近红外在线检测技术在烟草行业中的最新应用

张薇薇，冯兴荣，肖 静，谭其蓉，张应梅

(重庆烟叶复烤有限公司，重庆 401320)

一、引言

随着卷烟工业对均质化加工需求的不断提高以及市场竞争的加剧，保证烤烟的均质性、稳定性和化学成分的一致性，对于复烤企业的发展具有至关重要的意义。复烤企业中，含水率及常规化学成分是衡量烤烟品质和实现配方设计的重要指标，然而传统分析技术费时费力，远远不能满足均质化加工的需要。因此，复烤企业必须积极寻求能保证产品均质性、稳定性的先进技术，实现烟叶内部品质在线检测。近红外光谱分析技术(near infrared spectroscopy technology，NIR)是实现上述要求很好的选择。

近红外光谱技术是一种环境友好的绿色快速分析技术，具有快捷高效、低成本、无污染、无损害和可多组分同时测定等突出优点，近年来发展迅速，已广泛应用于农业、石化、制药、食品等领域［1－2］。近红外技术在烟草行业中的运用最早始于1977年，McClure等对烟草中还原糖含量的测定研究［3］。我国烟草行业对近红外技术的运用始于1995年，张铁强等运用近红外技术检测烟丝水份，测量精度达到1%［4］。目前，NIR技术在烟草行业中的应用研究已涉及烟草种植、烟叶验级、卷烟生产过程的质量检测等各方面［5－8］。然而，大多研究均是将烟草样品取回实验室进行一定前处理后再进行光谱采集和分析，并非真正意义上的在线监测。到目前为止，有关复烤企业对烤后片烟进行NIR在线检测也未见报道。这主要是因为在线干扰因素复杂、原烟配方多变、品质波动大，导致难以建立高预测精度和高稳定性的分析模型。为实现真正意义上的烤后片烟在线检测，该研究应用NIR在线检测技术，结合改进的偏最小二乘法(MPLS)，初步建立了烤后烟叶含水率、总糖、还原糖、烟碱、总氮、氯、钾7项质量指标的数学模型，并成功运用于复烤烟叶质量实时监控。

二、实验原理与方法

(一)实验原理

当检测光源投向烟草样品时，将在其表面和内部产生漫反射，经检测器即得到该样本的近红外漫反射的吸收光谱。由于不同样品的成分不同，对近红外吸收也不同，经一阶导数预处理后，将近红外反射光谱和样本的质量指标关联，用MPLS建立相应指标的近红外定量模型，并以校正集样品的相关系数为指标优化光谱预处理方法和模型参数［2，9］。建立分析模型的主要过程如下:(1)用近红外光谱仪扫描在线样本的近红外光谱;(2)同时在检测点采样;(3)按照烟草行业标准方法测定样本含水率及常规化学成分含量，作为标准值;(4)用MPLS法建立样本的近红外光谱与含水率及常规化学成分含量的关系模型。(5)依据该定量模型，计算出未知同类型近红外光谱样品相应的质量指标。

(二)材料和仪器设备

原烟来源于重庆大足、巫溪、巫山、彭水、涪陵、万州等烟区，原烟等级主要包括 B2F，B3F，C2F，C3F，X2F，X3F。样品在重庆烟叶复烤有限公司万州厂烤片段末端抽取，基本涵盖2014年烤季生产的各批次不同配方的烤烟，具有较强代表性。

ProFoss Reflection在线近红外光谱仪(丹麦Foss公司，配备InGaAs检测器、DDA 512二极管阵列和 ISIscan在线检测软件);WinISIⅢ 定量分析软件;MT－C型快速水分测定仪(德国Brabender公司);Skalar-San++连续流动分析系统(荷兰Skalar公司)。

(三)光谱采集与样品分析

近红外仪安装在生产线烤片段末端的烟叶传送带上，仪器光源窗口与传送带的距离为25 cm;当烟叶经过仪器下方时，光源窗口与表面烟叶距离约10～15 cm，近红外光源照在烟叶上，对样品进行近红外光谱扫描。光谱采集条件为:扫描范围为1 100～1 650 nm，分辨率为0．5 nm，扫描次数为120次。

光谱扫描同时均匀取两份烟叶样品(扫描结束取样结束)，一份采用Brabender快速水分测定仪测试含水率，另一份采用Skalar－San++连续流动分析仪检测其总糖、还原糖、烟碱、总氮、氯、钾6项常规化学成分含量。

(四)模型的评价参数

采用交互验证均方差(RMSECV)评价模型的拟合能力;预测标准差(RMSEP)、分析值预测值平均相对偏差(RSD)评价模型的预测能力。各指标计算公式如下:

式中，yi为第i样品的标准方法实测值，^yi为第i样品的近红外预测值，m为校正集样品数，n为验证集样品数。RMSECV、RMSEP、RSD越小，表明定量分析模型的拟合能力越好，模型越可靠，预测精度越高。

三、结果与讨论

(一)在线近红外光谱的采集

收集2014年烤季460个具有代表性的样品光谱，用于总糖、还原糖、烟碱、总氮、氯、钾6项常规化学成分定量模型的建立，含水率定量模型的建立采取其中321个样品。样品的原始光谱图如图1所示。

图1 烤片段末端烤烟样品的NIR原始光谱图

(二)模型的建立

采用WinISIⅢ定量分析软件将光谱与对应化学指标进行拟合，对光谱进行去散射及一阶导数预处理，然后采用MPLS法建立各指标的NIR定量模型。为使模型达到最优，模型建立过程中采用马氏距离，设定显著性水平(0.05)，不断剔除样本异常值(Outlier)。为提高模型的精度，以最小的RMSECV确定最佳主因子数。最终建立模型中各质量指标的主因子数与交互验证均方差如表1所示。分析数据可知，含水率，总糖、还原糖、烟碱、总氮、氯、钾的RMSECV均较小，表明模型本身具有较好的拟合能力，定量分析模型可靠。

(三)模型的外部验证

模型建立后，连续1个月生产期内随机抽取抽取71个烤烟样品，测得含水率、总糖、还原糖、烟碱、总氮氯、钾7项指标的实测值，与其预测值相比较，进行模型预测能力的外部验证。为便于直观考察模型的预测能力，将各份样品的NIR预测值与标准方法测得的实测值进行一对一对比作图，结果如图2、图3所示，并将计算所得模型外部验证总结果列于表2。

图2 含水率实测值与NIR预测值对比

表1 NIR在线分析模型定标参数

图3 六项常规化学物质含量实测值与NIR预测值对比

表2 NIR在线分析模型外部验证结果

由图2，图3(a)、(b)、(c)、(d)可知，该模型对烤后烟叶含水率、总糖、还原糖、烟碱、总氮的预测值与标准方法实测值相当接近。如表3所示，该5项指标的RMSEP值和RSD值均相当小，其中RSD值分别为3．7%，6．9%，5．2%，4．2%，5．5%，说明该模型对以上5种指标具有很好的预测能力，可以替代传统方法实时质量监控。而图3e、f表明，该模型对烤后烟叶中氯、钾含量的预测能力还有待提高，数值变化趋势存在一定程度偏差，表2显示其RSD分别为17．3%，18．1%。分析数据可知，氯的预测偏差主要原因是验证集样品中氯含量范围(0．04～0．44)超出建模时定标集范围(0．16～0．58)，超出模型预测能力;另一方面，氯含量本身很低，导致NIR分析及实验室分析误差均较大。分析钾的预测偏差，认为可能是来源于实验室检测误差或者出现一定检测错误，具体原因有待进一步研究。为解决以上问题，需要在以后的应用中依据原料、产品和配方的变化及时对模型进行维护与优化，进一步扩充建模样本数量，提高样本的代表性和模型的稳定性。

(四)模型在均质化生产中的应用

烤烟含水率及烟碱含量是复烤企业最关心的质量指标，图4是该模型在烤片段末端对烤烟含水率及烟碱含量的实时监测画面。由图4可知，该时间段内烤烟含水率及烟碱含量均比较稳定，由NIR提供的实时检测数据可知，该批次烤烟含水率变异系数低于5%，烟碱变异系数低于3%。由此可见，使用该模型实时监控生产过程质量数据，一旦烟叶产品出现质量问题，可对出现的问题及时采取有效措施加以纠正。相比于传统的检测方法(仅获得单份样品含水率需要约1个小时，获得烟碱值需要两个工作日)，NIR在线检测技术在实效性上有不可比拟的优越性，将为复烤企业节省大量人力及时间成本。

图4 NIR在线分析含水率及烟碱含量监控

四、结论与展望

该研究应用近红外在线检测技术，首次在复烤生产线建立了烤后烟叶含水率、总糖、还原糖、烟碱、总氮、氯、钾7项质量指标的预测模型。其中，含水率、总糖、还原糖、烟碱、总氮的预测值具有极好的参考价值，氯、钾两项指标还需进一步优化。实验证明，该模型可运用于复烤烟叶在线质量检测，为实时调整生产提供比较准确的分析数据。

总之，我国烟草行业正处于产业结构调整的关键时期，卷烟工业对复烤企业的加工需求不断提高，个性化加工和均质化生产成为主要诉求，而近红外在线检测技术可以为此提供更加科学、量化、准确的控制手段。在以后的发展中，结合先进的信息管理控制系统，近红外在线检测技术将为烟草行业带来巨大的经济效益和社会效益。

［1］ 陆婉珍．袁洪福，褚小立．近红外光谱仪器［M］．北京:化学工业出版社，2010．

［2］ 严衍禄．近红外光谱分析基础与应用［M］．北京:中国轻工业出版社，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］ 张铁强，郭山河，何丽桥，等．应用近红外分析技术检测烟丝水份［J］．红外技术，1995，17(5):45 －48．

［5］ 邓发达，朱立军，戴亚，等．近红外技术测定成品卷烟中总糖和还原糖及绿原酸的含量［J］．安徽农业科学，2010，38(12):6181 －6182，6188．

［6］ 覃鑫．在线近红外光谱(NIR)快速测定烟草化学成分［J］．西昌学院学报(自然科学版)，2010，24(1):52 －54，79．

［7］ 王丽芝，潘存宽，张峻松．利用近红外快速测定烟草化学成分的研究［J］．安徽农学通报，2009，15(14):48－49，219．

［8］ 蒋锦锋，李莉，赵明月．应用近红外检测技术快速测定烟叶主要化学成分［J］．中国烟草学报，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．