烟草中还原糖检测方案(近红外光谱仪)

AOTF－近红外光谱技术分析烟草主要化学成分 何智慧，练文柳，吴名剑，唐丽云，陈亚 湖南常德卷烟厂技术中心，湖南 常德，415000 摘　要　应用AOTF－近红外光谱法测定了406个不同地区、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相关联，建立了烟草中总糖、还原糖、总烟碱和钾的回归模型。总糖、还原糖、总烟碱和钾含量近红外光谱分析模型的决定系数R2分别为0.9840、0.9866、0.9884和0.9201。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2.23%、2.31%、3.60%和5.98%。实验结果表明，AOTF－NIR技术可以用于烟草主要化学成分的检测，并为此技术用于卷烟生产过程中的在线检测和监控提供依据。 主题词　声光可调滤光器；近红外光谱；烟草化学成分；偏最小二乘法（PLS） 中图分类号： 文献标识码：A 文章编号： 引　言 烟草中的主要化学成分（总糖、总烟碱、总氮、蛋白质等）含量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起着相当重要的作用。常规的分析方法费时、费力、操作繁琐复杂，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，已广泛应用于食品、石油、化工、医药等行业[1]。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。 传统的红外分光光度技术采用棱镜或光栅做色散元件，以这些色散元件为核心的红外光谱测量系统，结构复杂，设计和生产成本高，使得分析检测仅适于实验室条件下应用。自20世纪80年代后期，一种新型的色散元件——声光可调滤光器（Acousto-optic tunable filter，简称AOTF）逐渐受到人们的重视[2-6]。AOTF是基于各向异性的双折射晶体的声光衍射原理，利用超声波与特定的晶体作用而产生分光的光电器件[7－9]。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，最吸引人之处在于它的波长切换快、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，尤其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，加之全固态集成设计产生优异的避震性能，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[10,11]。 AOTF的出现和应用，结束了检测分析只能在实验室进行的历史，将过去必须在室内，且对温度、湿度、防震均有严格要求的近红外光谱仪，转移到了生产在线和现场。就卷烟行业来说，对卷烟加工过程、烟叶储存养护过程、入库及在库烟叶内在质量的检测和监控，可以为烟厂提高产品质量和产品的科技含量提供保证。采用AOTF－近红外光谱技术（AOTF－NIR）进行烟草主要化学成分含量的检测目前在国内外还少有报道。我们将自制的样品杯和旋转平台应用于AOTF－NIR技术，对检测烟草总糖、还原糖、总烟碱和钾的含量作了初步研究，扫描了406个不同地区、不同等级的烟草样品，利用光谱和化学成分含量之间的关系建立了AOTF－NIR定量分析模型，为AOTF－NIR技术用于卷烟生产加工过程的在线和现场质量监测控制提供了依据。 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 5030-731型Mini-AOTF－NIR便携式近红外光谱仪，主要部件包括：光学部分、控制部分、电源适配器、笔记本电脑。所用检测器为InGaAs，波长范围为1100nm到2300nm，1nm的波长增量，扫描次数为600。Unscrambler定量分析软件。自制样品杯及旋转平台。 样品：实验中所用的406个烟草样品由常德卷烟厂提供，均为2003年度国内不同地区、不同等级的初烤烟样品。将此把烟样品切丝，在40℃下烘干至一定程度，使样品的水份含量基本保持一致（含水量5.0％～7.0％），再用XF－98B型旋风精密粉碎机充分粉碎、研磨均匀，得到60目的粉末样品。 旋风磨（Foss-1093，Foss，Sweden） 1.2 实验方法 将烟草粉末样品装入样品杯，放入与之配套的砝码将之压实，每个样品取样的多少、砝码压置的时间保持一致，以保证样品的装载的松密度、厚度相同，然后置于旋转平台上，测定其近红外光谱。 采用SKALAR间隔流动分析仪检测总糖、还原糖、总烟碱和钾的含量。平均相对标准偏差（）等于所有样品的相对标准偏差（RSD）绝对值之和除以样品个数。 2 结果与讨论 2.1 烟草样品光谱数据的采集 　　为获得良好的光谱数据，应在稳定严格的实验条件下进行光谱扫描，本实验中扫描模式我们设为“Ratio mode”，因为这种方式可以有效地扣除背景变化带来的影响。在扫描光谱时，我们采用了旋转平台，这样得到的光谱信息较全面，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，实验中我们一共扫描了406个样品的光谱。典型AOTF－NIR原始吸收光谱如图1所示（图中包含60个烟草样品光谱）。 Fig. 1　NIR diffuse reflectance spectra of tobacco 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。因此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。 2.3 AOTF－NIR定量分析模型的建立 　　AOTF－NIR定量分析的模型建立使用Unscrambler定量分析软件。光谱数据经一阶导数预处理后，与烟草中的总糖、还原糖、总烟碱等基础数据进行关联，采用偏最小二乘法（PLS1），交叉－验证（cross-validation）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，最后得到了较为理想的数学模型。图.2－图5为总糖、还原糖、总烟碱和钾含量的化学值（measured）与模型预测值（predicted）的相关关系散点图。表1为各成分回归模型的数理指标。 Fig.2 Correlation curve of total sugar between NIR predicted and measured values Fig.3 Correlation curve of nicotine between NIR predicted and measured values Fig.4 Correlation curve of reducing sugar between NIR predicted and measured values Fig.5 Correlation curve of Potassium between NIR predicted and measured values Table 1 Parameters of different models 指　标 总　糖 还原糖 总烟碱 钾 样品数量 403 401 401 403 主成分数 8 9 9 10 决定系数 0.9840 0.9866 0.9884 0.9201 2.4 模型的检验 除了从模型自身的基本数理指标衡量回归模型的质量优劣外，对回归模型的实际预测能力，我们采用模外检验评价的方法，即随机选取23个未知样进行流动注射分析，测定其总糖，还原糖，总烟碱和钾的含量，然后用上述模型预测这23个未知样，预测结果与流动注射分析结果的比较见表2。总糖的预测仅有两个样品的RSD略大于5.00％，其为2.23％。还原糖仅有一个样品的RSD为6.25％，其余均小于5.00％，为2.31％。总烟碱的模型相对较差，有6个样品的RSD大于5.00％，其中一个为14.3％，这固然与烟碱的绝对含量偏低有关。钾的为5.98％，这个结果是目前国内烟草行业报道的最高水平。这些预测的异常值可能是由化学成分测量误差或者样品本身较为特殊引起的。总的来看，建立的模型预测结果很好，能应用于烟草相关领域。 Table 2 Comparison of NIR predicted and measured values 总 糖 还 原 糖 总 烟 碱 钾 编号 化学值 预测值 RSD (％) 化学值 预测值 RSD （％） 化学值 预测值 RSD (％) 化学值 预测值 RSD (％) 1 27.48 28.72 -4.53 24.82 25.88 -4.30 3.45 3.40 1.45 1.62 1.70 -4.97 2 24.87 24.36 2.06 22.32 21.98 1.51 3.82 3.81 0.37 1.46 1.50 -3.09 3 28.49 29.18 -2.42 26.08 26.50 -1.62 2.35 2.32 1.43 2.08 2.28 -9.40 4 27.02 27.60 -2.16 24.59 24.03 2.26 4.04 4.07 -0.82 1.74 1.75 -0.53 5 22.76 22.33 1.92 19.74 19.75 -0.03 2.56 2.57 -0.35 2.81 2.86 -1.83 6 25.21 25.83 -2.44 22.88 23.38 -2.18 3.37 3.41 -1.06 1.61 1.97 -21.7 7 19.46 18.44 5.28 16.53 16.28 1.51 3.16 3.29 -4.00 2.45 2.59 -5.96 8 30.36 31.50 -3.77 26.61 27.66 -3.93 2.95 2.81 4.73 1.75 1.79 -2.41 9 30.20 29.70 1.66 27.44 27.13 1.15 2.74 2.58 5.87 2.51 2.40 4.46 10 16.68 17.28 -3.60 15.01 15.59 -3.87 1.52 1.74 -14.3 4.08 3.47 15.15 11 22.59 22.66 -0.28 19.59 20.10 -2.58 2.76 2.82 -2.09 3.02 2.87 5.03 12 29.93 30.18 -0.86 26.87 26.97 -0.38 2.36 2.35 0.53 2.11 1.96 7.40 13 26.40 26.28 0.45 23.19 22.86 1.43 3.15 3.20 -1.83 2.60 2.38 8.56 14 20.98 21.25 -1.32 17.92 18.73 -4.54 2.84 2.92 -2.81 2.86 2.64 7.79 15 31.39 32.42 -3.26 26.80 27.79 -3.71 2.52 2.41 4.09 2.71 2.42 10.87 16 22.18 22.41 -1.03 19.54 19.87 -1.69 2.12 2.19 -3.33 3.30 3.18 3.71 17 23.76 24.47 -2.98 21.15 21.91 -3.61 2.79 2.89 -3.73 2.17 2.40 -10.8 18 30.69 29.97 2.34 25.03 26.27 -4.95 2.98 3.13 -4.85 1.99 1.92 3.28 79 20.96 21.27 -1.51 19.45 19.56 -0.57 1.74 1.89 -8.57 3.49 3.19 8.48 20 25.36 25.96 -2.36 21.99 22.53 -2.46 2.83 3.06 -8.24 2.62 2.57 2.14 21 16.09 16.96 -5.40 14.24 15.13 -6.25 2.54 2.45 3.27 3.31 3.18 3.79 22 24.21 24.70 -2.01 21.76 22.18 -1.89 2.61 2.78 -6.66 2.41 2.53 -5.04 23 23.13 22.63 2.13 20.69 20.98 -1.42 2.03 2.14 -5.53 2.91 2.99 -2.92 平均相对标准偏差2.23% 平均相对标准偏差2.31% 平均相对标准偏差3.60% 平均相对标准偏差5.98% 与现在常用的傅立叶变换近红外光谱仪相比，Brimorse公司的Luminar5030-731型近红外光谱仪的光谱扫描范围在1100～2300nm之间，而在2300～2500nm之间，还有许多信息没有采集到，而且相对来说这一部分的红外吸收更强，将光谱扫描范围扩大，应该可以得到更好的模型。 3 结　论 本文采用AOTF－NIR技术测定了406个不同地区、不同等级烤烟样品的近红外光谱，用Unscrambler定量分析软件建立了烟草中总糖、还原糖、总烟碱和钾成分的定量分析模型，并对这些模型进行了未知样品的预测。实验结果表明，AOTF－NIR技术可以用于检测烟草中主要化学成分含量（如总糖、还原糖、总烟碱等），这为AOTF－NIR技术应用于卷烟过程中的在线质量检测和现场监测控制提供了依据。例如在烟叶调拨和卷烟生产中，根据烟草近红外光谱与化学成分之间的回归模型，利用AOTF－NIR近红外光谱仪体积小、轻便，测定简便快速，不破坏样品的优点，就可以实现对调拨及生产过程中的实时监控。 感谢中国农业大学应用化学系闵顺耕教授在工作中提供了诸多帮助。感谢山东济南金宏利有限公司提供近红外光谱仪。 参　考　文　献 [1]　WANG Er-kang(汪尔康主编). Analytical Chemistry of 21st(21世纪的分析化学). Beijing: Sciences Press(北京：科学出版社)，2001.2 [2] Gupta N, Dahmani R. Spectrochim. Acta, 2000, 56A: 1453 [3] Exander A, Gao G H, Tran C D. Appl. Spectrosc., 1997, 51: 1603 [4] XIAO Li-feng et al(肖立峰等). Chinese Journal of Lasers(中国激光)，2004, 31(3): 269 [5] Turner J F, Treado P J. Appl. Spectrosc., 1996, 50(2): 277 [6] Fulton G, HorlickG. Appl. Spectrosc., 1996, 50(7): 885 [7] Tran C D. Anal. Chem., 1992, 64(20): 971A [8] Tran C D. Talanta, 1997, 45: 237 [9] Tran C D. Anal. Lett., 2000, 33(9): 1711 [10] Finch P. Measurement & Control., 1994, 27(5): 138 [11] Tran C D, Gao G H. Anal. Chem., 1996, 68(13): 2264 Analysis of Tobacco Constituents with AOTF-Near Infrared Spectroscopy HE Zhi-hui, LIAN Wen-liu, WU Ming-jian, TANG Li-yun, CHEN Ya Technical Center of Changde Cigarette Factory, Hunan Changde 415000, P. R. China Abstract The spectrum of 406 tobacco samples were scanned by AOTF-NIR. The models of total sugar, reducing sugar, nicotine and potassium were calculated by the Unscrambler software. Their determination coefficient R2 is 0.9840, 0.9866, 0.9884, 0.9201,respectively and the average relative standard deviation of prediction is 2.23%, 2.31%, 3.60%, 5.98%, respectively. The results show that AOTF-NIR technique is applicable for analysis of tobacco constituents and this provides a foundation of on-line monitoring in tobacco process. Keywords Acousto-optic tunable filter(AOTF); NIR; Tobacco constituents; partial least squares(PLS) 作者简介：何智慧，1971年生，博士，湖南常德卷烟厂技术中心工作，主要从事烟草化学与材料化学研究。 电话：0736-7294509，Emial：dennishe@sdu.edu.cn (​mailto:dennishe@sdu.edu.cn​) 0.4000 Wavelength/nm 2400 2200 2000 1800 1600 1600 1400 1200 Absorbance 1000 -0.4000 0.2000 -0.2000 0.0000 -0.6000 EMBED PBrush PAGE 6