[发明专利]一种基于近红外光谱信息的SIMCA辅助卷烟配方的方法

说明书

技术领域

本发明属于一种辅助卷烟配方的方法，具体来讲是以烟叶的近红外光谱信息为对象，采用SIMCA的方法为目标烟叶样品寻找合适的替代样品。

背景技术

由于实践和经验是整个配方过程的关键，其贯穿着从单料烟采集到配方最终确定的全过程，一直以来，国内外卷烟企业都非常重视原料数据库和计算机辅助卷烟配方设计。原料数据库一般要包含有常规化学成分、微量痕量的致香成分等，建立原料数据库是一项长期的工作，每年都需要对新入库的烟叶进行化学分析，这必然需要投入大量的人力和物力，这也限制了计算机辅助配方设计的应用。

随着计算机技术的发展、化学计量学研究的深入和近红外光谱仪器制造技术的逐步完善，近红外光谱分析技术已经成为发展最快、备受关注的分析测试技术之一。近红外光谱主要是由于分子振动的非谐性使分子振动从基态向高能级跃迁时产生的，记录的是含氢基团振动的倍频和合频吸收，物质中C-H、N-H、O-H及C=O等基团对近红外光吸收较强，可以很容易的获得有机物质的近红外光谱。根据有机物质的近红外光谱信息结合化学计量学就能够方便地对相应成分或指标进行定量、定性测量。近红外光谱所包含的烟草化学成分的关联信息非常丰富，基于近红外信息进行烟叶聚类分析和模式识别具有可靠的物质基础，应用近红外信息进行烟叶质量的定性定量研究具有广阔的应用前景。因此烟叶原料数据库的建立可以简化为收集烟叶样品的近红外谱图即可。

近红外检测技术的应用拓宽了辅助配方设计的思路。不同地区、不同品种、不同等级部位的烟叶具有不同的风格特征，这是卷烟设计、烟叶原料替代使用的重要依据，但由于烟叶和烟气成分的复杂性，烟草风格特征的判断还只能依靠感官评吸。而应用近红外光谱信息结合化学计量学的方法能够识别烟草种植区域、品种、等级部位等信息，基于此，应用近红外光谱信息在技术上支持和辅助卷烟配方设计及烟叶原料替代成为可能。

簇类独立软模式法(soft independent modelling of class analogy,SIMCA)是一种以主成分分析为基础的方法。基本原理是，依据主成分分析得到的样品分类的基本印象，建立每一类样品的主成分同归模型，然后利用模型对未知样本进行分类，来判断样品属于哪一类。SIMCA方法主要有两个步骤，第一步在主成分分析的基础上，将数据标准化后，通过交互验证确定主成分数，建立每一类样品的主成分回归模型；第二步用未知样本逐个去拟合模型，从而进行判别样品的归属。SIMCA不仅适用于两类的分类问题，而且也适用于三类及以上的分类问题。

将烟叶的近红外光谱信息与SIMCA模式识别方法相结合用于卷烟叶组配方的研究还未见报道。

发明内容

针对现在技术存在的不足之处，本发明提供一种基于近红外光谱信息的SIMCA辅助卷烟配方的方法。该方法以烟叶的近红外光谱信息为对象，采用SIMCA的方法为目标烟叶样品寻找合适的替代样品。

为了解决上述技术问题，本发明采用如下的技术方案：

一种基于近红外光谱信息的SIMCA辅助卷烟配方的方法，该方法是通过以下步骤来实现的：

（1）建模样品准备：收集获得烟叶样品，按照《YC/T31-1996 烟草及烟草制品试样的制备和水份测定  烘箱法》准备建模样品；

（2）光谱扫描：通过近红外光谱仪扫描建模样品获得其近红外谱图，仪器的工作参数为：光谱范围12500～3800cm^-1，分辨率4～32cm^-1，扫描1～100次取平均光谱，每种样品扫描获得5个以上的平均光谱，每种样品作为一类；

（3）光谱预处理：采用多元信号校正或标准正则变换消除样品不均匀带来的差异，采用诺里斯平滑滤波或Savitzky-Golay 滤波平滑光谱，消除高频噪音保留有用的低频信息，采用微分处理，消除基线漂移的影响，获得比原光谱更高分辨率和更清晰的光谱轮廓变化；

（4）主成分分析：将光谱进行主成分处理后导出其主成分得分数据；

（5）建立烟叶原料数据库：建立每一类样品的主成分回归模型，将建立得到的分类模型存入存储器中；

（6）替代规则：烟叶原料替代中按照样品相似度及库存设定替代条件，进一步讲样品相似度是指样品来自于相似产区、相似等级、相似品种，库存一般要求大于100件；