楊家琪 李顯柱 楊芳芳 梁晏凱 李一輝 陳康寧 牛紹輝 王家俊 華一崑 王發(fā)勇

摘要 對煙葉原煙采取滑動法和六點法2種方式進(jìn)行掃描，同時對煙末樣品采取滑動法，用二階導(dǎo)數(shù)預(yù)處理，異常樣本剔除、波長選擇、剔一交互驗證等后用偏最小二乘法分別建立煙堿模型，三者的相關(guān)系數(shù)分別為0.97、0.98、0.99，三者的校正標(biāo)準(zhǔn)誤差（SEC）分別為0.20%、0.25%、0.09%。結(jié)果表明煙葉樣品采用滑動法掃描優(yōu)于六點法，檢測的煙葉樣品更具有代表性和其快速的結(jié)果能滿足實際應(yīng)用需求，在應(yīng)用過程中節(jié)省大量的時間，明顯提高工作效率。

關(guān)鍵詞 近紅外；光譜采集方式；數(shù)理指標(biāo)；模型；烤煙

中圖分類號 TS41+1? 文獻(xiàn)標(biāo)識碼 A

文章編號 0517-6611（2024）10-0178-04

doi：10.3969/j.issn.0517-6611.2024.10.040

Effect of Different Spectral Collection Methods on Handheld Near Infrared Modeling

YANG Jia-qi1，LI Xian-zhu2， YANG Fang-fang1 et al

（1.Hongyun Honghe Tobacco （Group） Co.， Ltd.， Kunming，Yunnan 650231;2.Shanghai Chuangheyi Electronic Technology Development Co.， Ltd.，Shanghai 200090）

Abstract The sliding method and 6-point method were used to scan tobacco leaf raw tobacco， while sliding method was used for tobacco end samples.After preprocessing with second-order derivatives， removing abnormal samples， selecting wavelengths and performing one-to-one interaction verification， partial least squares methods were used to establish nicotine models.The correlation coefficients of the three methods were 0.97， 0.98 and 0.99， respectively， the corrected standard error （SEC） of the three methods were 0.20%， 0.25% and 0.09%， respectively.The results showed that the sliding method for scanning tobacco leaf samples was superior to the 6-point method， and the detected tobacco leaf samples were more representative and their fast results could meet the actual application requirements， saving a lot of time in the application process， and significantly improving work efficiency.

Key words Near infrared;Spectral collection method;Mathematical index;Model;Flue-cured tobacco

基金項目 紅云紅河煙草（集團(tuán)）有限責(zé)任公司自立科技項目“近紅外與MSPC在打葉復(fù)烤均質(zhì)化過程質(zhì)量管控中的應(yīng)用研究” （HYHH2021GY09）。

作者簡介 楊家琪（1996—），女，云南文山人，助理工程師，從事打葉復(fù)烤工藝研究。*通信作者，工程師，碩士，從事卷煙原料研究。

收稿日期 2023-07-25

目前，均質(zhì)化加工要求已貫穿于卷煙制造的全流程。打葉復(fù)烤、制絲、卷包均確立了工藝均質(zhì)化要求，并在制造過程中以指標(biāo)的形式進(jìn)行規(guī)約和控制。隨著中式卷煙工藝的發(fā)展與制造流程的優(yōu)化再造，部分制絲工藝的均質(zhì)化加工要求進(jìn)一步向打葉復(fù)烤前移，其中，化學(xué)成分均質(zhì)化已成為關(guān)鍵指標(biāo)之一。

在煙草行業(yè)內(nèi)，化學(xué)成分檢測主要有傳統(tǒng)的化學(xué)檢測法和近紅外分析法，由于煙葉檢測結(jié)果需要參與加工過程的實時反饋控制，因此，近紅外分析法成為工業(yè)企業(yè)在線監(jiān)測的普遍選擇。張薇薇等［1］在烤片段末端建立烤煙煙堿含量模型，并對煙葉進(jìn)行實時監(jiān)測，建立的模型能夠?qū)崟r檢測煙葉的煙堿、總糖、還原糖等指標(biāo)，對烤煙煙堿含量的變化情況進(jìn)行一段時間內(nèi)的監(jiān)測，一旦煙葉產(chǎn)品出現(xiàn)質(zhì)量問題，可對出現(xiàn)的問題及時采取有效措施加以糾正。蔣錦鋒等［2］利用近紅外光譜技術(shù)建立煙草17項主要化學(xué)成分的快速無損檢測方法，結(jié)果表明近紅外光譜技術(shù)在分析17項煙草化學(xué)指標(biāo)時均可以替代經(jīng)典化學(xué)方法。在卷煙制造環(huán)節(jié)中，諸如烤煙田間生長內(nèi)在化學(xué)指標(biāo)的動態(tài)跟蹤檢測、煙站初烤煙葉收購現(xiàn)場、工商交接現(xiàn)場、片煙醇化庫以及復(fù)烤后化學(xué)成分的開包驗證等場景應(yīng)用中，在線近紅外不具備安裝及使用條件，為此，手持式近紅外光譜儀因輕便、易攜帶、功耗低、檢測速度快和成本低等優(yōu)點成為最佳的檢測選擇。目前，手持式近紅外在紡織物、藥品、農(nóng)產(chǎn)品等檢測領(lǐng)域均有應(yīng)用實例［3-16］，但模型的建立、指標(biāo)的篩選、模型的驗證等方法不盡相同［17-21］，而煙草行業(yè)手持式光譜檢測儀內(nèi)在模型的建立方法也正處于起步階段，有效的研究和應(yīng)用仍存在大量空白。該研究針對手持式近紅外光譜檢測儀的具體應(yīng)用，研究了光譜的采集方式、建模及驗證效果，為手持式近紅外光譜檢測儀在具體場景應(yīng)用的建模方式及方法提供參考依據(jù)。

1 材料與方法

1.1 試驗材料 試驗樣品包含云南省開遠(yuǎn)、蒙自、建水、瀘西、彌勒、石屏、丘北、硯山、巍山、尋甸、紅塔等產(chǎn)地；上、中、下部；云87、K326、云116、紅大、NC297品種的原煙300個樣品，利用滑動法、六點法分別掃描原煙樣品光譜，原煙樣品經(jīng)過切絲、烘干、磨粉等一系列預(yù)處理后，再用滑動法掃描煙末光譜。

手持式近紅外光譜儀（德國CarlZeiss公司），包括InGaAs陣列、PGS冷分光系統(tǒng)，自帶控制軟件InPrecess208-2.9.0，光譜范圍為900～1 650 nm，分辨率為10 nm。

1.2 試驗方法

1.2.1 光譜數(shù)據(jù)的采集。六點法掃描原煙光譜：將6片煙葉疊放在一起，用手持式近紅外光譜儀分別對表面煙葉的葉尖、葉腰和葉基3個點各掃描1次得到3條光譜后，再將最下面3片煙葉放置到上面，對3個位置再各掃描1次，6次掃描的平均光譜即為煙葉樣品光譜?；瑒臃⊕呙柙瓱煿庾V：將手持式近紅外檢測窗口緊貼原煙表面，連續(xù)勻速滑動掃描。滑動法掃描煙末光譜：將經(jīng)過六點法掃描和滑動法掃描后的原煙樣品經(jīng)過切絲、烘干、磨粉等一系列預(yù)處理后，把煙末放置于樣品槽內(nèi)，經(jīng)壓實后將手持式近紅外檢測窗口緊貼煙末樣品表面，連續(xù)勻速滑動掃描。

1.2.2 參考值測定。將經(jīng)過滑動法掃描光譜后的煙末樣品放入樣品袋中充分混合均勻，取其中10 g放置樣品杯中壓緊，采用Antaris傅里葉變換實驗室近紅外光譜儀掃描樣品光譜，并用自帶的實驗室近紅外模型預(yù)測樣品的化學(xué)值作為參考值。

1.2.3 不同光譜采集方式的校正模型建立。通過TQ軟件分別對滑動法掃描原煙和煙末得到的光譜、六點法掃描原煙得到的光譜以及對應(yīng)的化學(xué)值數(shù)據(jù)進(jìn)行二階導(dǎo)數(shù)預(yù)處理、異常樣本剔除、波段選擇、剔一交互驗證、偏最小二乘法（PLS），分別建立滑動法原煙、煙末校正模型和六點法原煙校正模型。

2 結(jié)果與分析

2.1 滑動法掃描建立原煙校正模型

使用手持式近紅外光譜儀以滑動法分別掃描300個原煙樣品的光譜，將使用此方法采集得到的光譜與實驗室近紅外預(yù)測化學(xué)值進(jìn)行一一對應(yīng)，利用TQ軟件進(jìn)行二階導(dǎo)數(shù)預(yù)處理、異常樣本剔除、波段選擇、剔一交互驗證后，通過偏最小二乘法（PLS）建立原煙煙堿校正模型。滑動法建立的原煙煙堿校正模型如圖1所示，相關(guān)系數(shù)為0.97，校正標(biāo)準(zhǔn)差（SEC）為0.20%，建立的煙堿模型可以應(yīng)用于實際。

2.2 六點法掃描建立原煙校正模型 使用手持式近紅外光譜儀以六點法分別掃描300個原煙樣品，將采集光譜與實驗室近紅外預(yù)測化學(xué)值進(jìn)行一一對應(yīng)，利用TQ軟件進(jìn)行二階導(dǎo)數(shù)預(yù)處理、異常樣本剔除、波段選擇、剔一交互驗證后，通過PLS建立原煙煙堿校正模型如圖2所示，相關(guān)系數(shù)為0.98，校正標(biāo)準(zhǔn)差（SEC）為0.25%，建立的煙堿模型可以很好地應(yīng)用于實際。

2.3 滑動法掃描建立煙末校正模型 將掃描完成的原煙樣品經(jīng)過切絲、烘干、磨粉等一系列預(yù)處理后，使用手持式近紅外光譜儀以滑動法分別掃描300個煙末光譜，將實驗室近紅外預(yù)測化學(xué)值與采集光譜進(jìn)行一一對應(yīng)，使用TQ軟件進(jìn)行二階導(dǎo)數(shù)預(yù)處理、異常樣本剔除、波段選擇、剔一交互驗證后，通過PLS建立煙末煙堿校正模型如圖3所示，相關(guān)系數(shù)為0.99，校正標(biāo)準(zhǔn)差（SEC）為0.09%，建立的煙堿模型可以應(yīng)用于實際。

2.4 樣品不同狀態(tài)、不同采集方式對比

2種光譜采集方式、不同樣品形態(tài)建立的校正模型預(yù)測值與參考值之間均有很好的相關(guān)性，分別建立的6個指標(biāo)模型存在一定的差異性，如表1所示。從表1可以看出，光譜的采集方式對校正模型的建立效果有一定的影響，滑動法掃描樣品優(yōu)于六點掃描樣品。當(dāng)掃描方式相同時，樣品的粒度也會影響建模的效果，粉末狀樣品建模效果優(yōu)于原煙樣品的建模效果。在工商交接場景下，考慮到需要快速且不破壞烤煙物理形態(tài)檢測出烤煙的煙堿從而將煙包有序堆碼，連續(xù)滑動掃描原煙光譜為最適宜工商交接原煙的掃描方式。

2.5 滑動式掃描光譜采集方式的應(yīng)用

通過對比3種采集方式得到滑動式掃描原煙光譜采集方式為最適宜的手持式近紅外光譜儀的建模方式。拓展采集6 000余個烤煙樣品的光譜來進(jìn)行模型修正，通過交互驗證法來確定最優(yōu)主成分?jǐn)?shù)，即當(dāng)交互驗證均方根誤差達(dá)到最小時的主成分?jǐn)?shù)。圖4為煙堿的參考值與模型預(yù)測值之間的散點圖和相應(yīng)的主成分?jǐn)?shù)與交互驗證均方根誤差的變化圖，其中最優(yōu)主成分?jǐn)?shù)為14。采用同樣方法建立的總氮、總糖、還原糖、鉀和氯模型情況見表2。

2.6 模型的驗證

為了檢測模型的預(yù)測能力，取200個具有代表性的初烤煙樣品用于驗證校正模型。用所建模型對200個樣品進(jìn)行預(yù)測，并與參考值進(jìn)行t-配對檢驗，結(jié)果表明（表3），煙堿、總氮、總糖、還原糖、鉀和氯的｜t｜均小于t（0.05，199）=1.972，二者不存在顯著性差異。對同一個煙葉樣品進(jìn)行30次測定，結(jié)果顯示（表4），煙堿、總氮、總糖、還原糖、鉀和氯均具有良好的測量精度。由此說明以上所建校正模型具有良好的預(yù)測能力。

3 討論與結(jié)論

在打葉復(fù)烤生產(chǎn)過程中，手持式近紅外光譜儀模型研究和應(yīng)用存在大量空白，沒有結(jié)合實際應(yīng)用深入研究。王發(fā)勇等［3］以手持式近紅外光譜儀的內(nèi)部煙葉化學(xué)成分預(yù)測模型為研究對象，選取300個樣本建立了模型，并通過六點法與單點法的樣本采集方法對比，發(fā)現(xiàn)六點法檢測的方式較優(yōu)，但是檢測的速度過慢。

該研究進(jìn)一步采用六點法、滑動法掃描原煙樣品以及滑動法掃描經(jīng)過切絲、烘干、磨粉等一系列預(yù)處理后的煙末樣品，對2種掃描方式、2種物理形態(tài)分別建立校正模型，通過相關(guān)系數(shù)、校正標(biāo)準(zhǔn)偏差、交互驗證均方根誤差結(jié)果對比，表明滑動法掃描煙末效果最優(yōu)，滑動法掃描原煙效果次之，六點法掃描原煙效果最差。

但是在實際烤煙工商交接的應(yīng)用場景中，只需要采集原煙樣品，樣品物理形態(tài)不需要破壞，六點法掃描原煙不破壞樣品的物理形態(tài)，但是精度低且檢測時間長。滑動法掃描原煙，快速檢測、不破壞樣品的物理形態(tài)，將滑動掃描模型擴(kuò)展到6 000多個樣品，模型相關(guān)系數(shù)為0.97，校正標(biāo)準(zhǔn)誤差（SEC）分別為0.20%，可知模型的準(zhǔn)確度和重現(xiàn)性較好，能滿足實際應(yīng)用需求，在應(yīng)用過程中節(jié)省大量的時間，明顯提高工作效率。

參考文獻(xiàn)

［1］ 張薇薇，馮興榮，肖靜，等.近紅外在線檢測技術(shù)在煙草行業(yè)中的最新應(yīng)用［J］.重慶與世界（學(xué)術(shù)版），2015，32（12）：33-36.

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

［3］ 王發(fā)勇，李一輝，楊洪明，等.基于手持式近紅外光譜儀的化學(xué)成分預(yù)測模型構(gòu)建及光譜樣本采集方法研究［J］.煙草科技，2021，54（S1）：63-68.

［4］ 褚小立，陸婉珍.近五年我國近紅外光譜分析技術(shù)研究與應(yīng)用進(jìn)展［J］.光譜學(xué)與光譜分析，2014，34（10）：2595-2605.

［5］ 崔廣.基于近紅外光譜分析的紡織品中羊毛含量檢測技術(shù)研究［D］.鎮(zhèn)江：江蘇大學(xué)，2007.

［6］ 鄭博文.復(fù)烤片煙在線近紅外煙堿指標(biāo)檢測技術(shù)應(yīng)用研究［D］.昆明：云南大學(xué)，2020.

［7］ 何春榮，楊宇虹，李軍會，等.初烤完整煙葉總植物堿的近紅外光譜測量方法研究［J］.光譜學(xué)與光譜分析，2017，37（10）：3088-3093.

［8］ 劉萍.有機(jī)磷農(nóng)藥快速檢測技術(shù)及其應(yīng)用研究［D］.重慶：西南大學(xué)，2006.

［9］ 朱國念.農(nóng)藥殘留快速檢測技術(shù)［M］.北京：化學(xué)工業(yè)出版社，2008.

［10］ 楊芳芳，李顯柱，王發(fā)勇，等.手持式近紅外光譜儀預(yù)測結(jié)果的相關(guān)分析與校準(zhǔn)［J］.煙草科技，2021，54（S1）：24-27.

［11］ 劉藝琳，張海燕，彭海根，等.應(yīng)用近紅外光譜判別煙葉等級模型的可靠性及化學(xué)成分特征分析［J］.光譜學(xué)與光譜分析，2020，40（10）：3260-3264.

［12］ 王曉瓊，陳麗，向娜娜，等.基于近紅外光譜分析技術(shù)測定小麥淀粉的含量［J］.糧食與飼料工業(yè)，2021（6）：58-60.

［13］ 陳積山，朱瑞芬，張強(qiáng)，等.建立近紅外特征波長模型快速測定羊草常規(guī)營養(yǎng)成分的研究［J］.草地學(xué)報，2019，27（4）：867-873.

［14］ 周嬌嬌，吳瀟揚(yáng)，陳周，等.近紅外光譜技術(shù)快速預(yù)測團(tuán)頭魴新鮮度［J］.華中農(nóng)業(yè)大學(xué)學(xué)報，2019，38（4）：120-126.

［15］ 王森，王雪松，張昕，等.近紅外光譜分析技術(shù)在監(jiān)測L-異亮氨酸發(fā)酵過程中的應(yīng)用［J］.吉林大學(xué)學(xué)報（理學(xué)版），2020，58（1）：177-183.

［16］ 馬月.近紅外、拉曼光譜快速無損檢測技術(shù)在蠶桑產(chǎn)品中的應(yīng)用［D］.鎮(zhèn)江：江蘇科技大學(xué)，2020.

［17］ 鄒小波，趙杰文.農(nóng)產(chǎn)品無損檢測技術(shù)與數(shù)據(jù)分析方法［M］.北京：中國輕工業(yè)出版社，2008.

［18］ 劉建學(xué).實用近紅外光譜分析技術(shù)［M］.北京：科學(xué)出版社，2007.

［19］ 陸婉珍.現(xiàn)代近紅外光譜分析技術(shù)［M］.北京：中國石化出版社，2006.

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

［21］ 于新洋.線性漸變?yōu)V光片型近紅外水果品質(zhì)分析儀及應(yīng)用研究［D］.長春：中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所，2017.