烤烟烟叶平衡含水率的近红外模型
摘要：采用近红外漫反射光谱技术，对烤烟烟叶平衡含水率进行了快速无损检测。以烘箱法测定值作参照，采用偏最小二乘回归算法建立一阶导数光谱信息与平衡含水率间的定量校正模型，模型的相关系数为0.911 6，交互验证均方差为0.363。对模型进行外部验证，数理统计结果表明，预测结果与常规检测方法结果差异不显著，说明可以用近红外光谱技术快速测定烤烟烟叶的平衡含水率。
关键词：烤烟；平衡含水率；近红外光谱技术；偏最小二乘回归算法
中图分类号： TS41+3；O657.33文献标志码： A文章编号：1002-1302（2014）02-0245-03
收稿日期：2013-06-05
作者简介：付秋娟（1974—），女，山东青州人，实验师，从事近红外分析研究。E-mail：fuqiujuan@sina.com。
通信作者：张忠锋，硕士，研究员，从事烟草栽培生理、化学及其农业新技术综合评价与开发应用研究。E-mail：zhzhf1969@163.com。 烟叶平衡含水率（吸湿性）是指烟草（固体）与水体系处于吸附平衡状态时的含水率，是物理特性中一个极其重要的指标，与烟叶的机械性能、燃烧速度和感官质量密切相关[1-4]。初烤烟叶的含水率不但会影响初烤烟叶的储存，还会影响打叶复烤工艺参数的设定及初加工质量。因此，平衡含水率不仅是一个经济指标，还是一个技术指标。另外，研究烟叶的平衡含水率对卷烟增香保润评价体系研究和烟用保润剂的开发提供了理论和试验依据[5]。因此，在烟叶收购、复烤、贮存时严格检测平衡含水率有重要意义。目前烟叶平衡含水率的检测方法主要有2种：一是利用仪器，如烘箱法[6]等；二是经验性感官检测。在卷烟厂、烟叶复烤厂和集中贮存的烟叶仓库、场地多用仪器检测；而在收购初烤烟叶时则多用经验性感官检测方法[7]。这2种方法都存在一定的缺陷，如烘箱法检测费时、费力、周期长，而经验法的结果则可能会因评价人员的不同而不同且不易量化。近红外光谱技术（NIR）以高效、绿色、环保的现代分析特征在烟草行业得到较成熟的应用[8]，但目前尚未见用近红外光谱技术预测烟叶平衡含水率的报道。本研究将烟叶处理成烟丝，在不破坏烟叶理化结构的基础上，建立烤烟烟叶平衡含水率的近红外校正模型，并用交叉验证和外部验证对预测模型进行分析评价。
1材料与方法
1.1材料、仪器
收集2011年全国10个主产烟区（福建、云南、贵州、四川、重庆、湖南、河南、山东、黑龙江、吉林）上、中、下3个部位的3个等级（X2F、C3F、B2F）烟叶样品（166份），作为研究材料。
Aataris Ⅱ FT-NIR 光谱仪（赛默飞世尔科技公司），配有积分球漫反射采样系统，Result 操作软件，TQ Analyst 8.0分析软件；KBF240恒温恒湿箱（德国宾得）；SL202N型电子天平（200 g/0.01 g），上海民桥精密科学仪器有限公司）；SY-Ⅲ 型试验用切丝机（河南富邦实业有限公司）。
1.2方法
每种样品选取能代表等级的烟叶6～12张，将烟叶的烟梗去除，用切丝机切成（0.9±0.1） mm宽的烟丝，并将烟丝样品放在温度为22 ℃、湿度为60%的恒温恒湿箱中平衡 3 d。混合均匀，分成2份，分别检测平衡含水率和扫描近红外光谱。
1.2.1烟丝平衡含水率的测定取上述待测样品1份，用已知干燥重量的样品盒称取试样10 g，分别记录称得的试样重量，去盖后放入温度为（100±2）℃的烘箱内，自温度回升至100 ℃时算起，烘2 h，加盖，取出，放入干燥器内，冷却至室温，再称重。每个样品做3次平行试验，分别计算其称重前后的平均值。按下列公式计算烟叶含水率：
烟叶含水率=（试样重量-烘后重量）/试样重量×100%。
1.2.2光谱采集将恒温恒湿箱中平衡好的烟丝样品称取4 g，装入样品杯中，并用压样器压平，利用积分球漫反射采样系统采集其近红外光谱，采集条件：以仪器内置背景为参比，波数范围为10 000～3 800 cm-1，扫描64次，分辨率为 8 cm-1，实验室环境温度尽量与平衡后的烟丝温湿度条件保持一致。每个样品做3次平行试验，取平均值。图1为烟叶平衡含水率的近红外原始光谱图。
2结果与分析
2.1定量分析模型的建立
2.1.1数据处理方法应用TQ Analyst 8.0分析软件处理数据。光谱数据经标准正则交换处理和Savitzky-Golay 平滑滤波后，采用偏最小二乘回归（PLS）法建立定量校正模型，以校正模型的相关系数（r）、校正模型均方差及交叉验证均方差为指标优化建模参数，并用外部验证预测值和实测值的相对偏差考察模型预测的准确性。r、校正模型均方差、交叉验证均方差的计算公式见文献[9-10]。
2.1.2光谱预处理方法的选择在近红外光谱采集过程中，样品的颗粒大小、装样条件、仪器条件往往会导致光谱基线产生漂移和偏移，通常通过导数处理加以校正。由表1可以看出，二阶导数虽然取得了较高的相关系数，但交叉验证过程中均方差也较高，结合主因子数发现，模型有“过拟合”[11]现象；而一阶导数则取得了较低的均方差。因此，选择一阶导数光谱建模更适合。
2.1.3光谱范围的选择采用PLS法建立定量分析模型后，根据一阶导数光谱图不同谱区的光谱信息选择波数范围，分别为7 693.19～6 774.82、6 100.96～3 960.09、7 450.00～3 980.00 cm-1，并与仪器推荐使用的谱区（4 354.48～4 33134、4 457.76～44 35.47 cm-1）进行比较，结果见表2。
2.2模型的验证
为了检验数学模型的预测能力，另外选取未参与建模的45个样品进行外部验证。预测值与实测值之间的绝对偏差平均为0.41，绝对偏差范围为0.01～1.04，平均相对偏差为3.3%，模型预测效果较好。实测值与预测值的比较结果见表3。