用近紅外光譜和特征指標(biāo)判別國(guó)產(chǎn)白肋煙產(chǎn)地及部位間相似性

馬雁軍，李雪瑩，馬莉，杜國(guó)榮，丁睿，黃越，王允白，張義志，周駿，李軍會(huì)

1上海煙草集團(tuán)有限責(zé)任公司，技術(shù)中心北京工作站，北京，通州區(qū)萬盛南街99號(hào)，101121；2中國(guó)農(nóng)業(yè)大學(xué)，信息與電氣工程學(xué)院，北京，海淀區(qū)清華東路17號(hào)，100083；3中國(guó)農(nóng)業(yè)科學(xué)院煙草研究所，質(zhì)量安全研究中心，青島市科苑經(jīng)四路11號(hào)，266101

用近紅外光譜和特征指標(biāo)判別國(guó)產(chǎn)白肋煙產(chǎn)地及部位間相似性

馬雁軍1，李雪瑩2，馬莉1，杜國(guó)榮1，丁睿3，黃越1，王允白3，張義志3，周駿1，李軍會(huì)2

1上海煙草集團(tuán)有限責(zé)任公司，技術(shù)中心北京工作站，北京，通州區(qū)萬盛南街99號(hào)，101121；2中國(guó)農(nóng)業(yè)大學(xué)，信息與電氣工程學(xué)院，北京，海淀區(qū)清華東路17號(hào)，100083；3中國(guó)農(nóng)業(yè)科學(xué)院煙草研究所，質(zhì)量安全研究中心，青島市科苑經(jīng)四路11號(hào)，266101

以不同產(chǎn)地、等級(jí)的國(guó)產(chǎn)白肋煙和馬里蘭煙為試驗(yàn)對(duì)象，選取具有代表性特征的上部和中部樣品49份，測(cè)定其近紅外光譜和煙草特征指標(biāo)，用一階導(dǎo)數(shù)和平滑處理光譜后再進(jìn)行歸一化處理，各指標(biāo)檢測(cè)值也進(jìn)行歸一化處理，然后采用PPF( Projection of Basing on Principal Component and Fisher Criterion)投影方法分析樣品間部位和產(chǎn)地的相似性。結(jié)果表明：1）近紅外光譜和特征指標(biāo)兩條途徑均可判別煙葉部位與產(chǎn)地；2）根據(jù)方差貢獻(xiàn)率，最能體現(xiàn)部位特征的因素是生物堿和亞硝胺指標(biāo)，最能體現(xiàn)產(chǎn)地特征的因素是亞硝胺指標(biāo)；3）相似性判定可用于工業(yè)等級(jí)間替代和配方微調(diào)。

近紅外光譜；煙草特征指標(biāo)；白肋煙；產(chǎn)地；部位

白肋煙和馬里蘭煙不僅是混合型卷煙與雪茄煙的重要原料[1]，也是新型煙草制品中口含煙和嘴嚼煙的重要原料。因種植環(huán)境條件不同，同品種同部位的煙葉在不同產(chǎn)區(qū)，其感官質(zhì)量和內(nèi)在品質(zhì)所彰顯出特征各異[2]，不同部位間的差異更為明顯，制約著工業(yè)高效應(yīng)用，研發(fā)一種準(zhǔn)確快速判別部位等級(jí)間相似性與可替代的方法尤為重要[3]。

在食品[4-5]、石油[6]、醫(yī)藥[7]、煙草[8]等行業(yè)廣為應(yīng)用的近紅外光譜技術(shù)，因其譜圖中包含豐富的C-H、N-H、O-H等官能團(tuán)，顯現(xiàn)出與物質(zhì)本身化學(xué)成分綜合信息直接或間接的相關(guān)，故代表性強(qiáng)。同類光譜間存在一定相似性，異類光譜存在一定差異性，定性判別煙葉樣品近紅外光譜間的相似性和差異性，其分析結(jié)果可用來確定樣品的歸屬[9-10]。張?chǎng)蔚萚11]基于主成分分析的馬氏距離判別樣品的紅外及近紅外光譜，認(rèn)為兩種光譜均可良好識(shí)別煙葉部位，近紅外光譜識(shí)別效果更好。施豐成等[12]用四個(gè)產(chǎn)區(qū)烤煙樣品的近紅外光譜，運(yùn)用PLS-DA算法研發(fā)了烤煙產(chǎn)地的分類判別模型，可有效識(shí)別煙葉產(chǎn)地。

目前，多數(shù)文獻(xiàn)應(yīng)用近紅外光譜技術(shù)來建立煙草中常規(guī)化學(xué)成分定量分析模型，研究定性判別模型方面的文章較少，且與工業(yè)企業(yè)實(shí)際生產(chǎn)關(guān)聯(lián)較少。本文基于近紅外光譜判別白肋煙和馬里蘭煙各等級(jí)間相似性，結(jié)果可用于工業(yè)企業(yè)各等級(jí)間替代，使用各指標(biāo)檢測(cè)值判別各等級(jí)間相似性結(jié)果可指出關(guān)鍵指標(biāo)間的差異，為配方的微調(diào)提供依據(jù)。

1 材料與方法

1.1 材料與儀器

試驗(yàn)樣品為2012年和2013年湖北、四川、云南、重慶的白肋煙煙葉樣品，共49份。其中，上部樣品19份，中部樣品30份；不同產(chǎn)地的樣品：湖北恩施17份，湖北宜昌15份，四川8份，云南4份，重慶5份；其中每份樣品重復(fù)取樣測(cè)試近紅外光譜3次。說明：國(guó)內(nèi)現(xiàn)只有湖北宜昌地區(qū)種植馬里蘭煙，因白肋煙是馬里蘭煙的一個(gè)變種，兩者具有較多的遺傳相似性，又均為混合型卷煙重要原料，故放在一起研究相似性。

儀器設(shè)備為MPA型傅立葉變換近紅外光譜儀(德國(guó)Bruker公司)。工作參數(shù)：光譜采集范圍12000～3500cm-1；光譜分辨率：8cm-1；掃描次數(shù)：64次。

1.2 方法

1.2.1 樣品的近紅外光譜采集方法

取煙末樣品25g左右放入樣品杯，在樣品上方放置壓樣器，自然壓緊，利用積分球漫反射進(jìn)行光譜測(cè)量，采集煙末樣品的近紅外光譜，每個(gè)樣品重復(fù)裝樣、掃描3次；并且在兩臺(tái)近紅外光譜儀器上分別采集光譜，經(jīng)對(duì)比分析，不同儀器之間的所有光譜分析結(jié)果基本一致，本文以其中一臺(tái)儀器的數(shù)據(jù)分析結(jié)果進(jìn)行論述。

1.2.2 樣品的化學(xué)指標(biāo)和感官質(zhì)量指標(biāo)的標(biāo)準(zhǔn)檢測(cè)方法

本文采用的感官質(zhì)量指標(biāo)、化學(xué)指標(biāo)及換算比值見表1。

表1中共計(jì)65個(gè)指標(biāo)：9個(gè)感官質(zhì)量指標(biāo)，28個(gè)化學(xué)指標(biāo)，28個(gè)換算值，各指標(biāo)采用的標(biāo)準(zhǔn)檢測(cè)方法見表2。

表1 感官質(zhì)量指標(biāo)、化學(xué)指標(biāo)及換算比值Tab.1 Sensory quality index, chemical index and conversion ratio

表2 白肋煙樣品中化學(xué)指標(biāo)和感官質(zhì)量指標(biāo)采用標(biāo)準(zhǔn)檢測(cè)方法Tab.2 Standard test methods for chemical and sensory quality indexes of burley tobacco

1.2.3 近紅外光譜數(shù)據(jù)與特征指標(biāo)數(shù)據(jù)的分析處理方法

將掃描得到的近紅外光譜，進(jìn)行一階求導(dǎo)和S.G.平滑預(yù)處理[14]，歸一化處理后應(yīng)用PPF投影分析方法，分別對(duì)白肋煙煙葉產(chǎn)地與部位進(jìn)行相似性分析。

對(duì)37個(gè)化學(xué)指標(biāo)和感官質(zhì)量指標(biāo)及28個(gè)計(jì)算指標(biāo)的檢測(cè)數(shù)據(jù)，采用歸一化處理后，應(yīng)用PPF投影分析方法，分別對(duì)白肋煙和馬里蘭煙煙葉產(chǎn)地與部位間進(jìn)行相似性分析。

PPF( Projection of Basing on Principal Component and Fisher Criterion) 投影分析方法，是主成分分析和Fisher準(zhǔn)則聯(lián)用的方法。基于主成分分析方法得到的光譜主成分?jǐn)?shù)據(jù)，本方法對(duì)類內(nèi)散布矩陣的逆矩陣與類間散布矩陣的乘積·進(jìn)行最優(yōu)投影矢量求解，遵循聚類間的距離值最大和類內(nèi)的離散度最小的原則，使樣本的類內(nèi)距離盡量小，類間距離盡量大，從而使各類別之間達(dá)到最大程度的分離，實(shí)現(xiàn)正確的分類[15-16]，同時(shí)也能客觀表現(xiàn)類內(nèi)的離散性和類間的相似性。

依據(jù)PPF投影值求解各類之間相似度值的計(jì)算見公式1：

式中，Dpq為類間投影均值的歐式距離，Dpp和Dqq為類內(nèi)投影值的類內(nèi)離散度。類內(nèi)離散度的計(jì)算方法，采用統(tǒng)計(jì)過程控制（SPC）中使用的標(biāo)準(zhǔn)差σ值[17]，并在投影圖中用圓圈表示，其半徑值為2σ。當(dāng)Spq＜0時(shí)，兩類可實(shí)現(xiàn)完全區(qū)分，且Spq的絕對(duì)值越大表示差異性越大；當(dāng)0＜Spq＜1時(shí)，值越大代表相似性越好[15-16]。

2 結(jié)果與分析

2.1 檢測(cè)數(shù)據(jù)

49份白肋煙和馬里蘭煙樣品的近紅外光譜見圖1，49份白肋煙和馬里蘭煙樣品的各特征指標(biāo)測(cè)定值分類統(tǒng)計(jì)見表3，換算比值本文略去。

圖1 49份白肋煙和馬里蘭煙樣品的近紅外光譜Fig.1Near infrared spectrums of 49 samples of burley and Maryland

表3 49份樣品的各特征指標(biāo)測(cè)定值分類統(tǒng)計(jì)（均值±標(biāo)準(zhǔn)偏差）Tab.3 Statistical classif i cation of 49 samples of each indicator

續(xù)表3

2.2 白肋煙部位特征相似性分析

按照1.2.3中的分析處理方法，得到的PPF投影分析結(jié)果見圖2，其中（a）圖中按照1.2.3介紹的光譜主成分累計(jì)方差貢獻(xiàn)率達(dá)到98%的要求，采用的主成分?jǐn)?shù)值為5。圖中B代表上部煙，C代表中部煙（注：圖中圓圈表示各類的類內(nèi)離散度，其半徑值為類內(nèi)各樣品投影值標(biāo)準(zhǔn)差的2倍）；按照1.2.3中的相似度計(jì)算公式得到：上部煙和中部煙的近紅外光譜之間的Spq=0.103；上部煙和中部煙的數(shù)據(jù)之間的Spq=-0.051。

圖2 部位特征的近紅外光譜數(shù)據(jù)(a)和特征指標(biāo)數(shù)據(jù)(b)PPF投影分析結(jié)果Fig.2 (a)PPF projection analysis results for Site characteristics bynear infrared spectrums(b)PPF projection analysis results for Site characteristics by the characterized indexesvalues

圖2（a）顯示，上部樣品集（B）和中部樣品集（C）有少部分交集，這與煙葉樣品的外觀質(zhì)量得分相一致，即樣品集中有小于20%的部位相混現(xiàn)象。圖2（b）顯示，上部（B）樣品集和中部（C）樣品集完全分開，沒有交集。原因分析：因近紅外光譜采集了樣品中與近紅外響應(yīng)相關(guān)的絕大多數(shù)化學(xué)物質(zhì)信息，較全面表征了整體樣品信息；而指標(biāo)測(cè)定值只體現(xiàn)最受關(guān)注的煙葉特征，存在表征信息缺失，但也更能顯現(xiàn)出煙葉重要性能特征間的差異程度。

綜合分析認(rèn)為，近紅外光譜和特征指標(biāo)測(cè)定值均可判別樣品部位，兩方法得到的結(jié)果合理，較為一致。

2.3 白肋煙產(chǎn)地特征相似性分析

將1.1中的49份白肋煙樣品的近紅外光譜數(shù)據(jù)和各特征指標(biāo)數(shù)據(jù)，以產(chǎn)地區(qū)域劃分，即HB-NS代表湖北恩施，HB-YC代表湖北宜昌，SC代表四川（含重慶達(dá)州），YN代表云南賓川；按照1.2.3中處理分析方法，得到的PPF投影分析結(jié)果見圖3。按照1.2.3中相似度計(jì)算公式進(jìn)行計(jì)算，得到各產(chǎn)地間的判別分析結(jié)果見表4和表5。

圖3 (a) 各產(chǎn)地的近紅外光譜數(shù)據(jù)PPF投影分析結(jié)果 (b) 各產(chǎn)地的特征指標(biāo)數(shù)據(jù)PPF投影分析結(jié)果Fig.3 (a)PPF projection analysis results for various origins by near infrared spectra(b) PPF projection analysis results for various origins by the characterized indexesvalues

表4 基于近紅外光譜數(shù)據(jù)分析的各產(chǎn)地間相似度值Tab.4 Similarity value between various origins by near infrared spectra

表5 基于特征指標(biāo)數(shù)據(jù)分析的各產(chǎn)地之間相似度值Tab.5 Similarity value between variousoriginsby the characterized indexes values

圖3(a)為采用樣本的近紅外光譜數(shù)據(jù)判別分析結(jié)果，由圖3(a)知：湖北恩施樣本集完全包含于湖北宜昌樣本集，四川達(dá)州樣本集與湖北宜昌樣本集間存在較少部分交集，云南賓川樣本集完全獨(dú)立。原因分析：同一種植地域和相似地理氣候條件，加上白肋煙是馬里蘭煙的一個(gè)變種，馬里蘭煙樣本的特征完全包含白肋煙的特征；云南賓川由于地理氣候差異，則顯示完全獨(dú)立于其它。

圖3(b)為采用樣本的各特征指標(biāo)值來判別分析結(jié)果，云南賓川樣本集與其它樣本集沒有交集；湖北恩施樣本集與湖北宜昌樣本集間相似度較高，存在少部分交集，但不是被包含關(guān)系；四川達(dá)州樣本集與湖北兩個(gè)樣本集間存在部分交集，不同取樣點(diǎn)之間的差異（類內(nèi)離散度）最大。

綜合圖3、表4及表5，兩個(gè)方法得到的云南賓川產(chǎn)地結(jié)果一致，其它產(chǎn)地有接近結(jié)果，兩個(gè)方法相比，采用近紅外光譜數(shù)據(jù)進(jìn)行判別分析更符合實(shí)際情況。

2.4 小等級(jí)替代性研究

根據(jù)前面部位特征和產(chǎn)地特征的分析結(jié)果，采用近紅外光譜數(shù)據(jù)進(jìn)行判別分析對(duì)國(guó)內(nèi)湖北恩施、湖北宜昌及四川達(dá)州三個(gè)煙葉主產(chǎn)區(qū)各等級(jí)間樣本，研究它們之間的可替代性?；诮t外光譜數(shù)據(jù)PPF投影分析技術(shù)，三個(gè)產(chǎn)區(qū)的各小等級(jí)之間的相似度結(jié)果詳見表6，為便于分析分析結(jié)果一致性，對(duì)光譜數(shù)據(jù)進(jìn)行主成分分析時(shí)采用的主成分?jǐn)?shù)為7，與前面分析時(shí)用的一樣。

表6 湖北恩施、湖北宜昌及四川達(dá)州各小等級(jí)之間相似度值Tab.6 Similarity value between different grades

為各地區(qū)小等級(jí)間的相似性大小表達(dá)得更為直觀，采用系統(tǒng)聚類分析法[17-18]對(duì)表6中數(shù)據(jù)進(jìn)行系統(tǒng)聚類分析，其分析結(jié)果詳見圖4。由相似度Spq的定義可知-∞＜Spq＜1，Spq越大，等級(jí)之間的相似性越大。為便于統(tǒng)計(jì)分析，本文采用1-Spq進(jìn)行系統(tǒng)聚類分析，1-Spq越小，等級(jí)間的相似性越大。

圖4 樣品間相似性值系統(tǒng)聚類分析Fig.4 Cluster analysis of similarity value between samples

從Spq的定義可知1-Spq＜1時(shí)，1-Spq值越小，等級(jí)之間的相似性越大，而1-Spq＞1時(shí)，可以實(shí)現(xiàn)完全分離。上圖標(biāo)示了0.5、1兩處1-Spq的等值線，1-Spq在0.5以下的有四川達(dá)州B3與四川達(dá)州B1；湖北恩施C3F與C2L；湖北宜昌C3與湖北宜昌C2；湖北宜昌B1與湖北宜昌B2，等級(jí)替代較好。1-Spq在0.5～1的有湖北恩施C1L與湖北宜昌C3；湖北恩施C1L與湖北宜昌C2，湖北宜昌C1與湖北宜昌B1；湖北宜昌C1與湖北宜昌B2；湖北恩施B2F與湖北宜昌B1；湖北恩施B2F與湖北宜昌B2；湖北恩施B2F與湖北宜昌C1；湖北恩施C2F與湖北宜昌B1；湖北恩施C2F與湖北宜昌B2；湖北恩施C2F與湖北宜昌C1；湖北恩施C2F與湖北恩施B2F等，這些具有一定的等級(jí)替代性。

根據(jù)上面結(jié)果，對(duì)比分析相似程度高的等級(jí)中常規(guī)化學(xué)指標(biāo)和感官質(zhì)量指標(biāo)，四川達(dá)州B1與B3、湖北恩施C2L與C3F、湖北宜昌B1和B2、湖北宜昌C2和C3間細(xì)微差異分別見圖5與圖6。

結(jié)果分析：實(shí)驗(yàn)樣品均來自實(shí)際樣品，煙葉外觀質(zhì)量檢測(cè)結(jié)果顯示有少部分部位混級(jí)現(xiàn)象，故以上結(jié)果符合實(shí)際情況。此結(jié)果可供研究煙葉配伍性復(fù)烤打葉時(shí)參考，細(xì)微差別處可供部分煙葉混合時(shí)比例微調(diào)。例如：從圖5（C）和（D）中知總糖、還原糖、總植物堿、總氮及其感官質(zhì)量等都非常接近情況下，湖北恩施C2L和C3F復(fù)烤時(shí)的配打比例可設(shè)計(jì)為1：1。而對(duì)于圖5（A）和（B）的情況，則要考慮總煙堿和總氮差異，從均質(zhì)化角度考慮，如果四川達(dá)州B3煙葉量較少時(shí)，制作復(fù)烤模塊時(shí)，四川達(dá)州B1復(fù)烤比例可多一些；如果四川達(dá)州B3煙葉量較多時(shí)，制作復(fù)烤模塊時(shí)，四川達(dá)州B1復(fù)烤比例盡可能少一些。同樣方法亦用于類似的圖6中情況。

圖5 達(dá)州B1和B3的化學(xué)值（A）、感官質(zhì)量評(píng)價(jià)值（B）及恩施C2L和C3F的化學(xué)值（C）、感官質(zhì)量評(píng)價(jià)值（D）對(duì)比Fig.5 ComparisonofDazhou B1 and B3 for chemical values (A)and sensoryevaluation values(B) ,comparisonof Enshi C2L and C3F for chemical values (C) and sensoryevaluation values(D)

圖6 宜昌B1和B2的化學(xué)值（A）、感官質(zhì)量評(píng)價(jià)值（B）及宜昌C2和C3的化學(xué)值（C）、感官質(zhì)量評(píng)價(jià)值（D）對(duì)比Fig.6 Comparison of Yichang B1 and B2 for chemical values (A)and sensoryevaluation values (B) ,comparison of Yichang C2 and C3 for chemical values (C) and sensoryevaluation values (D)

2.5 部位與產(chǎn)地特征的典型指標(biāo)分析

煙葉與煙氣各種檢測(cè)指標(biāo)之間，如總糖與還原糖，生物堿與煙氣中煙堿量等均存在較高的共相關(guān)關(guān)系，要分析影響類別（部位或產(chǎn)地）差異的典型指標(biāo)，需剔除部分共相關(guān)較高的指標(biāo)，但會(huì)丟失掉部分有效信息，或采用典型變量分析等方法，以消除共相關(guān)關(guān)系影響；本文在前述中對(duì)白肋煙部位與產(chǎn)地特征相似性分析中采用的PPF方法，在特征提取過程中和PCA方法類似，并采用了歸一化處理，具有數(shù)據(jù)正交化過程來消除各特征指標(biāo)間存在的共相關(guān)影響，故在數(shù)據(jù)分析中未進(jìn)行其它消除共相關(guān)處理，按類別信息得到的各個(gè)指標(biāo)方差貢獻(xiàn)率，可代表單個(gè)檢測(cè)指標(biāo)對(duì)分析結(jié)果的影響力，方差貢獻(xiàn)率越大，則影響力越大[19-20]，從單一典型指標(biāo)角度和數(shù)據(jù)分析中的正交化處理，本文中的典型指標(biāo)分析方法與典型變量分析方法的思路和結(jié)果一致。依據(jù)方差貢獻(xiàn)率篩選白肋煙部位和產(chǎn)地特征指標(biāo)，方差貢獻(xiàn)率大于4%的特征指標(biāo)見表7和表8。

表7 白肋煙部位特征差異的主要指標(biāo)方差貢獻(xiàn)率Tab.7 Variance contribution rate of the main indexes of the characteristics of burley tobacco

表8 白肋煙產(chǎn)地差異的主要指標(biāo)方差貢獻(xiàn)率Tab.8 Variance contribution rate of the main indicators of differences in originof burley tobacco

由表7知，最能體現(xiàn)部位特征差異的因素是生物堿和亞硝胺指標(biāo)，方差貢獻(xiàn)率依次為35.2%和29.1%；由表8知，TSNAs的方差貢獻(xiàn)率為39.1%，明顯高于其它指標(biāo)，故最能體現(xiàn)其產(chǎn)地特征是TSNAs。本文旨在分析最能體現(xiàn)部位或產(chǎn)地特征差異的單個(gè)或兩個(gè)指標(biāo)，如進(jìn)一步綜合分析多個(gè)指標(biāo)的組合影響，可采用典型變量分析等方法。

2.6 討論

白肋煙部位特征的主要典型指標(biāo)分析結(jié)果：最能體現(xiàn)部位特征的指標(biāo)是生物堿和亞硝胺。白肋煙產(chǎn)地特征的主要典型指標(biāo)分析結(jié)果：最能體現(xiàn)產(chǎn)地特征的指標(biāo)是亞硝胺（TSNAs）。這與前人的研究成果[21-22]相符合，即生物堿的主要成分為煙堿，占95%以上，煙堿含量在煙葉不同部位存在較大差異；亞硝胺也具有這樣特點(diǎn)，即TSNAs是煙草生物堿和亞硝酸鹽發(fā)生亞硝化反應(yīng)生成的化合物，在煙葉和煙氣中特有的[23-25]；TSNAs與種植煙草的土壤、溫濕度及晾制條件、方法等產(chǎn)地特征密切相關(guān)，不同產(chǎn)地的亞硝胺含量存在一定差異。

本文應(yīng)用近紅外光譜數(shù)據(jù)判別分析各產(chǎn)地的煙葉小等級(jí)間的相似性和可替代性的方法，有一定的合理性和可操作性。原因分析：近紅外光譜數(shù)據(jù)表征樣品整體信息較全面客觀；而各特征指標(biāo)值是最關(guān)注的特征，用于表征樣品整體信息會(huì)有缺失，不夠全面。兩者結(jié)合效果會(huì)更好，即先用近紅外光譜數(shù)據(jù)判別分析出樣品整體趨勢(shì)，再用各特征指標(biāo)值分析出最關(guān)注的特征，以便找到工業(yè)應(yīng)用中需要的改進(jìn)，如在復(fù)烤配比打葉時(shí)，可參考各特征指標(biāo)細(xì)微差別進(jìn)行混合比例微調(diào)。而在本文研究中單料煙的感官質(zhì)量評(píng)價(jià)數(shù)據(jù)方差貢獻(xiàn)率僅在5%左右，不夠顯著，可能與其評(píng)分偏重主觀感受的綜合指標(biāo)和各樣本間的感官評(píng)價(jià)分值差異過小有關(guān)，未能在本文研究中顯現(xiàn)出來。

3 結(jié)論

依據(jù)近紅外光譜和特征指標(biāo)兩條途徑，采用PPF投影方法均可判別國(guó)產(chǎn)白肋煙產(chǎn)地及部位間相似性，采用近紅外光譜的分析結(jié)果更具整體代表性；其相似性判定結(jié)果可用于工業(yè)等級(jí)間替代和煙葉復(fù)烤配方的微調(diào)，降低其加工質(zhì)量波動(dòng)性。依據(jù)單指標(biāo)方差貢獻(xiàn)率，最能體現(xiàn)部位特征差異的因素是生物堿和亞硝胺指標(biāo)，方差貢獻(xiàn)率依次為35.2%和29.1%；最能體現(xiàn)產(chǎn)地特征差異的因素是亞硝胺指標(biāo)，方差貢獻(xiàn)率為39.1%；而單料煙間的感官評(píng)分方差貢獻(xiàn)率僅在5%左右，不夠顯著，今后此類研究還需改進(jìn)其量化評(píng)價(jià)方式。

[1]王瑞云,樊在斗,周海燕,等.云南白肋煙中性香氣物質(zhì)含量及與國(guó)內(nèi)外煙葉對(duì)比分析[J].中國(guó)煙草科學(xué),2014,(1):108-112.Wang Ruiyun, Fan Zaidou, Zhou Haiyan,et al.Comparative Analysis of Neutral Aroma Components between Yunnan and Domestic and International Burley Tobacco[J].Chinese Tobacco Science,2014,(1):108-112.

[2]謝劍平,趙明月,吳鳴，等.白肋煙重要香味物質(zhì)組成的研究[J].煙草科技,2002,(10):3-16.Xie Jianping, Zhao Mingyue, Wu Ming,et al.Studies on Some Important Aroma Compositions in Burley Tobacco[J].Tobacco Science&Technology,2002,(10):3-16.

[3]束茹欣,王國(guó)東,張建平，等.國(guó)產(chǎn)烤煙煙葉的NIRS模式識(shí)別[J].煙草科技.2006,(8):12-15,20.Shu Ruxin, Wang Guodong, Zhang Jianping,et al.NIRS-based Pattern Recognition of Domestic Flue-cured Tobacco[J].Tobacco Science&Technolo gy,2006,(8):12-15,20.

[4]Graham S F, Haughey S A, Ervin R M, et al. The application of near-infrared (NIR) and Raman spectroscopy to detect adulteration of oil used in animal feed production[J].Food Chemistry, 2012, 132(3): 1614-1619.

[5]Xu H, Qi B, Sun T, et al. Variable selection in visible and near-infrared spectra: Application to on-line determination of sugar content in pears[J]. Journal of Food Engineering,2012, 109(1): 142-147.

[6]Balabin R M, Safieva R Z, Lomakina E I. Near-infrared(NIR) spectroscopy for motor oil classification: From discriminant analysis to support vector machines[J].Microchemical Journal, 2011, 98(1): 121-128.

[7]Hamaoka T, McCully K K, Niwayama M, et al. The use of muscle near-infrared spectroscopy in sport, health and medical sciences: recent developments[J]. Philosophical Transactions of the Royal Society of London A:Mathematical, Physical and Engineering Sciences, 2011,369(1955): 4591-4604.

[8]謝娟,羅建群,姚鶴鳴,等.基于NIR和化學(xué)指標(biāo)的國(guó)產(chǎn)烤煙煙葉產(chǎn)地、部位模式識(shí)別[J].煙草科技,2008(7):42-44,47.Xie Juan, Luo Jianqun,Yao Heming,et al.Pattern Recognition of Growing Area and Stalk Position of Domestic Fluecured Tobacco Based on NIR and Chemical Components[J].Tobacco Science&Technology,2008(7):42-44,47.

[9]Xu F, Yu J, Tesso T, et al. Qualitative and quantitative analysis of lignocellulosic biomass using infrared techniques: a mini-review[J]. Applied Energy, 2013, 104:801-809.

[10]Haughey S A, Graham S F, Cancou?t E, et al. The application of Near-Infrared Reflectance Spectroscopy(NIRS) to detect melamine adulteration of soya bean meal[J]. Food chemistry, 2013, 136(3): 1557-1561.

[11] 張?chǎng)?郭佳,倪力軍,等.基于紅外與近紅外光譜的煙葉部位識(shí)別[J].光譜學(xué)與光譜分析，2007，27(12)：2437-2440.Zhang Xin, Guo Jia, Nie Lijun, et al.Recognition of Plant Parts of Tobaccos Based on Infrared and Near Infrared Spectra[J]. Spectroscopy and Spectral Analysis,2007，27(12)：2437-2440.

[12]施豐成,李東亮,馮廣林,等.基于近紅外光譜的PLSDA算法判別烤煙煙葉產(chǎn)地[J].煙草科技,2013,(4):56-59.Shi Fengcheng, Li Dongliang, Feng Guanglin, et al.Discrimination of Producing Areas of Flue-cured Tobacco Leaves with Near Infrared Spectroscopy-Based PLS-DA Algorithm[J].Tobacco Science&Technology,2013,(4):56-59.

[13]Jie Zhang, RuoshiBai, XiaoliYi,etal.Fully automated analysis of four tobacco-specific N-nitrosamines inmainstream cigarette smoke using two-dimensional online solid phaseextraction combined with liquid chromatography–tandem massspectrometry[J].Talanta,2016,146(1):216–224.

[14]嚴(yán)衍祿. 近紅外光譜分析基礎(chǔ)與應(yīng)用[M]. 北京：中國(guó)輕工業(yè)出版社, 2005：146-150.Yan Yanlu.Basis and Application of Near Infrared Spectroscopy[M].Beijing: China Light Industry Press,2005:146-150.

[15]米津銳,馬翔,張雅娟,等.基于近紅外光譜投影及蒙特卡洛方法的煙葉配方比例上限分析[J].光譜學(xué)與光譜分析,2011,31(4):915-919.Mi Jinrui, Ma Xiang, Zhang Yajuan, et al.The Highest Proportion of Tobacco Materials in the Blend Analysis Using PPF Projection Method for the Near-Infrared Spectrum and Monte Carlo Method[J].Spectroscopy and Spectral Analysis,2011,31(4):915-919.

[16]王毅,馬翔,溫亞東,等.應(yīng)用近紅外光譜分析不同產(chǎn)區(qū)工業(yè)分級(jí)煙葉樣品的特性[J].光譜學(xué)與光譜分析,2012,32(10):2694-2697.Wang Yi, Ma Xiang, Wen Yadong, et al.Tobacco Quality Analysis of Industrial Classi fi cation of Di ff erent Producing Area Using Near-Infrared (NIR) Spectrum[J].Spectroscopy and Spectral Analysis,2012,32(10):2694-2697.

[17]Zhang X M, Li Z Y, Zheng Y. Multi-threshold image segmentation based on combining Fisher criterion and potential function [J].Journal of Computer Applications,2012, 10: 044.Hui Xuan .Applied Multivariate Statistical Analysis[M];Peking University Press, 2005：271-273.

[18]Ankit Patras, Nigel P Brunton, Gerard Downey, etal.Application of principal component and hierarchical cluster analysis to classify fruits and vegetables commonly consumed in Ireland based on in vitro antioxidant activity[J]. Journal of Food Composition and Analysis, 2011，24（3）, 250–256.

[19]Zhang Jie,Yang Xianhui. Multivariate Statistical Process Control[M]. Chemical Industry Press, 2000：8-9.

[20] 惠璇. 應(yīng)用多元統(tǒng)計(jì)分析[M]. 北京大學(xué)出版社, 2005：271-273.

[21]張杰，陽(yáng)憲惠.多變量統(tǒng)計(jì)過程控制[M]. 化學(xué)工業(yè)出版社, 2000：8-9.

[22] 金聞博, 戴亞,煙草化學(xué)[M]. 清華大學(xué)出版社,1994: 23-24.JinWenbo, Dai Ya, Tobacco Chemistry [M]. Tsinghua University Press,1994: 23-24

[23]蘇德成, 煙草化學(xué)與分析[M]. 中國(guó)財(cái)政經(jīng)濟(jì)出版社,2000：22-24.Su Decheng, Tobacco Chemistry and Analysis [M]. China Financial and Economic Press,2000：22-24.

[24]丁睿,王乃順,于存峰，等.不同產(chǎn)區(qū)曬紅煙TSNAs含量分析[J].中國(guó)煙草學(xué)報(bào),2014,(4):18-22.Ding Rui, Wang Naishun, Yu Cunfeng,et al.Determination of TSNAs in red sun-cured tobacco leaves from different growing areas[J]. Acta Tabacaria Sinica,2014,(4):18-22.

[25]陳利平,寧維,李瑜，等.煙草特有亞硝胺的研究進(jìn)展[J].河南農(nóng)業(yè)科學(xué),2012,41(12):7-11.Chen Liping, Ning Wei, Li Yu,et al.Research Development of the Tobacco-speci fi c N-nitrosamines[J].Journal of Henan Agricultural Sciences,2012,41(12):7-11.

[26]張穎璞.煙草N-亞硝胺概述[J].科技信息,2009,(5):732-733.Zhang Yingpu. Summary of N-Nitrite amine In Tobacco[J].Science &Technology Information, 2009,(5):732-733.

：MA Yanjun, LI Xueying, MA Li , et al. [J].Assessing similarity between domestic burley tobacco leaves from di ff erent stalk positions and producing areas based on near infrared spectrum and tobacco characteristic indexes[J]. Acta Tabacaria Sinica, 2017,23(3)

*Corresponding author.Email：dxf@ahau.edu.cn; sheshike@qq.com

Assessing similarity between domestic burley tobacco leaves from different stalk positions and producing areas based on near infrared spectrum and tobacco characteristic indexes

MA Yanjun1, LI Xueying2, MA Li1, DU Guorong1, DING Rui3, HUANG Yue1, WANG Yunbai3, ZHANG Yizhi3, ZHOU Jun1*,LI Junhui2*
1 Beijing Working Station, Technical Center, Shanghai Tobacco Group Co., Ltd., 99 South Wansheng Street, Tongzhou District, Beijing 101121, China;2 College of Information and Electrical Engineering, China Agricultural University, 17 East Road, Haidian District, Beijing 100083, China;3 Quality and Safety Research Center， Tobacco Research Institute, Chinese Academy of Agricultural Sciences, 11, Keyuan Road, Qingdao 266101, China

49 samples from upper and middle part of domestic Burley and Maryland tobacco were selected to determine their near-infrared spectra and chemical- physical indexes. The near-infrared spectroscopy were processed by fi rst derivative and SG smooth, and then by normalization as well as all index values. Similarity of position and origin of the samples were analyzed by PPF projection analysis method.Results indicated that 1) both near infrared spectrum and characteristic indexes could distinguish leaf position and origin; 2) according to contribution rate of variance factors, characteristics of position was a ff ected by index of alkaloid and TSNAs, while characteristics of origin was a ff ected by index of TSNAs; 3) similarity discrimination could be used for replacement between formula and fi ne-tuning in burley tobacco manufacture.

near-infrared; characterized indexes; burley; origin; position

馬雁軍，李雪瑩，馬莉，等. 用近紅外光譜和特征指標(biāo)判別國(guó)產(chǎn)白肋煙產(chǎn)地及部位間相似性[J]. 中國(guó)煙草學(xué)報(bào)，2017,23（3）

上海煙草集團(tuán)有限責(zé)任公司科技項(xiàng)目“國(guó)產(chǎn)晾曬煙資源調(diào)查與工業(yè)可用性研究”（No. K2012-2-003Z）

馬雁軍（1970—），碩士，高級(jí)工程師，主要從事煙草化學(xué)和原料應(yīng)用研究，Tel: 010-59028236，Email: 13366036175@189.cn

周 駿（1966—），研究員，主要從事煙草化學(xué)研究，Tel：010-59028201，Email：zhouguanli@sina.com；李軍會(huì)（1974—），副教授，主要從事信息處理和光譜分析技術(shù)研究，Tel：010-62732881，Email：caunir@cau.edu.cn

2016-04-14；< class="emphasis_bold">網(wǎng)絡(luò)出版日期：

日期：2017-06-22