田欒欒 殷美榮 瞿磊

摘要 構建了原煙在線近紅外檢測模型，從打葉復烤加工環(huán)節(jié)提高煙葉原料加工的穩(wěn)定性和均勻性。通過該模型對工業(yè)分級后的原煙進行精細化煙堿分類，然后采用精細化加工進行模塊配打。結果表明，與常規(guī)加工相比，精細化分類后的原煙煙堿平均變異系數(shù)由17.14%降至6.47%;精細化加工方式的配方打葉復烤成品片煙煙堿變異系數(shù)VCO1B從2.76%降至2.47%，VBO3S從1.62%降至1.16%，均勻性控制效果顯著提升。

關鍵詞 原煙;近紅外模型;精細化分類;打葉復烤工藝;均質化技術

中圖分類號 TS44+3 ?文獻標識碼 A

文章編號 0517-6611（2020）10-0148-05

doi：10.3969/j.issn.0517-6611.2020.10.040

Abstract In order to improve the stability and uniformity of tobacco raw materials in the threshing and redrying process， an online nearinfrared determination model of tobacco leaves was established. By using the model， the refined classification based on nicotine content of industrial graded tobacco leaves were carried out， and then the refined industry grade tobacco leaves were used for tobacco leaf module processing. The results showed that，compared with normal processing， the coefficient of variation （CV） of nicotine of tobacco leaves decreased from 17.14% to 6.47% after refined classification， and CV of nicotine of VCO1B decreased from 2.76% to 2.47%， and that of VBO3S decreased from 1.62% to 1.16%. The effect of this kind of uniformity control method was significantly improved.?

Key words Tobacco leaves; Nearinfrared model; Refined classification; Threshing and redrying process; Homogenization technology

??

煙葉等級的劃分在保障煙農(nóng)和煙草生產(chǎn)企業(yè)利益的同時，也使得煙葉原料模塊以及葉組配方的可操作性更強[1];煙草工業(yè)企業(yè)依據(jù)煙葉外觀特性等經(jīng)過精細的工業(yè)分級是保障煙葉原料質量的重要技術措施，是保障卷煙產(chǎn)品質量的基礎[2];通過對煙葉的工業(yè)分級，并根據(jù)其風格質量特征摻配出具有一定特色和品質一致的煙葉復烤配方模塊，在復烤工藝生產(chǎn)中對煙葉的主要物理指標與化學指標進行檢測和控制[3-4]，保證穩(wěn)定、優(yōu)質的煙葉原料供應，可以提高卷煙產(chǎn)品的內(nèi)在質量[5]。

配方模塊打葉技術是指按一定的比例將不同等級、相同或不同產(chǎn)區(qū)的原煙均勻摻配在一起打葉復烤，形成一個質量穩(wěn)定的片煙等級或配方模塊，以供卷煙工業(yè)企業(yè)配方使用[6-7]。配方打葉后煙葉的感官評吸質量和混合均勻度均有所提升，但也存在一些不足。目前國內(nèi)煙葉種植多以個體農(nóng)戶為主，煙葉差異較大，常規(guī)的加工手段是按照顏色、身份等性狀進行分類，再對分類的煙葉按比例投料達到均勻加工的目的[8]。但是，由于人工僅能識別煙葉外觀質量因素，無法識別與卷煙內(nèi)在評吸質量密切相關的內(nèi)在化學成分，在實際生產(chǎn)過程中煙葉穩(wěn)定性和均質化提高幅度有限。因此，借助現(xiàn)代儀器分析手段對分級后煙葉開展精細化分類研究，對于形成科學、合理的煙葉模塊配方組合具有重要的作用和意義。

近紅外檢測技術具有測試速度快、制樣簡單、信息量大、分析結果準確可靠、無破壞性等優(yōu)點，近年來在煙草行業(yè)得到了較廣泛的應用，目前近紅外技術已被應用于煙草總糖、還原糖、總氮、煙堿、總揮發(fā)酸和無機元素等的定性分析中[9-10]。煙堿含量是表征煙葉風格特征的重要因素之一[11]，筆者利用近紅外檢測技術對工業(yè)分級后的煙葉進行在線實時煙堿檢測，使每一框（約240 kg）分后等級煙葉都有一個精確可靠的煙堿值，并依據(jù)檢測得到的不同煙堿含量，對分級后的煙葉進行細化分類、單獨倉儲，再按照模塊配方單給定的比例，對精細化分類后的煙葉進行均衡配比投料復烤，以控制復烤片煙的煙堿波動，進而實現(xiàn)模塊配方打葉復烤的均質化加工，提高復烤成品的均質化程度及質量穩(wěn)定性。

1 材料與方法

1.1 儀器與設備

設備：德國布魯克（BRUKER）公司MATRIX-E型在線傅立葉變換近紅外光譜儀;荷蘭SKALAR公司SKALAR SANPLUS連續(xù)流動自動化學分析儀;美國FOSS公司FOSS CYCLOTEC 1093型旋風磨（帶40目篩子）;Flame Photometer 410火焰光度計;BD50消化器。

近紅外儀器檢測參數(shù)如下：波數(shù)分辨率8 cm-1，掃描次數(shù)128次，波數(shù)范圍4 000～10 000 cm-1。

打葉復烤生產(chǎn)線設備：2條12 t/h打葉復烤生產(chǎn)線，設計產(chǎn)能為6 000 萬t/a。

1.2 煙葉近紅外在線檢測模型的建立 進行原煙在線化學檢測應用前，首先應建立適用于生產(chǎn)實際的煙葉近紅外在線檢測模型。

1.2.1 光譜采集。選取2017年云南省玉溪烤煙產(chǎn)區(qū)工業(yè)分級的部分等級煙葉，經(jīng)過工業(yè)分級后投入鋪葉分切線，分切后按照模塊配方單投烤，將在線近紅外儀器分別架設于鋪葉分切后的匯總皮帶和打葉復烤投料后預配柜出口的匯總皮帶，分別采集非葉基煙葉和模塊配比后配方煙葉的在線近紅外光譜，通過與在線近紅外儀器同步取樣，獲得建模樣品，隨后按照國標流動分析檢測方法，進行煙葉常規(guī)化學成分的流動分析檢測得到煙堿及其他常規(guī)化學成分含量，并結合同步采集的在線近紅外光譜建立原煙的在線近紅外檢測模型。

1.2.2 模型建立。

將“1.2.1”采集的煙葉樣品磨碎為粉狀，粒度40目。建立模型的樣品化學數(shù)據(jù)采用流動分析方法檢測主要常規(guī)化學成分含量，使用儀器自帶的OPUS軟件中QUANT-2定量分析軟件包提供的建模方法（偏最小二乘算法，PLS）進行模型優(yōu)化和處理，根據(jù)模型驗證效果，選擇最優(yōu)的模型進行在線應用。

通過模型優(yōu)化篩選后，應用的煙葉在線檢測模型主要參數(shù)與質量指標見表1。

1.3 分類加工方式及模塊配方

1.3.1 試驗煙葉等級及配方模塊。

針對2018年云南省玉溪烤煙產(chǎn)區(qū)的K326品種煙葉，在當前采用的分級后煙葉分類倉儲的生產(chǎn)模式下，選取工業(yè)分級后BO2、BO3、CO2、CO3四個主等級作為試驗對象，進行2種不同方式的對比試驗。

常規(guī)分類煙葉：按照原有抽樣頻次（約4 t煙葉抽檢一個樣品），進行實驗室近紅外檢測來確定煙堿值，按照給定的煙堿堆碼范圍分類入庫。精細化分類煙葉：根據(jù)常規(guī)分類確定的煙葉煙堿范圍類別，在鋪葉線上再次進行在線煙堿檢測，重新確定煙堿值后，再按照細分的煙堿區(qū)間分類入庫。

投入煙葉常規(guī)分類和精細化分類試驗的各煙葉等級數(shù)量見表2。

根據(jù)年度模塊配方設計確定的模塊配方單各等級比例，選取以K326品種4個試驗等級為主要組成的VCO1B、VBO3S兩個模塊進行配比投料的打葉復烤，具體見表3。

1.3.2 分類加工方式。

1.3.2.1 常規(guī)分類煙葉的加工。將工業(yè)分級后BO2、BO3、CO2、CO3四個主等級以8框（480 kg/框）為一個批次，從每一框的不同位置抽取煙葉，共抽取30片左右，進行實驗室近紅外光譜掃描，得到該樣品的煙堿含量，作為該8框煙葉的煙堿值，再按照每年根據(jù)煙葉生產(chǎn)狀況確定的《工業(yè)分級煙堿分段堆碼范圍》（表4）進行煙堿分段（高、中、低）標識堆碼，然后按照品種、產(chǎn)地、等級、煙堿范圍和生產(chǎn)時期進行分類入庫儲存。

? 按照上述檢測結果的煙葉分類儲存情況，以最終確定下發(fā)的VCO1B模塊、VBO3S模塊2個模塊配方單（表3）的各等級比例進行出庫備料。出庫時，同一等級、同一煙堿的煙葉以入庫時間計算，按前、中、后期進行比例搭配出庫，隨后按配方單進行正常配方模塊打葉復烤，各模塊配打的批次數(shù)量（4.8 t/批）為VCO1B模塊14批、VBO3S模塊4批，并利用復烤后在線近紅外光譜儀在線檢測成品片煙的煙堿含量，作為復烤成品均質化判定依據(jù)。

1.3.2.2 精細化分類煙葉的加工。依據(jù)常規(guī)分類煙葉的煙堿分段堆碼范圍，在不改變煙葉煙堿高、中、低類別的基礎上，進一步細分煙堿分段范圍（表5）。

選取常規(guī)分類后的BO2、BO3、CO2、CO3四個主等級（含煙堿高、中、低）分別在運輸帶上鋪葉，并進行近紅外在線煙堿測試，每12 s產(chǎn)生1個煙堿值，待裝滿一框（240 kg/框，約50 s）后，取該時間段內(nèi)4個煙堿值平均獲得該框煙堿值，再根據(jù)表5《2018年玉溪K326品種煙葉工業(yè)分級精細化煙堿分段堆碼范圍》重新確定該框煙堿分類，然后按照品種、產(chǎn)地、等級、煙堿范圍和生產(chǎn)時期進行分類入庫儲存。

待復烤投料時，以VCO1B模塊、VBO3S模塊2個模塊配方單的等級比例為依據(jù)，將配方單中的高中低分類重新進行配比組合，即以配方單中VCO1B模塊的玉溪“CO2低”等級為例，“CO2低”拆分為“CO2低-1”和“CO2低-2”，其比例為1∶1，分別占模塊配方比例的34.06%;其他等級以此類推。以此方式進行精細化配方模塊打葉復烤，將涉及玉溪BO2、BO3、CO2、CO3四個等級的高、中、低煙堿等級，根據(jù)精細化分類入庫后的煙葉庫存進行拆分后的重新配比組合投料復烤，具體模塊配方等級及批次數(shù)量見表6，其中在VCO1B模塊中替換投料的玉溪 CO2低-1、低-2分別占該模塊配方比例的34.06%，玉溪 BO2低-1、低-2分別占該模塊配方比例的8.57%，玉溪 CO2中-1、中-2分別占該模塊配方比例的3.94%，未替換投料的其他等級占模塊配方比例的6.87%;VBO3S中替換投料的玉溪 BO3中-1、中-2分別占該模塊配方比例的18.47%，玉溪BO3低-1、低-2分別占該模塊配方比例的17.92%，玉溪CO3低-1、低-2分別占該模塊配方比例的4.89%，玉溪BO3低-1、低-2分別占該模塊配方比例的4.71%，未替換投料的其他等級占模塊配方比例的8.04%。

以此2種方式進行的打葉復烤精細化加工與常規(guī)加工方式的試驗模塊在同一條生產(chǎn)線上先后進行，復烤過程中的其他加工工藝、設備條件和工藝參數(shù)保持不變，此時利用復烤后在線近紅外光譜儀實時采集成品片煙的煙堿值。

1.4 復烤后片煙在線近紅外儀器參數(shù)與檢測模型質量指標 2種方式加工使用的復烤后在線近紅外檢測設備與模型完全相同（表7）。儀器均為德國布魯克（BRUKER）公司MATRIX-E型在線近紅外光譜儀，設備參數(shù)為波數(shù)分辨率8 cm-1，掃描次數(shù)150次，波數(shù)范圍4 000～12 000 cm-1。

2 結果與分析

2.1 煙葉精細化分類前后結果對比分析

2.1.1 各等級煙堿范圍及數(shù)量。

BO2、BO3、CO2、CO3四個分后主等級進行精細化分類前后煙堿范圍及數(shù)量變化見表8～9。從表8～9可以看出，精細化分類前后各等級煙堿范圍的煙葉數(shù)量變化較大，表明對分后等級煙葉進行精細化分類能夠縮小煙葉分類單元，提高煙葉煙堿分類的準確性和代表性。

2.1.2 煙葉煙堿含量在線檢測結果。

表10為不同加工方式后煙葉煙堿在線檢測結果。從表10可以看出，常規(guī)分類煙葉煙堿變異系數(shù)（CV）范圍為11.43%～22.85%，平均變異系數(shù)為17.14%;精細化分類煙葉煙堿變異系數(shù)（CV）范圍為4.20%～9.03%，平均變異系數(shù)為6.47%。這表明常規(guī)分類和精細化分類各等級煙堿含量檢測結果差異較大，相同等級精細化分類后煙堿變異系數(shù)明顯較小，對控制分級后煙葉類內(nèi)煙堿波動效果明顯。

2.2 2種分類煙葉加工的打葉復烤成品片煙煙堿在線檢測結果對比分析

表11為不同加工方式打葉復烤成品片煙煙堿在線檢測結果。從表11可以看出，VCO1B模塊常規(guī)分類加工打葉復烤成品片煙煙堿變異系數(shù)（CV）為2.76%，精細化分類加工打葉復烤成品片煙煙堿變異系數(shù)（CV）為2.47%;VBO3S模塊常規(guī)分類加工打葉復烤成品片煙煙堿變異系數(shù)（CV）為1.62%，精細化分類加工打葉復烤成品片煙煙堿變異系數(shù)（CV）為1.16%。這表明精細化分類加工打葉復烤成品片煙煙堿變異系數(shù)較常規(guī)分類加工小，精細化加工方式對控制打葉復烤成品片煙煙堿波動效果明顯，有利于打葉復烤均質化加工效果的提高。

3 結論與討論

該研究構建了分級后煙葉的在線近紅外檢測模型，并對工業(yè)分級后的四個主等級煙葉分別進行近紅外在線煙堿檢測，對每一框煙葉的煙堿進行精準標定。結果顯示，與常規(guī)分類相比，精細化分類后的煙葉煙堿平均變異系數(shù)由17.14%降至6.47%，說明基于煙葉在線近紅外檢測模型的工業(yè)分級煙葉的精細化分類有利于穩(wěn)定同等級內(nèi)多個批次煙葉的煙堿波動。

分別采用常規(guī)加工和精細化加工對同一配方原料進行模塊配打。結果顯示，采用常規(guī)分類加工方式的配方打葉復烤，投料煙葉的煙堿含量波動較大，是成品片煙煙堿變異系數(shù)控制的不利因素，進一步導致加工后成品片煙質量波動;采用精細化分類加工方式的配方打葉復烤，投料煙葉煙堿含量波動較小，2個成品片煙等級的煙堿變異系數(shù)VCO1B從2.76%降至2.47%、VBO3S從1.62%降為1.16%，均勻性控制效果顯著提高。因此，通過在煙葉復烤加工前對煙葉進行更為精細的質量分類，對后續(xù)配方投料精確度和復烤成品片煙的批次質量穩(wěn)定性提升具有重要意義。

參考文獻

[1]章濤.卷煙配方設計、生產(chǎn)工藝技術與感官鑒定及質量控制檢驗實務全書[M].香港：中國科技文化出版社，2005.

[2] 王毅，馬翔，溫亞東，等.應用近紅外光譜分析不同年度工業(yè)分級煙葉的特性[J].光譜學與光譜分析，2012，32（11）：3014-3018.

[3] 王寅生.新編煙草收購預檢預驗與卷煙分級、加工工藝、技術標準規(guī)范及質量檢驗標準化實務手冊[M].北京：輕工業(yè)出版社，2005.

[4] 王家俊，李娟.基于FT-NIR分析技術的SIMCA建模及其在卷煙配方過程質量監(jiān)測中的應用[J].煙草科技，2008（3）：5-9.

[5] 溫亞東，王毅，王能如，等.近紅外光譜的投影分析方法在工業(yè)分級與復烤模塊配方中的應用[J].中國煙草學報，2009，15（5）：6-10.

[6] 陳越立，尹智華，彭琛.配方模塊打葉技術探討[J].科技信息，2011（19）：458.

[7] 王獻友，孟昭文，李屹，等.關于煙葉配方打葉均質化控制的應用研究[J].科技視界，2018（1）：18-20，65.

[8] 何結望，吳風光，謝豪，等.不同分組方法對原煙配方模塊質量的影響[J].中國煙草科學，2011，32（2）：86-89.

[9] 王保興，陳國輝，汪旭，等.近紅外光譜技術在煙草領域的應用進展[J].光譜實驗室，2006，23（5）：1075-1084.

[10] 張靈帥，邢軍，谷運紅，等.煙草近紅外光譜分析結果影響因素綜述[J].安徽農(nóng)業(yè)科學，2008，36（21）：9097-9099.

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