基于穩定一致波長的煙葉總植物堿近紅外光譜定量模型傳遞

黃 雯，李永琪，葛 炯，倪力軍，陳棟驊，朱敏敏，張立國*

1.上海煙草集團有限責任公司技術中心理化實驗室，上海市楊浦區長陽路717 號 200082

2.華東理工大學化學與分子工程學院，上海市徐匯區梅隴路130 號 200237

傳統的煙葉總植物堿含量（質量分數）檢測方法操作繁瑣、費時費力［1］。近年來，隨著檢測技術與計算機技術的迅猛發展，近紅外光譜（NIR）檢測技術因其快速、無破壞性、相對準確、多組分可同時測定［2］等優點，已成為煙草行業應用較廣的光譜分析檢測技術之一［3］。建立穩定、可靠的NIR模型通常需要使用海量具有代表性的樣本，且模型建立和維護工作量大［4］，而樣本測量環境差異及儀器間光譜響應不一致等因素可能導致基于主機樣本構建的NIR 模型在其他從儀器（子機）上無效［5］，因此，多臺儀器共享一個NIR 模型一直是光譜快檢技術追求的目標之一［6］。

一般而言，模型傳遞方法［7］可通過采用各種算法來克服樣本在不同儀器間測量信號的不一致性，從而使主機模型傳遞到從機后誤差盡可能減小。通常需要一定數量的樣本作為轉移集來實現模型從主機到從機的傳遞。而采用各種數學方法對光譜信息進行預處理，使主、從機間光譜信號盡可能一致的無標樣傳遞方法的可應用場景有限［8-9］。迄今，煙葉化學成分定量近紅外光譜模型的共享（移植、傳遞、轉移）研究中，從機（子機）通常不超過2 臺，大多為1 臺［10-12］。各模型轉移方法在多臺儀器間模型轉移中的適用性研究少見報道。近年來，NIR 模型主要是在谷類［13］、飼料行業［14］的某些特定機型上實現了模型共享。

為了使用和管理的方便，煙草企業通常采購同一廠家同一型號甚至同批次生產的近紅外光譜儀，使模型能在多臺儀器間共享［15］，但是煙葉總植物堿NIR 模型在多臺同廠家、同型號儀器間的共享仍存在較大難度。以分段直接校正（Piecewise Direct Standardization，PDS）為代表的有標樣模型轉移方法需要一定數量的煙葉樣本作為轉移集，鑒于樣本在存放過程中會發生性能改變，不能長期作為標樣，且標樣在不同用戶間傳送時存在較多不便，模型轉移到從機時需要校正從機光譜或校正模型參數，因此，此類方法在實際應用中仍有較大局限性。

據文獻［16-17］報道，通過同類型不同儀器間光譜方差和精密度測試方差的比較分析，可以篩選出儀器間信號一致性好且穩定的波長（SWCSS），從而建立穩健可共享的NIR 模型。為此，本研究中采用該方法在主機上建立預測煙葉總植物堿的NIR 最小二乘模型（SWCSS-PLS），考察其在上海煙草集團有限責任公司另外4臺代表性從機上的轉移效果，并與全光譜模型、PDS校正后全光譜模型的傳遞結果進行對比，旨在提升近紅外校準模型的穩健性和可共享性，為近紅外光譜檢測技術在煙葉質量測定中的應用提供方法參考。

1 材料與方法

1.1 儀器和樣本

選取3 套煙葉樣本數據集，其中，A 套數據集由滅活處理后的20 個煙葉樣本的光譜組成，這些光譜在5 臺Antaris Ⅱ近紅外儀器（賽默飛世爾科技有限公司）上、在相同測試條件以及前處理條件下測得，用于篩選一致性好且穩定的光譜信號的波長；B 套數據集由2011—2013 年積累的78 個煙葉樣本的光譜組成，這些光譜分別在上述5 臺近紅外光譜儀上、在相同測試條件以及樣本前處理條件下測得，對應的總植物堿含量信息已知；C 套數據集由企業2005—2014 年積累的1 070 個煙葉樣本的光譜組成，這些光譜在Antaris Ⅱ近紅外光譜儀B 儀器（主機）上測得，用于建立煙葉總植物堿NIR 模型，對應的總植物堿含量已知。

1.2 煙葉樣本光譜信息的采集

采用YC/T 160—2002［1］測定每個樣本的總植物堿含量，其含量在0.55%～6.30%之間。對3 套煙葉樣本進行近紅外光譜采集，實驗條件為：將煙葉樣本干燥處理后粉碎，并過40 ～60 目（380 ～250 μm）篩；取約4 g 樣本置于石英杯中進行光譜測量；采集樣本前預熱1 h，儀器掃描范圍3 800～10 000 cm-1，設置分辨率為8 cm-1，掃描64 次，增益值2，溫度（22±4）℃，相對濕度30%～80%。

1.3 穩定一致光譜波長的篩選

根據SWCSS 方法［16-17］，選取5 個代表性樣本，測試其主、從機光譜，定義這些樣本主、從機差異光譜在波長j 下的標準方差SDDSIj與主機的精密度測試光譜的標準偏差SDPDSj的比值為一致度參數：

式中：n 為波長個數。通常情況下，SDPDS 反映短時間內儀器噪聲、測試誤差的波動水平，SDDSI 反映主從機之間差異光譜的波動范圍；一般情況下，SDDSIj大于SDPDSj。bj越接近1，表明儀器間光譜的差異越小，即該波長下不同儀器間光譜信號的一致性越好。在實際應用中，可設置合理的bj閾值進行波長篩選。

SWCSS 方法剔除了SDDSI 過高的波長，主機與每臺從機之間信號一致性好的波長集被記錄為U1、U2、…、Uk，這些集合的交集稱為Uc；從Uc中剔除SDPDS 值過大的波長，進一步可獲得穩定一致的波長集Usc。

1.4 煙葉中總植物堿SWCSS-PLS 模型的建立

本研究中，同一煙葉樣本在3 800～4 000 cm-1的精密度測試光譜的方差SDPDS 較大，表明該區間的光譜信號不穩定，另外，9 000 cm-1后的光譜基本為水平線，說明信息含量較低，因此，選取4 000～9 000 cm-1波數范圍作為穩定一致波長篩選的區間及全光譜模型建模區間。采用標準正態變換（SNV）結合一階導數進行31 點平滑對樣本的近紅外光譜進行預處理，消除因散射和背景漂移引起的光譜誤差；通過蒙特卡洛離群值檢測方法篩選離群值［18］，采用SPXY（Sample set partitioning based on joint x-y distance）方法［19］選取C 套數據集中的前2/3 樣本作為建模集，分別基于全波長和Usc光譜集的信息建立預測煙葉總植物堿含量的全光譜PLS 模型和SWCSS-PLS 模型，C 套數據集的后1/3 樣本作為內部檢驗集。以建模集均方根殘差（RMSEC）評價模型的擬合性能，以驗證集的均方根殘差（RMSEP）、平均相對誤差（MRE）、模型預測值與實際值的相關系數（R）評價模型的預測性能［4］。采用累積貢獻率高于99.95%來選擇最佳潛在變量數。所有算法均采用MATLAB2015b 軟件完成。

2 結果與討論

2.1 煙葉樣本光譜信息

A 套數據中的20 個滅活煙葉樣本在5 臺近紅外光譜儀上的平均NIR 光譜和采用標準正態變換（SNV）結合一階導數進行31 點平滑處理后的平均NIR 光譜見圖1。可以看出，原始平均光譜和預處理后的平均光譜均未完全重疊，且在波峰和波谷處呈現較大差異。

圖1 20 個滅活煙葉樣本在5 臺近紅外光譜儀上的原始平均光譜和預處理后的平均光譜圖Fig.1 Original average spectra and pretreated average spectra of 20 inactive tobacco leaf samples tested on five NIR spectrometers

2.2 信號穩定一致波長集合

在A 套樣本中采用SPXY 方法選取前5 個樣本，基于這5 個樣本在5 臺儀器的光譜篩選穩定一致波長集。由圖1 可知，C1 和C2、P1 和P2 之間的光譜接近，因此求得主機B 和C2 間這5 個樣本的SDDSI1 光 譜、B 和P2 間的這5 個 樣本的SDDSI2光譜。以煙葉中總植物堿指標的PLS 模型對主機驗證集樣本的預測RMSEP 最小為標準選擇適宜的b 值。根據主機B 和從機C2 得到的不同一致度參數b1下各波長集合建立主機模型，預測主機檢驗集樣本中總植物堿含量的RMSEP 隨b1值的變化見圖2。當b1取1、2 時，未滿足SDDSI1/SDPDS＜b 的波長。由圖2 可知，選擇RMSEP 最低時對應的b1值為6。b2的選擇過程與b1類似，為簡化運算，統一選擇b=6 來進行波長篩選。

圖2 主機樣本總植物堿的RMSEP隨一致度參數b1的變化Fig.2 Variation of RMSEP of total alkaloid in master samples with consistency parameter b1

根據主機B 和從機C2 間的SDDSI1 光譜和SDPDS 光譜比值小于6 得到的波長集合U1中包含618 個波長；根據主機B 和從機P2 間的SDDSI2 光譜和SDPDS 光譜比值小于6 得到波長集合U2中包含355 個變量；U1、U2的波長交集Uc包含278 個變量，Uc中沒有SDPDS 值過大的波長點。因此，篩選出的集合Usc包含278 個信號穩定一致的點，如圖3 所示。

由圖3 可知，SWCSS 所選擇的波長點主要位于SDDSI1 的波谷區，表明主從儀器之間的光譜信號在這些波長吻合度較好（即一致性好），SWCSS方法剔除了SDDSI1 值大的波長。B、C2 和P2 的導數平均光譜在某些區域存在較大差異，例如4 038 ～4 127、4 393 ～4 482、4 721 ～5 022、5 207 ～5 296 和6 869～7 232 cm-1區域，這些區域的波長無法通過SWCSS 篩選。可見，建立在所選波長集合上的PLS 模型在不同光譜儀上具有良好的共享性，而無需校正從機光譜或調整模型參數。

圖3 B 和C2 儀器間標準偏差光譜（SDDSI1）以及B、C2 和P2 的SNV+一階導數平均光譜圖Fig.3 Standard deviation spectra between instrument B and C2（SDDSI1）and SNV+derivative mean spectra on B,C2,and P2

2.3 不同方法建立的煙葉中總植物堿NIR 模型傳遞結果比較

基于SWCSS 方法篩選的278 個波長點，在主機B 上建立總植物堿的SWCSS-PLS 模型，用該模型根據C1、C2、P1 和P2 近紅外光譜儀上測試的B套78 個外部驗證集樣本光譜，預測其總植物堿含量，并與用全光譜PLS 模型（Whole Wavelength PLS，WW-PLS）以及PDS 校正后的全光譜PLS 模型傳遞結果進行對比，見表1。

由表1 可知，主機WW-PLS 模型對于總植物堿的模型預測MRE 小于4%，該模型直接預測4 臺從機樣本的總植物堿含量時，預測誤差顯著增加，MRE 均大于9%，WW-PLS 模型轉移到C1 儀器時MRE 達到了主機MRE 的4 倍。SWCSS-PLS 模 型對主機樣本的預測誤差略高于全光譜模型，但該模型轉移到4 個不同從儀器時各指標均較WW-PLS 模型有顯著改善，SWCSS-PLS 模型預測從機樣本總植物堿含量的MRE 能達到企業對總植物堿預測平均誤差小于6%的內控要求。PDS校正后模型預測C2、P2 從機樣本總植物堿的MRE低于6%，但預測從機C1、P1 樣本總植物堿的MRE高于6%。WW-PLS 模型和PDS 校正后的WW-PLS模型的MRE 分別為9.01%～11.68%和5.43%～8.69%。可見，SWCSS-PLS 模型較全光譜模型及PDS 校正后的全光譜模型具有更好的穩健性和適應性。

表1 煙葉中總植物堿不同近紅外模型的傳遞結果①Tab.1 Transfer results of different NIR models for predicting total alkaloid in tobacco leaves

與全光譜模型、PDS 校正后的全光譜模型相比，SWCSS-PLS 模型更加穩健。但利用本方法及PDS 方法將模型轉移到上海煙草集團另一臺同型號儀器（A3）上時，MRE 均高于6%，在穩定一致波長基礎上進一步采用其他波長篩選方法優化波長組合后得到了可在該儀器上直接共享的PLS 模型［9］。根據本研究結果及文獻［9］報道可知，當儀器臺數增多，儀器情況更為復雜時，即使是同型號儀器之間的模型傳遞，也很難找到一種廣泛適應的模型傳遞方法。

本團隊前期研究表明，當模型轉移方法不適用時，在建模集中加入適當數量的從機樣本建立全局穩健共享模型是一個不錯的解決方案［20］。SWCSS 方法由于不使用轉移集進行光譜或模型校正，不適合于不同類型光譜儀之間的模型轉移。利用具有穩定一致信號的波長建立穩健性好且可共享的近紅外模型的思路也可為其他類型分子光譜模型轉移提供借鑒。

3 結論

根據有代表性的主機B 和C2、P2 兩臺從機的A 套樣本光譜信息，利用SWCSS 方法篩選得到了儀器間光譜信號一致性好且較穩定的、包含278 個波長的集合Usc，基于Usc建立的煙葉總植物堿含量NIR 模型可在所考察的5 臺同類型、不同批次NIR光譜儀上直接共享，且本方法模型在轉移過程中不需要轉移集，無需校正從機光譜或模型參數。SWCSS-PLS 模型對4 臺從機上78 個外部驗證樣本的平均相對誤差（MRE）為5.22%～5.60%，對煙葉總植物堿含量的預測誤差滿足＜6%企業內控要求。