奥谱天成(厦门)科技有限公司
Optosky Technology Co., Ltd.
服务热线:
0592-6102588

应用近红外光谱投影模型法分析烟叶的部位特征

发表时间:2016-06-13 14:36作者:杨凯,蔡嘉月来源:万方数据网址:http://www.wanfangdata.com.cn/

近红外分析技术( NIR) 是近些年发展起来的绿色分析技术 ,具备简单 、高效 、快速等优点 ,适于过程分析和在线分析,是质量控制的理想手段 ,在农业 、食品 、石油等领域特别是烟草行业的应用日益广泛。传统的化学分析等手段需要花费大量的时间和精力 ,难以对整个加工环节进行控制 ,近红外光谱主要是对含氢基团 X—H(X-C,N ,O)振动的倍频和合频吸收 ,其中包含了大多数类型有机化合物的组成信息 ,与烟叶化学成分关联的信息非常丰富;因此利用近红外对烟叶的主要物理指标与化学指标进行检测和控制对提升烟草品质极为有效 ,已经在烟叶工业分级 、复烤在线 、制丝在线 、烟用辅料等多个方面开展了应用 ,对我国中式卷烟品质的稳定与提升起到了重大作用。

 烟叶的质量管理中 ,部位是一个十分重要的要素特征 ,不同的烟叶部位其物理特性 、化学成分以及评吸特性等都有着各自的特点 ,比如从评吸特性上 ,越往顶部香气量越饱满 ,香气浓度越往顶部越高 ,劲头和刺激性也相应增加等。根据烟叶在植株着生位置不同可分为顶叶 、上二棚叶 、腰叶 、下二棚叶和脚叶等 5 个部位 ;在实际烟叶收购与质量管理中 ,通常将烟叶分为上部 、中部 、下部三种类型 。应用近红外光谱进行烟叶部位的判别与相似性分析已有相关文献报道,本工作提出应用近红外光谱投影模型及量化最近次近类分值法分析烟叶的部位特征 ,不仅可以实现预测样品的判别分析 ,而且可以给出部位特征程度的量化分值 ,可将预测结果细化为典型上 、上偏中 、中偏上 、典型中 、中偏下 、下偏中 、典型下等 7 类或超模型范围样品 ,得到关于预测样品更丰富的特征信息 ,对烟草工业企业实现原料的均值化加工和烟叶配方等提供更细致的分析数据 。

1 实验部分
1.1 材料

 建模试验样品为2003年 —2012年收集的烤烟样品共5170个,其中上部烟叶1394个,中部烟叶2550个,下部烟叶1226个,分别来自巴西、津巴布韦和湖南、湖北、云南、贵州、四川、重庆、广东、广西、河南、安徽、福建、陕西、黑龙江、山东、吉林、辽宁等 16 个地区 。 预测样品为2012 年从各复烤厂收集的烤烟样品共34个

1.2 仪器与测试方法
 Nexus 型傅里叶变换近红外光谱仪 (美国热电尼高力公司) 。工作参数 :光谱采集范围 10 000 ~ 4 000 cm - 1 ;光谱分辨率 :8 cm - 1 ;扫描次数 :64 。将烤烟烟叶磨成粉 ,在低于 50 ℃ 下烘 0.5 h ,使含水率达到 10% ~ 12% 。过 60 目筛 ,取适量烟末放入样品杯中 ,取一固定重量砝码放置在样品上方 ,使其自然压实后进行近红外光谱扫描。
1.3 方法
  采用的投影及量化最近次近类分值法建立部位特征分析模型实现预测分析 ,详细算法流程如下 :
 (1) 读入各类近红外建模光谱数据 ,并进行谱区范围选择和光谱预处理 。
(2)应用基于主成分及 Fisher 准则 (PPF )方法建立投影分析模型,并保存模型中各类投影均值向量 A1 ,A2 ,A3 等 ,以及各类中所有样品投影值的标准差 S1 ,S2 ,S3 等 。
(3) 应用投影分析模型计算得到预测样品投影值 。
(4) 计算预测样品投影值向量 P 与各类投影均值(A1 ,A2 ,A3 )之间的欧氏距离 ,比较得出最近类欧氏距离 O1 ,与次近类欧氏距离 O2 。
(5) 如 O1 > 3 × S(式中 S 为 O1 对应类投影值的标准差 , S1或 S2 ,S3 ) ,则判定为超模型范围样品 ,否则转 (6) 。 (6) 计算得出两种相近部位定性结果的量化分值 ,即最近类量化分值 V 1 ,及次近类量化分值 V 2 ,计算公式为 V 1 = (1 - O1 /(O1
+ O2 )) × 100 ,V × 2 = 100 - V 1 。 (7) 依据 V 1 和 V 2 分值 ,细化定性预测结果 。若 V 1 > 67 ,则判定为对应类的典型样品 ,否则判定为最近类偏次近类样品 。
2 结果与讨论
2.1 部位特征投影聚类模型的建立与分析
  将不同部位特征的近红外光谱 ,即上部烟叶 、中部烟叶和下部烟叶 ,分别用符号 B ,C ,X 表示 ,共计 5 170 条 ,导入由中国农业大学近红外光谱分析研究实验室开发的分析软件中 ,采用 8 000 ~ 4 000 cm - 1分析谱区范围 ,光谱预处理方法采用一阶导数 15 点平滑 。应用 PPF 方法建立投影聚类模型 ,投影模型中分别采用 2 ,3 ,4 ,5 ,6 个主成分数下得到的各类之间的距离结果情况见表 1 :

 由表 1 中可以看出 ,4 ~ 5 个主成分数之间得到的各类投影均值之间的距离已达到稳定 ,在 PC 为 4 和 5 情况下得到的二维投影结果情况分别见图 1(a)和(b)(注 :图 1 中圆圈表示各类的类内离散度 ,其半径值为类内各样品投影值标准差的 2 倍) 。

 遵循相邻主成分数下得到的投影结果没有显著性差异和主成分个数尽量少的原则,推荐主成分数为 4 下建立投影分析模型 ,由图 1 投影模型的分析结果表明 ,在 2 倍标准差水平下 ,上 、下部烟叶的近红外光谱特征具有显著差别 ,基本实现完全区分 ;而中部烟叶分别与上部和下部具有一定程度重叠 ,这与部位本身具有连续性特征的实际情况相符合 。
2.2 部位特征模型的预测验证分析
  应用 1.3 中的分析方法及 2. 1 中建立的部位特征模型 ,对于 2012 在实际复烤生产加工中取得的不同部位 、不同产地的 34 个烟叶样品进行了预测分析 ,各样品的产地 、等级信息 ,以及得到的最近预测类型 、分值 ,次近预测类型 、分值 ,细化的 7 类特征描述结果和实际评吸验证评价等情况见表2 。

  

 由表 2 的分析结果可以看出 ,分析结果中没有出现超模型范围样品 ,也没有出现“上偏下”或“下偏上”等奇异类型品 ,其中 30 个样品的最近预测类型与等级名称描述的部位属性一致 , 其分析结果整体上合理可靠 。依据最近类预测分值(V 1 )和次近类预测分值(V 2 )得到的 7 类细化特征描述 ,与专家评吸进行的比对验证结果均为准确或合理 。
3 结论
(1)提出的应用投影模型及量化最近次近类分值法分析烟叶近红外光谱的部位特征 ,不仅可以实现预测样品的判别分析以及部位特征程度的量化分值 ,并且可将预测结果细化为典型上 、上偏中 、中偏上 、典型中 、中偏下 、下偏中 、典型下等 7 类或超模型范围样品 ,得到关于预测样品更丰富的属性特征信息 ,可对烟草工业企业实现原料的均值化加工和烟叶配方等提供指导 。
(2)采用的建模数据 ,来源于上海烟草集团公司技术中心 10 余年来承担国家烟草局等重大研究课题过程中收集的国内外重要烤烟产地的样品 ,数量大 ,代表性好 ,部位特征信息准确 ,所建模型具有较好的实用性 ,其分析结果对监督和改善目前烟叶收购中部位等级等信息不够准确 ,提升中式卷烟的原料质量水平等可发挥重要作用 。
(3)采用的分析方法 ,对实现其他食品或农产品的产区 、风格 、风味 、口感等类似品质属性特征的分析具有参考价值 。
(4)实现近红外定量或定性分析 ,均是基于大量样本下建立统计模型的分析 ,存在犯错风险 ,尤其是定性所采用的细化属性特征分析 ,其犯错风险更大 ,因此对其分析结果应采用“专家解读” 、“人机交互”的方式进行应用 。同时 ,所采用的最近次近距离法 ,没有考虑特征空间分布的方向性差异 ,有待进一步研究开发更合理的分析方法。

会员登录
登录
我的资料
留言
回到顶部