基于在線近紅外技術的片煙煙堿均質(zhì)化系統(tǒng)研究

尹凡 陳壯宇 唐春平 賀澤軍

摘 要：為保障煙草制品的質(zhì)量，有必要在打葉復烤階段對原料進行合理地混配。本文選用郴州產(chǎn)區(qū)多個等級的煙葉為試驗原料，利用在線近紅外分析儀建立了煙堿的預測模型?；谠诰€近紅外煙堿檢測技術，實時檢測鋪料帶上的原煙煙堿值，利用分選器和高架庫自動進行煙葉的分選入庫，最后通過高低搭配的方式均質(zhì)化自動投料出庫。研究結果表明，利用在線近紅外分析儀能夠準確快速地獲取煙葉的煙堿值含量。采用均質(zhì)化出庫方式后，成品片煙的煙堿值偏差和變異系數(shù)降低了35.71%和15.25%，極大程度地提高了煙葉打葉復烤的均質(zhì)化水平。

關鍵詞：近紅外光譜;煙堿含量;高低搭配;均質(zhì)化

煙草作為我國的重要經(jīng)濟作物，其產(chǎn)品質(zhì)量關系到煙草企業(yè)的發(fā)展。在煙草的眾多質(zhì)量評價指標中，煙堿又稱尼古丁，分子式為C10H14N2，其含量與煙草制品的濃度、勁頭、香氣量、香氣質(zhì)、余味、雜氣和刺激性等感官質(zhì)量存在對應關系，直接影響了煙草制品評吸質(zhì)量[1-3]。目前國內(nèi)煙葉種植主要以農(nóng)業(yè)個體戶為主，不同來源的煙葉品質(zhì)存在較大的差異[4]。因此，需要在打葉復烤階段對煙葉按照一定的方式進行混配，以達到均勻加工的目的。2015年中國煙草總公司發(fā)布了《關于推進打葉復烤企業(yè)均質(zhì)化生產(chǎn)加工的意見》，明確指出要把成品片煙的煙堿變異系數(shù)控制到5%以內(nèi)[5]。傳統(tǒng)加工過程中是按照煙葉的顏色、部位、成熟度等外觀質(zhì)量對原煙進行分類，再對分類后煙葉按照相應比例進行混配加工，從而達到均勻加工的目的。但是受到員工在分類過程中對煙葉品質(zhì)主觀判斷的影響，傳統(tǒng)混配方式對煙葉質(zhì)量的均勻性提高有限。近紅外光譜技術利用煙葉成分中C-H、N-H、O-H、P-H等含氫基團在紅外照射下的振動合頻和倍頻吸收的特點，能夠?qū)崿F(xiàn)對煙葉的物理化學特性進行快速識別[6-8]。董小衛(wèi)等人[9]利用手持式近紅外分析儀對煙葉表面10個點進行信號采集，與煙葉的煙堿、總糖、還原糖、鉀和氯等化學成分進行關聯(lián)，建立煙葉化學成分的近紅外模型。賓俊等人[10]建立了煙葉含水率、葉綠素和淀粉的近紅外光譜模型。證明利用近紅外光譜能夠快速獲得煙葉的化學成分信息，為煙葉打葉復烤均質(zhì)化調(diào)控工藝提供技術參考。

本文以近紅外光譜和計量化學技術為基礎，建立基于近紅外光譜的煙堿預測模型。在投料分選過程中利用在線近紅外光譜儀對煙葉的煙堿含量進行動態(tài)檢測。最后按照煙堿高低搭配原則實現(xiàn)均質(zhì)化配方打葉。

1 材料和儀器

采自湖南省郴州的C3F、C4L、C4F煙葉原料102車，每車約15噸，共1530噸。按照每車抽取一個綜合原煙樣品，共計102個，作為各車樣品的抽檢值以及近紅外光譜儀的訓練集。

Armor711在線近紅外光譜儀（卡爾蔡司股份有限公司，德國）;高架庫（昆船物流信息產(chǎn)業(yè)有限公司，昆明）;Futura型連續(xù)流動化學分析儀（Alliance公司，法國）。

2 樣品煙堿含量測定

對于抽取的樣品按照標準YC/T 468-2013《煙草及煙草制品總植物堿的測定連續(xù)流動（硫氰酸鉀）法》[11]測定訓練集樣品，獲得各車樣品的煙堿值。按照0.2%為間隔統(tǒng)計了煙堿值的分布，如圖1所示。各車煙葉原料的煙堿值差異較大，煙堿值主要分布在2.0%到4.0%之間。其中煙堿最大值高達4.9%，最小值僅為1.3%。102個樣品的煙堿平均值為3.26%，標準偏差為0.82。利用下面公式可計算該批樣本的變異系數(shù)。

變異系數(shù)=樣本標準偏差樣本均值

計算得到的煙葉原料的煙堿值變異系數(shù)為25.15%。如此大的變異系數(shù)表明未經(jīng)過任何處理的煙葉原料因為場地來源、種植環(huán)境等因素的影響，其煙堿含量之間差異比較大。如果利用原煙直接加工，其產(chǎn)品品味質(zhì)量相當不穩(wěn)定。

3 近紅外光譜采集和煙堿預測模型

近紅外分析儀采用光纖漫反射方式進行測量。掃描波長為400-2000nm。利用ProcXplorer光譜采集軟件對光譜信號進行采集和分析。對于近紅外光譜儀采集到的光譜信號采用標準正態(tài)變量變換（Standardizing Normalization Vector，SNV）將檢測樣本數(shù)據(jù)中心化，然后除以其標準偏差，獲得平滑后光譜數(shù)據(jù)以消除樣品表面散射、光程變化等對近紅外漫反射光譜造成的影響。然后采用偏最小二乘回歸分析法（Partial Least Squares Regression，PLSR）對訓練集中樣本的煙堿含量進行建模，并采用交互檢驗法預測殘差平方和（Predicted Residual Sum of Squares，PRESS）確定最佳因子數(shù)。采用校正均方根誤差（root mean square error of calibration，RMSEC）對模型預測性能進行評價[12]。

通過對樣品集進行建模分析，最終煙堿校正模型的選擇因子數(shù)為8，校正均方根誤差RMSEC為0.0737。圖2給出了各個樣品煙堿含量的真實值和模型預測值之間的關系，說明近紅外光譜分析模型能夠很好地預測煙葉產(chǎn)品的煙堿值。

4 基于在線檢測的煙葉分選

根據(jù)配方需求按照原料煙堿檢測值的大小在鋪葉解把后采用高低搭配投料，進入潤葉環(huán)節(jié)。分選過程中利用在線近紅外光譜儀檢測煙葉的煙堿含量。近紅外光譜儀傳感器探頭到傳送帶的垂直距離約為5cm，傳送帶速度為1.2m/s。環(huán)境溫度為24～30°C，環(huán)境濕度為42%～54%。在線近紅外分析儀對煙葉的煙堿含量進行識別分析，將煙葉信息傳遞給中控柜。然后中控柜驅(qū)動分選器將煙葉收集入不同煙葉收集框，進行裝箱處理。并利用堆垛機按照煙堿值的高低進入高架庫。煙葉進入高架庫以后，將入庫原料的50%作為試驗組，利用自動控制功能按照煙堿高低搭配的原則進行均質(zhì)化配方打葉。另外50%作為對照，隨機出庫投料打葉。在出庫投料皮帶上設置在線近紅外光譜儀實時對比檢測不同出庫投料方式的煙葉煙堿值含量，如圖3所示。

對比圖3（a）和圖3（b）的煙堿含量波動結果可以發(fā)現(xiàn)，兩種投料方式的煙堿平均值基本都在3.2%左右，這主要是受到來煙原料煙堿值的限制。但是采用高低搭配均質(zhì)化系統(tǒng)投料出庫方式的煙堿變化波動要小于隨機出庫方式。對兩種出庫方式的煙堿值的分布進行統(tǒng)計和分析，如表1所示。

兩種出庫方式的煙堿的平均值均為3.21%。較隨機出庫方式相比，通過高低搭配的均質(zhì)化系統(tǒng)投料出庫，煙堿值的標準偏差從0.25降低至0.11，對應的變異系數(shù)從7.79%降低到3.42%。高低搭配的均質(zhì)化系統(tǒng)投料出庫明顯提升了打葉過程中煙堿分布的均勻性。

5 成品煙堿分布

煙葉經(jīng)過打葉復烤工藝后，隨機抽取60個樣品利用流動分析儀進行煙堿值分布測定，結果如圖4所示，對應的統(tǒng)計參數(shù)如表2所示。與隨機出庫模式相比，高低搭配出庫的成品煙堿值標準方差僅為0.09，下降了35.71%。對應的變異系數(shù)從3.54%降低到3.00%，降低了15.25%。結果表明，利用在線近紅外實時檢測來料的煙堿值，通過高低搭配出庫后能夠顯著提升打葉復烤工藝的均質(zhì)化程度。

6 總結

本文通過建立煙堿的在線近紅外分析模型，實現(xiàn)了來料的煙堿在線檢測。在線近紅外分析儀結合分選器實現(xiàn)將原煙按照煙堿值進行分選入庫和高低搭配出庫，全面提高了片煙煙堿含量的均勻性。在工業(yè)企業(yè)對于成品片煙煙堿均勻性要求越來越高的今天，推廣基于在線近紅外技術的打葉復烤均質(zhì)化系統(tǒng)的必要性愈發(fā)明顯，其應用前景廣闊。

參考文獻：

[1]胡建軍，馬明，李耀光，等.煙葉主要化學指標與其感官評吸質(zhì)量的灰色關聯(lián)分析[J].煙草科技，2001（1）：3-7.

[2]張黎明，張明發(fā)，田峰，巢進，陳前鋒，鄧小華.湘西州烤煙煙堿含量的區(qū)域特征及其與煙葉評吸質(zhì)量的關系[J].2014（12）：57-61.

[3]鄧小華，陳冬林，周冀衡，等.湖南烤煙煙堿含量空間分布特征及與香吃味的關系[J].中國煙草科學，2009，30（5）：34-40.

[4]祁路生.淺議打葉復烤均質(zhì)化配方加工[J].農(nóng)產(chǎn)品加工，2018（10）：66-67，70.

[5]王發(fā)勇，張春磊，喻紹新，李一輝，可文庚，吳貴軒，楊石鋼，謝永軍，雷佳，陳建軍.全程實現(xiàn)打葉復烤均質(zhì)化加工的研究進展[J].安徽農(nóng)業(yè)科學，2018，46（12）：11-13，16.

[6]邱軍，張懷寶，宋巖，王允白，許武，付中會，李乃會.近紅外光譜分析技術在煙草行業(yè)的應用[J].中國煙草科學，2008，29（1）：55-59.

[7]張翼，楊征宇，葛炯，劉太昂，張浩博，蔡峰，束茹欣.近紅外分析技術在煙草中的應用[J].計算機與應用化學，2016，33（2）：251-254.

[8]Edilene Dantas Teles Moreira，Mrcio Jos Coelho Pontes，Roberto Kawakami Harrop Galvo，Mrio César Ugulino Araújo.Near infrared reflectance spectrometry classification of cigarettes using the successive projections algorithm for variable selection[J].Talanta，2009.79：1260-1264.

[9]董小衛(wèi)，馬強，厲昌坤，周顯升，李曉，王以慧，蔡紹松，董海平.近紅外檢測把煙葉片化學成分技術研究[J].中國煙草科學，2008，29（4）：10-14.

[10]賓俊，范偉，周冀衡，李鑫，梁逸曾，肖志新，劉芮.近紅外技術結合SaE-ELM用于烤煙烘烤關鍵參數(shù)的在線監(jiān)測[J].煙草科技，2016，49（9）：50-56.

[11]YC/T468-2013.煙草及煙草制品總植物堿的測定連續(xù)流動（硫氰酸鉀）法[S].

[12]Yong Zhang，Qian Cong，Yunfei Xie，JingxiuYang，Bing Zhao.Quantitative analysis of routine chemical constituents in tobacco by near-infrared spectroscopy and support vector machine[J].Spectrochimica Acta Part A，2008，71：1408-1413.

基金項目：中國煙草總公司湖南省公司科技項目專項基金（項目編號：HN2020KJ14，HN2020KJ17，HN2020KJ15，HN2020KJ16）

作者簡介：尹凡（1985—），男，漢族，湖南衡陽人，碩士研究生，經(jīng)濟師，研究方向：打葉復烤工藝及過程質(zhì)量管控。