近紅外透射技術在濃縮液化學質量檢測中的應用研究

袁而文，嚴新龍，趙東輝，韓海帆

?

近紅外透射技術在濃縮液化學質量檢測中的應用研究

袁而文1，嚴新龍1，趙東輝1，韓海帆2

（1. 上海煙草集團太倉海煙煙草薄片有限公司技術中心，江蘇 太倉 215433；2. 賽默飛世爾科技（中國）有限公司，上海 201206）

濃縮液化學質量的穩定直接影響著再造煙葉產品的質量，傳統方法分析其常規化學成分費時費力，反饋相對滯后。利用近紅外透射技術結合偏最小二乘法建立了造紙法再造煙葉生產過程中濃縮液煙堿（Nic）、總糖（Ts）及還原糖（Rs）定量分析模型。通過考察樣本劃分、光譜區域選擇、光譜預處理及最佳主因子數選擇等方面對模型進行不斷優化，最終確定了最佳建模參數。此外，通過選取未參與建模的30組樣品進行外部驗證并通過T檢驗-成對雙樣本均值分析得出所建立的模型預測性及準確性較好，可以應用于濃縮液化學質量的快速檢測。

近紅外透射；再造煙葉濃縮液；定量分析

0 引言

近紅外光（NIR）是介于可見光和中紅外光之間的電磁輻射波，是人們在吸收光譜中發現的第一個非可見光區域。美國材料檢測協會（ASTM）將其波長范圍定為780～2526nm[1-3]。通過波長長短又可細分為近紅外短波區域（780～1100nm）及近紅外長波區域（1100～2526nm）。應用近紅外光譜技術具有操作簡單、快捷、無損、需樣量少、成本低等優點，使得其在煙草行業應用中風生水起。

在造紙法再造煙葉生產工藝中，濃縮液質量的穩定直接影響著產品的質量，決定著產品的化學成分含量。目前，大多數再造煙葉公司主要是通過密度等物理指標來監控濃縮液穩定性，而濃縮液的化學指標（煙堿、總糖及還原糖等）需要通過連續流動分析法來測定其含量。但這些化學成分常規檢測方法前處理較繁瑣，耗時長，需要試劑多，數據反饋相對滯后，這將無法及時有效地反饋濃縮液質量狀況。近紅外光譜區與有機分子中含氫基團（C-H、N-H、O-H）振動的合頻和倍頻吸收區一致，比較適合分析與這些基團有著直接或間接關系的成分。

目前，近紅外光譜分析技術已在煙草、制藥、食品、化工、農業、林業等行業[4-9]都有廣泛的應用。在煙草行業中對初烤煙葉、再造煙葉、煙絲成品、煙梗原料、涂布液等研究均有文獻[4, 10-13]報道，而對再造煙葉工藝流程中濃縮液的應用研究鮮有報道。本文利用近紅外透射技術建立了再造煙葉濃縮液中3種常規化學成分模型，并將該模型應用于化學質量檢測中。通過近紅外透射技術可以隨時快速地監控濃縮液主要化學成分的變化情況，這為提高再造煙葉產品化學質量穩定性提供保障。

1 實驗部分

1.1 實驗儀器

Thermo Antaris II傅里葉變換近紅外光譜儀，配置透射采樣模塊，Result光譜采集軟件和TQ Analyst 8定量分析軟件（美國Thermo Scientific公司）；Auto Analyzer AA3連續流動分析儀（德國Seal Analytical公司）；XP205 分析天平（感量：0.00001g，瑞士Mettler Toledo）；2mm內徑低羥基石英比色皿；注射器。

1.2 實驗材料

以一段時間生產中不同牌號、不同班別所得濃縮液樣品、實驗室制備樣品以及混配濃縮液樣品共計197個樣品為建模樣本。建模（校正集）樣品與預測（驗證集）樣品第一、第二主成分得分圖見圖1。圖1可以看出預測集樣品分布較均勻，基本包含建模樣品的基本信息。

1.3 測定及光譜采集

1.3.1 系列濃縮液常規化學成分測定

將所收集的系列濃縮液于冰箱中取出并用連續流動分析儀測定其常規化學數值作為參考值，方法采用煙草行業內部標準法測定其煙堿[14]、總糖[15]及還原糖[15]含量。

1.3.2 系列濃縮液光譜采集

在恒溫恒濕室平衡溫度至室溫后，用注射器吸入適量濃縮液注于2mm內徑低羥基石英比色皿，使之均勻分布，沒有氣泡。掃描光譜前，近紅外儀預熱1h，之后進行儀器的穩定性檢查，相關方法可參照文獻[12]。掃描參數：光譜范圍4000～10000cm－1，分辨率8cm－1，掃描次數32次，濃縮液通過注射器裝于2mm比色皿，置于透射采樣模塊中。近紅外分析儀置于恒溫恒濕間，溫度控制在22～25℃，濕度低于60%。

2 結果與討論

2.1 樣品制備及分布

用于建立定量分析模型的樣本需要有較好的代表性。為擴大數據覆蓋面，實驗室設計制備系列濃縮液，相關步驟如下：分別稱取煙梗、碎片煙末及白肋煙片各150g，按1:10加水（75℃）浸泡30min，將所得萃取液過425mm篩，之后于旋轉蒸發儀分別濃縮至密度為1.20g/cm3。將所得自制濃縮液（煙梗母液）I、自制濃縮液（煙末母液）II及自制濃縮液（白肋煙母液）III按不同配比混合制成不同濃縮液。此外，還將自制濃縮液母液與現場濃縮液按不同比例混配。將所得樣品編號并用棕色玻璃瓶貯存于冰箱待用。

本實驗樣本來源主要分為3部分。以現場生產所得濃縮液為主，其次為實驗室按不同比例混配濃縮液樣品以及少量其它與現場濃縮液混配樣品。系列濃縮液樣品經流動分析儀測定后，常規化學成分指標、樣品數（校正集與驗證集）、含量范圍、均值及SD（標準偏差）值列于表1中。

圖1 建模、預測樣品近紅外透射光譜的第一、第二主成分得分圖

表1 系列濃縮液常規化學成分分布

從表1中可以看出：各模塊（Nic、Ts及Rs）驗證集樣品含量均在校正集覆蓋范圍內。

樣本分布范圍較廣，驗證集樣品均值及SD值與校正集樣品相當，所取驗證集樣品分布均勻，這與圖1所示樣本主成分得分圖信息吻合。

2.2 校正集選擇

校正集是建立定量模型的基礎，校正集的選取對于模型至關重要。選取校正集樣品分布要廣，樣品的光譜特性及化學數值能涵蓋待測所有樣品，且在濃度范圍內分布均勻，對于待測樣品具有很好的代表性[16]。目前，校正集選擇主要有濃度梯度法、隨機法、KS法（Kennard-Stone）、SPXY法（Sample set Partitioning based on jointX-Y distance）以及Duplex法等[17]。

本實驗創造性地采用主成分得分圖（Principal Component Scores）結合隨機法選取校正集與驗證集樣品。首先，將所得197個系列濃縮液樣品全部作為校正集樣品用于建模，之后作出樣本近紅外透射光譜的第一、第二主成分得分圖。之后，在樣本得分圖中隨機選取一定數量的樣本用于校正集及驗證集，每次選擇完之后建立新的模型并比較其校正性能及預測性能，直到選取后模型Corr. Coeff.（相關系數）、RMSEC（校正均方差）、RMSEP（預測均方差）、RMSECV（交叉驗證均方差）數值最為理想為止。相關模塊校正集與驗證集劃分見表1。

2.3 光譜區域選擇

光譜建模區域選擇直接影響模型的預測性能及穩定性。傳統觀點認為近紅外結合偏最小二乘法（PLS）建模具有較強的抗干擾能力，可以選取全波段區域建立定量模型。隨著對PLS法的深入研究及應用，人工特別篩選光譜區域建模，剔除一些不相干或非線性變量可以得到預測能力更強、穩健性更好的模型[18]。

本實驗通過近紅外光譜儀采集樣品透射光譜，并與其對應常規化學成分數值（參考值）結合偏最小二乘法（PLS）建立煙堿（Nic）、總糖（Ts）及還原糖（Rs）含量近紅外透射初始模型。圖2為系列濃縮液原始近紅外透射光譜圖。

從圖2中可以看出，系列濃縮液原始近紅外透射光譜在4000～7500cm－1區間信號較明顯，特別地，在1440nm（6944.4cm－1）及1940nm（5154.6cm－1）附近有明顯的峰，兩處峰分別為水分子的O-H伸縮振動的一級倍頻及組合頻吸收[1, 19-20]。在5000～5500cm－1波段內，由于溶劑水的強吸收造成譜圖出現平頭峰，因此，建模時為避免水的強吸收對模型的干擾而不考慮這一波段。本實驗通過人工選擇不同光譜區域建立定量模型（以Nic為例），結果如下表2所示。通過綜合比較，選擇4200～5000cm－1&5500～7500cm－1區域建模效果最佳。

圖2 系列濃縮液原始近紅外透射光譜圖

2.4 模型優化

選定光譜建模區域后，可以通過對光譜進行預處理、異常樣品剔除及最佳因子數選擇對模型進行優化[21-23]。光譜預處理主要可以通過求導以及平滑來消除基線和其它背景的干擾，提高分辨率和靈敏度。通過TQ Analyst軟件中的Leverage（杠桿值）及Spectrum Outlier（光譜異常）辨別異常樣品并將其剔除。主成分過多時，或對模型造成“過擬合”現象；而主成分過少時，信息提取不充分，不能完全反應樣品的光譜特性[17]。通過考察驗證均方根誤差（RMSECV）與主因子數（Factor）的關系，可以確定最佳主因子數。不同預處理方法所得模型的各項指標見表3（以Nic為例），各模型的最佳主因子數確定見圖3（以Nic為例），其他模型與之類似。綜合各項指標，最終Nic模型選擇一階導數＋Norris平滑對濃縮液樣品進行建模（一階導數光譜圖未列出），Ts及Rs模型采用原始光譜進行建模。各模型最佳主因子數確定均為10。

表2 光譜區域對建模結果的影響

* Corr.Coeff.如未作特殊說明，均指的是校正集相關系數

表3 光譜不同預處理方法對模型的影響

圖3 Nic RMSECV 與主因子數的關系

2.5 模型建立

通過合理的樣本集劃分、光譜區域選擇及模型優化，煙堿（Nic）、總糖（Ts）及還原糖（Rs）譜區范圍選擇4200～5000cm－1& 5500～7500cm－1；光譜預處理方式分別為一階＋Norris平滑（3:3），原始光譜，原始光譜；且均選擇10作為最佳主因子數建立近紅外透射定量模型。建模結果見表4。

2.6 定量模型驗證結果

選定適宜建模參數后，可以通過未參與建模的樣品對模型作外部驗證。本文分別隨機挑選未參與建模的樣品30個，通過模型分別預測其常規化學數值（預測值）并與其流動分析測定值（參考值）對比，相關數據見表5。

表4 濃縮液3種常規化學成分建模結果

為了直觀地表示校正及驗證結果，系列濃縮液3種常規化學成分誤差分布圖見圖4～圖6。

表5 模型外部驗證預測值與參考值比較

圖4 Nic誤差分布圖

圖5 Ts誤差分布圖

圖6 Rs誤差分布圖

從圖4～圖6可以看出，選定合適的建模參數后，校正集與驗證集樣品與參考值的偏差較小，誤差分布均勻。而且校正集及預測集相關系數均在0.97以上。模型通過外部驗證得出3種模型平均相對偏差分別為3.35%、2.5%及2.63%（數據見表5）。進行檢驗-成對雙樣本均值分析得出NIR法與流動分析法得到的結果沒有顯著性差異（查分布表，當顯著水平＝0.05，自由度＝29時，0.05,29＝2.045），綜上看來3種模型預測準確度較理想。

3 結論

綜上，為了研究近紅外透射技術在濃縮液化學質量檢測中的適用性，分別從樣本劃分、光譜區域選擇、光譜預處理及最佳主因子數選擇等方面對模型進行不斷優化，最終確定了最佳建模參數，所得模型預測效果較好。通過隨機選擇30組未參與建模的樣本對模型進行外部驗證得出煙堿（Nic）、總糖（Ts）及還原糖（Rs）模型平均相對偏差為3.35%、2.5%及2.63%，RPD值分別為5.39、4.21及4.12。且通過T檢驗-成對雙樣本均值分析得出近紅外透射光譜技術與常規流動分析法兩者無顯著性差異，這表明，所建立的模型預測性及穩健性較好，近紅外透射光譜技術在再造煙葉濃縮液常規化學成分的快速測定中具有廣闊的應用前景。

[1] 陸婉珍. 現代近紅外光譜分析技術[M]. 2版, 北京: 中國石化出版社, 2006: 13-14.

LU Wanzhen. Modern near infrared spectroscopic technology[M]. 2ndedition, Beijing: China Petrochemical Press, 2006: 13-14.

[2] 畢衛紅, 許峰, 呂超. 水果含糖量近紅外檢測系統及實驗[J]. 紅外技術, 2007, 29(11):674-676.

BI Weihong, XU Feng, LV Chao. A Measuring System for Sugar Content of Fruits and Related Experiment Based on NIRS Technology[J]., 2007, 29(11): 674-676.

[3] 劉國珍, 陳祖剛, 李丹, 等. 近紅外光譜分析技術進展及其在煙草行業中的應用[J]. 煙草科技, 2001(11):15-17.

LIU Guozhen, CHEN Zugang, LI Dan, et al. The Progress of near infrared spectroscopy and its application in tobacco industry[J]., 2001(11): 15-17.

[4] 張建平, 謝雯燕, 束茹欣, 等. 煙草化學成分的近紅外快速定量分析研究[J]. 煙草科技, 1999(3): 37-38.

ZHANG Jianping, XIE Wenyan, SHU Ruxin, et al. Rapid Quantitative Analysis of Chemical Components in tobacco[J]., 1999(3): 37-38.

[5] 史春香, 楊悅武, 郭治昕, 等. 近紅外光譜在中藥質量控制中的應用[J]. 中草藥, 2005, 36(11): 1731-1733.

SHI Chunxiang, YANG Yuewu, GUO Zhixin, et al. Application of near-infrared spectroscopy in quality control of Chinese materia medica[J]., 2005, 36(11): 1731-1733.

[6] YU Haiyan, YING Yibin, FU Xiaping, et al. Quality determination of Chinese rice wine based on Fourier transform near infrared spectroscopy[J]., 2006, 14:37-44.

[7] 杜振輝, 齊汝賓, 張慧敏, 等. 近紅外光譜定量檢測丙烷和異丁烷[J]. 天津大學學報, 2008, 41(5): 589-592.

DU Zhenhui, QI Rubin, ZHANG Huimin, et al. Quantitative Detection of Propane and Isobutene Based on NIR Spectroscopy[J]., 2008, 41(5): 589-592.

[8] 徐慧榮, 應義斌. 近紅外圖像和光譜分析技術在農產品品質無損檢測中的應用與展望[J]. 浙江大學學報, 2002, 28(4):460-464.

XU Huirong, YING Yibin. Application and prospect of near infrared imaging and spectroscopy analysis on quality inspecting of agricultural products[J]., 2002, 28(4):460-464.

[9] 龔玉梅, 張煒. 近紅外光譜檢測技術及其在林業中的應用[J]. 光譜學與光譜分析, 2008, 28(7): 1544-1547.

GONG Yumei, ZHANG Wei. Application of near infrared spectroscopy in forestry[J]., 2008, 28(7): 1544-1547.

[10] 王維妙, 葛炯, 張建平. 近紅外透射法預測再造煙葉中的5種主要化學成分[J]. 煙草科技, 2009(7) :43-48.

WANG Weimiao, GE Jiong. Prediction of Five Chemical Components in Reconstituted Tobacco by Near-infrared transmission Analysis[J]., 2009(7): 43-48.

[11] 馬翔, 溫亞東, 王毅, 等. 傅里葉變換近紅外光譜在制絲線上的應用[J].煙草科技, 2006(1): 22-24.

MA Xiang, WEN Yadong, WANG Yi, et al. Application of On-line FT-NIR Spectrometer in Primary Processing Line[J]., 2006(1): 22-24.

[12] 袁而文, 嚴新龍, 趙東輝. 煙梗原料4種常規化學組分的近紅外快速分析[J]. 紅外技術, 2015, 37(1): 82-86.

YUAN Erwen, YAN Xinlong, ZHAO Donghui. Rapid Analysis of Four Routine Chemical Components in Tobacco Stem by Near-infrared Spectroscopy[J]., 2015, 37(1): 82-86.

[13] 王保興, 李曉亞, 劉維涓, 等. AOTF-NIR快速檢測再造煙葉涂布液主要化學指標[J]. 煙草科技, 2011(6): 56-59.

WANG Baoxing, LI Xiaoya, LIU Weijuan, et al. Fast Testing of Main Chemical Components in Coating for Reconstituted Tobacco by AOTF-NIR[J]., 2011(6): 56-59.

[14] 國家煙草專賣局. 煙草及煙草制品總植物堿的測定連續流動法YC/T 160-2002[S]. 北京: 中國標準出版社, 2002.

State tobacco monopoly administration. Determing Total plant Nicotine in Tobacco & Cigarette by Continuously Flow Analysis YC/T 160-2002[S]. Beijing: Standards Press of China, 2002.

[15] 國家煙草專賣局. 煙草及煙草制品水溶性糖的測定連續流動法YC/T 159-2002[S]. 北京: 中國標準出版社, 2002.

State tobacco monopoly administration. Determing Water-Soluble Sugars in Tobacco & Cigarette by Continuously Flow Analysis YC/T 159-2002[S]. Beijing: Standards Press of China, 2002.

[16] 張林帥, 邢軍, 谷運紅, 等. 煙草近紅外光譜分析結果影響因素綜述[J]. 安徽農業科學, 2008, 36(21): 9097-9099.

ZHANG Linshuai, XING Jun, GU Yunhong, et al. Research Progress on Factors Affecting the Determination of Tobacco Constituent with Near Infrared Spectroscopy[J]., 2008, 36(21): 9097-9099.

[17] 韓海帆, 張路, 張淹, 等. NIRS法快速測定復方阿膠漿中總黃酮、總皂苷和可溶性固形物[J]. 中草藥, 2013, 44(17): 2397-2403.

HANG Haifan, ZHANG Lu, Zhang Yan, et al. Rapid determination of total flavonoids, total saponins, and soluble soild content in Fufang Ejiao Syrup by NIRS[J]., 2013, 44(17): 2397-2403.

[18] 褚小立, 袁洪福, 陸婉珍. 近紅外分析中光譜預處理及波長選擇方法進展與應用[J]. 化學進展, 2004, 16(4): 528-539.

CHU Xiaoli, YUAN Hongfu, LU Wanzhen. Progress and Application of Spectral Data Pretreatment and Wavelength Selection Methods in NIR Analytical Technique[J]., 2004, 16(4): 528-539.

[19] 王佳黎, 代濤, 汪學楷, 等. 梔子提取和純化過程的近紅外光譜快速檢測方法[J]. 四川大學學報:工程科學版, 2013, 45(1): 198-201.

WANG Jiali, DAI Tao, WANG Xuekai, et al. Near Infrared Spectroscopy for Fast Determination of Gardenia During Extraction and Purification Process[J]., 2013, 45(1): 198-201.

[20] Chung H, Ku M S. Feasibility of monitoring acetic acid process using near-infrared spectroscopy[J]., 2003, 31(1): 125-131.

[21] 練文柳, 吳名劍, 孫賢軍, 等. 不同預處理方法對煙草近紅外光譜預測模型的影響[J]. 煙草科技, 2005(2): 19-23.

LIAN Wenliu, WU Mingjian, SUN Xianjun, et al. Influence of Data Pre-processing on NIR Prediction Model for Tobacco Chemical Composition[J]., 2005(2): 19-23.

[22] 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: 113-266.

YAN Yanlu.[M]. Beijing: China light industry press, 2005: 113-266.

[23] 何智慧, 羅嘉, 練文柳, 等. 傅里葉變換近紅外技術測定卷煙煙堿的釋放量[J].紅外技術, 2008, 30(9): 553-556.

HE Zhihui, LUO Jia, LIAN Wenliu, et al. Determination of Nicotine in the mainstream smoke by Fourier Transform Near Infrared Spectrometry[J]., 2008, 30(9):553-556.

Application Research on Chemical Quality Detection for Concentrated Liquid by Near-infrared Transmission Technology

YUAN Erwen1，YAN Xinlong1，ZHAO Donghui1，HAN Haifan2

(1.,,,215433,; 2.(),.201206,)

The quality of reconstituted tobacco products was directly affected by the chemical quality of concentrated liquid. The traditional analysis method of routine chemical components was time-consuming and got data with delay. A rapid quantitative analysis method was set up for routine chemical components (nicotine, total sugar and reducing sugar) in reconstituted tobacco process concentrated liquid based on the combination of near-infrared transmission technology and partial least squares (PLS) method. The best model parameters were finalized by sample division, spectral region selection, spectrum pretreatment and PLS factors selection, etc. Moreover, these three prediction models were established with 30 different samples by external verification and T-test, and had been verified as accurate and good prediction. These prediction models could be applied to chemical quality detection for concentrated liquid.

near-infrared transmittance，reconstituted tobacco concentrated liquid，quantitative analysis

TN219

A

1001-8891(2016)01-0064-07

2015-04-28；

2015-09-16.

袁而文（1988-），男，漢族，江西吉安人，研究生，助理工程師，研究方向為再造煙葉的化學分析，NIR的定量分析應用，Email：yuanerwen@163.com。