近紅外在線檢測(cè)技術(shù)在煙草行業(yè)中的最新應(yīng)用

張薇薇，馮興榮，肖 靜，譚其蓉，張應(yīng)梅

(重慶煙葉復(fù)烤有限公司，重慶 401320)

一、引言

隨著卷煙工業(yè)對(duì)均質(zhì)化加工需求的不斷提高以及市場(chǎng)競(jìng)爭(zhēng)的加劇，保證烤煙的均質(zhì)性、穩(wěn)定性和化學(xué)成分的一致性，對(duì)于復(fù)烤企業(yè)的發(fā)展具有至關(guān)重要的意義。復(fù)烤企業(yè)中，含水率及常規(guī)化學(xué)成分是衡量烤煙品質(zhì)和實(shí)現(xiàn)配方設(shè)計(jì)的重要指標(biāo)，然而傳統(tǒng)分析技術(shù)費(fèi)時(shí)費(fèi)力，遠(yuǎn)遠(yuǎn)不能滿足均質(zhì)化加工的需要。因此，復(fù)烤企業(yè)必須積極尋求能保證產(chǎn)品均質(zhì)性、穩(wěn)定性的先進(jìn)技術(shù)，實(shí)現(xiàn)煙葉內(nèi)部品質(zhì)在線檢測(cè)。近紅外光譜分析技術(shù)(near infrared spectroscopy technology，NIR)是實(shí)現(xiàn)上述要求很好的選擇。

近紅外光譜技術(shù)是一種環(huán)境友好的綠色快速分析技術(shù)，具有快捷高效、低成本、無(wú)污染、無(wú)損害和可多組分同時(shí)測(cè)定等突出優(yōu)點(diǎn)，近年來(lái)發(fā)展迅速，已廣泛應(yīng)用于農(nóng)業(yè)、石化、制藥、食品等領(lǐng)域［1－2］。近紅外技術(shù)在煙草行業(yè)中的運(yùn)用最早始于1977年，McClure等對(duì)煙草中還原糖含量的測(cè)定研究［3］。我國(guó)煙草行業(yè)對(duì)近紅外技術(shù)的運(yùn)用始于1995年，張鐵強(qiáng)等運(yùn)用近紅外技術(shù)檢測(cè)煙絲水份，測(cè)量精度達(dá)到1%［4］。目前，NIR技術(shù)在煙草行業(yè)中的應(yīng)用研究已涉及煙草種植、煙葉驗(yàn)級(jí)、卷煙生產(chǎn)過(guò)程的質(zhì)量檢測(cè)等各方面［5－8］。然而，大多研究均是將煙草樣品取回實(shí)驗(yàn)室進(jìn)行一定前處理后再進(jìn)行光譜采集和分析，并非真正意義上的在線監(jiān)測(cè)。到目前為止，有關(guān)復(fù)烤企業(yè)對(duì)烤后片煙進(jìn)行NIR在線檢測(cè)也未見(jiàn)報(bào)道。這主要是因?yàn)樵诰€干擾因素復(fù)雜、原煙配方多變、品質(zhì)波動(dòng)大，導(dǎo)致難以建立高預(yù)測(cè)精度和高穩(wěn)定性的分析模型。為實(shí)現(xiàn)真正意義上的烤后片煙在線檢測(cè)，該研究應(yīng)用NIR在線檢測(cè)技術(shù)，結(jié)合改進(jìn)的偏最小二乘法(MPLS)，初步建立了烤后煙葉含水率、總糖、還原糖、煙堿、總氮、氯、鉀7項(xiàng)質(zhì)量指標(biāo)的數(shù)學(xué)模型，并成功運(yùn)用于復(fù)烤煙葉質(zhì)量實(shí)時(shí)監(jiān)控。

二、實(shí)驗(yàn)原理與方法

(一)實(shí)驗(yàn)原理

當(dāng)檢測(cè)光源投向煙草樣品時(shí)，將在其表面和內(nèi)部產(chǎn)生漫反射，經(jīng)檢測(cè)器即得到該樣本的近紅外漫反射的吸收光譜。由于不同樣品的成分不同，對(duì)近紅外吸收也不同，經(jīng)一階導(dǎo)數(shù)預(yù)處理后，將近紅外反射光譜和樣本的質(zhì)量指標(biāo)關(guān)聯(lián)，用MPLS建立相應(yīng)指標(biāo)的近紅外定量模型，并以校正集樣品的相關(guān)系數(shù)為指標(biāo)優(yōu)化光譜預(yù)處理方法和模型參數(shù)［2，9］。建立分析模型的主要過(guò)程如下:(1)用近紅外光譜儀掃描在線樣本的近紅外光譜;(2)同時(shí)在檢測(cè)點(diǎn)采樣;(3)按照煙草行業(yè)標(biāo)準(zhǔn)方法測(cè)定樣本含水率及常規(guī)化學(xué)成分含量，作為標(biāo)準(zhǔn)值;(4)用MPLS法建立樣本的近紅外光譜與含水率及常規(guī)化學(xué)成分含量的關(guān)系模型。(5)依據(jù)該定量模型，計(jì)算出未知同類型近紅外光譜樣品相應(yīng)的質(zhì)量指標(biāo)。

(二)材料和儀器設(shè)備

原煙來(lái)源于重慶大足、巫溪、巫山、彭水、涪陵、萬(wàn)州等煙區(qū)，原煙等級(jí)主要包括 B2F，B3F，C2F，C3F，X2F，X3F。樣品在重慶煙葉復(fù)烤有限公司萬(wàn)州廠烤片段末端抽取，基本涵蓋2014年烤季生產(chǎn)的各批次不同配方的烤煙，具有較強(qiáng)代表性。

ProFoss Reflection在線近紅外光譜儀(丹麥Foss公司，配備InGaAs檢測(cè)器、DDA 512二極管陣列和 ISIscan在線檢測(cè)軟件);WinISIⅢ 定量分析軟件;MT－C型快速水分測(cè)定儀(德國(guó)Brabender公司);Skalar-San++連續(xù)流動(dòng)分析系統(tǒng)(荷蘭Skalar公司)。

(三)光譜采集與樣品分析

近紅外儀安裝在生產(chǎn)線烤片段末端的煙葉傳送帶上，儀器光源窗口與傳送帶的距離為25 cm;當(dāng)煙葉經(jīng)過(guò)儀器下方時(shí)，光源窗口與表面煙葉距離約10～15 cm，近紅外光源照在煙葉上，對(duì)樣品進(jìn)行近紅外光譜掃描。光譜采集條件為:掃描范圍為1 100～1 650 nm，分辨率為0．5 nm，掃描次數(shù)為120次。

光譜掃描同時(shí)均勻取兩份煙葉樣品(掃描結(jié)束取樣結(jié)束)，一份采用Brabender快速水分測(cè)定儀測(cè)試含水率，另一份采用Skalar－San++連續(xù)流動(dòng)分析儀檢測(cè)其總糖、還原糖、煙堿、總氮、氯、鉀6項(xiàng)常規(guī)化學(xué)成分含量。

(四)模型的評(píng)價(jià)參數(shù)

采用交互驗(yàn)證均方差(RMSECV)評(píng)價(jià)模型的擬合能力;預(yù)測(cè)標(biāo)準(zhǔn)差(RMSEP)、分析值預(yù)測(cè)值平均相對(duì)偏差(RSD)評(píng)價(jià)模型的預(yù)測(cè)能力。各指標(biāo)計(jì)算公式如下:

式中，yi為第i樣品的標(biāo)準(zhǔn)方法實(shí)測(cè)值，^yi為第i樣品的近紅外預(yù)測(cè)值，m為校正集樣品數(shù)，n為驗(yàn)證集樣品數(shù)。RMSECV、RMSEP、RSD越小，表明定量分析模型的擬合能力越好，模型越可靠，預(yù)測(cè)精度越高。

三、結(jié)果與討論

(一)在線近紅外光譜的采集

收集2014年烤季460個(gè)具有代表性的樣品光譜，用于總糖、還原糖、煙堿、總氮、氯、鉀6項(xiàng)常規(guī)化學(xué)成分定量模型的建立，含水率定量模型的建立采取其中321個(gè)樣品。樣品的原始光譜圖如圖1所示。

圖1 烤片段末端烤煙樣品的NIR原始光譜圖

(二)模型的建立

采用WinISIⅢ定量分析軟件將光譜與對(duì)應(yīng)化學(xué)指標(biāo)進(jìn)行擬合，對(duì)光譜進(jìn)行去散射及一階導(dǎo)數(shù)預(yù)處理，然后采用MPLS法建立各指標(biāo)的NIR定量模型。為使模型達(dá)到最優(yōu)，模型建立過(guò)程中采用馬氏距離，設(shè)定顯著性水平(0.05)，不斷剔除樣本異常值(Outlier)。為提高模型的精度，以最小的RMSECV確定最佳主因子數(shù)。最終建立模型中各質(zhì)量指標(biāo)的主因子數(shù)與交互驗(yàn)證均方差如表1所示。分析數(shù)據(jù)可知，含水率，總糖、還原糖、煙堿、總氮、氯、鉀的RMSECV均較小，表明模型本身具有較好的擬合能力，定量分析模型可靠。

(三)模型的外部驗(yàn)證

模型建立后，連續(xù)1個(gè)月生產(chǎn)期內(nèi)隨機(jī)抽取抽取71個(gè)烤煙樣品，測(cè)得含水率、總糖、還原糖、煙堿、總氮氯、鉀7項(xiàng)指標(biāo)的實(shí)測(cè)值，與其預(yù)測(cè)值相比較，進(jìn)行模型預(yù)測(cè)能力的外部驗(yàn)證。為便于直觀考察模型的預(yù)測(cè)能力，將各份樣品的NIR預(yù)測(cè)值與標(biāo)準(zhǔn)方法測(cè)得的實(shí)測(cè)值進(jìn)行一對(duì)一對(duì)比作圖，結(jié)果如圖2、圖3所示，并將計(jì)算所得模型外部驗(yàn)證總結(jié)果列于表2。

圖2 含水率實(shí)測(cè)值與NIR預(yù)測(cè)值對(duì)比

表1 NIR在線分析模型定標(biāo)參數(shù)

圖3 六項(xiàng)常規(guī)化學(xué)物質(zhì)含量實(shí)測(cè)值與NIR預(yù)測(cè)值對(duì)比

表2 NIR在線分析模型外部驗(yàn)證結(jié)果

由圖2，圖3(a)、(b)、(c)、(d)可知，該模型對(duì)烤后煙葉含水率、總糖、還原糖、煙堿、總氮的預(yù)測(cè)值與標(biāo)準(zhǔn)方法實(shí)測(cè)值相當(dāng)接近。如表3所示，該5項(xiàng)指標(biāo)的RMSEP值和RSD值均相當(dāng)小，其中RSD值分別為3．7%，6．9%，5．2%，4．2%，5．5%，說(shuō)明該模型對(duì)以上5種指標(biāo)具有很好的預(yù)測(cè)能力，可以替代傳統(tǒng)方法實(shí)時(shí)質(zhì)量監(jiān)控。而圖3e、f表明，該模型對(duì)烤后煙葉中氯、鉀含量的預(yù)測(cè)能力還有待提高，數(shù)值變化趨勢(shì)存在一定程度偏差，表2顯示其RSD分別為17．3%，18．1%。分析數(shù)據(jù)可知，氯的預(yù)測(cè)偏差主要原因是驗(yàn)證集樣品中氯含量范圍(0．04～0．44)超出建模時(shí)定標(biāo)集范圍(0．16～0．58)，超出模型預(yù)測(cè)能力;另一方面，氯含量本身很低，導(dǎo)致NIR分析及實(shí)驗(yàn)室分析誤差均較大。分析鉀的預(yù)測(cè)偏差，認(rèn)為可能是來(lái)源于實(shí)驗(yàn)室檢測(cè)誤差或者出現(xiàn)一定檢測(cè)錯(cuò)誤，具體原因有待進(jìn)一步研究。為解決以上問(wèn)題，需要在以后的應(yīng)用中依據(jù)原料、產(chǎn)品和配方的變化及時(shí)對(duì)模型進(jìn)行維護(hù)與優(yōu)化，進(jìn)一步擴(kuò)充建模樣本數(shù)量，提高樣本的代表性和模型的穩(wěn)定性。

(四)模型在均質(zhì)化生產(chǎn)中的應(yīng)用

烤煙含水率及煙堿含量是復(fù)烤企業(yè)最關(guān)心的質(zhì)量指標(biāo)，圖4是該模型在烤片段末端對(duì)烤煙含水率及煙堿含量的實(shí)時(shí)監(jiān)測(cè)畫面。由圖4可知，該時(shí)間段內(nèi)烤煙含水率及煙堿含量均比較穩(wěn)定，由NIR提供的實(shí)時(shí)檢測(cè)數(shù)據(jù)可知，該批次烤煙含水率變異系數(shù)低于5%，煙堿變異系數(shù)低于3%。由此可見(jiàn)，使用該模型實(shí)時(shí)監(jiān)控生產(chǎn)過(guò)程質(zhì)量數(shù)據(jù)，一旦煙葉產(chǎn)品出現(xiàn)質(zhì)量問(wèn)題，可對(duì)出現(xiàn)的問(wèn)題及時(shí)采取有效措施加以糾正。相比于傳統(tǒng)的檢測(cè)方法(僅獲得單份樣品含水率需要約1個(gè)小時(shí)，獲得煙堿值需要兩個(gè)工作日)，NIR在線檢測(cè)技術(shù)在實(shí)效性上有不可比擬的優(yōu)越性，將為復(fù)烤企業(yè)節(jié)省大量人力及時(shí)間成本。

圖4 NIR在線分析含水率及煙堿含量監(jiān)控

四、結(jié)論與展望

該研究應(yīng)用近紅外在線檢測(cè)技術(shù)，首次在復(fù)烤生產(chǎn)線建立了烤后煙葉含水率、總糖、還原糖、煙堿、總氮、氯、鉀7項(xiàng)質(zhì)量指標(biāo)的預(yù)測(cè)模型。其中，含水率、總糖、還原糖、煙堿、總氮的預(yù)測(cè)值具有極好的參考價(jià)值，氯、鉀兩項(xiàng)指標(biāo)還需進(jìn)一步優(yōu)化。實(shí)驗(yàn)證明，該模型可運(yùn)用于復(fù)烤煙葉在線質(zhì)量檢測(cè)，為實(shí)時(shí)調(diào)整生產(chǎn)提供比較準(zhǔn)確的分析數(shù)據(jù)。

總之，我國(guó)煙草行業(yè)正處于產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的關(guān)鍵時(shí)期，卷煙工業(yè)對(duì)復(fù)烤企業(yè)的加工需求不斷提高，個(gè)性化加工和均質(zhì)化生產(chǎn)成為主要訴求，而近紅外在線檢測(cè)技術(shù)可以為此提供更加科學(xué)、量化、準(zhǔn)確的控制手段。在以后的發(fā)展中，結(jié)合先進(jìn)的信息管理控制系統(tǒng)，近紅外在線檢測(cè)技術(shù)將為煙草行業(yè)帶來(lái)巨大的經(jīng)濟(jì)效益和社會(huì)效益。

［1］ 陸婉珍．袁洪福，褚小立．近紅外光譜儀器［M］．北京:化學(xué)工業(yè)出版社，2010．

［2］ 嚴(yán)衍祿．近紅外光譜分析基礎(chǔ)與應(yīng)用［M］．北京:中國(guó)輕工業(yè)出版社，2005．

［3］ MECLURE W F，NORRIS K H，WEELS W W．Rapid spectrophotometric analysis of the chemical composition of tobacco．Part I:Total reducing sugars［J］．Beitr Tabakforsch，1977(9):13 －17．

［4］ 張鐵強(qiáng)，郭山河，何麗橋，等．應(yīng)用近紅外分析技術(shù)檢測(cè)煙絲水份［J］．紅外技術(shù)，1995，17(5):45 －48．

［5］ 鄧發(fā)達(dá)，朱立軍，戴亞，等．近紅外技術(shù)測(cè)定成品卷煙中總糖和還原糖及綠原酸的含量［J］．安徽農(nóng)業(yè)科學(xué)，2010，38(12):6181 －6182，6188．

［6］ 覃鑫．在線近紅外光譜(NIR)快速測(cè)定煙草化學(xué)成分［J］．西昌學(xué)院學(xué)報(bào)(自然科學(xué)版)，2010，24(1):52 －54，79．

［7］ 王麗芝，潘存寬，張峻松．利用近紅外快速測(cè)定煙草化學(xué)成分的研究［J］．安徽農(nóng)學(xué)通報(bào)，2009，15(14):48－49，219．

［8］ 蔣錦鋒，李莉，趙明月．應(yīng)用近紅外檢測(cè)技術(shù)快速測(cè)定煙葉主要化學(xué)成分［J］．中國(guó)煙草學(xué)報(bào)，2006(2):8－12．

［9］ MARIO H M，KILLNER，JARBAS J ，et al．A PLS regression model using NIR spectroscopy for on-line monitoring of the biodiesel production reaction，F(xiàn)uel ，2011(90):3268－3273．