1、1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
2、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
3、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 Spectro
4、scopy, 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2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
5、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
6、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
7、 张光谱，以该张光谱作为这个烟叶样品的光谱。3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4取三个点呈一个倒立的三角形，共
8、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P3 P4 P5 P6 P7 P8 P9 P10 P11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
9、大观察5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B2F01 B2F02 B2F03 B2F04 C3F01 C3F02最上 P3 P6 P7 P6 P6 P3中间 P7 P10 P9 P10 P10 P11最下 P5 P3 P8 P3 P5 P7中段合并光谱的放大位置如图：6编号光谱位置B2F01 B2F02 B2F03
10、B2F04 C3F01 C3F02最上 P3 P6 P11 P4 P6 P3中间 P10 P11 P10 P7 P9 P10最下 P5 P9 P4 P11 P5 P7尾段合并光谱的放大位置如图：编号光谱位置B2F01 B2F02 B2F03 B2F04 C3F01 C3F02最上 P3 P6 P11 P4 P3 P3中间 P9 P7 P7 P7 P7 P10最下 P5 P9 P6 P11 P11 P7平均光谱在最上位置出现频率统计表格如下：P3 P6 P11 P4 P7出现次数 7 6 2 2 17平均光谱在最下位置出现频率统计表格如下：P5 P7 P11 P3 P9 P4 P6 P8出现次数
11、 5 3 3 2 2 1 1 1平均光谱在中间位置出现频率统计表格如下：P10 P7 P9 P11出现次数 7 6 3 2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
12、光谱对样品的代表性都不好，中间8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
13、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9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 1
14、0 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。10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）
15、 ，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11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
16、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Nic 16 0.9795 6.28 %Ts 18 0.9788 3.10 %Rs 15 0.9745 3.04 %K 21 0.9342 0.144Cl 23 0.9526 0.039注：Nic、Ts、Rs 三项指标为相对偏差，K、Cl 两项指标为绝对偏差。123. 结论实践证明，AOTF 近红外光谱分析技术可以应用于烟
17、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 Spect
18、rosc, 1996, 50(7): 8853Tran C D. Anal Chem, 1992, 64(20): 971A4Tran C D. Talanta, 1997, 45: 2375Exander A, Gao G H, Tran C D. Appl Spectrosc, 1997, 51: 16036Finch P. Measurement & Control, 1994, 27(5): 1387Tran C D, Gao G H. Anal Chem, 1996, 68(13): 2264修改要求：需要添加中英文题目、中英文摘要、中英文关键词、中英文作者姓名、单位和单位所在地、第一作者简介（50字左右）
