煙草化學成分AOTF-近紅外在線模型轉(zhuǎn)移研究

王大鋒, 何育萍, 董海平, 鄒振民, 樊亞玲, 何智慧

?

煙草化學成分AOTF-近紅外在線模型轉(zhuǎn)移研究

王大鋒1, 何育萍1, 董海平2, 鄒振民2, 樊亞玲1, 何智慧*2

(1. 陜西中煙工業(yè)有限責任公司, 陜西 西安, 710065; 2. 濟南金宏利實業(yè)有限公司, 山東 濟南, 250000)

AOTF-近紅外光譜儀采用全密封固化設(shè)計, 沒有任何可移動部件, 不受溫度、濕度、灰塵等外界環(huán)境的影響, 其設(shè)計特點適合在線檢測. 建立的近紅外光譜模型可以在多臺近紅外光譜儀之間轉(zhuǎn)移, 研究工作中采用直接矯正法來修正原模型光譜信息, 提高信號的信噪比和復雜背景的校正, 進行模型轉(zhuǎn)移. 轉(zhuǎn)移后的煙草化學成分總糖、煙堿、氯在線檢測模型的決定系數(shù)分別為0.933 6、0.896 1、0.931 0. 隨機采集17個樣品, 用轉(zhuǎn)移后的模型預(yù)測, 總糖、煙堿、氯的平均相對標準偏差分別為3.19%、3.76%、5.00%, 完全能夠滿足煙草工業(yè)在線檢測需要.

聲光可調(diào)濾波器; 近紅外光譜技術(shù); 直接矯正法; 模型轉(zhuǎn)移

近紅外光譜技術(shù)作為一種綠色、無損、無污染、快速檢測技術(shù)已經(jīng)在煙草、農(nóng)業(yè)、食品、醫(yī)藥等行業(yè)得到廣泛應(yīng)用[1—3]. 在國內(nèi)煙草行業(yè)中, 云南紅塔集團采用在線傅立葉變換近紅外光譜儀采集制絲線上的煙絲光譜, 建立了在線煙絲含水率、總植物堿、總糖和總氮的數(shù)學模型[4]; 湖南中煙工業(yè)有限公司通過近紅外技術(shù)在線檢測了打葉復烤過程中的煙葉化學成分, 建立了評價成品片煙質(zhì)量一致性水平的工藝指標以及處理質(zhì)量問題的工藝辦法[5]; 云南瑞升煙草技術(shù)有限公司采用聲光可調(diào)近紅外光譜技術(shù), 結(jié)合偏最小二乘法, 建立了造紙法再造煙葉中煙堿、總糖、還原糖、鉀和氯在線預(yù)測模型, 實現(xiàn)了再造煙葉產(chǎn)品主要化學組分的在線監(jiān)控[6].

近紅外在線模型前期需要投入大量的人力、物力及較長時間建立模型, 不同儀器之間, 模型需要轉(zhuǎn)移之后才能很好應(yīng)用. 模型轉(zhuǎn)移常用的方法有DS(直接矯正)法[7]、Shenk’s算法[8]、PDS(分段直接校正)算法[9]、小波變換[10]等. 研究中使用Brimrose公司設(shè)計的模型轉(zhuǎn)移軟件Transcal, 采用直接矯正法研究了煙草主要化學成分近紅外模型的轉(zhuǎn)移.

1 材料和方法

1.1 儀器和樣品

儀器: 近紅外光譜儀(Luminar 4030, Brimrose公司, 美國), 主要部件: 光學部分、控制部分、電源適配器、工作站, 檢測器為InGaAs, 波長范圍為1 100 ～2 300 nm, 波長增量2 nm, 掃描速度為16 000波長點/秒; 光譜采集軟件(SNAP32, Brimrose公司, 美國); 化學計量學分析軟件(The Unsc- rambler 7.8, Camo公司, 挪威); 模型轉(zhuǎn)移軟件(Transcal 1.2, Brimrose公司, 美國).

樣品: 與近紅外光譜掃描同步動態(tài)在線取片煙樣品50個, 采用Skalar間隔式流動分析方法分析樣品化學成分數(shù)據(jù). 化學成分數(shù)據(jù)采用質(zhì)量百分數(shù)表示.

1.2 模型轉(zhuǎn)移和驗證

近紅外光譜模型轉(zhuǎn)移采取逐個指標轉(zhuǎn)移, 用新儀器動態(tài)在線掃描50個片煙樣品光譜, 將對應(yīng)的化學值數(shù)據(jù)導入Unscrambler軟件, 兩臺儀器的Unscrambler數(shù)據(jù)表格通過軟件轉(zhuǎn)換為Dx1格式, 運行Transcal 軟件, 將原有模型數(shù)據(jù)轉(zhuǎn)化為可在新儀器上使用的文件, 將轉(zhuǎn)化后的文件導入Unscrambler軟件重新計算出新模型, 完成模型轉(zhuǎn)移.

采用外部驗證法對轉(zhuǎn)移后的模型的預(yù)測能力進行驗證. Luminar 4030近紅外光譜儀調(diào)整為手動光譜采集模式, 現(xiàn)場隨機采集17個片煙樣品的光譜, 預(yù)測化學成分數(shù)據(jù), 并與實驗室間隔式流動分析方法檢測的化學成分數(shù)據(jù)比較, 計算出相對偏差; 平均相對偏差等于相對偏差絕對值求和除以樣品數(shù).

2 結(jié)果與討論

2.1 模型轉(zhuǎn)移

動態(tài)在線掃描50個片煙樣品近紅外光譜, 采用Skalar間隔流動分析儀檢測總糖、煙堿、氯含量, 用Unscrambler定量分析軟件對近紅外光譜和一級數(shù)據(jù)進行關(guān)聯(lián), 建立的總糖、煙堿、氯校正樣品集的模型數(shù)據(jù)分別為Tsu12、Nic12、Cl12. 用校正樣品集的光譜數(shù)據(jù)Tsu12、Nic12、Cl12校正原有模型數(shù)據(jù)Tsu1、Nic1、Cl1, 得到新模型數(shù)據(jù)Tsu、Nic、Cl, Transcal操作界面如圖1所示, 導入Unscrambler用PLS算法重新計算數(shù)據(jù), 得到的新模型近紅外預(yù)測值和化學值散點圖如圖2—4所示.

圖1 Transcal1.2模型數(shù)據(jù)校正操作界面

圖2 轉(zhuǎn)移后總糖模型近紅外預(yù)測值和化學值散點圖

圖3 轉(zhuǎn)移后煙堿模型近紅外預(yù)測值和化學值散點圖

圖4 轉(zhuǎn)移后氯模型近紅外預(yù)測值和化學值散點圖

從圖2—4可以看出, 在線片煙近紅外光譜總糖、煙堿、氯模型有很好的相關(guān)性, 決定系數(shù)分別為0.933 6、0.896 1、0.931 0. 原有模型中化學值數(shù)據(jù)分布不均勻, 說明模型建立時樣品的代表性不強, 進一步補充有代表性的數(shù)據(jù), 模型可以得到更好的決定系數(shù), 模型更加穩(wěn)健, 預(yù)測誤差會更加小.

2.2 模型外部驗證

采用外部驗證法對模型的預(yù)測能力進行驗證. 現(xiàn)場隨機采集17個片煙樣品的近紅外光譜, 調(diào)用轉(zhuǎn)移后的模型預(yù)測各化學成分, 將預(yù)測結(jié)果與實驗室化學值數(shù)據(jù)對比分析, 預(yù)測結(jié)果及相對偏差見表1.

表1 轉(zhuǎn)移后的總糖、煙堿、氯近紅外光譜模型預(yù)測結(jié)果

從表1可以看出, 總糖、煙堿、氯的預(yù)測結(jié)果較為理想, 誤差分布合理, 對17個樣品結(jié)果, 計算出平均相對標準偏差分別為3.19%、3.76%、5.00%, 能夠完全滿足生產(chǎn)實際需要.

3 結(jié)語

采用直接矯正法來修正原模型光譜信息, 提高信號的信噪比和復雜背景的校正, 進行模型轉(zhuǎn)移, 轉(zhuǎn)移后的模型參數(shù)合理, 具有很好的預(yù)測效果. 轉(zhuǎn)移后的模型包含了樣品狀態(tài)、條件、儀器性能、分析時間等信息, 在一定條件下, 模型受儀器性能變化、檢測條件, 及樣品狀態(tài)等差別的影響較小. 隨著時間、空間、條件的變化, 這些干擾因素不斷增加, 需要進一步提高模型的穩(wěn)定性, 近紅外光譜預(yù)測模型的長期維護在生產(chǎn)工作中具有重要的實際意義.

[1] Filho P A da C, Volery P. Broad-based versus specific NIRS calibration: Determination of total solids in fresh cheese[J]. Anal Chim Acta, 2005, 544: 82—88.

[2] 陸婉珍, 袁洪福, 徐廣通, 等. 現(xiàn)代近紅外光譜分析技術(shù)[M]. 北京: 中國石化出版社, 2000.

[3] He Z H, Lian W L, Wu M J, et alDetermination of tobacco constituents with acousto-optic tunable filter-near infrared spectroscopy[J].J Near Infrared Spectrosc, 2006, 14: 45—50.

[4] 馬翔, 溫亞東, 王毅, 等. 傅立葉近紅外光譜儀在煙草制絲線上的應(yīng)用[J]. 煙草科技, 2007(3): 16—18.

[5] 杜文, 易建華, 黃振軍, 等. 打葉復烤煙葉化學成分在線檢測和成品質(zhì)量控制[J]. 中國煙草科學, 2009, 15(1): 1—5.

[6] 王保興, 鄒振民, 劉維涓, 等. 再造煙葉主要化學組分的AOTF-NIR在線監(jiān)測[J]. 煙草科技, 2011(1): 48—51.

[7] Despagne F, Massart D L, Jansen M, et alIntersite transfer of industrial calibration models [J]. Anal Chim Acta, 2000, 406: 233—245.

[8] US Pat 4866644. Shenk J S & Westerhaus M O[P].

[9] Wang Y, Veltkamp D J, Kowalski B R. Multivariate Instrument Standardization[J]. Anal Chem, 1991, 63: 2750—2756.

[10] 田高友, 褚小立, 袁洪福, 等. 小波變換-分段直接校正法用于近紅外光譜模型傳遞研究[J]. 分析化學, 2006, 34(7): 927—932.

Model transfer of on-line AOTF-NIR tobacco chemical composition models

WANG Da-feng1, HE Yu-ping1, DONG Hai-ping2, ZOU Zhen-min2, FAN Ya-ling1, HE Zhi-hui2

(1. China Tobacco Shaanxi Industrial Co. Ltd, Xi’an 710065, China; 2. Jinhongli Industrial Co. Ltd, Jinan 250000, China)

The AOTF-NIR Spectrometer with fully sealed curing design, no removable parts, regardless of temperature, humidity, dust, and other environmental impact, was suitable for online testing and application in the industrial field. The near-infrared spectral model of tobacco chemical composition can be transferred between multiple near-infrared spectrometers with direct standardization method to regulate the original model spectral information, to improve the signal-to-noise ratio and to amend the complex background. The coefficients of determination of total sugar, nicotine and chlorine model were 0.933 6, 0.896 1, 0.931 0, respectively after transfer. The average relative standard deviation of model prediction of total sugar, nicotine and chlorine model after transfer were 3.19%, 3.76%, 5.00%, respectively which verified by 17 samples randomly. The new model was suitable for testing on-line in tobacco industrial

acousto-optic tunable filter; near-infrared spectroscopy; direct standardization; model transfer

10.3969/j.issn.1672-6146.2013.01.019

O 657.33

1672-6146(2013)01-0078-04

email: dennishe@sdu.edu.cn.

2012-11-02

(責任編校:譚長貴)