近红外技术在卷烟真伪鉴别中的应用

为了快速准确地鉴别卷烟的真伪,对A牌卷烟进行了近红外光谱扫描,采用光谱因子分析法建立了A牌卷烟的鉴别模型,并应用该模型对A牌(样品数88个)、非A牌(样品数80个)和假冒A牌卷烟(样品数10个)进行了鉴别。结果显示,A牌、非A牌和假冒A牌卷烟的鉴别准确率分别为92.0%、96.3%和100.0%,平均94.4%。该模型鉴别的准确性较高,可以作为卷烟真伪鉴别的一种辅助手段。     

紫外-可见光谱技术在烟用爆珠内液化学成分稳定性分析中的应用

为研究烟用爆珠内液化学成分的稳定性,采用无水乙醇稀释爆珠内液,紫外-可见光谱(UV-vis)扫描,平滑后一阶导数预处理光谱,并结合主成分分析(PCA)方法研究了烟用爆珠内液化学成分与UV-vis的关系;建立了烟用爆珠内液稳定性表征模型,并对模型进行了验证。结果表明:①UV-vis能够对爆珠内液有特征吸收的化学成分进行表征;②当显著水平α=0.05时,6种不同牌号的爆珠样品内液表征模型对异常和正常样品的正确判别率均为100%;③结合聚类分析,UV-vis与GC/MS方法均能明显区分烟用爆珠内液正常样品与异常样品。该方法快速准确、经济环保,可用于烟用爆珠内液的质量监测。     

近红外光谱法预测烟草中的纤维素含量

为了快速测定烟草中的纤维素含量,对1214个国产烤烟烟叶样品进行了近红外(NIR)漫反射光谱扫描及其纤维素含量的化学测定,而后根据这些烟叶样品的NIR光谱数据及其纤维素含量的化学测定数据,利用偏最小二乘法建立了烟叶纤维素NIR预测模型,并对建模参数和模型的预测效果进行了评价。结果表明:优化后,该NIR模型预测纤维素的决定系数为0.9649,实际预测的平均相对偏差<2%。该模型适合大批量烟叶纤维素含量的快速分析。     

薄板烘丝工艺参数对卷烟焦油释放量的影响

通过设计不同的单因素试验,分别考察了筒壁温度、热风温度、热风风门开度、排潮风门开度和滚筒转速5个薄板烘丝工艺参数对卷烟焦油释放量的影响.通过均匀试验设计,建立了叶组样品烘丝工艺参数与对应焦油释放量之间的二次回归模型,根据模型得到叶组样品的理论最优烘丝工艺参数:筒壁温度135℃,热风温度130℃,热风风门开度100%,排潮风门开度50%,滚筒转速8 r/min.     

基于近红外技术的苎麻纤维素及胶质含量快速测定

 苎麻作为我国重要纺织用纤维素纤维资源,其经常进行化学成分定量分析工作,因此需要一种快速高效的定量分析手段。本研究在前期工作的基础上,使用AOTF近红外光谱仪,利用近红外漫反射光谱(NIR)技术,采用偏最小二乘法(PLS),并对比近红外样品厚度对建模的影响,建立了测定苎麻纤维素及胶质含量的NIR校正模型。实验结果表明,所建苎麻化学成分NIR模型预对纤维素含量预测平均相对误差为1.11%,胶质含量预测平均相对误差为4.54%,预测值与化学值误差较小,可以进行苎麻纤维素及胶质含量预测工作。同时发现,样品厚度越大,所扫描得到光谱所建模型预测精确度越高。     

近红外光谱法快速测定烟草中的绿原酸、新绿原酸和芸香苷

为了加快烟草中绿原酸、新绿原酸、芸香苷含量的分析速度,采用183个烟草(烤烟)样品绿原酸、新绿原酸、芸香苷含量的高效液相色谱法测定值及其近红外(NIR)光谱,通过多元散射、一阶导数 附加散射校正光谱预处理和偏最小二乘法建立了NIR预测模型,并进行了内部交叉验证和30个烟叶样品的外部预测验证.结果表明:模型的预测值与化学测定值的平均相对偏差分别为0.545%、0.709%、1.954%,RSD各为0.83%、3.18%、1.426%.该方法可用于批量烟草中绿原酸、新绿原酸、芸香苷的快速测定.     

再造烟草颗粒卷烟与常规卷烟的对比

为提高卷烟品质稳定性,以烟草颗粒为填充物制备了再造烟草颗粒卷烟,从外观、燃烧性能、烟支物理指标、化学成分和常规烟气成分等方面考察了其与常规卷烟的差异。结果表明:①相比常规卷烟,再造烟草颗粒卷烟的静燃速率快约6%,包灰值减少80%以上,燃烧线齐整,烟灰颜色更白。②再造烟草颗粒卷烟的烟支质量、吸阻、总糖、总碱、焦油和烟碱释放量的检测平均值与常规卷烟基本相同,但相应指标的标准偏差均显著降低。③再造烟草颗粒卷烟的CO释放量比常规卷烟降低约5 mg/支,CO/焦油比值降低到约0.55。      

声光可调-NIR法预测烟草中的总烟碱、总糖、还原糖和总氮

采用声光可调(AOTF)-近红外光谱(NIR)仪和Unscrambler化学计量学光谱分析软件,通过旋转扫描的方式测定了534个不同年份、不同地区、不同等级国产烤烟烟叶样品的NIR,采用PLS1建立了测定烟草中总烟碱、总糖、还原糖和总氮的校正模型,并用这些模型对41个未知烤烟烟叶样品进行了预测。结果表明:总烟碱、总糖、还原糖和总氮含量的NIR预测模型的决定系数R2分别为0.9869、0.9851、0.9733和0.9721,预测的平均相对偏差分别为4.21%、2.23%、2.91%和3.60%。AOTF-NIR技术适用于烟草中总烟碱、总糖、还原糖和总氮含量的快速分析。     

NIR光谱法测定烟草中棕榈酸、亚麻酸及亚油酸

为了快速检测烟草样品中的棕榈酸、亚麻酸及亚油酸含量,采用偏最小二乘法(PLS)将242个烤烟样品的近红外光谱(NIR)及其棕榈酸、亚麻酸、亚油酸含量GC测定值进行拟合,建立了校正模型,考察了光谱预处理方法和光谱谱区范围对模型的影响,并进行了内部交叉验证和模型精度检验及30个测试样品的外部验证。结果表明:①多元散射校正法和7502~5442.3,4427.9~4246.7 cm-1,一阶导数法和7502~5442.3,4601.5~4246.7 cm-1,矢量归一化法和8724.7~5438.5,4427.9~4246.7 cm-1谱区范围分别适合棕榈酸、亚麻酸、亚油酸模型;②3个模型的平均相对精度分别为98.41%,97.84%,98.84%;③3个模型的预测标准偏差均小于5%,且NIR预测值与GC测定值不存在显著性差异。NIR光谱法适合批量烟叶样品中棕榈酸、亚麻酸及亚油酸含量的快速分析。     

小波变换和偏最小二乘法在烟草常规成分预测中的应用

为了实现烟草样品的快速近红外光谱 (NIR)分析 ,将小波变换 (WT)用于烟草样品NIR的数据压缩 ,并结合偏最小二乘法 (PLS)对压缩后的数据进行建模。与直接采用PLS相比 ,WT PLS可有效地压缩原始谱图的数据 ,消除谱图中噪声和背景的干扰 ,降低所建模型的随机性 ,从而大大提高了运算速度 ,并获得了更高的预测精度。     

水分、温度和检测光程对在线近红外光谱法测定结果的影响

为提高在线近红外(NIR)光谱仪在制丝线测定烟丝样品常规化学成分的准确度,在实验室模拟在线采集了烟丝样品不同含水率和温度条件下的近红外吸收光谱图,以及不同检测光程下同一个烟丝样品的近红外吸收光谱图,用数学模型预测了烟丝样品不同含水率、温度及不同检测光程下烟丝样品的烟碱和总糖值,并将预测值和化学实测值进行了对比分析.结果表明:①在实验范围内,随着烟丝样品含水率、温度的升高及检测光程的减小,在线NIR测定结果的相对误差有增大的趋势;②在线NIR光谱仪检测烟丝样品的最佳条件:含水率为12％～13％,温度为25～30℃,检测光程为16～20 cm.     

HXD烘丝过程中在制品化学成分变化的研究

在保持HXD出口叶丝含水率和温度恒定的情况下,改变RCC循环风温度、RCC出口叶丝含水率、HXD负压、HXD蒸汽施加量、HXD工作风温、物料流量、HXD工艺气体流量7个加工过程工艺参数,采用同时蒸馏萃取结合气相色谱及气质连用技术、内标法定量,测定了HXD出口叶丝21种中性香味成分、10种酸性香味成分、9种碱性香味成分,采用连续流动法测定了烟丝常规化学成分,结果发现:(1)7个加工过程工艺参数变化对烟丝常规化学成分含量、中性香味成分含量、酸性香味成分含量、碱性香味成分含量和香味成分总量影响不同。常规化学成分含量变化较小,各种香味成分含量变化较大。(2)RCC出口烟丝含水率、HXD负压、HXD工艺气体流量以及HXD工作风温对香味成分变化幅度影响较大,为保证卷烟质量稳定,应着重关注这4个过程。(3)总结得出了获得最大香味成分含量最佳工艺参数。      

傅立叶变换近红外光谱仪在制丝线上的应用

用在线傅立叶变换近红外光谱仪采集制丝线上烟丝的光谱,建立了在线烟丝含水率、总植物碱、总糖和总氮的数学模型。利用这些模型可以快速、准确地预测生产线上烟丝的这些常规化学成分含量。含水率、总植物碱、总糖和总氮的预测值与化学方法实测值的平均相对误差分别为1.1%、1.9%、2.1%和1.7%,表明应用在线傅立叶近红外光谱仪能够对制丝线上烟丝的化学成分进行快速检测和在线监控。     

基于NIR-PCA-SVM联用技术的烤烟烟叶产地模式识别

为了更准确地对烟叶样品进行产地模式识别,检测了云南、河南、安徽、福建、贵州、吉林6省2010年生产的402个初烤烟叶样品的总糖、还原糖、总氮、烟碱、总氯、总钾含量,同时进行了近红外( NIR)光谱扫描,利用主成分分析( PCA)法和支持向量机算法(SVM)建立了烟叶产地模式识别模型,并对云南、河南、安徽、福建、贵州、吉...     

基于近红外光谱的烟叶SIMCA模式识别

研究了基于烟叶的近红外光谱数据通过软独立模式分类(SIMCA)识别不同烟叶的方法。首先对每种具有确定产地、等级、品种的目标烟叶进行多次分布式取样,扫描目标烟叶多个样品的近红外光谱;再对目标烟叶近红外光谱进行主成分分析(PCA)运算生成每种目标烟叶的数据模型;然后扫描未知烟叶的近红外光谱,用目标烟叶数据模型对未知烟叶近红外光谱进行主成分分解计算,计算未知烟叶与目标烟叶的距离,通过距离衡量未知烟叶与目标烟叶的相似程度。建立了包含115种不同产地、等级、品种的目标烟叶的数据模型,对115个外部检验样品进行了模式识别,正确识别率高于90%。结果表明该烟叶模式识别方法基础数据易得,同时考虑了烟叶的平均水平和分布水平,识别准确率高,具有良好的发展前景。      

基于NIRS的食用醋品牌溯源模型的建立与优化

本文主要探讨了近红外光谱(NIRS)结合模式识别技术应用于食用醋品牌溯源研究。采集了四个品牌(四川保宁香醋、山西东湖老陈醋、镇江恒顺香醋、镇江香醋)共160组食醋样品的近红外漫反射光谱,通过主成分分析(PCA)进行光谱变量压缩及剔除8个异常样本数据后,随机选取其中的114组样品组成训练集用于建立溯源模型,剩余38组样品用作测试集进行模型验证。比较了MSC、SD、SNV等几种不同光谱预处理方法以及它们的不同组合对溯源模型的影响,同时考察了PLS-DA与SIMCA两种建模方法对模型的影响。结果表明:选择MSC与SD相结合的方法对光谱数据进行预处理,并采用SIMCA建模方法所建立的醋品牌溯源模型对四大品牌醋的正确识别率分别可达100%、100%、91.7%、90%。由此说明采用近红外光谱技术结合模式识别技术可有效实现食用醋品牌溯源的目的。     

基于FT-NIR和电子鼻的苹果水心病无损检测

探讨傅里叶变换近红外光谱技术和电子鼻技术应用于苹果水心病检测的可行性。以277?个“秦冠”水心病苹果和健康苹果为试材,分别采集每个样本在12?000～4?000?cm－1波数范围的近红外光谱和10?个传感器的电子鼻信号,用不同预处理的近红外光谱方法提取主成分建立Fisher判别模型;同时电子鼻结合3?种化学计量学的方法进行建模。结果表明,经一阶导数（9?点平滑）预处理的近红外光谱,提取前20?个主成分建立的Fisher判别模型效果最好,对未知样本的正确判别率达100%;电子鼻分别结合Fisher判别、多层感知器神经网络和径向基函数神经网络判别模型对未知样本的识别率为89.7%、89.5%和85.7%。故利用近红外光谱和电子鼻技术分别结合化学计量学的方法可快速、无损检测苹果的水心病。其中,近红外光谱技术结合Fisher判别对苹果水心病的识别率最高,是一种准确可靠的测定方法。     

基于近红外光谱的卷烟配方结构识别

采用近红外光谱仪分析烟末样品,并用偏最小二乘法分析近红外数据,研究了不同配方结构的烟丝与近红外光谱的关系,建立了4个不同配方的识别模型。结果表明:梗丝与叶丝配方模型具有较好的预测准确性,对不同批次的样品预测均方根误差小于0.9%,平均相对误差在7.6%以下;在4丝配方中,对梗丝、膨胀烟丝和再造烟丝的预测准确度较低,其平均相对误差在10%左右。     

不同产地国产烤烟近红外光谱的特征分析及其模式识别

对2003年125个不同产地的国产烤烟烟叶的原始近红外光谱、SNV光谱与一阶导数光谱进行了主成分分析,采用主成分空间下的马氏距离判别样本的产地归属,提出根据仪器噪声和误差水平确定最大主成分个数,研究了主成分个数、样本空间、光谱区间对烟叶产地识别准确率的影响,分析了烟叶产地的近红外特征区和产地特征信息在不同主成分上的体现。结果表明,采用光滑处理的全光谱区间的一阶导数光谱,在建模样本空间进行主成分分析时所建模型对烟叶样品的识别准确率最高。     

HXD前后烟丝中烟碱及部分香味成分的变化

为研究卷烟加工过程中烟草化学成分的变化,采用同时蒸馏萃取结合气相色谱及气质联用技术,对两种牌号烟丝在HXD前后的酸性、碱性和中性香味成分进行了分析。采用内标法定量测定了烟丝中吡啶、吲哚等17种碱性香味成分;二氢大马酮、芳樟醇等18种中性香味成分;2-甲基戊酸、苯甲酸等12种酸性香味成分;采用溶剂萃取法对HXD前后烟丝样品中游离烟碱的变化进行了研究。结果表明,HXD工序对烟草总生物碱和游离生物碱的影响显著,总生物碱降低近16%,游离生物碱降低近30%;碱性香味成分总量和中性香味的酮类化合物呈下降趋势,而中性香味成分中的醇类化合物及酸性成分的总含量呈明显升高趋势。其中,酸性香味成分的变化最为显著,含量均大幅提高,增幅分别达18%和31%。