淺析近紅外光譜分析技術(shù)在煙草成分分析中的可用性

杞燕

【摘 要】近紅外光譜信息和有機(jī)物的構(gòu)造有著緊密的關(guān)系，近紅外光譜分析技術(shù)能用于探討和檢測煙草的很多品質(zhì)特點。作者重點簡述近紅外分析工藝和它在煙草運用中所需的提前處理、降維和建模措施。在這個前提上，主要研究了近紅外分析工藝在煙草組成定量預(yù)測中的運用。

【關(guān)鍵詞】近紅外光譜;煙草;成分;分析

近紅外光譜分析技術(shù)普遍運用到食品行業(yè)、石油行業(yè)、化工行業(yè)、制藥行業(yè)等方面。近紅外技術(shù)在煙草工業(yè)中被普遍運用到水分的測量，此外，該分析技術(shù)也不斷運用到其他成分的定量分析和探討。最近時期，利用近紅外分析技術(shù)開展對煙草的化學(xué)組成、焦油特別煙氣組成開展了探討。按照和相關(guān)專業(yè)人士的溝通知道，一些國外煙草企業(yè)早在幾年前就已經(jīng)開始使用近紅外分析技術(shù)對煙草中的化學(xué)組成含量開展常規(guī)分析。

一、近紅外光譜分析技術(shù)及原理概述

近紅外（NIR）光指的是可見光和中紅外光兩者間的電磁波，波長一般在零點七五到二點五μm之間，近紅外區(qū)分子的吸收大多數(shù)是部分能量低的電子與分子振動情況下的躍遷。近紅外區(qū)因為頻率比較高，所以分子的吸收大部分是分子振動的倍頻吸收以及組合頻率吸收。因為含氫基團(tuán)如碳-氫、氮-氫、氧-氫的吸收頻率特點在近紅外區(qū)尤其是強(qiáng)大，并且相對穩(wěn)定，因此近紅外分析工藝更適合分析和該類基團(tuán)有直接或間接聯(lián)系的自然產(chǎn)物里的相關(guān)東西，比如煙草中的糖、尼古丁等化學(xué)組成。當(dāng)檢測光線投射到煙草粉末上時，可在煙草粉末的表層與內(nèi)部會出現(xiàn)漫反射，通過檢測器可以獲得煙草樣品的近紅外漫反射光譜信息。因為不一樣煙草組成也不一樣，對于近紅外光線吸收效果不一樣，近紅外反射光線也不可能完全相同。

運用煙草化學(xué)組成含量和近紅外光譜曲線的聯(lián)系，能夠構(gòu)建對應(yīng)的聯(lián)系模型。聯(lián)系模型的構(gòu)建過程是：

（1）選取適當(dāng)數(shù)量的具有代表性煙草;

（2）以平常的手段檢測煙草化學(xué)組成含量，當(dāng)作標(biāo)準(zhǔn)指標(biāo);

（3）用傅立葉改變近紅外漫反射光譜器檢測煙草樣品的近紅外光線;

（4）利用主要成分回歸與神經(jīng)網(wǎng)絡(luò)等信息分析手段，構(gòu)建煙草近紅外光線和不同化學(xué)組成含量的聯(lián)系模型。按照這個模型，就能夠由近紅外光譜中算出同一類型煙草中有關(guān)化學(xué)組成的含量。

二、近紅外光譜分析煙草成分的實驗儀器、材料及方法

1.儀器

近紅外光譜一般通過用安塔里斯福特-近紅外分析儀掃描煙草樣品獲得，安塔里斯福特-近紅外分析儀擁有美國ThermoFisher企業(yè)制造的積分球漫反射取樣體系與InGaAs探測儀?；蛘吡硗庖恍╊愋偷母盗⑷~近紅外變換光譜器用于信息采集。

2.樣品光譜采集

通常來說，樣品光譜的收集過程如下：取適量測驗制備的煙操粉末，放入相應(yīng)的樣品器皿中，并壓緊，接著在傅立葉變換近紅外分析器上開展漫反射吸收NIRS收集。在光譜收集過程中，樣品器皿對著入射光斑進(jìn)行偏心旋轉(zhuǎn)，掃描范圍在三千八百至一萬cm-1之內(nèi)，分辨率為8cm-1左右，進(jìn)行掃描的次數(shù)可根據(jù)煙葉粉末質(zhì)量確定，大約為50-150次左右。

3.分析方法

和原有的檢測手段或其他專業(yè)設(shè)備比較，近紅外光譜法有著下面特性：①檢測簡單方便，無需復(fù)雜的預(yù)處理以及化學(xué)反應(yīng)時間;（2）檢測快速，大幅度地減少了檢測時間;（3）對檢測工作者沒有化學(xué)專業(yè)技能方面的要求，一個人能夠完成多項化學(xué)數(shù)據(jù)的許多檢測，大幅度提升了檢測速度;（4）檢測期間沒有污染，檢測成本低;⑤緊跟模型中良好信息的積累與模型的創(chuàng)新，檢測準(zhǔn)確度能夠逐步提高。⑥檢測功能能夠逐步擴(kuò)展。現(xiàn)在，大部分運用三種信息分析措施：

（1）預(yù)處理方法

煙草的近紅外光譜涵蓋了多種的信息，它不但包括煙草的信息特點，還包括設(shè)備和環(huán)境等方面的背景信息。該背景信息都能夠?qū)胍褬?gòu)建的分類和定量模型中，干擾模型的精準(zhǔn)度。所以，在構(gòu)建模型的前期，有必要針對煙草的近紅外光譜信息開展提前處理。一般運用的提起處理措施包括：平均、求導(dǎo)、平滑、向量歸一化等。

（2）降維方法

信息降維的宗旨是消除許多化學(xué)數(shù)據(jù)共存時的反復(fù)數(shù)據(jù)，并將原始很多變量整合成幾個互不聯(lián)系的變量，且同時盡量體現(xiàn)原始變量的信息結(jié)構(gòu)特性，從而盡量減少丟失的數(shù)據(jù)。現(xiàn)在，煙草近紅外光譜信息降維大多用主構(gòu)成分析法與偏最小二乘法。

（3）建模算法

運用煙草近紅外光譜信息構(gòu)建煙草來源和煙草化學(xué)組成定性、定量模型，主要措施包括聚類、分類、偏最小二乘回歸與手動神經(jīng)網(wǎng)絡(luò)等。現(xiàn)在，支持向量機(jī)算方法得到了越來越多的運用。在許多研究中，為了獲得比較準(zhǔn)確的模型構(gòu)造，研究人員一般會選擇比較多的提前處理措施開展組合，因此，盡管能夠去除近紅外光譜里面比較多的背景數(shù)據(jù)，可待檢測樣品的數(shù)據(jù)常常也會丟失，造成最終構(gòu)建的信息統(tǒng)計模型普遍運用效果不佳。我們提議盡可能不應(yīng)多于三種提前處理計算組合。

三、近紅外光譜分析技術(shù)在煙草成分分析中的應(yīng)用情況

1.煙葉中淀粉含量的定量預(yù)測

2009年，付秋娟、申國明等根據(jù)煙葉近紅外光譜信息，構(gòu)建了煙草淀粉所占比率的支持向量回歸模型。本研究運用偏最小二乘法投影，來壓縮與縮小樣本譜矩陣的維數(shù)，采用前十二個偏最小二乘投影變量，構(gòu)建了煙草淀粉比率的虛擬現(xiàn)實標(biāo)定模型[1]。

2016年，羅瓊、李青等運用煙草近紅外光譜信息，構(gòu)建了煙草淀粉比率的遺傳支持向量回歸模型[2]。不同于付秋娟、申國明等構(gòu)建的預(yù)測煙草淀粉比率的近紅外-奇異值分解模型，羅瓊、李青等運用遺傳算法（GA）選擇主成分因子變量。變量選取是模型構(gòu)建中十分重要的一個程序，采取變量選取，較好的變量通常能夠用來構(gòu)建更加精確的模型。

2.煙葉中化學(xué)成分定量預(yù)報

2013年，常嶺，樊新順等采用付立葉改變近紅外漫反射光譜與日?；瘜W(xué)手段檢測再造煙草制造過程中濃縮液的組成，基于偏最小二乘法構(gòu)建了煙草日常化學(xué)組成的近紅外分析模型，并用于測定再造煙葉濃縮液里面的總糖、煙堿、氯離子與鉀離子[3]。現(xiàn)場制造結(jié)果顯示，所構(gòu)建的分析模型能夠快速、簡便、大量地測定濃縮液中化學(xué)組成的含量，并能達(dá)到對產(chǎn)品日常化學(xué)組成的及時管理。

2018年，賓俊、范偉等，為了處理近紅外漫反射光譜分析工藝應(yīng)用道煙草整葉測試時，因為煙草面積大，化學(xué)組成分散不均勻，光譜收集的代表性與循環(huán)性沒有辦法確保的問題，對煙草整葉采樣方法開展了全面研究[4]。此研究把國內(nèi)不一樣產(chǎn)地、不一樣等級的二百多片生煙草為例，最小二乘法模型的決策參數(shù)約大約是零點九，模型里面交叉驗證與預(yù)測參數(shù)的差異小于一。此發(fā)明的取樣量少、代表性強(qiáng)、循環(huán)性好的煙草全葉近紅外光譜取樣措施，提升煙草質(zhì)量田間快速分析的速度及精確度有著重要的意義。

四、結(jié)語

簡而言之，近紅外漫反射光譜分析工藝在傳統(tǒng)光纖中具有較好的傳導(dǎo)特點，并且，這個設(shè)備使用相對簡單方便，分析效果比較快，不具有損壞性，試驗樣品提前制備數(shù)量比較少，它能夠適用于每種樣品的分析。按照該分析工藝的這一特性，我國煙葉中日?；瘜W(xué)組成的檢測技術(shù)已經(jīng)相對趨于完善，所牽涉的檢測指標(biāo)規(guī)模很普遍，并且，模型的預(yù)檢測準(zhǔn)確性日益提高。在煙葉工業(yè)里，它在高速、精準(zhǔn)地測試化學(xué)組成環(huán)節(jié)起到了更大的作用。然而，目前對煙草香氣組成環(huán)節(jié)的研究還存在不足，這個區(qū)域的研究人員還有必要繼續(xù)開展他們的開拓性探究。緊跟近紅外光譜分析工藝的發(fā)展和完善，近紅外技術(shù)在煙草收購、二次儲存和在線復(fù)烤中開展化學(xué)組成高速檢測的運用，一定能成為發(fā)展的方向。

【參考文獻(xiàn)】

[1]付秋娟， 申國明， 高春亮，等. FT-NIR法預(yù)測陳化煙葉的淀粉、多酚和色素含量[J]. 煙草科技， 2009（8）：000038-55.

[2]羅瓊， 李青， 于小紅，等. 近紅外光譜法快速測定煙草中淀粉含量[J]. 安徽農(nóng)業(yè)科學(xué)， 2016， 44（30）：72-73.