓俊、范偉等，為了處理近紅外漫反射光譜分析工藝應用道煙草整葉測試時，因為煙草面積大，化學組成分散不均勻，光譜收集的代表性與循環性沒有辦法確保的問題，對煙草整葉采樣方法開展了全面研究[4]。此研究把國內不一樣產地、不一樣等級的二百多片生煙草為例，最小二乘法模型的決策參數約大約是零點九，模型里面交叉驗證與預測參數的差異小于一。此發明的取樣量少、代表性強、循環性好的煙草全葉近紅外光譜取樣措施，提升煙草質量田間快速分析的速度及精確度有著重要的意義。

四、結語

簡而言之，近紅外漫反射光譜分析工藝在傳統光纖中具有較好的傳導特點，并且，這個設備使用相對簡單方便，分析效果比較快，不具有損壞性，試驗樣品提前制備數量比較少，它能夠適用于每種樣品的分析。按照該分析工藝的這一特性，我國煙葉中日常化學組成的檢測技術已經相對趨于完善，所牽涉的檢測指標規模很普遍，并且，模型的預檢測準確性日益提高。在煙葉工業里，它在高速、精準地測試化學組成環節起到了更大的作用。然而，目前對煙草香氣組成環節的研究還存在不足，這個區域的研究人員還有必要繼續開展他們的開拓性探究。緊跟近紅外光譜分析工藝的發展和完善，近紅外技術在煙草收購、二次儲存和在線復烤中開展化學組成高速檢測的運用，一定能成為發展的方向。

【參考文獻】

[1]付秋娟， 申國明， 高春亮，等. FT-NIR法預測陳化煙葉的淀粉、多酚和色素含量[J]. 煙草科技， 2009（8）：000038-55.

[2]羅瓊， 李青， 于小紅，等. 近紅外光譜法快速測定煙草中淀粉含量[J]. 安徽農業科學， 2016， 44（30）：72-73.