基于近紅外光譜相似的煙葉替代與卷煙配方維護(hù)

李石頭，廖 付，何文苗，張立立，帖金鑫，李永生，郝賢偉，田雨農(nóng)，畢一鳴，吳繼忠，王 輝，徐清泉

浙江中煙工業(yè)有限責(zé)任公司技術(shù)中心，杭州市西湖區(qū)科海路118 號(hào) 310024

卷煙的品質(zhì)和風(fēng)格特色是產(chǎn)品設(shè)計(jì)人員通過(guò)對(duì)不同產(chǎn)地、品種、等級(jí)的煙葉進(jìn)行配比而形成的。在某種原料用完后，需通過(guò)單料煙評(píng)吸、配方評(píng)吸等環(huán)節(jié)來(lái)確定替代煙葉或替代配方。煙葉替代及配方工作強(qiáng)度大、主觀性強(qiáng)，主要依賴于配方人員的經(jīng)驗(yàn)積累及評(píng)吸判斷。若能通過(guò)儀器檢測(cè)方法，利用客觀數(shù)據(jù)來(lái)輔助配方，對(duì)提高卷煙質(zhì)量穩(wěn)定性有重要意義[1-4]。

近年來(lái)，近紅外光譜檢測(cè)技術(shù)以其快速、無(wú)損和低成本等優(yōu)點(diǎn)，在農(nóng)業(yè)、化工、食品等行業(yè)有廣泛的應(yīng)用[5]。利用近紅外光譜結(jié)合化學(xué)計(jì)量學(xué)方法，可以實(shí)現(xiàn)煙葉常規(guī)化學(xué)[6]、部位[7]、產(chǎn)地[8]的識(shí)別及風(fēng)格特征分析[9]。然而，無(wú)論是化學(xué)指標(biāo)模型或者光譜投影，僅能從部分角度對(duì)煙葉進(jìn)行評(píng)價(jià)，在輔助配方工作中時(shí)有發(fā)生計(jì)算結(jié)果與配方人員的感官評(píng)價(jià)不符且難以解釋的現(xiàn)象。相似度是一種從整體上刻畫兩個(gè)圖譜一致性的方法，在化學(xué)領(lǐng)域常用于利用中紅外光譜或氣質(zhì)聯(lián)用色譜對(duì)化合物進(jìn)行鑒定。

近紅外光譜沒(méi)有顯著的特征峰，且圖譜受基線、散射、噪聲等影響，因而對(duì)近紅外光譜相似方面的研究鮮有報(bào)道。本研究中，提出一種基于近紅外光譜相似表征煙葉相似的煙葉替代方法，通過(guò)光譜預(yù)處理與光譜相似算法的結(jié)合，抑制光譜中干擾因素的影響，旨在建立基于光譜相似的片煙相似、片煙組合相似的卷煙配方維護(hù)技術(shù)。

1 材料與方法

1.1 試驗(yàn)材料

2015—2017 年用于卷煙配方的復(fù)烤片煙，包括我國(guó)的云南、四川、河南、湖南、湖北、貴州、山東、廣西、福建以及巴西、津巴布韋等產(chǎn)區(qū)，共計(jì)400個(gè)（由浙江中煙工業(yè)有限責(zé)任公司技術(shù)中心提供）。

1.2 測(cè)定方法

片煙樣本取樣后在低于50 ℃下烘干4 h 左右，直到可以用手指捻碎為準(zhǔn)。利用Foss Cyclotec 1093旋風(fēng)磨（丹麥福斯公司）進(jìn)行磨粉，樣本粉末過(guò)60目（孔徑250 μm）篩。取適量煙末放入樣品杯中，取一固定質(zhì)量砝碼放置在樣品上方，使其自然壓實(shí)后進(jìn)行近紅外掃描。近紅外光譜由美國(guó)TheromFisher公司Antaris II型傅里葉變換近紅外光譜儀采集，采集范圍為10 000～4 000 cm-1，光譜分辨率為8 cm-1；掃描次數(shù)為72次。為避免散射的影響，近紅外光譜進(jìn)行了Savitzky-Golay（SG）平滑和標(biāo)準(zhǔn)正態(tài)校正處理。

1.3 光譜相似度計(jì)算

1.3.1 光譜預(yù)處理

儀器采集的近紅外光譜受基線、散射等影響，需進(jìn)行適當(dāng)?shù)念A(yù)處理才可計(jì)算光譜相似度[10]。常用的預(yù)處理方法有導(dǎo)數(shù)法[11]、多元散射校正（Multiplicative Scatter Correction，MSC）[12]、標(biāo)準(zhǔn)正態(tài)變量校正（Standard Normal Variate Correction，SNV）[13]等算法。一階導(dǎo)數(shù)譜和二階導(dǎo)數(shù)譜是紅外光譜預(yù)處理中的常用方法。通過(guò)求一階導(dǎo)數(shù)可以消除光譜中的常數(shù)項(xiàng)差異，例如常數(shù)性基線；二階導(dǎo)數(shù)譜可以消除光譜的一次項(xiàng)差異。MSC 和SNV 方法是常用的散射校正算法。兩種方法均假定光譜中含有一個(gè)乘性和一個(gè)加性干擾項(xiàng)，通過(guò)全譜來(lái)估計(jì)校正參數(shù)。這類方法的缺點(diǎn)是光譜中由物質(zhì)含量變化導(dǎo)致的光譜形變同樣被引入到校正參數(shù)的估計(jì)中，致使參數(shù)估計(jì)不準(zhǔn)確。為此，使用局部校正（Localized Standard Normal Variate Correction，LSNV）來(lái)估計(jì)校正參數(shù)，從而得到更靈活的模型和更好的校正效果[14]。局部校正模型可以表示為：

其中：xj為第j 個(gè)波段的原始光譜；xjcorr表示第j個(gè)波段校正后的光譜；aj、bj分別代表第j 個(gè)波段的校正參數(shù)，j=1，2，…，k，k表示光譜波段數(shù)。圖1展示了局部校正效果，其中，a1…a5表示加性校正參數(shù)，b1…b5表示乘性校正參數(shù)。

圖1 局部校正算法（LSNV）示意圖Fig.1 Schematic diagram of localized standard normal variate correction algorithm

1.3.2 光譜相似度算法

（1）光譜相關(guān)映射Spectral correlation measure（SCM）[15]

光譜相關(guān)映射表征光譜形態(tài)的相似性，以相關(guān)系數(shù)的形式計(jì)算兩條光譜的相似度。

其中：n為光譜變量數(shù)；xi，yi為兩條光譜第i波數(shù)的吸光度值，i=1，2，…，n為光譜平均值。

（2）歐幾里得距離Euclidean distance measure（EDM）[16]

歐幾里得距離直接計(jì)算了歐氏空間中兩條光譜幅值（吸光度）的差異。將光譜假定為歐氏空間中的向量，光譜相似性轉(zhuǎn)化為向量之間距離大小。

其中：n為光譜變量數(shù)；xi，yi為兩條光譜第i波數(shù)的吸光度值，i=1，2，…，n。

（3）光譜信息散度Spectral information divergence（SID）[17]

散度源自于信息測(cè)度理論，每個(gè)光譜向量均可以視為具有概率統(tǒng)計(jì)特性的信息源，兩條光譜的概率pi、qi可以描述為：

兩條光譜的相對(duì)熵為：

其中：n為光譜變量數(shù)；xi，yi為兩條光譜第i波數(shù)的吸光度值，i=1，2，…，n；X，Y表示兩條近紅外光譜。

最后，根據(jù)兩條光譜之間的相對(duì)熵可得到光譜的信息散度（SID）：

SCM表征了光譜形態(tài)的相似性，相關(guān)性越大，說(shuō)明光譜獨(dú)立程度越弱，相似性越高；EDM 衡量了光譜間的距離差異，距離越小，則光譜之間相似性越高；SID 將光譜看作是概率分布，通過(guò)衡量光譜之間的互信息大小確定兩條光譜之間的相似程度，散度越小，光譜相似度越高。相關(guān)性、距離和散度是相似性度量的幾種不同的表現(xiàn)形式，通過(guò)研究，采用涵蓋3 種度量的方式表征相似度（Spectral similarity，SS）[18]，SS越小，相似性越高。

1.4 輔助配方

近紅外光譜主要是對(duì)含氫基團(tuán)X-H（X=C、N、O）振動(dòng)的倍頻和合頻的吸收光譜，其中包含了煙葉中大多數(shù)類型有機(jī)化合物的組成和結(jié)構(gòu)信息，而煙葉風(fēng)格和品質(zhì)特點(diǎn)主要由這些化學(xué)物質(zhì)及其含量決定的。近紅外光譜作為煙葉中各有機(jī)物的一種表征形式，基本可以從整體上反映煙葉的綜合品質(zhì)；基于光譜的物質(zhì)基礎(chǔ)，再通過(guò)合理的樣本選擇、光譜處理、特征波數(shù)選擇以及相似度算法，達(dá)到以光譜相似來(lái)表征煙葉相似的目的。

利用光譜相似進(jìn)行煙葉替代分為兩個(gè)步驟，對(duì)于由多個(gè)片煙組成的被替代目標(biāo)，不是直接求解一個(gè)多片煙擬合光譜與目標(biāo)光譜相似，而是針對(duì)目標(biāo)中的每一個(gè)片煙，用光譜相似的方式確定若干個(gè)備選片煙，再通過(guò)擬合光譜的方式找出與目標(biāo)最相似的組合。

這種方式的優(yōu)點(diǎn)在于遵循了配方中“相似替代”的常用原則。對(duì)于目標(biāo)中的每個(gè)片煙，都以光譜相似的形式，約束了其候選樣本在化學(xué)、部位、香型等方面與目標(biāo)片煙的差異程度，從而保障了目標(biāo)葉組與替代葉組在煙葉“配伍性”等方面的接近程度，最大限度地避免了計(jì)算相似但感官評(píng)價(jià)不相似的問(wèn)題。在第二步中，通過(guò)計(jì)算機(jī)可以根據(jù)各個(gè)片煙候選集模擬出大量配方，再以相似度為依據(jù)篩選出與目標(biāo)煙葉組合最接近的替代煙葉組合。

1.5 評(píng)價(jià)方法

1.5.1 三點(diǎn)評(píng)吸方法（Triangular Test）[19]

由10位從事煙葉原料及配方工作的評(píng)吸人員組成評(píng)價(jià)小組（10人均為男性，均獲得國(guó)家煙草質(zhì)量監(jiān)督檢驗(yàn)中心頒發(fā)的感官評(píng)吸證書，并具有5年以上卷煙感官評(píng)吸經(jīng)驗(yàn)）。通過(guò)人工卷制煙支，選取單支質(zhì)量為（860±70）mg 的煙支在平衡箱（濕度（60±2）%、溫度（20.0±0.5）℃）內(nèi)平衡24 h，然后采用三點(diǎn)評(píng)吸的方法進(jìn)行感官評(píng)價(jià)。

1.5.2 描述評(píng)價(jià)方法

評(píng)吸人員組成和煙支樣品制備方法同1.5.1。采用企業(yè)煙葉質(zhì)量感官評(píng)價(jià)方法，由評(píng)價(jià)小組采用定量打分和文字描述相結(jié)合的方法對(duì)香氣質(zhì)、香氣量、刺激性、余味、成團(tuán)性、雜氣、柔和性等方面進(jìn)行評(píng)價(jià)打分，評(píng)分范圍為0～10 分。在每個(gè)樣本評(píng)價(jià)結(jié)束后，以10人評(píng)價(jià)小組的平均值作為該樣本各指標(biāo)的分值。

2 結(jié)果與分析

2.1 光譜相似與煙葉相似

首先考察在不同預(yù)處理方式下，光譜相似與煙葉相似間的關(guān)系。對(duì)庫(kù)存片煙進(jìn)行相似度的計(jì)算，利用公式7，對(duì)任意一個(gè)片煙，計(jì)算其與庫(kù)存所有片煙的光譜相似度。然后將計(jì)算結(jié)果按相似度大小排序，統(tǒng)計(jì)與目標(biāo)片煙最接近的片煙在產(chǎn)地、部位、化學(xué)等指標(biāo)的相似程度。

從表1 中可以看出，在不進(jìn)行任何預(yù)處理時(shí)，相似片煙與目標(biāo)片煙的產(chǎn)地、部位符合度分別只有57.3%和52.3%，主要化學(xué)成分總糖和煙堿的相對(duì)偏差分別為6.1%和9.9%。幾項(xiàng)指標(biāo)的差異性都高于人的感官差異閾值。經(jīng)過(guò)預(yù)處理后，得到的相似片煙與目標(biāo)片煙在各項(xiàng)指標(biāo)的一致性都有提升，其中，使用一階導(dǎo)數(shù)+局部校正LSNV 的預(yù)處理方法結(jié)果最好，產(chǎn)地與部位符合度分別達(dá)到82.0%和75.7%。經(jīng)分析發(fā)現(xiàn)，產(chǎn)地不匹配的樣本常分布于云南、四川、貴州交界處，部位不匹配的樣本常由C4F等級(jí)構(gòu)成，其相似片煙為下部模塊。在化學(xué)成分含量方面，所提出的方法計(jì)算的相似片煙與目標(biāo)片煙差異最小，因此，經(jīng)過(guò)恰當(dāng)?shù)念A(yù)處理和計(jì)算，光譜相似可以在產(chǎn)地、部位、常規(guī)化學(xué)等方面表征煙葉相似。

表1 不同預(yù)處理方法下光譜相似與煙葉相似的關(guān)系Tab.1 Relationship between spectral similarity and tobacco similarity under different pre-processing methods （%）

2.2 單一煙葉替代

將2.1 中的相似度計(jì)算應(yīng)用于煙葉替代過(guò)程中。對(duì)某季度二類卷煙牌號(hào)A 進(jìn)行庫(kù)存測(cè)算后，確定7 個(gè)需要替代的片煙（配方占比為35%）。對(duì)于每一個(gè)目標(biāo)片煙，分別計(jì)算庫(kù)存400個(gè)片煙與其的光譜相似度，按相似度大小進(jìn)行排序，分別給出一定數(shù)量的片煙候選集合。

通過(guò)設(shè)定一個(gè)經(jīng)驗(yàn)的相似度閾值，可以篩選出每個(gè)目標(biāo)片煙所選出的相似片煙。由于云南、貴州等地片煙較多，經(jīng)驗(yàn)表明，7 個(gè)備選片煙基本能滿足替代要求。因此在相似片煙多于7個(gè)時(shí)，僅選擇相似度最高的7個(gè)片煙作為候選。經(jīng)統(tǒng)計(jì)，與目標(biāo)片煙產(chǎn)地相符的比例為52.9%，部位相符的比例為76.5%。對(duì)于產(chǎn)地不符的相似片煙，往往來(lái)自于目標(biāo)產(chǎn)地的相鄰省份。相鄰省份有著相近地理及氣候，其煙葉在風(fēng)格及品質(zhì)上較為接近。

表2 中根據(jù)光譜相似篩選出片煙ZW15TLS 的相似片煙為2017 年和2015 年的津巴布韋片煙。通過(guò)調(diào)查發(fā)現(xiàn)，2016年津巴布韋由于氣候異常，導(dǎo)致煙葉生產(chǎn)異常，煙堿偏高，香氣減弱，刺激增大。因此，在相似度篩選中，算法判定2016 年津巴布韋煙葉與目標(biāo)煙葉不在相似范圍內(nèi)。對(duì)于相似度算法篩選出的跨產(chǎn)區(qū)（省份）煙葉，如GZ14CDE 的備選煙葉CQ14CAQ。通過(guò)查閱片煙配方發(fā)現(xiàn)，GZ14CDE 煙葉主要來(lái)自貴州省德江縣，CQ14CAQ煙葉主要來(lái)自重慶酉陽(yáng)縣，兩個(gè)縣區(qū)相距僅150千米，在環(huán)境氣候等方面較為相似。

表2 目標(biāo)片煙及篩選出的相似片煙①Tab.2 Target strips and selected similar strips

在單一煙葉替代實(shí)際應(yīng)用中，配方人員對(duì)光譜相似篩選出的煙葉還會(huì)進(jìn)行驗(yàn)證，如表2 中YN16CDC 篩選出的第一相似片煙為GX17XBI，通過(guò)評(píng)吸發(fā)現(xiàn)，除勁頭和煙氣濃度外，在香氣量和香氣質(zhì)等方面，兩個(gè)樣本均有一定的差異，在配方人員的建議下，將GX17XBI刪除。這種通過(guò)光譜相似篩選片煙，然后經(jīng)過(guò)配方專家調(diào)整確認(rèn)，刪除不恰當(dāng)?shù)耐扑]目標(biāo)的形式，可為下一步通過(guò)片煙組合模擬配方提供客觀合理的片煙原料。

2.3 模擬配方及篩選

實(shí)驗(yàn)中，對(duì)表2中的相似片煙按目標(biāo)片煙在卷煙配方中的使用比例進(jìn)行模擬，在形成多個(gè)模擬配方后，按公式7計(jì)算模擬片煙組合與目標(biāo)片煙組合間的相似程度并排序。實(shí)驗(yàn)發(fā)現(xiàn)，單一片煙中相似度排序第一的候選片煙在片煙組合中并沒(méi)有出現(xiàn)在最接近的替代組合中。需替代的目標(biāo)煙葉組合及篩選出的替代煙葉組合見表3。從結(jié)果看，除ZW15TLS 出現(xiàn)了多個(gè)候選外，其他片煙的候選基本確定且產(chǎn)地、部位與目標(biāo)較為接近。其中，CQ14CAQ 替代GZ14CDE 的原因已在2.2 節(jié)中進(jìn)行了分析，而SC16CDE 主要構(gòu)成為四川涼山煙葉，其備選的YN16CHA 主要構(gòu)成為云南煙葉，GZ17CEQ 主要構(gòu)成為貴州畢節(jié)煙葉。目標(biāo)及備選煙葉產(chǎn)區(qū)相鄰，且都呈現(xiàn)清香型風(fēng)格。

各個(gè)替代煙葉組合和目標(biāo)煙葉組合的主要化學(xué)成分差異見表4。由表4可知，目標(biāo)煙葉組合與替代煙葉組合的主要化學(xué)成分均較為接近，在總糖、煙堿、鉀、氯等指標(biāo)上基本相同，僅在還原糖上略有差異。

表3 目標(biāo)煙葉組合及篩選出的替代煙葉組合Tab.3 Target blended tobacco and selected substituted combination

表4 目標(biāo)煙葉組合及篩選出的替代煙葉組合的主要化學(xué)成分差異Tab.4 Differences in main chemical components between target blended tobacco and selected substituted combination （%）

2.4 感官評(píng)價(jià)

根據(jù)2.3節(jié)分析，綜合考慮相似度排序及化學(xué)差異，選取了近紅外模擬配方中與目標(biāo)接近的1號(hào)和2號(hào)模擬樣本，分別與目標(biāo)樣本進(jìn)行三點(diǎn)評(píng)價(jià)。三點(diǎn)評(píng)價(jià)中的原假設(shè)為：不可能根據(jù)特性強(qiáng)度來(lái)區(qū)別這兩個(gè)樣本。在這種情況下正確識(shí)別出單個(gè)樣本的概率為P=1/3。備擇假設(shè)：可以根據(jù)特性強(qiáng)度來(lái)區(qū)別這兩個(gè)樣本。在這種情況下正確識(shí)別出單個(gè)樣本的概率為P＞1/3。在兩組實(shí)驗(yàn)中，正確識(shí)別出兩個(gè)相同樣本的人數(shù)均為3 人，利用二項(xiàng)式模型計(jì)算p 值為0.701，遠(yuǎn)大于0.05。因此，接受原假設(shè)，認(rèn)為評(píng)吸小組無(wú)法識(shí)別2個(gè)樣本間的差異。

對(duì)目標(biāo)組合及兩個(gè)替代組合進(jìn)行感官評(píng)價(jià)，結(jié)果見表5。評(píng)價(jià)結(jié)果表明：1號(hào)、2號(hào)樣本與目標(biāo)樣本相比，感官質(zhì)量基本保持一致，個(gè)別指標(biāo)略有變化，相比目標(biāo)樣本，1 號(hào)樣本在香氣質(zhì)、香氣量上略有提升，柔和性略欠；2號(hào)樣本在香氣量上略欠，但成團(tuán)性和柔和性較好。兩個(gè)樣本的差異均在感官質(zhì)量管控范圍內(nèi)，這個(gè)結(jié)果也與三點(diǎn)評(píng)價(jià)的結(jié)果相符。

表5 目標(biāo)樣本和模擬樣本感官評(píng)價(jià)分析結(jié)果Tab.5 Sensory evaluation results of target samples and simulation samples

3 結(jié)論

①提出了一種基于近紅外光譜的煙葉替代方法。通過(guò)局部校正預(yù)處理及集成光譜相似度算法，排除了光譜中的基線、散射等干擾因素，實(shí)現(xiàn)了從光譜相似到煙葉相似的轉(zhuǎn)化。目標(biāo)煙葉與相似煙葉的產(chǎn)地、部位符合度分別為82.0%、75.7%，總糖、煙堿等主要化學(xué)成分的平均差異小于5%。②基于上述算法，提出一種片煙相似+組合相似的卷煙配方維護(hù)方法，所選擇的替代配方在化學(xué)、感官方面與原配方無(wú)顯著差異。