袁而文，严新龙，赵东辉，韩海帆



近红外透射技术在浓缩液化学质量检测中的应用研究

袁而文1，严新龙1，赵东辉1，韩海帆2

（1. 上海烟草集团太仓海烟烟草薄片有限公司技术中心，江苏 太仓 215433；2. 赛默飞世尔科技（中国）有限公司，上海 201206）

浓缩液化学质量的稳定直接影响着再造烟叶产品的质量，传统方法分析其常规化学成分费时费力，反馈相对滞后。利用近红外透射技术结合偏最小二乘法建立了造纸法再造烟叶生产过程中浓缩液烟碱（Nic）、总糖（Ts）及还原糖（Rs）定量分析模型。通过考察样本划分、光谱区域选择、光谱预处理及最佳主因子数选择等方面对模型进行不断优化，最终确定了最佳建模参数。此外，通过选取未参与建模的30组样品进行外部验证并通过T检验-成对双样本均值分析得出所建立的模型预测性及准确性较好，可以应用于浓缩液化学质量的快速检测。

近红外透射；再造烟叶浓缩液；定量分析

0 引言

近红外光（NIR）是介于可见光和中红外光之间的电磁辐射波，是人们在吸收光谱中发现的第一个非可见光区域。美国材料检测协会（ASTM）将其波长范围定为780～2526nm[1-3]。通过波长长短又可细分为近红外短波区域（780～1100nm）及近红外长波区域（1100～2526nm）。应用近红外光谱技术具有操作简单、快捷、无损、需样量少、成本低等优点，使得其在烟草行业应用中风生水起。

在造纸法再造烟叶生产工艺中，浓缩液质量的稳定直接影响着产品的质量，决定着产品的化学成分含量。目前，大多数再造烟叶公司主要是通过密度等物理指标来监控浓缩液稳定性，而浓缩液的化学指标（烟碱、总糖及还原糖等）需要通过连续流动分析法来测定其含量。但这些化学成分常规检测方法前处理较繁琐，耗时长，需要试剂多，数据反馈相对滞后，这将无法及时有效地反馈浓缩液质量状况。近红外光谱区与有机分子中含氢基团（C-H、N-H、O-H）振动的合频和倍频吸收区一致，比较适合分析与这些基团有着直接或间接关系的成分。

目前，近红外光谱分析技术已在烟草、制药、食品、化工、农业、林业等行业[4-9]都有广泛的应用。在烟草行业中对初烤烟叶、再造烟叶、烟丝成品、烟梗原料、涂布液等研究均有文献[4, 10-13]报道，而对再造烟叶工艺流程中浓缩液的应用研究鲜有报道。本文利用近红外透射技术建立了再造烟叶浓缩液中3种常规化学成分模型，并将该模型应用于化学质量检测中。通过近红外透射技术可以随时快速地监控浓缩液主要化学成分的变化情况，这为提高再造烟叶产品化学质量稳定性提供保障。

1 实验部分

1.1 实验仪器

Thermo Antaris II傅里叶变换近红外光谱仪，配置透射采样模块，Result光谱采集软件和TQ Analyst 8定量分析软件（美国Thermo Scientific公司）；Auto Analyzer AA3连续流动分析仪（德国Seal Analytical公司）；XP205 分析天平（感量：0.00001g，瑞士Mettler Toledo）；2mm内径低羟基石英比色皿；注射器。

1.2 实验材料

以一段时间生产中不同牌号、不同班别所得浓缩液样品、实验室制备样品以及混配浓缩液样品共计197个样品为建模样本。建模（校正集）样品与预测（验证集）样品第一、第二主成分得分图见图1。图1可以看出预测集样品分布较均匀，基本包含建模样品的基本信息。

1.3 测定及光谱采集

1.3.1 系列浓缩液常规化学成分测定

将所收集的系列浓缩液于冰箱中取出并用连续流动分析仪测定其常规化学数值作为参考值，方法采用烟草行业内部标准法测定其烟碱[14]、总糖[15]及还原糖[15]含量。

1.3.2 系列浓缩液光谱采集

在恒温恒湿室平衡温度至室温后，用注射器吸入适量浓缩液注于2mm内径低羟基石英比色皿，使之均匀分布，没有气泡。扫描光谱前，近红外仪预热1h，之后进行仪器的稳定性检查，相关方法可参照文献[12]。扫描参数：光谱范围4000～10000cm－1，分辨率8cm－1，扫描次数32次，浓缩液通过注射器装于2mm比色皿，置于透射采样模块中。近红外分析仪置于恒温恒湿间，温度控制在22～25℃，湿度低于60%。

2 结果与讨论

2.1 样品制备及分布

用于建立定量分析模型的样本需要有较好的代表性。为扩大数据覆盖面，实验室设计制备系列浓缩液，相关步骤如下：分别称取烟梗、碎片烟末及白肋烟片各150g，按1:10加水（75℃）浸泡30min，将所得萃取液过425mm筛，之后于旋转蒸发仪分别浓缩至密度为1.20g/cm3。将所得自制浓缩液（烟梗母液）I、自制浓缩液（烟末母液）II及自制浓缩液（白肋烟母液）III按不同配比混合制成不同浓缩液。此外，还将自制浓缩液母液与现场浓缩液按不同比例混配。将所得样品编号并用棕色玻璃瓶贮存于冰箱待用。

本实验样本来源主要分为3部分。以现场生产所得浓缩液为主，其次为实验室按不同比例混配浓缩液样品以及少量其它与现场浓缩液混配样品。系列浓缩液样品经流动分析仪测定后，常规化学成分指标、样品数（校正集与验证集）、含量范围、均值及SD（标准偏差）值列于表1中。

图1 建模、预测样品近红外透射光谱的第一、第二主成分得分图

表1 系列浓缩液常规化学成分分布

从表1中可以看出：各模块（Nic、Ts及Rs）验证集样品含量均在校正集覆盖范围内。

样本分布范围较广，验证集样品均值及SD值与校正集样品相当，所取验证集样品分布均匀，这与图1所示样本主成分得分图信息吻合。

2.2 校正集选择

校正集是建立定量模型的基础，校正集的选取对于模型至关重要。选取校正集样品分布要广，样品的光谱特性及化学数值能涵盖待测所有样品，且在浓度范围内分布均匀，对于待测样品具有很好的代表性[16]。目前，校正集选择主要有浓度梯度法、随机法、KS法（Kennard-Stone）、SPXY法（Sample set Partitioning based on jointX-Y distance）以及Duplex法等[17]。

本实验创造性地采用主成分得分图（Principal Component Scores）结合随机法选取校正集与验证集样品。首先，将所得197个系列浓缩液样品全部作为校正集样品用于建模，之后作出样本近红外透射光谱的第一、第二主成分得分图。之后，在样本得分图中随机选取一定数量的样本用于校正集及验证集，每次选择完之后建立新的模型并比较其校正性能及预测性能，直到选取后模型Corr. Coeff.（相关系数）、RMSEC（校正均方差）、RMSEP（预测均方差）、RMSECV（交叉验证均方差）数值最为理想为止。相关模块校正集与验证集划分见表1。

2.3 光谱区域选择

光谱建模区域选择直接影响模型的预测性能及稳定性。传统观点认为近红外结合偏最小二乘法（PLS）建模具有较强的抗干扰能力，可以选取全波段区域建立定量模型。随着对PLS法的深入研究及应用，人工特别筛选光谱区域建模，剔除一些不相干或非线性变量可以得到预测能力更强、稳健性更好的模型[18]。

本实验通过近红外光谱仪采集样品透射光谱，并与其对应常规化学成分数值（参考值）结合偏最小二乘法（PLS）建立烟碱（Nic）、总糖（Ts）及还原糖（Rs）含量近红外透射初始模型。图2为系列浓缩液原始近红外透射光谱图。

从图2中可以看出，系列浓缩液原始近红外透射光谱在4000～7500cm－1区间信号较明显，特别地，在1440nm（6944.4cm－1）及1940nm（5154.6cm－1）附近有明显的峰，两处峰分别为水分子的O-H伸缩振动的一级倍频及组合频吸收[1, 19-20]。在5000～5500cm－1波段内，由于溶剂水的强吸收造成谱图出现平头峰，因此，建模时为避免水的强吸收对模型的干扰而不考虑这一波段。本实验通过人工选择不同光谱区域建立定量模型（以Nic为例），结果如下表2所示。通过综合比较，选择4200～5000cm－1&5500～7500cm－1区域建模效果最佳。

图2 系列浓缩液原始近红外透射光谱图

2.4 模型优化

选定光谱建模区域后，可以通过对光谱进行预处理、异常样品剔除及最佳因子数选择对模型进行优化[21-23]。光谱预处理主要可以通过求导以及平滑来消除基线和其它背景的干扰，提高分辨率和灵敏度。通过TQ Analyst软件中的Leverage（杠杆值）及Spectrum Outlier（光谱异常）辨别异常样品并将其剔除。主成分过多时，或对模型造成“过拟合”现象；而主成分过少时，信息提取不充分，不能完全反应样品的光谱特性[17]。通过考察验证均方根误差（RMSECV）与主因子数（Factor）的关系，可以确定最佳主因子数。不同预处理方法所得模型的各项指标见表3（以Nic为例），各模型的最佳主因子数确定见图3（以Nic为例），其他模型与之类似。综合各项指标，最终Nic模型选择一阶导数＋Norris平滑对浓缩液样品进行建模（一阶导数光谱图未列出），Ts及Rs模型采用原始光谱进行建模。各模型最佳主因子数确定均为10。

表2 光谱区域对建模结果的影响

* Corr.Coeff.如未作特殊说明，均指的是校正集相关系数

表3 光谱不同预处理方法对模型的影响

图3 Nic RMSECV 与主因子数的关系

2.5 模型建立

通过合理的样本集划分、光谱区域选择及模型优化，烟碱（Nic）、总糖（Ts）及还原糖（Rs）谱区范围选择4200～5000cm－1& 5500～7500cm－1；光谱预处理方式分别为一阶＋Norris平滑（3:3），原始光谱，原始光谱；且均选择10作为最佳主因子数建立近红外透射定量模型。建模结果见表4。

2.6 定量模型验证结果

选定适宜建模参数后，可以通过未参与建模的样品对模型作外部验证。本文分别随机挑选未参与建模的样品30个，通过模型分别预测其常规化学数值（预测值）并与其流动分析测定值（参考值）对比，相关数据见表5。

表4 浓缩液3种常规化学成分建模结果

为了直观地表示校正及验证结果，系列浓缩液3种常规化学成分误差分布图见图4～图6。

表5 模型外部验证预测值与参考值比较

图4 Nic误差分布图

图5 Ts误差分布图

图6 Rs误差分布图

从图4～图6可以看出，选定合适的建模参数后，校正集与验证集样品与参考值的偏差较小，误差分布均匀。而且校正集及预测集相关系数均在0.97以上。模型通过外部验证得出3种模型平均相对偏差分别为3.35%、2.5%及2.63%（数据见表5）。进行检验-成对双样本均值分析得出NIR法与流动分析法得到的结果没有显著性差异（查分布表，当显著水平＝0.05，自由度＝29时，0.05,29＝2.045），综上看来3种模型预测准确度较理想。

3 结论

综上，为了研究近红外透射技术在浓缩液化学质量检测中的适用性，分别从样本划分、光谱区域选择、光谱预处理及最佳主因子数选择等方面对模型进行不断优化，最终确定了最佳建模参数，所得模型预测效果较好。通过随机选择30组未参与建模的样本对模型进行外部验证得出烟碱（Nic）、总糖（Ts）及还原糖（Rs）模型平均相对偏差为3.35%、2.5%及2.63%，RPD值分别为5.39、4.21及4.12。且通过T检验-成对双样本均值分析得出近红外透射光谱技术与常规流动分析法两者无显著性差异，这表明，所建立的模型预测性及稳健性较好，近红外透射光谱技术在再造烟叶浓缩液常规化学成分的快速测定中具有广阔的应用前景。

[1] 陆婉珍. 现代近红外光谱分析技术[M]. 2版, 北京: 中国石化出版社, 2006: 13-14.

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

[2] 毕卫红, 许峰, 吕超. 水果含糖量近红外检测系统及实验[J]. 红外技术, 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] 刘国珍, 陈祖刚, 李丹, 等. 近红外光谱分析技术进展及其在烟草行业中的应用[J]. 烟草科技, 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] 张建平, 谢雯燕, 束茹欣, 等. 烟草化学成分的近红外快速定量分析研究[J]. 烟草科技, 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, 杨悦武, 郭治昕, 等. 近红外光谱在中药质量控制中的应用[J]. 中草药, 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] 杜振辉, 齐汝宾, 张慧敏, 等. 近红外光谱定量检测丙烷和异丁烷[J]. 天津大学学报, 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] 徐慧荣, 应义斌. 近红外图像和光谱分析技术在农产品品质无损检测中的应用与展望[J]. 浙江大学学报, 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] 龚玉梅, 张炜. 近红外光谱检测技术及其在林业中的应用[J]. 光谱学与光谱分析, 2008, 28(7): 1544-1547.

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

[10] 王维妙, 葛炯, 张建平. 近红外透射法预测再造烟叶中的5种主要化学成分[J]. 烟草科技, 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] 马翔, 温亚东, 王毅, 等. 傅里叶变换近红外光谱在制丝线上的应用[J].烟草科技, 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, 严新龙, 赵东辉. 烟梗原料4种常规化学组分的近红外快速分析[J]. 红外技术, 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] 王保兴, 李晓亚, 刘维涓, 等. AOTF-NIR快速检测再造烟叶涂布液主要化学指标[J]. 烟草科技, 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] 国家烟草专卖局. 烟草及烟草制品总植物碱的测定连续流动法YC/T 160-2002[S]. 北京: 中国标准出版社, 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] 国家烟草专卖局. 烟草及烟草制品水溶性糖的测定连续流动法YC/T 159-2002[S]. 北京: 中国标准出版社, 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] 张林帅, 邢军, 谷运红, 等. 烟草近红外光谱分析结果影响因素综述[J]. 安徽农业科学, 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] 韩海帆, 张路, 张淹, 等. NIRS法快速测定复方阿胶浆中总黄酮、总皂苷和可溶性固形物[J]. 中草药, 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, 陆婉珍. 近红外分析中光谱预处理及波长选择方法进展与应用[J]. 化学进展, 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, 代涛, 汪学楷, 等. 栀子提取和纯化过程的近红外光谱快速检测方法[J]. 四川大学学报:工程科学版, 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] 练文柳, 吴名剑, 孙贤军, 等. 不同预处理方法对烟草近红外光谱预测模型的影响[J]. 烟草科技, 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] 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: 113-266.

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

[23] 何智慧, 罗嘉, 练文柳, 等. 傅里叶变换近红外技术测定卷烟烟碱的释放量[J].红外技术, 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，汉族，江西吉安人，研究生，助理工程师，研究方向为再造烟叶的化学分析，NIR的定量分析应用，Email：yuanerwen@163.com。