摘要：[目的] 探讨近红外光谱法快速测定烟草中的常规化学成分含量。[方法] 采用近红外光谱技术，选取单品种样品681个，结合偏最小二乘法（ PLS） ，定量分析了烟草中总氯、烟碱、总钾、总糖、还原糖及总氮含量，并用实际样品对模型进行了验证。[结果]使用偏最小二乘法（PLS）为建模方法，建立了烟草中6种常规化学成分：总氯、烟碱、总钾，总糖、还原糖及总氮的近红外预测模型。6种组分最佳PLS预测模型的相关系数r分别为0.977 4、0.992 7、0.982 1、0.986 0、099 1和0.975 0。交叉检验的均方差（RMSECV） 分别为0.057、0.126、0.160、1.170、0.994和0.127。 [结论] 所建模型精密度良好，近红外光谱法与行业标准方法所测值不存在显著差异，近红外光谱模型可以快速预测烟草中总氯、烟碱、总钾、总糖、还原糖及总氮的含量。
关键词：近红外光谱;烟草;化学成分
中图分类号 S572 文献标识码
A 文章编号 0517-6611（2015）02-286-03
Determination of Routine Chemical Components in Tobacco with Fourier Transform Near-infrared
ZHANG Zhao， GE Shao-lin， SHE Shi-ke* et al （Research and Development Center， China Tobacco Anhui Industrial Co. Ltd.， Hefei， Anhui 230088）
Abstract [Objective] To discuss routine chemical components in tobacco with fourier transform near-infrared method. [Method] Selecting 681 samples， partial least squares （PLS） was used to forecast the contents of total chlorine， nicotine， total potassium， total sugar， reducing sugar and total nitrogen in tobacco. [Result] The correlation coefficients for these 6 components were 0.977 4， 0.992 7， 0.982 1， 0.986 0， 0.991 1 and 0.975 0， respectively. The root mean square error of cross validation（ RMSECV） were 0.057， 0.126， 0.160， 1.170， 0.994 and 0.127， respectively. The accuracy of the model was satisfactory. [Conclusion] The results showed that the two methods have no significant difference. It could be used to determine the contents of total chlorine， nicotine， total potassium， total sugar， reducing sugar and total nitrogen in tobacco rapidly.
Key words FT-NIR spectroscopy; Tobacco; Chemical components
基金项目 安徽中烟工业有限责任公司科技项目。
作者简介 张朝（1985- ），男，河北保定人，工程师，硕士，从事烟草化学分析研究。*通讯作者，工程师，从事烟草有害成分分析研究。
收稿日期 2014-11-20
近红外光（简称NIR）是介于可见光和中红外光之间的电磁波，波长范围为780～2 526 nm（12 800～3 959 cm-1）。近红外光谱区的信息主要是分子内部原子间振动的倍频与合频的信息，几乎包括有机物中所有含氢基团（如C-H、O-H、N-H和C=O等）的信息 [1]。烟草中的大多数有机化合物如烟碱、氮、总糖、还原糖、钾、氯、蛋白质、水分等都含有各种含氢基团，所以通过对烟叶的红外光谱分析可以测定这些成分的含量[2]。近红外区光谱的吸收强度低、谱带复杂，无法使用经典定量方法，而需借助计量学中的多元统计、曲线拟合、聚类分析等方法定标，将其所含的信息提取出来。结合合适的模型，可实现快速多组分分析[3]。
烟草常规化学成分：总氯、烟碱、总钾，总糖、还原糖及总氮等是烟草品质评价和配方设计中不可缺少的指标。目前，行业内主要采用流动分析法进行检测，通常需要花费大量的时间精力及试剂、经费。NIR光谱技术分析过程简单快速，可同时检测多种成分，现已广泛应用于医药、食品、化工等领域[4-5]。近些年来，国内烟草研究人员采用NIR法预测了烟草中的多种化学成分的含量，使其得到广泛的运用[6-8]。笔者采用近红外光谱技术，选取单品种样品681个，结合偏最小二乘法（PLS） ，定量分析了烟草中总氯、烟碱、总钾，总糖、还原糖及总氮含量，并用实际样品对模型进行了验证。
1 材料与方法
1.1 材料 样品：由安徽中烟所属各卷烟厂原料库提供，样品总数681个，随机抽取30个样品用于模型预测，其余的651个参与建立模型。所有烟叶原料经旋风磨粉碎，过60目筛，放入密封瓶中备用。主要仪器及工作参数：
Bruker公司（德国）MPA型傅立叶变换近红外光谱仪，配备漫反射积分球和样品旋转器，谱区采集范围为12 000～4 000 cm-1，光谱分辨率为8 cm-1，扫描次数为64次（约30 s），Windows XP 操作系统。
1.2 方法
利用OPUS软件采集材料样品的光谱：将样品均匀填充入石英杯中至3～4 mm处，用压样器轻压至平，设置样品名称及其采样次数，先进行背景光谱扫描，再采集光谱图。建立模型样品的化学成分数据由AⅢ连续流动分析仪依据烟草行业标准测试所得。使用OPUS软件中的QUANT-2定量分析软件包（PLS）对模型进行优化和处理。
1.3 模型评价
以内部交叉验证建立校正模型，评价模型性能优劣的指标为实际值与预测值相关系数（r）和内部交叉验证均方差（RMSECV）。
2 结果与分析
2.1 模型异常值的剔除
异常值是指远离模型整体的数据，判断和剔除这类数据，一是采用马氏距离，设定显著性水
表1 近红外模型的相关数理指标
平（0.05），通过Dixon检验来剔除;二是通过杠杆值来考察对模型的影响，结合杠杆值与学生化残差值等指标联合诊断，逐步剔除。
2.2 预测模型的建立
采用内部交叉验证PLS算法，在
图1 总氯化学测量值模型预测值散点图
图2 烟碱化学测量值模型预测值散点图
图3 总钾化学测量值模型预测值散点图
4 030～9 000 cm-1谱段进行建模，光谱分辨率8 cm-1。6种化
学成分的近红外校正模型的有关数据指标如表1所示。最终所得总氯、烟碱、总钾、总糖、还原糖及总氮的化学测量值与模型预测值的散点图如图1～6所示。
图4 总糖化学测量值模型预测值散点图
图5 还原糖化学测量值模型预测值散点图
图6 总氮化学测量值模型预测值散点图
表2 近红外模型的精密度试验%
2.3 模型精密度的考察 在相同试验条件下，随机抽取2个样品，每个样品进行10次扫样，结果如表2所示，相对标准偏差RSD均小于4%，说明模型具有良好的精密度。
2.4 行业标准方法与近红外方法比较 在相同试验条件下，随机抽取30个样品，采用行业标准方法与NIR光谱模型进行测定，2种方法测定烟草中总氯、烟碱、总钾，总糖、还原糖及总氮含量的相对偏差如表3所示，除总氯成分以外，其他成分相对偏差均<5%，满足常规化学成分分析要求，说明所建模型测定结果准确度较好。
表3 2种方法测得样品中主要化学成分%
3 讨论
试验利用NIR光谱技术对快速检测烟草常规化学成分进行了研究，得到烟草中总氯、烟碱、总钾，总糖、还原糖及总氮含量的最佳预测模型。经实际样品验证，NIR光谱技术测得值与参考方法比较，除去总氯以外，其他成分相对偏差均<5%，不存在显著差异，表明模型准确可靠。2种方法总氯含量的测定值相对偏差略高于其他几种成分，但亦满足烟草中氯的分析要求。用NIR方法分析时样品不需前处理且测定速度快，适于大批量样品的快速测定，可将其应用于烟草中的常规化学成分的快速测定。
参考文献
[1] MURRAY I，AUCOTT L S，PIKE I H.Use of Discriminant analysis on visible and near infrared reflectance spectra to detect adulteration of fishmeal with meat and bone meal[J]. Near Infrared Spetroscopy，2001，9（4）：297-311.
[2] WAHLBY U，SKJODEBRAND C.NIR-measurements of moisture changes in foods[J].Food engineering，2001，47（4）：303-312.
[3] 陆婉珍，袁洪福，徐广通.现代近红外光谱分析技术[M].北京：中国石油化工出版社， 2000：10-12，71-73.
[4] 付秋娟，申国明，高春亮，等.FT-NIR 法预测陈化烟叶的淀粉、多酚和色素含量[J].烟草化学，2009（8）：38-41.
[5] 赵琛，瞿海斌，程翼宇.虫草氨基酸的人工神经网络-近红外光谱快速测定方法[J].光谱学与光谱分析，2004，24（1）：50-53.
[6] 张朝平，刘太昂，葛炯，等.支持向量回归算法在 NIR 光谱法预测烟草淀粉中的应用[J].烟草科技，2009（10）：41-44.
[7] 邱军，王允白，张怀宝，等. 烟草中淀粉、石油醚提取物的近红外光谱分析模型研究[J].分析化学，2006，34（4）：588.
[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，2006，12（2）：8-12.
推荐访问： 测定 烟草 含量 常规 化学成分