基于全谱段分子光谱的卷烟烟丝质量趋势分析方法
【技术领域】
[0001]本发明属于卷烟产品质量控制领域，具体是涉及一种通过采集成品烟丝的全谱段分子光谱，结合主成分分析以及Hotel I ing T2统计方法对卷烟烟丝的质量趋势进行分析的方法。
【背景技术】
[0002]随着卷烟上水平，精益研发战略的实施和不断推进，卷烟工业企业所面临的提质、降耗、增效的课题和任务变得愈发紧张和急迫。不断提升产品的质量品质是在新经济常态下企业参与全面竞争的根本保障。质量在新的历史条件下，其内涵和外延都有了新的体现，那就是产品质量品质的稳定和持续改善。所以，如何监控卷烟产品质量的波动，及时掌握质量变化的趋势性，对质量的总体态势和未来走势进行评价与判断就变得尤为重要。
[0003]近年来，随着多元统计分析，模式识别技术的不断发展，各种卷烟产品质量评价及监控手段层出不穷。例如，李峰等(李峰.山东道地药材金银花的多元多息指纹图谱鉴别研究[D].山东中医药大学，2004.)提出的多元多息指纹图谱鉴别的概念，主张采用多种来源的指纹图谱来鉴别不同样品。王家浚等(王家俊，汪帆，马玲.S頂CA分类法与PLS算法结合近红外光谱应用于卷烟纸的质量控制[J].光谱学与光谱分析，2006，(10): 1858-1862.)通过收集NIR、ATR、GC-MS等的指纹图谱，并运用SIMCA分类法、偏最小二乘法(Partial leastsquares，PLS)、结合马氏距离来计算相似度，应用于卷烟纸、烟叶、烟丝等的质量品质监控之中。虽然在产品质量控制及评价领域，特别是卷烟产品质量监控领域取得了一定的进展，但是目前多元多息指纹图谱质量监控手段依旧存在信息来源不够全面、信息采集方式不够便捷、无法实现在线操作与工艺密切接轨，信息采集方法重复性、稳定性较差的缺陷。
【发明内容】
[0004]本发明的目的在于针对现有技术的不足，提供一种基于全谱段分子光谱的卷烟烟丝质量趋势分析方法。以快速、准确的完成烟丝质量的监控工作，持续提升卷烟产品的质量。
[0005]本发明的目的通过以下技术方案予以实现。
[0006]基于全谱段分子光谱的卷烟烟丝质量趋势分析方法，包括以下步骤:
[0007](I)烟丝样品的制备:采用经典取样方法取同一牌号的20支卷烟，除去滤嘴，剥离卷烟纸、接装纸和水松纸，仅留存烟丝作为样品；
[0008](2)样品近红外光谱的采集:配置Nicolet ANTARIS Near-1R Analyzer近红外光谱仪，带积分球漫反射附件，可旋转样品杯，Result Operat1n近红外光谱仪操作软件;采集前，开机预热，取步骤(I)样品5g预平衡24h后置于样品杯中，采集样品的近红外漫反射光谱数据，波长范围:780-2500nm;每个样品进行5次重复数据采集，并将所采集的数据存入计算机；
[0009](3)样品工业机器视觉识别可见光谱的采集:配置带有CCD照相机的工业机器视觉应用系统，带光源，镜头，图像处理单元，图像处理软件，监视器和通讯/输入输出单元;取步骤(I)样品5g预平衡24h后，置于应用系统中的CCD照相机下，采集图像及光谱数据，波长范围:400-780nm;每个样品进行5次重复数据采集，并将所采集的数据存入计算机；
[0010](4)样品紫外光谱的采集:配置岛津UV 2550紫外可见分光光度计，取步骤(I)样品加入萃取剂，在室温下超声萃取并静置，用水相滤膜过滤，取滤液装入色谱瓶，用移液枪加入分散剂，振匀后装入比色皿中，置于岛津UV 2550紫外可见分光光度计上进行测试，波长范围:190-400nm;每个样品进行5次重复数据采集，并将所采集的数据存入计算机；
[0011](5)样品拉曼光谱的采集，配置美国Thermo scientif ic公司DRX智能激光拉曼光谱仪，取步骤(I)样品加入萃取剂，在室温下超声萃取并静置，用水相滤膜过滤，取滤液装入色谱瓶，用移液枪加入分散剂，将色谱瓶平置于平板式通用样品架上，然后采集样品的拉曼光谱，波长范围:2500-10000nm;每个样品进行5次重复数据采集，并将所采集的数据存入计算机；
[0012](6)应用SniCA-pl 1.5+数据处理软件对所采集到的烟丝全谱段光谱数据，S卩190?1000nm的光谱数据进行处理:光谱数据经平滑处理后进行主成分分析，建立基于全谱段光谱的主成分类模型；提取所建立的主成分类模型中每个样品对应的Hotelling T2统计量，确定统计量分布的95%置信限和99%置信限，并将95%置信限作为质量监测控制图中的质量预警线，99%置信限作为质量控制线，即当测试样品的Hotelling T2统计量数值低于95 %置信限范围时，认为是正常的波动；当Hotel I ing T2统计量数值高于95 %而低于99 %置信限范围时，认为样品质量出现预警；当Hotelling T2统计量数值高于99%置信限范围时，认为样品质量异常。
[0013]所述的萃取剂为异丙醇:无水乙醇=1000ml: 20ml。
[00? 4] 所述的分散剂为异丙醇:十七烧:无水乙醇=80ml:0.5g:l5mI。
[0015]相对于现有技术，本发明具有以下优点:
[0016]1、本发明的方法简便易行，分析过程快速，计算结果准确，可有效克服传统方法信息来源不够全面、信息采集方式不够便捷的缺陷。
[0017]2、该方法可以实现批量、在线操作，与工艺密切接轨。信息采集方法的重复性和稳定性均较好。有助于有效的服务卷烟企业的生产，为保障卷烟烟丝质量，及工艺生产的稳定性提供有利的技术支撑。
[0018]3、本发明可以提供卷烟烟丝的全谱段分子光谱信息。作为描述卷烟产品烟丝质量概貌的信息，可对卷烟产品的质量进行评价，也可对质量趋势进行分析和预测，为卷烟产品的精细设计提供技术支持。
[0019]4、通过采集卷烟烟丝样品紫外光谱(UV)、近红外光谱(NIR)、机器视觉识别可见光谱、拉曼光谱等全谱段光谱(190-10000nm)数据信息，采用SHCA-P软件处理数据，确定各类别的权重，运用主成分回归将多个原始变量的信息综合到主成分得分上，这样可以对光谱指纹图谱数据建立主成分类模型，计算不同类别光谱Hotelling T2统计量值，综合考虑权重及统计量值，做出Hotelling T2控制图，以监控烟气的质量品质波动及趋势状况。该质量趋势分析方法对工艺变化、配方调整、以及原料质量变化所造成的质量趋势波动和改变具有良好的提示及预测功能，为卷烟配方设计、产品开发、工艺参数调整提供理论和数据支持。
【附图说明】
[0020]图1为云烟(软珍品)烟丝全谱段分子光谱的PCA模型t[l]/t[2]分布示意图；
[0021]图2为云烟(软珍品)烟丝全谱段分子光谱的PCA模型HotellingT2分布示意图；
[0022]图3为云烟(印象)烟丝全谱段分子光谱的PCA模型t[l]/t[2]分布示意图；
[0023]图4为云烟(印象)烟丝全谱段分子光谱的PCA模型HotellingT2分布示意图。
【具体实施方式】
[0024]以下结合附图和实施例对本发明作进一步的详细说明，但附图和实施例并不是对本发明技术方案的限定。
[0025]实施例1
[0026]相同原料及工艺条件下，对同一牌号的卷烟烟丝质量进行全谱段分子光谱质量趋势分析:
[0027]a、烟丝样品的来源及制备，采用经典取样方法抽取同一牌号的20支卷烟样品，除去滤嘴，剥离卷烟纸、接装纸和水松纸，仅留存烟丝。
[0028]b、样品近红外光谱(780-2500nm)的采集，采集前，开机预热光谱仪2h。将剥离出的云烟(软珍品)烟丝在温度22 土 1°C、湿度60 士 2%平衡24h后，装入圆底烧瓶，样品量5g，取出烟丝置于样品杯中采集烟丝样品的近红外漫反射光谱数据。每个样品进行5次重复数据采集，并将所采集的光谱数据存入计算机;在软件界面操作设置仪器条件:扫描范围(DataRange): 10000-4000cm—1 ；扫描次数128次;分辨率(Resolut1n): 8cm—1;每次采集样品光谱前须采集背景。
[0029]c、样品的工业机器视觉识别可见光谱(400-780nm)的采集，