王大鋒, 何育萍, 董海平, 鄒振民, 樊亞玲, 何智慧

?

煙草化學(xué)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(zé)任公司, 陜西 西安, 710065; 2. 濟(jì)南金宏利實(shí)業(yè)有限公司, 山東 濟(jì)南, 250000)

AOTF-近紅外光譜儀采用全密封固化設(shè)計(jì), 沒(méi)有任何可移動(dòng)部件, 不受溫度、濕度、灰塵等外界環(huán)境的影響, 其設(shè)計(jì)特點(diǎn)適合在線檢測(cè). 建立的近紅外光譜模型可以在多臺(tái)近紅外光譜儀之間轉(zhuǎn)移, 研究工作中采用直接矯正法來(lái)修正原模型光譜信息, 提高信號(hào)的信噪比和復(fù)雜背景的校正, 進(jìn)行模型轉(zhuǎn)移. 轉(zhuǎn)移后的煙草化學(xué)成分總糖、煙堿、氯在線檢測(cè)模型的決定系數(shù)分別為0.933 6、0.896 1、0.931 0. 隨機(jī)采集17個(gè)樣品, 用轉(zhuǎn)移后的模型預(yù)測(cè), 總糖、煙堿、氯的平均相對(duì)標(biāo)準(zhǔn)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(cè)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(wú)損、無(wú)污染、快速檢測(cè)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(guó)內(nèi)煙草行業(yè)中, 云南紅塔集團(tuán)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(xué)模型[4]; 湖南中煙工業(yè)有限公司通過(guò)近紅外技術(shù)在線檢測(cè)了打葉復(fù)烤過(guò)程中的煙葉化學(xué)成分, 建立了評(píng)價(jià)成品片煙質(zhì)量一致性水平的工藝指標(biāo)以及處理質(zhì)量問(wèn)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(cè)模型, 實(shí)現(xiàn)了再造煙葉產(chǎn)品主要化學(xué)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(zhǎng)時(shí)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(jì)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(xué)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(guó)), 主要部件: 光學(xué)部分、控制部分、電源適配器、工作站, 檢測(cè)器為InGaAs, 波長(zhǎng)范圍為1 100 ～2 300 nm, 波長(zhǎng)增量2 nm, 掃描速度為16 000波長(zhǎng)點(diǎn)/秒; 光譜采集軟件(SNAP32, Brimrose公司, 美國(guó)); 化學(xué)計(jì)量學(xué)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(guó)).

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

1.2 模型轉(zhuǎn)移和驗(yàn)證

近紅外光譜模型轉(zhuǎn)移采取逐個(gè)指標(biāo)轉(zhuǎn)移, 用新儀器動(dòng)態(tài)在線掃描50個(gè)片煙樣品光譜, 將對(duì)應(yīng)的化學(xué)值數(shù)據(jù)導(dǎo)入U(xiǎn)nscrambler軟件, 兩臺(tái)儀器的Unscrambler數(shù)據(jù)表格通過(guò)軟件轉(zhuǎn)換為Dx1格式, 運(yùn)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(dǎo)入U(xiǎn)nscrambler軟件重新計(jì)算出新模型, 完成模型轉(zhuǎn)移.

采用外部驗(yàn)證法對(duì)轉(zhuǎn)移后的模型的預(yù)測(cè)能力進(jìn)行驗(yàn)證. Luminar 4030近紅外光譜儀調(diào)整為手動(dòng)光譜采集模式, 現(xiàn)場(chǎng)隨機(jī)采集17個(gè)片煙樣品的光譜, 預(yù)測(cè)化學(xué)成分?jǐn)?shù)據(jù), 并與實(shí)驗(yàn)室間隔式流動(dòng)分析方法檢測(cè)的化學(xué)成分?jǐn)?shù)據(jù)比較, 計(jì)算出相對(duì)偏差; 平均相對(duì)偏差等于相對(duì)偏差絕對(duì)值求和除以樣品數(shù).

2 結(jié)果與討論

2.1 模型轉(zhuǎn)移

動(dòng)態(tài)在線掃描50個(gè)片煙樣品近紅外光譜, 采用Skalar間隔流動(dòng)分析儀檢測(cè)總糖、煙堿、氯含量, 用Unscrambler定量分析軟件對(duì)近紅外光譜和一級(jí)數(shù)據(jù)進(jìn)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T(mén)su12、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(dǎo)入U(xiǎn)nscrambler用PLS算法重新計(jì)算數(shù)據(jù), 得到的新模型近紅外預(yù)測(cè)值和化學(xué)值散點(diǎn)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(cè)值和化學(xué)值散點(diǎn)圖

圖3 轉(zhuǎn)移后煙堿模型近紅外預(yù)測(cè)值和化學(xué)值散點(diǎn)圖

圖4 轉(zhuǎn)移后氯模型近紅外預(yù)測(cè)值和化學(xué)值散點(diǎn)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(xué)值數(shù)據(jù)分布不均勻, 說(shuō)明模型建立時(shí)樣品的代表性不強(qiáng), 進(jìn)一步補(bǔ)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(cè)誤差會(huì)更加小.

2.2 模型外部驗(yàn)證

采用外部驗(yàn)證法對(duì)模型的預(yù)測(cè)能力進(jìn)行驗(yàn)證. 現(xiàn)場(chǎng)隨機(jī)采集17個(gè)片煙樣品的近紅外光譜, 調(diào)用轉(zhuǎn)移后的模型預(yù)測(cè)各化學(xué)成分, 將預(yù)測(cè)結(jié)果與實(shí)驗(yàn)室化學(xué)值數(shù)據(jù)對(duì)比分析, 預(yù)測(cè)結(jié)果及相對(duì)偏差見(jiàn)表1.

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

從表1可以看出, 總糖、煙堿、氯的預(yù)測(cè)結(jié)果較為理想, 誤差分布合理, 對(duì)17個(gè)樣品結(jié)果, 計(jì)算出平均相對(duì)標(biāo)準(zhǔn)偏差分別為3.19%、3.76%、5.00%, 能夠完全滿足生產(chǎn)實(shí)際需要.

3 結(jié)語(yǔ)

采用直接矯正法來(lái)修正原模型光譜信息, 提高信號(hào)的信噪比和復(fù)雜背景的校正, 進(jìn)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(cè)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(shí)間等信息, 在一定條件下, 模型受儀器性能變化、檢測(cè)條件, 及樣品狀態(tài)等差別的影響較小. 隨著時(shí)間、空間、條件的變化, 這些干擾因素不斷增加, 需要進(jìn)一步提高模型的穩(wěn)定性, 近紅外光譜預(yù)測(cè)模型的長(zhǎng)期維護(hù)在生產(chǎn)工作中具有重要的實(shí)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(guó)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?wèn)|, 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(fù)烤煙葉化學(xué)成分在線檢測(cè)和成品質(zhì)量控制[J]. 中國(guó)煙草科學(xué), 2009, 15(1): 1—5.

[6] 王保興, 鄒振民, 劉維涓, 等. 再造煙葉主要化學(xué)組分的AOTF-NIR在線監(jiān)測(cè)[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(xué), 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(zé)任編校:譚長(zhǎng)貴)