[發(fā)明專利]一種基于近紅外光譜信息的SIMCA輔助卷煙配方的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210344034.3
• 申請(qǐng)日: 2012-09-17
• 公開(kāi)（公告）號(hào): CN102866127A
• 公開(kāi)（公告）日: 2013-01-09
• 發(fā)明（設(shè)計(jì)）人: 張峰;陳小明;陳群;李斌;藍(lán)洪橋;鹿洪亮;伊勇濤;操曉亮;洪祖燦;莊吳勇
• 申請(qǐng)（專利權(quán)）人: 福建中煙工業(yè)有限責(zé)任公司
• 主分類號(hào): G01N21/35
• 分類號(hào): G01N21/35
• 代理公司: 廈門龍格專利事務(wù)所(普通合伙) 35207
• 代理人: 鐘毅虹

技術(shù)領(lǐng)域

本發(fā)明屬于一種輔助卷煙配方的方法，具體來(lái)講是以煙葉的近紅外光譜信息為對(duì)象，采用SIMCA的方法為目標(biāo)煙葉樣品尋找合適的替代樣品。

背景技術(shù)

由于實(shí)踐和經(jīng)驗(yàn)是整個(gè)配方過(guò)程的關(guān)鍵，其貫穿著從單料煙采集到配方最終確定的全過(guò)程，一直以來(lái)，國(guó)內(nèi)外卷煙企業(yè)都非常重視原料數(shù)據(jù)庫(kù)和計(jì)算機(jī)輔助卷煙配方設(shè)計(jì)。原料數(shù)據(jù)庫(kù)一般要包含有常規(guī)化學(xué)成分、微量痕量的致香成分等，建立原料數(shù)據(jù)庫(kù)是一項(xiàng)長(zhǎng)期的工作，每年都需要對(duì)新入庫(kù)的煙葉進(jìn)行化學(xué)分析，這必然需要投入大量的人力和物力，這也限制了計(jì)算機(jī)輔助配方設(shè)計(jì)的應(yīng)用。

隨著計(jì)算機(jī)技術(shù)的發(fā)展、化學(xué)計(jì)量學(xué)研究的深入和近紅外光譜儀器制造技術(shù)的逐步完善，近紅外光譜分析技術(shù)已經(jīng)成為發(fā)展最快、備受關(guān)注的分析測(cè)試技術(shù)之一。近紅外光譜主要是由于分子振動(dòng)的非諧性使分子振動(dòng)從基態(tài)向高能級(jí)躍遷時(shí)產(chǎn)生的，記錄的是含氫基團(tuán)振動(dòng)的倍頻和合頻吸收，物質(zhì)中C-H、N-H、O-H及C=O等基團(tuán)對(duì)近紅外光吸收較強(qiáng)，可以很容易的獲得有機(jī)物質(zhì)的近紅外光譜。根據(jù)有機(jī)物質(zhì)的近紅外光譜信息結(jié)合化學(xué)計(jì)量學(xué)就能夠方便地對(duì)相應(yīng)成分或指標(biāo)進(jìn)行定量、定性測(cè)量。近紅外光譜所包含的煙草化學(xué)成分的關(guān)聯(lián)信息非常豐富，基于近紅外信息進(jìn)行煙葉聚類分析和模式識(shí)別具有可靠的物質(zhì)基礎(chǔ)，應(yīng)用近紅外信息進(jìn)行煙葉質(zhì)量的定性定量研究具有廣闊的應(yīng)用前景。因此煙葉原料數(shù)據(jù)庫(kù)的建立可以簡(jiǎn)化為收集煙葉樣品的近紅外譜圖即可。

近紅外檢測(cè)技術(shù)的應(yīng)用拓寬了輔助配方設(shè)計(jì)的思路。不同地區(qū)、不同品種、不同等級(jí)部位的煙葉具有不同的風(fēng)格特征，這是卷煙設(shè)計(jì)、煙葉原料替代使用的重要依據(jù)，但由于煙葉和煙氣成分的復(fù)雜性，煙草風(fēng)格特征的判斷還只能依靠感官評(píng)吸。而應(yīng)用近紅外光譜信息結(jié)合化學(xué)計(jì)量學(xué)的方法能夠識(shí)別煙草種植區(qū)域、品種、等級(jí)部位等信息，基于此，應(yīng)用近紅外光譜信息在技術(shù)上支持和輔助卷煙配方設(shè)計(jì)及煙葉原料替代成為可能。

簇類獨(dú)立軟模式法(soft?independent?modelling?of?class?analogy,SIMCA)是一種以主成分分析為基礎(chǔ)的方法。基本原理是，依據(jù)主成分分析得到的樣品分類的基本印象，建立每一類樣品的主成分同歸模型，然后利用模型對(duì)未知樣本進(jìn)行分類，來(lái)判斷樣品屬于哪一類。SIMCA方法主要有兩個(gè)步驟，第一步在主成分分析的基礎(chǔ)上，將數(shù)據(jù)標(biāo)準(zhǔn)化后，通過(guò)交互驗(yàn)證確定主成分?jǐn)?shù)，建立每一類樣品的主成分回歸模型；第二步用未知樣本逐個(gè)去擬合模型，從而進(jìn)行判別樣品的歸屬。SIMCA不僅適用于兩類的分類問(wèn)題，而且也適用于三類及以上的分類問(wèn)題。

將煙葉的近紅外光譜信息與SIMCA模式識(shí)別方法相結(jié)合用于卷煙葉組配方的研究還未見(jiàn)報(bào)道。

發(fā)明內(nèi)容

針對(duì)現(xiàn)在技術(shù)存在的不足之處，本發(fā)明提供一種基于近紅外光譜信息的SIMCA輔助卷煙配方的方法。該方法以煙葉的近紅外光譜信息為對(duì)象，采用SIMCA的方法為目標(biāo)煙葉樣品尋找合適的替代樣品。

為了解決上述技術(shù)問(wèn)題，本發(fā)明采用如下的技術(shù)方案：

一種基于近紅外光譜信息的SIMCA輔助卷煙配方的方法，該方法是通過(guò)以下步驟來(lái)實(shí)現(xiàn)的：

（1）建模樣品準(zhǔn)備：收集獲得煙葉樣品，按照《YC/T31-1996?煙草及煙草制品試樣的制備和水份測(cè)定??烘箱法》準(zhǔn)備建模樣品；

（2）光譜掃描：通過(guò)近紅外光譜儀掃描建模樣品獲得其近紅外譜圖，儀器的工作參數(shù)為：光譜范圍12500～3800cm^-1，分辨率4～32cm^-1，掃描1～100次取平均光譜，每種樣品掃描獲得5個(gè)以上的平均光譜，每種樣品作為一類；

（3）光譜預(yù)處理：采用多元信號(hào)校正或標(biāo)準(zhǔn)正則變換消除樣品不均勻帶來(lái)的差異，采用諾里斯平滑濾波或Savitzky-Golay?濾波平滑光譜，消除高頻噪音保留有用的低頻信息，采用微分處理，消除基線漂移的影響，獲得比原光譜更高分辨率和更清晰的光譜輪廓變化；

（4）主成分分析：將光譜進(jìn)行主成分處理后導(dǎo)出其主成分得分?jǐn)?shù)據(jù)；

（5）建立煙葉原料數(shù)據(jù)庫(kù)：建立每一類樣品的主成分回歸模型，將建立得到的分類模型存入存儲(chǔ)器中；

（6）替代規(guī)則：煙葉原料替代中按照樣品相似度及庫(kù)存設(shè)定替代條件，進(jìn)一步講樣品相似度是指樣品來(lái)自于相似產(chǎn)區(qū)、相似等級(jí)、相似品種，庫(kù)存一般要求大于100件；