声光可调近红外光谱技术分析烟草主要化学成分
摘 要
建立了声光可调近红外光谱方法(AOTFNIR)检测烟草主要化学成分的方法。应用AOTFNIR光谱仪测定了不同地区、不同等级烟草样品的近红外光谱，用Unscrambler定量分析软件将光谱与对应的化学成分值相关联，建立了烟草中总糖、还原糖、总烟碱和钾的回归模型。用这些模型对未知样品进行了预测。总糖、还原糖、总烟碱和钾模型预测的平均相对标准偏差分别为2.71%、3.13%、4.04%和6.42%。
关键词 声光可调滤光器，近红外光谱，烟草化学成分，偏最小二乘法
Analysis of Tobacco Constituents byAcoutstooptic Tunble FilterNear Infrared Spectroscopy
He Zhihui*, Lian Wenliu, Wu Mingjian, Tang Liyun, Chen Ya
(Technical Center of Changde Cigarette Factory, Changde 415000)
Abstract An acoutstooptic tunable filternear infrared (AOTFNIR) method for determining tobacco constituents was developed. The regressive models of total sugar, reducing sugar, nicotine and potassium were established by the Unscrambler. The average relative standard deviation between predicted value and measured value is 2.71%, 3.13%, 4.04%, 6.42%, respectively. The results indicate that AOTFNIR technique is feasible for the analysis of tobacco constituents and the technique provides a foundation for online monitoring in tobacco process.
Keywords Acoustooptic tunable filter, near infrared spectroscopy, tobacco constituents, partial least squares
1 引 言
烟草中的主要化学成分(总糖、总烟碱等)是表征烟草质量的重要指标。因此，烟草化学成分分析在烟草科研中具有重要意义。常规的分析方法费时、费力,操作繁琐，而近红外光谱分析(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，目前已广泛应用于食品、石油、化工等行业。Norris等\[1\]首先应用NIR技术分析了谷物中的水分；闵顺耕等\[2\]采用NIR方法测定了大麦中的蛋白质、淀粉等成分。在烟草研究领域NIR技术也得到了应用\.McClure等分析了烟草中的尼古丁\[3,4\]、多酚\[5\]，并应用NIR技术对烟叶分类进行了研究\[6\]。NIR方法还可以检测烟草中的叶绿素\[7\]、绿原酸\[8\]和总挥发碱\[9\]; Di Luzio检测了卷烟烟气剑桥滤片中的水分、尼古丁和焦油含量\[10\]。
20世纪80年代后期，声光可调滤光器(AOTF)逐渐受到人们的重视\[11,12\]。与传统的基于机械调谐分光元件的光谱仪器相比，以AOTF作为分光元件的光谱仪具有明显的优越性：它结构简单，光学系统无移动性部件，体积小，集光能力强，尤其它的波长切换快、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，特别是外部防尘和内置的温度、湿度集成控制装置，大大提高了仪器的环境适应性\[13\]。本研究应用AOTFNIR技术，建立了AOTFNIR定量分析模型并对部分烟叶进行了预测。
2 实验部分
2.1 仪器及样品处理
Luminar 5030731型MiniAOTFNIR便携式近红外光谱仪(美国BRIMROSE公司)，主要部件包括：光学部分、控制部分、电源适配器，检测器为InGaAs；San++流动注射仪(荷兰SKALAR公司)；Unscrambler定量分析软件(美国CAMO公司)；自制样品杯及旋转平台。
烟草样品由常德卷烟厂提供，将样品撕梗、切丝，在40℃下烘干12 h，使样品的水分含量基本保持一致(含水量5.0%～7.0%)，用旋风磨充分粉碎、研磨过筛，得到0.30 mm粒径的粉末样品。
2.2 光谱扫描和数据处理
烟草样品装入样品杯，放入与之配套的砝码将之压实，保证样品的装载松密度、厚度相同，然后置于旋转平台上，测定近红外光谱。光谱测定波长范围为1100~2300 nm，1 nm的波长增量，扫描600次。采用偏最小二乘法(PLS1)建立校正模型\[2\]。模型建立过程中采用一阶导数9点平滑(SavitzkyGolay)对扫描得到的原始吸收全光谱进行预处理，以消除噪音和基线的影响。根据SEP和SEE的下降变化确定最佳主成分数的选取。
2.3 化学值检测及平均相对标准偏差计算
总糖、还原糖、总烟碱和钾的含量采用SKALAR间隔流动分析仪检测，所有成分按烟草干重量的百分比表示。以化学检测值作为真实值来计算相对偏差(RD)和平均相对标准偏差(RSD)，平均相对标准偏差为样品预测值与化学值偏差的平方和除以样本数再开方，再除以样本集的化学平均值得到。
3 结果与讨论
3.1 烟草样品光谱数据的采集
实验中扫描模式设为Ratio mode，这种方式可以有效地扣除背景变化带来的影响。旋转平台的使用使得光谱信息较全面，能充分代表整个样品的性质。样本集的数量对建立的模型参数有较大的影响，一般样品较多得到的模型较准确，预测范围较宽广。典型AOTFNIR原始吸收光谱如图1所示(图中包含24个烟草样品光谱)。
图1 烟草样品的近红外漫反射吸收光谱(略)
Fig.1 Near infrared (NIR) diffuse reflectance spectra of 24 tobacco samples
3.2 AOTFNIR定量分析模型的建立
AOTFNIR定量分析的模型建立使用Unscrambler定量分析软件。全光谱数据经一阶导数预处理后，与烟草中的总糖、还原糖、总烟碱等化学值数据进行关联，采用偏最小二乘法，交互验证(crossvalidation)建立校正模型。分别采用光谱影响值Leverage和化学值误差Residual这两个参数剔除光谱和化学值的异常值。经过异常值的剔除进行逐步优化，最后得到了较理想的数学模型。图2为烟草总糖含量的化学值(measured)与模型预测值(predicted)的相关关系散点图。表1为各烟草主要化学成分回归模型的参数。
图2 总糖的近红外预测值与化学值的散点图(略)
Fig.2 Correlation curve of total sugar between NIR predicted and measured values
表1 各个模型的参数(略)
Table 1 Parameters of different models
3.3 模型的检验
除了从模型自身的参数衡量回归模型的质量优劣外，对回归模型的实际预测能力，采用模外检验评价的方法，随机选取15个未知样品，近红外预测结果与流动注射分析结果的比较见表2。总糖平均相对标准偏差(RSD)为271%。还原糖的RSD为3.13%。总烟碱的RSD为4.04%。钾的RSD为6.42%。总之，建立的模型预测结果很好，能应用于烟草相关领域。AOTFNIR近红外光谱仪体积小、轻便，检测快速，不破坏样品，该技术可用于卷烟过程中的在线质量检测和现场监测。
表2 近红外方法预测值与化学值的比较(略)
Table 2 Comparison of NIR predicted and measured values
致 谢 本工作得到了中国农业大学应用化学系闵顺耕教授和济南金宏利有限公司的帮助,在此谨致谢忱。
References
1 Norris K H，Hart J R. In Principles and Methods of Measuring Moisture Content in Liquids and Solids. New York：Wexler A, Ed; Reinhold, 1965，4： 19～25
2 Min Shungeng(闵顺耕), Qin Fangli(覃方丽), Li Ning(李 宁)，Yu Feijian(于飞键). Chinese J. Anal. Chem.(分析化学)， 2003， 31(7)： 843～845
3 Hanna M, McClure W F, Whitaker T R, White M， Bahler D R. J. Near Infrared Spectrosc.， 1995， 3： 133～142
4 Hoy R M, McClure W F. Appl. Spectrosc.， 1989， 43： 1102～1104
5 McClure W F, Williamson R E. Beitr. Tabakforsch.， 1982， 11： 219~227
6 Hanna M, McClure W F, Whitaker T B White M W, Bahler D R. J. Near Infrared Spectrosc.， 1997， 5： 19~25
7 Gratani L A. Photosynthetica, 1992， 26： 469～473
8 Shao X， Zhuang Y. Anal. Sci.， 2004， 20： 451～454
9 Bense T, Gastellu C. Tob. Sci.， 1983， 27： 92~94
10 Di Luzio C, Morzilli S, Cardinale E. Beitr. Tabakforsch.， 1995， 16： 171~184
11 Gupta N, Dahmani R. Spectrochim. Acta, 2000， 56A： 1453~1456
12 Alexander A, Gao G H, Tran C D. Appl. Spectrosc.，1997， 51： 1603~1606
13 Tran C D, Gao G H. Anal. Chem.，1996， 68： 2264~2269
(湖南常德卷烟厂技术中心， 常德 415000), 百拇医药(何智慧 练文柳 吴名剑 唐丽云 陈 亚)
建立了声光可调近红外光谱方法(AOTFNIR)检测烟草主要化学成分的方法。应用AOTFNIR光谱仪测定了不同地区、不同等级烟草样品的近红外光谱，用Unscrambler定量分析软件将光谱与对应的化学成分值相关联，建立了烟草中总糖、还原糖、总烟碱和钾的回归模型。用这些模型对未知样品进行了预测。总糖、还原糖、总烟碱和钾模型预测的平均相对标准偏差分别为2.71%、3.13%、4.04%和6.42%。
关键词 声光可调滤光器，近红外光谱，烟草化学成分，偏最小二乘法
Analysis of Tobacco Constituents byAcoutstooptic Tunble FilterNear Infrared Spectroscopy
He Zhihui*, Lian Wenliu, Wu Mingjian, Tang Liyun, Chen Ya
(Technical Center of Changde Cigarette Factory, Changde 415000)
Abstract An acoutstooptic tunable filternear infrared (AOTFNIR) method for determining tobacco constituents was developed. The regressive models of total sugar, reducing sugar, nicotine and potassium were established by the Unscrambler. The average relative standard deviation between predicted value and measured value is 2.71%, 3.13%, 4.04%, 6.42%, respectively. The results indicate that AOTFNIR technique is feasible for the analysis of tobacco constituents and the technique provides a foundation for online monitoring in tobacco process.
Keywords Acoustooptic tunable filter, near infrared spectroscopy, tobacco constituents, partial least squares
1 引 言
烟草中的主要化学成分(总糖、总烟碱等)是表征烟草质量的重要指标。因此，烟草化学成分分析在烟草科研中具有重要意义。常规的分析方法费时、费力,操作繁琐，而近红外光谱分析(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，目前已广泛应用于食品、石油、化工等行业。Norris等\[1\]首先应用NIR技术分析了谷物中的水分；闵顺耕等\[2\]采用NIR方法测定了大麦中的蛋白质、淀粉等成分。在烟草研究领域NIR技术也得到了应用\.McClure等分析了烟草中的尼古丁\[3,4\]、多酚\[5\]，并应用NIR技术对烟叶分类进行了研究\[6\]。NIR方法还可以检测烟草中的叶绿素\[7\]、绿原酸\[8\]和总挥发碱\[9\]; Di Luzio检测了卷烟烟气剑桥滤片中的水分、尼古丁和焦油含量\[10\]。
20世纪80年代后期，声光可调滤光器(AOTF)逐渐受到人们的重视\[11,12\]。与传统的基于机械调谐分光元件的光谱仪器相比，以AOTF作为分光元件的光谱仪具有明显的优越性：它结构简单，光学系统无移动性部件，体积小，集光能力强，尤其它的波长切换快、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，特别是外部防尘和内置的温度、湿度集成控制装置，大大提高了仪器的环境适应性\[13\]。本研究应用AOTFNIR技术，建立了AOTFNIR定量分析模型并对部分烟叶进行了预测。
2 实验部分
2.1 仪器及样品处理
Luminar 5030731型MiniAOTFNIR便携式近红外光谱仪(美国BRIMROSE公司)，主要部件包括：光学部分、控制部分、电源适配器，检测器为InGaAs；San++流动注射仪(荷兰SKALAR公司)；Unscrambler定量分析软件(美国CAMO公司)；自制样品杯及旋转平台。
烟草样品由常德卷烟厂提供，将样品撕梗、切丝，在40℃下烘干12 h，使样品的水分含量基本保持一致(含水量5.0%～7.0%)，用旋风磨充分粉碎、研磨过筛，得到0.30 mm粒径的粉末样品。
2.2 光谱扫描和数据处理
烟草样品装入样品杯，放入与之配套的砝码将之压实，保证样品的装载松密度、厚度相同，然后置于旋转平台上，测定近红外光谱。光谱测定波长范围为1100~2300 nm，1 nm的波长增量，扫描600次。采用偏最小二乘法(PLS1)建立校正模型\[2\]。模型建立过程中采用一阶导数9点平滑(SavitzkyGolay)对扫描得到的原始吸收全光谱进行预处理，以消除噪音和基线的影响。根据SEP和SEE的下降变化确定最佳主成分数的选取。
2.3 化学值检测及平均相对标准偏差计算
总糖、还原糖、总烟碱和钾的含量采用SKALAR间隔流动分析仪检测，所有成分按烟草干重量的百分比表示。以化学检测值作为真实值来计算相对偏差(RD)和平均相对标准偏差(RSD)，平均相对标准偏差为样品预测值与化学值偏差的平方和除以样本数再开方，再除以样本集的化学平均值得到。
3 结果与讨论
3.1 烟草样品光谱数据的采集
实验中扫描模式设为Ratio mode，这种方式可以有效地扣除背景变化带来的影响。旋转平台的使用使得光谱信息较全面，能充分代表整个样品的性质。样本集的数量对建立的模型参数有较大的影响，一般样品较多得到的模型较准确，预测范围较宽广。典型AOTFNIR原始吸收光谱如图1所示(图中包含24个烟草样品光谱)。
图1 烟草样品的近红外漫反射吸收光谱(略)
Fig.1 Near infrared (NIR) diffuse reflectance spectra of 24 tobacco samples
3.2 AOTFNIR定量分析模型的建立
AOTFNIR定量分析的模型建立使用Unscrambler定量分析软件。全光谱数据经一阶导数预处理后，与烟草中的总糖、还原糖、总烟碱等化学值数据进行关联，采用偏最小二乘法，交互验证(crossvalidation)建立校正模型。分别采用光谱影响值Leverage和化学值误差Residual这两个参数剔除光谱和化学值的异常值。经过异常值的剔除进行逐步优化，最后得到了较理想的数学模型。图2为烟草总糖含量的化学值(measured)与模型预测值(predicted)的相关关系散点图。表1为各烟草主要化学成分回归模型的参数。
图2 总糖的近红外预测值与化学值的散点图(略)
Fig.2 Correlation curve of total sugar between NIR predicted and measured values
表1 各个模型的参数(略)
Table 1 Parameters of different models
3.3 模型的检验
除了从模型自身的参数衡量回归模型的质量优劣外，对回归模型的实际预测能力，采用模外检验评价的方法，随机选取15个未知样品，近红外预测结果与流动注射分析结果的比较见表2。总糖平均相对标准偏差(RSD)为271%。还原糖的RSD为3.13%。总烟碱的RSD为4.04%。钾的RSD为6.42%。总之，建立的模型预测结果很好，能应用于烟草相关领域。AOTFNIR近红外光谱仪体积小、轻便，检测快速，不破坏样品，该技术可用于卷烟过程中的在线质量检测和现场监测。
表2 近红外方法预测值与化学值的比较(略)
Table 2 Comparison of NIR predicted and measured values
致 谢 本工作得到了中国农业大学应用化学系闵顺耕教授和济南金宏利有限公司的帮助,在此谨致谢忱。
References
1 Norris K H，Hart J R. In Principles and Methods of Measuring Moisture Content in Liquids and Solids. New York：Wexler A, Ed; Reinhold, 1965，4： 19～25
2 Min Shungeng(闵顺耕), Qin Fangli(覃方丽), Li Ning(李 宁)，Yu Feijian(于飞键). Chinese J. Anal. Chem.(分析化学)， 2003， 31(7)： 843～845
3 Hanna M, McClure W F, Whitaker T R, White M， Bahler D R. J. Near Infrared Spectrosc.， 1995， 3： 133～142
4 Hoy R M, McClure W F. Appl. Spectrosc.， 1989， 43： 1102～1104
5 McClure W F, Williamson R E. Beitr. Tabakforsch.， 1982， 11： 219~227
6 Hanna M, McClure W F, Whitaker T B White M W, Bahler D R. J. Near Infrared Spectrosc.， 1997， 5： 19~25
7 Gratani L A. Photosynthetica, 1992， 26： 469～473
8 Shao X， Zhuang Y. Anal. Sci.， 2004， 20： 451～454
9 Bense T, Gastellu C. Tob. Sci.， 1983， 27： 92~94
10 Di Luzio C, Morzilli S, Cardinale E. Beitr. Tabakforsch.， 1995， 16： 171~184
11 Gupta N, Dahmani R. Spectrochim. Acta, 2000， 56A： 1453~1456
12 Alexander A, Gao G H, Tran C D. Appl. Spectrosc.，1997， 51： 1603~1606
13 Tran C D, Gao G H. Anal. Chem.，1996， 68： 2264~2269
(湖南常德卷烟厂技术中心， 常德 415000), 百拇医药(何智慧 练文柳 吴名剑 唐丽云 陈 亚)