大理地区烤烟陈化过程中有机酸含量变化研究

使用衍生化-气质联用方法研究了大理地区烤烟连续陈化4年其有机酸变化。结果表明,烤烟在陈化过程中,①非挥发酸在6到18个月内含量明显降低,18到30个月内变化减缓,30到48个月内下降又加快,非挥发酸总量与苹果酸含量线性相关;②半挥发酸随陈化时间延长呈缓慢下降趋势;③挥发酸总量在6到24个月的陈化时间内明显增加,24到36个月内保持不变并略有下降,36到48个月内基本呈下降趋势,挥发酸总量与异戊酸含量线性相关。     

自然陈化过程中红大青筋黄片烟叶致香成分的变化

应用同时蒸馏萃取-气质联用法测定了红花大金元(红大)青筋黄片和正常烟叶中的致香成分含量,研究了青筋黄片致香成分在自然陈化(陈化)期间内的变化规律.结果表明,随着陈化时间延长,青筋黄片的大多数致香成分含量均呈上升趋势,新植二烯含量则呈下降趋势;青筋黄片关键致香成分含量增加比正常烟叶快.表明陈化有利于青筋黄片香气物质的积累从而使得烟叶内在品质得到明显提升并趋近于正常烟叶.     

超高效液相色谱法测定卷烟包装纸中的甲醛和乙醛

研究了超高效液相色谱用于卷烟包装纸中甲醛和乙醛含量测定方法。甲醛和乙醛通过2,4-二硝基苯肼衍生化后,以0.5%甲酸水溶液-乙腈(体积比为65∶35)为流动相,在Waters BEHShield RP18(1.7μm,2.1 mm×50 mm)色谱柱上分离,二极管阵列检测器检测,检测波长360 nm。甲醛和乙醛在5 min内即可完全分离,方法具有较好的重现性和线性关系,相关系数均达到0.999 9,加标回收率甲醛为97.9%,乙醛为95.5%;用于卷烟包装纸中甲醛和乙醛的快速测定,结果满意。     

基于近红外光谱分析技术结合化学计量学方法的初烤烟叶霉变预测研究

为建立基于烟叶麦角甾醇含量结合近红外光谱分析技术的初烤烟叶霉变预警模型,以2015年和2016年云南5个地区2个等级（B2F和C3F）初烤烟叶为研究对象,调节烟叶含水率为18%,在28℃,RH 80%条件下以30天为实验周期,进行烟叶霉变实验。每3天取一次样,采集近红外光谱数据并检测样品麦角甾醇含量。建立第0d初烤烟叶样品近红外光谱主成分监测模型并提取Hotelling T2统计量,预测第3天至30天初烤烟叶样品近红外光谱数据的Hotelling T2统计量,对比分析肉眼观察和近红外类模型对烟叶霉变的预警效果。结果表明:1）烟叶霉变过程中,麦角甾醇含量逐渐增加后逐渐降低,当肉眼可见时,麦角甾醇含量较初始值增加4.66~23.38倍;2）基于上述监测模型,13个霉变烟叶样品中,提前预警天数为6天的样品2个,提前预警天数3天的样品7个,当天预警的样品4个,7个未发生霉变烟叶在30天的监测周期内均未出现预警,预测准确率100%。以上结果表明该方法能方便快速地实现对初烤烟叶霉变的预警,具有较好的实用价值。      

云南主产烟区不同品种烟叶质体色素含量研究

以不同品种的C3F等级烟叶为对象,研究了云南主产烟区不同品种C3F烟叶中质体色素含量水平。结果显示,不同品种烟叶色素含量顺序为:红花大金元>云87>K326>NC297>云85,叶黄素含量、色素总量红花大金元品种与K326、云87、云85、NC297品种在0.05水平上存在显著性差异,其他品种间差异不显著;β-胡萝卜素含量仅红花大金元品种与K326、云85、NC297等品种在0.05水平上存在显著性差异,其他品种间差异不显著。     

烟草中质体色素研究进展

简要介绍烟草不同时期质体色素的分布及变化研究现状,综述了烟草质体色素的分析方法及对烟草品质影响的研究进展,展望了烟草质体色素研究在烟草品控中的应用。     

云南香料烟中的TSNAs与亚硝酸盐、硝酸盐和烟碱的关系

测定了云南香料烟叶片和叶脉中的TSNAs、亚硝酸盐、硝酸盐和烟碱,并对测定数据进行了相关性分析.结果表明①香料烟叶片和叶脉中的TSNAs含量都随着其等级的降低而逐渐增加;②叶片中的TSNAs含量高于叶脉;③叶片和叶脉中的TSNAs含量均与烟碱含量极显著正相关,与亚硝酸盐显著正相关,与硝酸盐相关.     

UPLC-ELSD法测定烟草中的水溶性糖

采用Waters公司的ACQUITY UPLC BEH Amide色谱柱,建立烟草中水溶性糖的超高效液相-蒸发光散射(UPLC-ELSD)检测方法。果糖、葡萄糖、蔗糖和麦芽糖4种水溶性糖在6.5 min之内分离完全,线性相关系数(R2)果糖:0.999 5,葡萄糖:0.999 8,蔗糖:0.999 9,麦芽糖:0.997 4,回收率依次分别为106.5%,102.4%,91.2%,100.1%,表明方法可用于烟草中水溶性糖的稳定、快速、准确分析。     

烟草中淀粉近红外光谱变量的筛选及校正模型的建立

为提高校正模型的预测精度,以烟草中淀粉近红外光谱(NIR)校正模型为研究对象,分别利用全光谱波段(FS)、方差光谱(VS)筛选光谱变量和遗传算法(GA)筛选光谱波长,结合偏最小二乘法建立校正模型(FS+PLS、VS+PLS和GA+PLS),并对100个初烤烟叶样品进行了预测。结果显示:①FS+PLS(变量数1557个)、VS+PLS(变量数781个)和GA+PLS(变量数72个)3种校正模型的决定系数R_c2、交互验证均方根误差(RMSECV)分别为0.9764、0.433,0.9871、0.332和0.9885、0.314。②与FS+PLS和VS+PLS模型相比,GA+PLS模型的光谱变量数分别减少为FS和VS变量数的4.62%和9.22%,主因子数由15降至12,R_c2明显提高,RMSECV显著降低。③FS+PLS、VS+PLS和GA+PLS模型对100个初烤烟叶样品的预测结果显示,R_p2、预测均方根误差(RMSEP)分别为0.9652、0.780,0.9843、0.501和0.9853、0.496,预测值与其对应的化学检测值之间通过配对T检验,显著性Sig.值、T值和平均相对误差(%)分别为0.271、1.107、17.48%,0.973、0.034、13.13%和0.722、0.357、13.12%,3种方法所建立校正模型的预测值与检测值之间均无显著性差异,模型预测精度(RSD)分别为10.34%、6.98%和4.76%。基于逐步优化光谱信息法建立的GA+PLS校正模型的预测精度优于FS+PLS和VS+PLS模型,该方法对于提高复杂化学体系模型的精度有参考意义。      

基于GA-SVM算法的烤烟香型自动识别研究

为了对不同香型烤烟进行特征差异性识别,选取清香型、浓香型和中间香型3类香型的514个烟叶样品,对其中的68种致香成分进行检测,结合数据分析和模式识别技术,提出了一种基于烟草致香成分和遗传算法-支持向量机(GA-SVM)算法的烤烟香型自动识别方法,通过使用遗传算法对支持向量机进行参数优化和调整,并采用5折交叉验证的方法计算分类正确率。分别对GA-SVM算法、SVM算法和朴素贝叶斯算法的分类效果进行对比测试,结果表明:3种模式识别方法对3类香型的分类正确率分别为96.40%、78.58%和84.42%,GA-SVM算法显著优于SVM和朴素贝叶斯等传统分类算法。该方法能够为烤烟香型准确识别、烤烟产地溯源、烟叶香型风格定位提供技术支持。