采用AOTF 近红外技术检测烟叶叶片化学成分的方法.doc

采用AOTF近红外技术检测烟叶叶片化学成分的方法董小卫1，董海平2，蔡绍松2（1. 山东中烟工业公司，山东 济南，250013；2. 济南金宏利实业有限公司，山东 济南，250100）摘要：本文初步探讨了采用AOTF近红外光谱无损检测技术检测烟叶主要化学成分及建模的影响。实验表明，以10点定位测量法采集到的光谱可以得烟叶更多的样品信息，所建立的模型相关性较高。总烟碱、总糖、还原糖、钾和氯含量模型的相关系数分别为0.9795、0.9788、0.9745、0.9342和0.9526，说明化学成分含量数据和光谱数据间有较好的相关性。实验结果表明AOTF近红外光谱技术可用于烟叶叶片主要化学成分的常规分析。关键词：声光可调滤光器；近红外光谱；烟草化学成分；光谱采集中图分类号： 文献标识码： 文章编号：目前，烟草行业尚没有直接无损检测烟叶化学成分的方法。实验室常规检测仪器分析烟叶化学成分需要对烟叶进行烘干、研磨、浸提和检测多个步骤，检测完后，烟叶将不复存在。该方法分析时间长，需要对样品进行复杂的处理，消耗大量的试剂，不同的指标要不同的通道进行测试。近红外光谱分析（NIR）则具有简便、快速、低成本、无污染以及样品的非破坏性和多组分同时测定等优点，已广泛应用于食品、石油、化工、医药等行业。物质分子中C-H、N-H、O-H和C=O等基团振动频率的合频与倍频的吸收正好落在近红外区，因此，近红外技术比较适合于分析与这些基团有直接或间接关系的成分。烟草中的总糖、还原糖、烟碱和总氮等都包含了这些基团，故近红外技术是分析这些成分的一种理想分析技术。90年代末，来自航天技术的声光可调滤光器（Acousto-Optic Tunable Filter , 缩写AOTF）技术的问世，被认为是“90年代近红外光谱仪最突出的进展”15。 AOTF是利用超声波与特定的晶体作用而产生分光的光电器件，与通常的单色器相比，光学系统无移动性部件，波长切换快、重现性好，程序化的波长控制使得这种仪器的应用具有更大的灵活性。近红外光谱分析（Near Infrared Spectroscopy, NIR）具有简便快速、无污染以及样品的非破坏性等特点，在烟草常规化学分析中有很大的发展潜力。AOTF技术与NIR的结合实现了仪器的小型化，为实现产品质量的实验室和在线检测提供了可能。AOTFNIR的这些优点使其近年来在工业在线和现场（室外）分析中得到越来越广泛的应用6,7。传统的近红外分析，需要将烟叶经过烘干，粉碎和研磨过程，然后制成40目或60目样品，大约需要3小时，不能满足烟叶采购现场检测的需要，也不能充分发挥近红外分析技术优势，因此建立一套或几套与当前烟叶发展形式相适应的，能够适用于现场的近红外检测模型，具有非常重大的意义。本文凭借AOTF-近红外仪器小型化的优势，直接对烟草烟叶的叶片进行检测，不必进行样品处理，方便快捷。仪器的便携性使AOTF近红外技术真正实现了现场检测，可在烟叶的收购现场直接对烟叶进行分析。1实验部分1.1 仪器条件和样品处理仪器：美国BRIMROSE公司产的Luminar 5030型便携式AOTF技术近红外光谱仪，主要部件包括：光学部分、控制部分、电源适配器、笔记本电脑。仪器波长范围为1100nm到2500nm，2nm的波长增量，扫描次数为100，采用InGaAs检测器。挪威CAMO公司The Unscrambler分析软件。样品：不同产区不同年度的烟叶，在恒温恒湿箱中进行24个小时的水分平衡，使烟叶的水分保持在17%左右，与烟叶收购时烟叶的水分基本一致。1.2 实验方法一片烟叶可沿主脉分成左右相等的两部分，化学成分含量基本一致；因此采集一半烟叶的光谱即可，得到光谱数据。另一半拿去做化学分析，得到该片烟叶的化学值数据。扫描光谱时，烟叶样品的下面要垫一个不锈钢制1-2mm厚的垫板，以减少背景的干扰。手持仪器光学部分的手柄将光学探头对准采集点进行光谱的采集。在光谱的扫描过程中，仪器探头尽量保持静止。烟叶样品光谱的采集采用多点扫描取平均的方法，即：在烟叶上按照一定规律采集多次光谱，使这几次光谱的采集位置尽量包括烟叶上的所有位置，然后将这几次采集的光谱平均为1张光谱，以该张光谱作为这个烟叶样品的光谱。图1.扫描烟叶样品1.3 烟叶叶片测量点选取在一张叶片上，在哪些位置上，选择几个点能够有效代表该叶片的信息呢？针对这个问题我们进行了深入的研究。图2. 烟叶选点定位图首先选取不同产区不同年度烟叶叶片，使其水分保持在16%-18%之间，与国标对原烟收购的水分要求一致。根据烟叶叶片左右对称的特性，将一片烟叶沿主叶脉平均分为左右两部分，测试的时候，取其中的右半部分即可。将右半部分进行三等分，分为叶尖、叶中、叶基三个部位。如图2所示，叶尖部位取三个点呈正立的一个三角形，叶中部位取5个点呈一个十字的形状，叶基部位取三个点呈一个倒立的三角形，共计11个点。为了验证取几个点合适,我们分别选取其中的3、4、5、6、7、8、9、10、11个点，每部分点的选择尽可能使其在右半部分平均分布，然后求平均光谱，再合并这9个平均光谱，查看其光谱位置。这9个平均光谱分别命名为p3、p4、p5、p6、p7、p8、p9、p10、p11。流程如下： 对一片烟叶按照一定的规律取采样点11个采集该烟叶11个采样点的光谱，再利用软件功能有选择的将其中某些光谱求平均光谱P3P4P5P6P7P8P9P10P11分别得到编号为P3P11的9张平均光谱图，再将这9张平均光谱数据合并成一个文件将合并的光谱图的三个局部进行放大观察统计该片烟叶合并光谱三个部位在最上、最下和中间三个位置的平均光谱的编号按照同样方法分析其他的烟叶,最后统计分析这些结果得出结论选取具有代表性烟叶叶片样品6个，编号为：B2F01、B2F02、B2F03、B2F04、C3F01、C3F02。各段合并光谱的位置如以下图表所示：前段合并光谱的放大位置如图：编号光谱位置B2F01B2F02B2F03B2F04C3F01C3F02最上P3P6P7P6P6P3中间P7P10P9P10P10P11最下P5P3P8P3P5P7中段合并光谱的放大位置如图：编号光谱位置B2F01B2F02B2F03B2F04C3F01C3F02最上P3P6P11P4P6P3中间P10P11P10P7P9P10最下P5P9P4P11P5P7尾段合并光谱的放大位置如图：编号光谱位置B2F01B2F02B2F03B2F04C3F01C3F02最上P3P6P11P4P3P3中间P9P7P7P7P7P10最下P5P9P6P11P11P7平均光谱在最上位置出现频率统计表格如下：P3P6P11P4P7出现次数76221平均光谱在最下位置出现频率统计表格如下：P5P7P11P3P9P4P6P8出现次数53322111平均光谱在中间位置出现频率统计表格如下：P10P7P9P11出现次数7632分析如下： 最上位置统计:分析：由下图可以看出，P3出现的频率最高，P6出现的频率次之，这两个平均光谱占了整个最上位置的72%，P3、P6所取的采样点较少，所以代表性不足，因此在最上位置出现的光谱对样品的代表性不好。 最下位置统计:分析：由下图可以看出，P5出现的频率最高，P7次之，他们占了整个最下位置的44%，同样原因，P5、P7所取的采样点少，代表不足。因此，最下位置出现的光谱对样品的代表性也不好。 中间位置统计：分析：通过以上的分析得知，在上下的位置出现的光谱对样品的代表性都不好，中间位置出现的光谱是对样品最有代表性的。由左图的分析也可以看出，P9、P10、P11所取采样点的数量足够多。P7虽然所占比率比较高，但是P7在最上最下的位置都出现过，所以P7虽然比较好，但是不够稳定。P10在中间位置出现的频率最高，它自己就占了整个中间位置的38.9%，而且在最上最下的位置从没有出现过。结论：每张烟叶的采样点数取10个是最合适的。该方法称为10点定位测量法。 图3. 最终确定的烟叶叶片测试点定位图将一片烟叶沿主叶脉平均分为左右两部分，测试的时候，取其中的右半部分即可。将右半部分进行三等分，分为叶尖、叶中、叶基三个部位。其中叶尖部位取三个点呈正立的一个三角形，叶中部位取四个点呈一个菱形的形状，叶基部位取三个点呈一个倒立的三角形，共计10个点。每个部位进行四等分，需测量的各点的坐标定位如图3所示。横坐标是指该点所在直线长度的比例，纵坐标是指该点所在部位主叶脉长度的比例。实际测试过程中，若所选点之处有异物或损伤，则在其附近另选一点，对测量的最终结果几乎没有影响。另外，在测试时尽量避开比较粗的枝脉。2. 结果与讨论2.1 原始吸收光谱图用10点定位测量法得的典型AOTF近红外原始吸收光谱图（图4），图中烟叶样品光谱的排列比较紧密，光谱与光谱之间的相似性较强，采集到的光谱信息量大，由于每个烟叶采集了10个点的光谱，使得平均后的光谱比较具有代表性。图4.烟叶叶片样品的原始吸收光谱2.2 光谱数据的预处理在建立模型前，首先需对扫描得到的原始吸收光谱进行光谱预处理，以消除噪音和基线的影响。我们采用的预处理方法为一阶导数9点平滑（savitzky-golay法）。一阶导数处理可以很好的消除样品由于颜色差别引起的光谱基线偏移和漂移。图5.烟叶叶片样品的一阶微分光谱图 2.3 AOTF近红外定量分析模型的建立将经过预处理后的光谱数据导入到The Unscrambler化学计量学软件中，与烟叶样品中的烟碱、总糖、还原糖、钾、氯等化学成分的基础数据进行关联，采用偏最小二乘法（PLS1），交叉验证法（cross-validation），用The Unscrambler定量分析软件建立模型。光谱和化学值异常值（outlier）分别采用光谱影响值Leverage和化学值误差Residual这两个统计量来检验剔除。经过异常值的剔除进行逐步优化，最后得到了较为理想的校正模型。所得的烟草总烟碱、总糖、还原糖、钾和氯的PLS1回归模型图如图6至图10所示。图6. 烟叶叶片NIC模型图7. 烟叶叶片TS模型图8. 烟叶叶片RS模型图9. 烟叶叶片K模型图10. 烟叶叶片CL模型2.4 模型验证由以上烟叶叶片样品各个指标的模型中可以看出，每个模型均有非常好的线性关系，除K的R2=0.9342稍低外，其余各项指标的相关性R2都在0.95以上。建立模型的样品足够多，各指标的数据梯度分布也比较好，因此，可得到很好的验证偏差。表2-1. 烟叶叶片模型参数汇总表模型主成分数相关性验证偏差Nic160.97956.28 %Ts180.97883.10 %Rs150.97453.04 %K210.93420.144Cl230.95260.039注：Nic、Ts、Rs三项指标为相对偏差，K、Cl两项指标为绝对偏差。3. 结论实践证明，AOTF近红外光谱分析技术可以应用于烟叶叶片样品常规化学成分的快速分析。采用手持AOTF便携式近红外光谱分析仪采集烟叶叶片样品的光谱，并按照一定的规律多点定位，最终取得了烟叶叶片比较有代表性的光谱。利用该光谱与化学成分含量之间的相关性建立模型，实际结果显示模型各项参数非常好，取得了很好的效果。通过改善采样条件以及扩大校正样品集的数量，模型可以进一步优化。可以预见，该项技术的推广应用将大大提高烟叶常规检测的工作效率，企业能够取得更多的经济效益。参考文献：1Turner J F, Treado P J. Appl Spectrosc, 1996, 50(2): 2772Fulton G, Horlick G. Appl Spectrosc, 1996, 50(7): 8853Tran C D. Anal Chem, 1992, 64(20): 9