基于在線光譜模型的打葉復烤均質(zhì)化研究

龔濤 盧敏瑞 李秋劍 張騰健 王芳 肖錦哲 劉晶晶 彭健 連長偉

摘要 為研究基于原煙在線光譜模型的打葉復烤均質(zhì)化加工效果，選用大模塊選后煙葉為試驗原料，構建在線光譜模型，校正在線煙堿模型，將原料分別進行基于在線光譜模型和煙堿模型控制下的均質(zhì)化加工，分析煙葉化學成分和感官評分的變化。結(jié)果表明：2種控制方式下，成品煙堿變異系數(shù)無顯著差異;總糖、還原糖、總氮、鉀、氯5個成品化學成分指標中，基于在線光譜模型控制下變異系數(shù)分別為2.68%、2.73%、1.36%、5.85%和9.43%，遠低于基于在線煙堿模型控制下的4.91%、4.91%、4.56%、8.91%和14.29%。評吸結(jié)果表明基于在線光譜模型控制下的感官效果更佳。因此，基于在線光譜模型的打葉復烤均質(zhì)化加工可以有效提高成品片煙整體均勻性，提升成品片煙的內(nèi)在品質(zhì)。

關鍵詞 均質(zhì)化;光譜模型;煙堿模型;光譜控制;煙堿控制

中圖分類號 TS 44+3文獻標識碼 A文章編號 0517-6611（2021）05-0181-04

doi：10.3969/j.issn.0517-6611.2021.05.051

開放科學（資源服務）標識碼（OSID）：

Study on the Homogenization of Threshing and Redrying Based on Online Spectral Model

GONG Tao1， LU Min-rui1， LI Qiu-jian2 et al

（1.Fujian Wuyi Tobacco Co.， Ltd.， Nanping， Fujian 354000;2.China Tobacco Zhejiang Industrial Co.， Ltd.，Hangzhou，Zhejiang 310000）

Abstract In order to study the homogenization effect of threshing and redrying based on the on-line spectral model of tobacco，the on-line spectral model was constructed and nicotine calibration model was calibrated with tobacco leaves selected by large modules as experimental raw materials.The raw materials were homogenized under the control of on-line spectral model and nicotine model， respectively. The chemical composition and sensory changes of tobacco leaves were analyzed. The results showed that the variation coefficients of nicotine under the two control modes had no significant difference. Among the five chemical components of finished products， the variation coefficients under the control of online spectral model were 2.68%， 2.73%， 1.36%， 5.85% and 9.43% respectively， which were much lower than those under the control of online nicotine model（4.91%， 4.91%， 4.56%， 8.91% and 14.29%， respectively）. The smoking results showed that the sensory effect based on online spectral model was better. Therefore， threshing and redrying homogenization processing based on on-line spectral model could effectively improve the overall uniformity of finished tobacco and improve the internal quality of finished tobacco.

Key words Homogenization;Spectral model;Nicotine model;Spectrum control;Nicotine control

打葉復烤作為卷煙生產(chǎn)環(huán)節(jié)中的重要一環(huán)，片煙產(chǎn)品的均勻性、穩(wěn)定性直接影響后續(xù)卷煙產(chǎn)品質(zhì)量的均勻性與穩(wěn)定性，相關研究較多[1-2]。其中片煙產(chǎn)品的內(nèi)在質(zhì)量均勻性研究主要集中在在線近紅外煙堿控制方面[3-4]，但是在線近紅外煙堿模型具有構建復雜、耗時長、需定期維護等缺點，并且只考慮單指標控制，對其他內(nèi)在質(zhì)量指標（總糖、還原糖等）的貢獻度有限，而總糖、還原糖等指標亦會對成品片煙感觀產(chǎn)生較大影響[5]。近紅外光譜與化學成分具有強相關性，若2片煙葉的光譜圖譜相似，那么它們的所有化學成分含量也很接近[6]。光譜控制原理是根據(jù)煙葉光譜的相似性進行分析，再降維給光譜賦定性值，定性值相近的其化學成分相似。筆者探索一種基于在線近紅外光譜模型的新型均質(zhì)化調(diào)控方式，以實現(xiàn)更加全面的打葉復烤均質(zhì)化加工，進一步提高成品片煙均勻性。

1 材料與方法

1.1 試驗材料

1.1.1 煙葉原料。選取某中煙均質(zhì)化加工配方模塊，重量為1 000 t選后初烤煙葉，品種為云87和K326，產(chǎn)地為福建和江西。

1.1.2 主要設備。Armor711在線近紅外光譜儀（Carl Zeiss公司，德國）;Antaris Ⅱ?qū)嶒炇医t外光譜儀（賽默飛世爾科技，美國）;FED240電熱烘箱（Binder公司，德國）;高架庫（今天國際物流技術股份有限公司，深圳）;旋轉(zhuǎn)式煙葉粉碎機。

1.2 方法

1.2.1 在線光譜模型的構建。

1.2.1.1 建模光譜的采集。

每條鋪葉線鋪固定等級數(shù)量煙葉，啟動鋪葉線，在煙葉通過在線近紅外光斑時，利用漫反射原理，通過在線近紅外掃描，每5 s形成一條在線煙葉特征光譜，收集鋪葉前期300條光譜。

在線近紅外光譜儀參數(shù)：在線光譜采集采用Armor711在線近紅外光譜儀，檢測器為InGaAs檢測器，波長準確性小于 0.5 nm，波長重復性小于 0.05 nm，波長點數(shù)為256個。背景校正時間30 min，掃描波910～2 200 nm，掃描時間5 s。

1.2.1.2 在線光譜模型的建立。

將收集的建模光譜導入到光譜建模軟件中，進行光譜主成分投影，觀察投影情況，剔除離散性較大的異常樣本;對可用光譜定性投影，對投影數(shù)據(jù)分類，用建模集對驗證集進行預測，求其預測誤差，利用CARS方法選擇近紅外的波長點，求解每一次生成波長點所對應的總體校正集誤差，根據(jù)最小的總體校正集誤差確定近紅外的波長選擇點以及近紅外光譜的特征信息，對回歸模型進行定量評價[7-8]。

1.2.2 在線煙堿模型的校正。

1.2.2.1 在線煙堿模型的準備。

采用福建武夷煙葉有限公司2017—2018年建立的在線煙堿模型，預處理方法采用散射校正和一階導數(shù)，采用偏最小二乘法（PLS）方法建立模型，模型樣本量共500條，主成分數(shù)為10，模型決定系數(shù)（R2）為0.937 6，滿足在線預測需要（R2>0.81），為保證試驗批模型適應性，取試驗批樣本對模型進行校正[9]。

1.2.2.2 校正樣本的準備。

在試驗組鋪葉時，取樣點在每條鋪葉線在線近紅外光源探頭正下方，每隔3 s抓取1片煙葉，抓取10次，形成一個混合樣，每個樣本煙葉30片左右，每條鋪葉線各收集樣本50個和對應原煙光譜50條，經(jīng)過粉碎等預處理后使用實驗室近紅外光譜儀檢測其煙堿值。

1.2.2.3 在線煙堿模型的校正。

將在線原煙光譜與實驗室檢測結(jié)果一一對應，將收集的50個在線樣本中的30個加入在線各化學成分模型進行校正，另外20個進行外部驗證。

1.2.3 加工流程。

將原料分成2份，一份（500 t）進行基于在線光譜模型的均質(zhì)化加工（以下簡稱為光譜控制），另一份（500 t）進行基于在線煙堿模型的均質(zhì)化加工（以下簡稱為煙堿控制）。加工過程中的各項工藝參數(shù)符合YC/T 146—2010要求[10]。

將原煙按照配方比例運送至鋪葉線皮帶上，利用在線光譜模型預測原煙定性值，在線煙堿模型預測原煙煙堿值，連續(xù)掃描皮帶上的煙葉，每隔5 s檢測定性值和煙堿值，煙框裝滿后將該時間段內(nèi)定性值或煙堿值作算術平均賦予該煙框，入高架庫后通過均質(zhì)化配方軟件對2個試驗批煙葉數(shù)據(jù)分析定性值和煙堿值的正態(tài)分布情況，再按照“中心極限法”進行均質(zhì)化配方出庫。經(jīng)預處理、打葉、復烤后檢測成品的化學成分，并進行感官評價，分析其均質(zhì)化效果。均質(zhì)化加工流程如圖1所示。

1.2.4 化學成分檢測方法。

煙葉樣品抽去主脈及≥2 mm的支脈（成品片煙無需處理），放入烘箱中，在40 ℃溫度下烘4 h，過60目篩網(wǎng)的旋轉(zhuǎn)磨粉碎，再利用實驗室近紅外光譜儀檢測各項化學成分含量。

1.2.5 數(shù)據(jù)分析方法。

檢測不同試驗樣品的化學成分，利用各化學指標標準偏差、變異系數(shù)和標偏下降度對指標進行量化評價，其計算公式如下：

標準差S=1N-1Ni=1（X i-）2（1）

變異系數(shù)CV=S/×100%（2）

式中，S為樣品標準偏差，CV為變異系數(shù)，X i為樣品檢測值，為樣品平均值，N為樣品量。

49卷5期龔 濤等 基于在線光譜模型的打葉復烤均質(zhì)化研究

2 結(jié)果與分析

2.1 在線光譜模型的建立

利用在線近紅外光譜儀掃描煙葉光譜，取每個鋪葉模塊建模光譜300條，利用“1.2.1”中的方法構建在線光譜模型。

建模區(qū)間選擇5 000～10 000 cm-1，預處理方法選擇多元散射校正（MSC）和一階導數(shù)，原始圖譜見圖2。對光譜進行定性投影，主成分投影見圖3。利用多種群遺傳算法（MPGA）求解每一次生成波長點所對應的總體校正集誤差最優(yōu)解，選擇遺傳算法的個體數(shù)目為30，變量維數(shù)為226，變量的二進制位數(shù)為8，種群數(shù)目為100，MPGA進化過程見圖4。在線光譜模型建立后，對鋪葉來料在線光譜降維賦予定性值，實現(xiàn)煙葉光譜特性數(shù)字化均質(zhì)化控制。

2.2 在線煙堿模型 對在線化學成分模型進行模型校正，結(jié)果見表1。從表1可以看出，煙堿建模集模型決定系數(shù)

（R2）為0.939 7，建模決定系數(shù)（R2）符合要求。外部驗證樣

本的平均相對偏差為6.75%，模型預測精度滿足在線預測需求（<11%）。

2.3 原煙化學成分

為了了解原煙化學成分的變化，利用人工在鋪葉線處對2種測試方式原煙進行取樣，每個樣本重量（300±30）g，共取得樣本100個，每種方式原煙樣本50個，按“1.2.4”要求檢測其化學成分，結(jié)果見表2。

由表2可知，2個試驗批鋪葉線原煙6項常規(guī)化學成分平均值和變異系數(shù)無明顯差異，原煙化學成分情況對2種控制方式下成品化學成分不造成明顯影響，可通過對比成品化學成分情況來分析2種控制方式均質(zhì)化效果的優(yōu)劣。

2.4 成品化學成分情況

利用人工在裝箱打包處取2種控制方式下的成品片煙樣品，每間隔30箱取一個樣本，每個樣本重量（300±30）g，共取得樣本112個，每種方式成品片煙樣本56個，按“1.2.4”要求檢測其內(nèi)在化學成分，結(jié)果如表3所示。

由表3可知，2種控制方式下成品煙堿變異系數(shù)基本沒有差異。6項常規(guī)化學成分平均值在2種控制方式下基本沒有差異。光譜控制下的成品總糖、還原糖、總氮、鉀、氯含量變異系數(shù)由煙堿控制的4.91%、4.91%、4.56%、8.91%、14.29%分別降至2.68%、2.73%、1.36%、5.85%、9.43%，下降效果明顯，光譜控制下其他5項常規(guī)化學成分均質(zhì)化效果更佳。

2.5 成品片煙評吸結(jié)果

為了進一步驗證由化學成分分析得出的試驗結(jié)論，在烤機出口按照2 h/次的頻率抓取評吸樣品，共取得樣品36個，每種方式評吸樣品18個。將煙葉樣品在22 ℃和65%相對濕度下平衡后，組織7名專業(yè)評吸員，按照YC/T 138—1998[11]進行評吸，單料煙評吸指標主要從香氣特性（香氣質(zhì)、香氣量、雜氣、透發(fā)性）、煙葉特性（勁頭、濃度、細膩程度、柔和程度）以及口感特性（刺激程度、干燥程度、回甜、余味）4大類共12項指標評吸，每項按6分制積分，開展對各不同控制方式下煙葉進行對比評吸，分析2種控制方式對成品片煙感官效果的影響，結(jié)果見表4。

由表4可知，光譜控制下煙葉感官質(zhì)量好于煙堿控制。感官評析結(jié)果佐證了光譜控制下均質(zhì)化效果更佳，與化學成分數(shù)據(jù)分析結(jié)果相一致。

3 結(jié)論

該研究利用近紅外光譜與化學成分具有強相關性的特性構建了原煙在線光譜模型，運用在線光譜模型實時預測原煙定性值，并結(jié)合高架庫實現(xiàn)基于在線光譜模型的均質(zhì)化投料出庫。通過與傳統(tǒng)在線煙堿控制對比，實現(xiàn)除煙堿以外的其他5項常規(guī)化學成分指標成品變異系數(shù)大幅度下降，感官評吸效果的提升也進一步驗證了此下降趨勢對于復烤成品片煙品質(zhì)的提升作用。因此，基于在線光譜模型的打葉復烤均質(zhì)化加工可以有效提高成品片煙整體均勻性，提升成品片煙內(nèi)在品質(zhì)。

參考文獻

[1] 尹旭，徐其敏，陳清.打葉復烤均勻性加工技術研究進展[J].安徽農(nóng)業(yè)科學，2013，41（16）：7307-7309.

[2] 何結(jié)望，李琳，吳風光，等.打葉復烤片煙質(zhì)量均勻性評價方法的構建和實踐[J].江西農(nóng)業(yè)學報，2012，24（8）：43-46，53.

[3] 杜閱光，崔登科，程小東，等.聲光可調(diào)近紅外光譜技術用于打葉復烤片煙化學成分均質(zhì)化生產(chǎn)控制[J].紅外技術，2012，34（10）：614-618.

[4] 尹旭，徐其敏，陳清，等.帶梗煙葉在線近紅外檢測模型的建立與應用研究[J].江西農(nóng)業(yè)學報，2016，28（1）：64-67.

[5] 胡建軍，馬明，李耀光，等.煙葉主要化學指標與其感官質(zhì)量的灰色關聯(lián)分析[J].煙草科技，2001，34（1）：3-7.

[6] 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(yè)出版社，2011.

[7] 嚴衍祿.近紅外光譜分析基礎與應用[M].北京：中國輕工業(yè)出版社，2005.

[8] 高榮強，范世福.現(xiàn)代近紅外光譜分析技術的原理及應用[J].分析儀器，2002（3）：9-12.

[9] 王宏鋁，王筑臨，許小雙，等.基于在線煙堿預測模型的煙葉復烤均質(zhì)化加工[J].煙草科技，2015，48（6）：73-77.

[10] 吳洪田，李曉紅，畢繼華，等.煙葉 打葉復烤 工藝規(guī)范：YC/T 146—2010[S].北京：中國標準出版社，2011.

[11] 趙明月，梅業(yè)安，于明芳，等.煙草及煙草制品 感官評價方法：YC/T 138—1998 [S].北京：中國標準出版社，1998.