近紅外在線檢測技術在煙草行業中的最新應用

張薇薇，馮興榮，肖 靜，譚其蓉，張應梅

(重慶煙葉復烤有限公司，重慶 401320)

一、引言

隨著卷煙工業對均質化加工需求的不斷提高以及市場競爭的加劇，保證烤煙的均質性、穩定性和化學成分的一致性，對于復烤企業的發展具有至關重要的意義。復烤企業中，含水率及常規化學成分是衡量烤煙品質和實現配方設計的重要指標，然而傳統分析技術費時費力，遠遠不能滿足均質化加工的需要。因此，復烤企業必須積極尋求能保證產品均質性、穩定性的先進技術，實現煙葉內部品質在線檢測。近紅外光譜分析技術(near infrared spectroscopy technology，NIR)是實現上述要求很好的選擇。

近紅外光譜技術是一種環境友好的綠色快速分析技術，具有快捷高效、低成本、無污染、無損害和可多組分同時測定等突出優點，近年來發展迅速，已廣泛應用于農業、石化、制藥、食品等領域［1－2］。近紅外技術在煙草行業中的運用最早始于1977年，McClure等對煙草中還原糖含量的測定研究［3］。我國煙草行業對近紅外技術的運用始于1995年，張鐵強等運用近紅外技術檢測煙絲水份，測量精度達到1%［4］。目前，NIR技術在煙草行業中的應用研究已涉及煙草種植、煙葉驗級、卷煙生產過程的質量檢測等各方面［5－8］。然而，大多研究均是將煙草樣品取回實驗室進行一定前處理后再進行光譜采集和分析，并非真正意義上的在線監測。到目前為止，有關復烤企業對烤后片煙進行NIR在線檢測也未見報道。這主要是因為在線干擾因素復雜、原煙配方多變、品質波動大，導致難以建立高預測精度和高穩定性的分析模型。為實現真正意義上的烤后片煙在線檢測，該研究應用NIR在線檢測技術，結合改進的偏最小二乘法(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項質量指標的數學模型，并成功運用于復烤煙葉質量實時監控。

二、實驗原理與方法

(一)實驗原理

當檢測光源投向煙草樣品時，將在其表面和內部產生漫反射，經檢測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，對近紅外吸收也不同，經一階導數預處理后，將近紅外反射光譜和樣本的質量指標關聯，用MPLS建立相應指標的近紅外定量模型，并以校正集樣品的相關系數為指標優化光譜預處理方法和模型參數［2，9］。建立分析模型的主要過程如下:(1)用近紅外光譜儀掃描在線樣本的近紅外光譜;(2)同時在檢測點采樣;(3)按照煙草行業標準方法測定樣本含水率及常規化學成分含量，作為標準值;(4)用MPLS法建立樣本的近紅外光譜與含水率及常規化學成分含量的關系模型。(5)依據該定量模型，計算出未知同類型近紅外光譜樣品相應的質量指標。

(二)材料和儀器設備

原煙來源于重慶大足、巫溪、巫山、彭水、涪陵、萬州等煙區，原煙等級主要包括 B2F，B3F，C2F，C3F，X2F，X3F。樣品在重慶煙葉復烤有限公司萬州廠烤片段末端抽取，基本涵蓋2014年烤季生產的各批次不同配方的烤煙，具有較強代表性。

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

(三)光譜采集與樣品分析

近紅外儀安裝在生產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;當煙葉經過儀器下方時，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，對樣品進行近紅外光譜掃描。光譜采集條件為:掃描范圍為1 100～1 650 nm，分辨率為0．5 nm，掃描次數為120次。

光譜掃描同時均勻取兩份煙葉樣品(掃描結束取樣結束)，一份采用Brabender快速水分測定儀測試含水率，另一份采用Skalar－San++連續流動分析儀檢測其總糖、還原糖、煙堿、總氮、氯、鉀6項常規化學成分含量。

(四)模型的評價參數

采用交互驗證均方差(RMSECV)評價模型的擬合能力;預測標準差(RMSEP)、分析值預測值平均相對偏差(RSD)評價模型的預測能力。各指標計算公式如下:

式中，yi為第i樣品的標準方法實測值，^yi為第i樣品的近紅外預測值，m為校正集樣品數，n為驗證集樣品數。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，預測精度越高。

三、結果與討論

(一)在線近紅外光譜的采集

收集2014年烤季460個具有代表性的樣品光譜，用于總糖、還原糖、煙堿、總氮、氯、鉀6項常規化學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應化學指標進行擬合，對光譜進行去散射及一階導數預處理，然后采用MPLS法建立各指標的NIR定量模型。為使模型達到最優，模型建立過程中采用馬氏距離，設定顯著性水平(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。最終建立模型中各質量指標的主因子數與交互驗證均方差如表1所示。分析數據可知，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)模型的外部驗證

模型建立后，連續1個月生產期內隨機抽取抽取71個烤煙樣品，測得含水率、總糖、還原糖、煙堿、總氮氯、鉀7項指標的實測值，與其預測值相比較，進行模型預測能力的外部驗證。為便于直觀考察模型的預測能力，將各份樣品的NIR預測值與標準方法測得的實測值進行一對一對比作圖，結果如圖2、圖3所示，并將計算所得模型外部驗證總結果列于表2。

圖2 含水率實測值與NIR預測值對比

表1 NIR在線分析模型定標參數

圖3 六項常規化學物質含量實測值與NIR預測值對比

表2 NIR在線分析模型外部驗證結果

由圖2，圖3(a)、(b)、(c)、(d)可知，該模型對烤后煙葉含水率、總糖、還原糖、煙堿、總氮的預測值與標準方法實測值相當接近。如表3所示，該5項指標的RMSEP值和RSD值均相當小，其中RSD值分別為3．7%，6．9%，5．2%，4．2%，5．5%，說明該模型對以上5種指標具有很好的預測能力，可以替代傳統方法實時質量監控。而圖3e、f表明，該模型對烤后煙葉中氯、鉀含量的預測能力還有待提高，數值變化趨勢存在一定程度偏差，表2顯示其RSD分別為17．3%，18．1%。分析數據可知，氯的預測偏差主要原因是驗證集樣品中氯含量范圍(0．04～0．44)超出建模時定標集范圍(0．16～0．58)，超出模型預測能力;另一方面，氯含量本身很低，導致NIR分析及實驗室分析誤差均較大。分析鉀的預測偏差，認為可能是來源于實驗室檢測誤差或者出現一定檢測錯誤，具體原因有待進一步研究。為解決以上問題，需要在以后的應用中依據原料、產品和配方的變化及時對模型進行維護與優化，進一步擴充建模樣本數量，提高樣本的代表性和模型的穩定性。

(四)模型在均質化生產中的應用

烤煙含水率及煙堿含量是復烤企業最關心的質量指標，圖4是該模型在烤片段末端對烤煙含水率及煙堿含量的實時監測畫面。由圖4可知，該時間段內烤煙含水率及煙堿含量均比較穩定，由NIR提供的實時檢測數據可知，該批次烤煙含水率變異系數低于5%，煙堿變異系數低于3%。由此可見，使用該模型實時監控生產過程質量數據，一旦煙葉產品出現質量問題，可對出現的問題及時采取有效措施加以糾正。相比于傳統的檢測方法(僅獲得單份樣品含水率需要約1個小時，獲得煙堿值需要兩個工作日)，NIR在線檢測技術在實效性上有不可比擬的優越性，將為復烤企業節省大量人力及時間成本。

圖4 NIR在線分析含水率及煙堿含量監控

四、結論與展望

該研究應用近紅外在線檢測技術，首次在復烤生產線建立了烤后煙葉含水率、總糖、還原糖、煙堿、總氮、氯、鉀7項質量指標的預測模型。其中，含水率、總糖、還原糖、煙堿、總氮的預測值具有極好的參考價值，氯、鉀兩項指標還需進一步優化。實驗證明，該模型可運用于復烤煙葉在線質量檢測，為實時調整生產提供比較準確的分析數據。

總之，我國煙草行業正處于產業結構調整的關鍵時期，卷煙工業對復烤企業的加工需求不斷提高，個性化加工和均質化生產成為主要訴求，而近紅外在線檢測技術可以為此提供更加科學、量化、準確的控制手段。在以后的發展中，結合先進的信息管理控制系統，近紅外在線檢測技術將為煙草行業帶來巨大的經濟效益和社會效益。

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

［2］ 嚴衍祿．近紅外光譜分析基礎與應用［M］．北京:中國輕工業出版社，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，郭山河，何麗橋，等．應用近紅外分析技術檢測煙絲水份［J］．紅外技術，1995，17(5):45 －48．

［5］ 鄧發達，朱立軍，戴亞，等．近紅外技術測定成品卷煙中總糖和還原糖及綠原酸的含量［J］．安徽農業科學，2010，38(12):6181 －6182，6188．

［6］ 覃鑫．在線近紅外光譜(NIR)快速測定煙草化學成分［J］．西昌學院學報(自然科學版)，2010，24(1):52 －54，79．

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

［8］ 蔣錦鋒，李莉，趙明月．應用近紅外檢測技術快速測定煙葉主要化學成分［J］．中國煙草學報，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，Fuel ，2011(90):3268－3273．