一种近红外光谱快速检测烟用接装纸甜味剂含量的方法

技术领域

本发明属于烟用材料检测技术领域，具体而言，涉及一种近红外光谱快速检测烟用接装纸甜味剂含量的方法。

背景技术

烟用接装纸是生产卷烟的重要烟用材料，其内在质量将直接影响到卷烟的外观质量，卷制质量和感官风格，从而直接或间接影响卷烟成品的市场竞争力。甜味剂是新型卷烟接装纸的重要食品添加剂，其涂布用量不仅关系到卷烟制品的感官质量，而且也是行业内食品安全监控的重要指标。因此，甜味剂在接装纸上的涂布用量监测及其品质稳定性一直备受关注。

公开号为CN113655138A的中国发明专利(申请号：CN202110815579.7)公开一种用于甜味接装纸表观甜味剂的测定方法，裁取设定面积的接装纸，将其平铺并固定；向玻璃纤维滤片粗糙面滴加人工唾液后静置，待人工唾液在玻璃纤维上分散均匀后，用镊子夹住玻璃纤维正面，将粗糙面与接装纸正面接触，沿接装纸长度方向往返擦拭，将擦拭后的玻璃纤维滤片放入具塞锥形瓶中；向具塞锥形瓶中加入萃取液，超声萃取后静置，取上清液，过滤膜，色谱分析测定。通过本技术方案的测定方法，能够准确的检测到接装纸表面的甜味剂转移的量，为直接了解接装纸表面的甜味剂的转移提供技术支撑，并为接装纸表面甜味剂的转移量控制提供检测支撑。

上述发明需要用高效液相色谱，依赖于实验室检测，需提供专业技术和仪器，不适于在工业化生产中广泛应用，通常液相色谱仪器的价格昂贵、运行和维护成本较高、检测耗时较长，不能够解决检测成本高、检测效率低的问题。

发明内容

有鉴于此，本发明提供一种近红外光谱快速检测烟用接装纸甜味剂含量的方法，能够解决检测成本高、检测效率低的问题。

本发明是这样实现的：

本发明提供一种近红外光谱快速检测烟用接装纸甜味剂含量的方法，其中，包括以下步骤：

S01：收集含甜味剂烟用接装纸样品的近红外谱图数据；

S02：使用液相色谱仪化学检测分析所述含甜味剂烟用接装纸样品，采用面积归一法得到化学检测结果；

S03：对所述含甜味剂烟用接装纸样品近红外光谱数据进行预处理，采用仪器随配的OPUS7.8化学计量软件进行数学处理，并建立甜味剂含量预测数学模型并训练；

S04：对所述甜味剂含量预测数学模型进行优化，得到适用于实际的甜味剂含量预测数学模型；

S05：获取待测含甜味剂烟用接装纸样品的近红外谱图数据，采用所述适用于实际的甜味剂含量预测数学模型对所得到的待测含甜味剂烟用接装纸样品的近红外谱图数据进行计算，得到待测含甜味剂烟用接装纸样品的甜味剂含量。

在上述技术方案的基础上，本发明的一种近红外光谱快速检测烟用接装纸甜味剂含量的方法还可以做如下改进:

其中，所述步骤S03具体包括：获取多组含甜味剂烟用接装纸样品的近红外谱图数据以及对应的含甜味剂烟用接装纸样品的化学检测结果，以每组预处理后的近红外光谱数据作为训练输入，以与所述预处理后的近红外光谱数据作为训练输入对应的甜味剂含量的化学检测结果作为训练输出，建立神经网络模型并进行训练。

进一步的，所述步骤S04具体包括：

S041：测试30组未知的含甜味剂烟用接装纸样品其近红外光谱数据，然后输入已建立的所述预测数学模型得到第一甜味剂含量集，并对所述30组未知的含甜味剂烟用接装纸样品采用所述步骤S02所述的化学检测方式检测得到第二甜味剂含量集；

S042：将所述第一甜味剂含量集与第二甜味剂含量集比对分析，若两者的相对误差大于5％，则进行步骤S043；

S043：对所述甜味剂含量预测数学模型进行调整，然后进行所述步骤S041。

进一步的，所述步骤S043中对所述甜味剂含量预测数学模型进行调整具体包括：

第一步：采用比所述步骤S02中使用的液相色谱仪精度更高的液相色谱仪，进行步骤S01-S02；

第二步：以RMSECV值为所述甜味剂含量预测数学模型训练过程的收敛条件对所述甜味剂含量预测数学模型进行优化。

其中，所述步骤S02中使用液相色谱仪化学检测分析所述含甜味剂烟用接装纸样品的具体步骤为：

第一步：取2g放入所述含甜味剂烟用接装纸样品，将所述含甜味剂烟用接装纸样品剪成1cm大小的方片，放置于锥形瓶中，用量筒取50ml的溶剂，所述溶剂包括异丙醇、乙醇、超纯水中的一种或两种，所述溶剂用于溶解甜味剂，将所述剪成1cm大小的方片的所述含甜味剂烟用接装纸样品置于锥形瓶中，浸没所述含甜味剂烟用接装纸样品；

第二步：将所述锥形瓶置于25℃的超声波振荡器中分散30min，制成溶解液；

第三步：从所述锥形瓶中量取定量所述溶解液，经滤膜过滤后加入色谱级溶剂稀释制备测样样品；

第四步：通过面积积分法得到所述化学检测结果；

第五步：将所述化学检测结果编号与检测值录入Excel备用。

其中，所述步骤S03中对所述含甜味剂烟用接装纸样品红外光谱数据进行预处理的方法具体包括使用矢量归一化、多元散射校正、一阶导数、最小-最大归一化预处理方式中的一种或多种进行优化处理。

其中，所述步骤S01的具体步骤为：

第一步：在温度20～24℃，湿度小于40RH％环境下，在不同批次中分别测试并收集含甜味剂烟用接装纸样品的近红外曲线光谱信息；

第二步：通过观察谱图呈现状态来调整检测参数，所述检测参数为：扫描次数32次，分辨率为16cm-1，检测台不转动，检测样品数不少于300个；

第三步：将检测后的所述含甜味剂烟用接装纸样品按照阿拉伯数字编号，录入Excel备用，将所述含甜味剂烟用接装纸样品避光封存。

其中，所述含甜味剂烟用接装纸样品中甜味剂种类包括：三氯蔗糖、糖精钠、阿斯巴甜、纽甜、安赛蜜。

进一步的，所述RMSECV值为11.6。

其中，所述液相色谱仪波数范围为4000～10000cm

与现有技术相比较，本发明提供的一种近红外光谱快速检测烟用接装纸甜味剂含量的方法的有益效果是：可满足多种甜味剂检测的需要，且检测成本低、快速、高效、无损；可节约检测成本70％以上，可同时作为工业企业烟用材料入厂交收检验甜味剂快速判定的依据，节约检测时间90％以上；可有效降低检测难度，检测数学模型确定后，日常检验操作步骤、技术难度将得到大幅度降低。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为该发明专利的技术流程图；

图2为烟用接装纸中甜味剂含量的模型预测和偏差表；

图3为未经预处理的甜味剂烟用接装纸的近红外谱图；

图4为校正集和检验集的预测值和真值的散点分布图；

图5为校正集和检验集的偏差与真值的散点分布图；

图6为校正集和检验集的预测偏差(RMSECV)与维数的变化趋势图；

附图中，各标号所代表的部件列表如下：

具体实施方式

为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

如图1所示，是本发明提供的一种近红外光谱快速检测烟用接装纸甜味剂含量的方法的第一实施例，在本实施例中，包括以下步骤：

S01：收集含甜味剂烟用接装纸样品的近红外谱图数据；

S02：使用液相色谱仪化学检测分析含甜味剂烟用接装纸样品，采用面积归一法得到化学检测结果；

S03：对含甜味剂烟用接装纸样品近红外光谱数据进行预处理，采用仪器随配的OPUS7.8化学计量软件进行数学处理，并建立甜味剂含量预测数学模型并训练；

S04：对甜味剂含量预测数学模型进行优化，得到适用于实际的甜味剂含量预测数学模型；

S05：获取待测含甜味剂烟用接装纸样品的近红外谱图数据，采用适用于实际的甜味剂含量预测数学模型对所得到的待测含甜味剂烟用接装纸样品的近红外谱图数据进行计算，得到待测含甜味剂烟用接装纸样品的甜味剂含量。

液相色谱仪，是一种利用混合物在液-固或不互溶的两种液体之间分配比的差异，对混合物进行先分离，而后分析鉴定的仪器；

OPUS集红外以及拉曼软件于一体，包括谱图控制、处理的普通功能以及专门功能如步进扫描、快速扫描等功能，提供一系列谱图处理功能如谱图计算器、吸收谱和透射谱的相互转换、自动基线校正、自动或人机对话方式的标峰等。

其中，在上述技术方案中，步骤S03具体包括：获取多组含甜味剂烟用接装纸样品的近红外谱图数据以及对应的含甜味剂烟用接装纸样品的化学检测结果，以每组预处理后的近红外光谱数据作为训练输入，以与预处理后的近红外光谱数据作为训练输入对应的甜味剂含量的化学检测结果作为训练输出，建立神经网络模型并进行训练。

进一步的，在上述技术方案中，步骤S04具体包括：

S041：测试30组未知的含甜味剂烟用接装纸样品其近红外光谱数据，然后输入已建立的预测数学模型得到第一甜味剂含量集，并对30组未知的含甜味剂烟用接装纸样品采用步骤S02的化学检测方式检测得到第二甜味剂含量集；

S042：将第一甜味剂含量集与第二甜味剂含量集比对分析，若两者的相对误差大于5％，则进行步骤S043；

S043：对甜味剂含量预测数学模型进行调整，然后进行步骤S041。

进一步的，在上述技术方案中，步骤S043中对甜味剂含量预测数学模型进行调整具体包括：

第一步：采用比步骤S02中使用的液相色谱仪精度更高的液相色谱仪，进行步骤S01-S02；

第二步：以RMSECV值为甜味剂含量预测数学模型训练过程的收敛条件对甜味剂含量预测数学模型进行优化。

RMSECV为均方根误差，是预测值与真实值偏差的平方与观测次数n比值的平方根，在实际测量中，观测次数n总是有限的，真值只能用最可信赖(最佳)值来代替。标准误差对一组测量中的特大或特小误差反映非常敏感，所以，标准误差能够很好地反映出测量的精密度。这正是标准误差在工程测量中广泛被采用的原因。因此，标准差是用来衡量一组数自身的离散程度，而均方根误差是用来衡量观测值同真值之间的偏差，它们的研究对象和研究目的不同，但是计算过程类似。

对30组未知的含甜味剂烟用接装纸样品并进行预处理；预处理完成后，将预处理的含甜味剂烟用接装纸样品的图谱保存备用。

当相关系数R2接近1，RMSECV值接近0时，说明由该方法所建立甜味剂含量预测数学模型的准确性和稳定性较好，RMSECV值越小，甜味剂含量预测数学模型准确性越高

前面的因子有效信息量丰富，对RMSECV的降低效果明显，越靠后的因子携带的有效信息越少，对RMSECV的降低效果逐渐削弱，但调整后的维数应不超过体系样品数的2％，因此调整算法时检测范围应尽量宽；

将所有甜味剂含量预测数学模型按照交互验证RMSECV值从小到大的顺序进行排列，进行甜味剂含量预测数学模型优化调整；

重新设置体系的维数即主因子数和检测范围，维数代表因子个数，计算时按照所携带的有效信息量排序；

调整甜味剂含量预测数学模型条件的维数设置应小于含甜味剂烟用接装纸样品总数的2％，偏差分布范围控制在±100～200以内；

使用一阶导数消除基线的影响，使模型在多台仪器之间传递时保持良好的呈现效果；

使用矢量归一化与多元散射校正预处理，消除样品颗粒大小的影响。

其中，在上述技术方案中，步骤S02中使用液相色谱仪化学检测分析含甜味剂烟用接装纸样品的具体步骤为：

第一步：取2g放入含甜味剂烟用接装纸样品，将含甜味剂烟用接装纸样品剪成1cm大小的方片，放置于锥形瓶中，用量筒取50ml的溶剂，溶剂包括异丙醇、乙醇、超纯水中的一种或两种，溶剂用于溶解甜味剂，将剪成1cm大小的方片的含甜味剂烟用接装纸样品置于锥形瓶中，浸没含甜味剂烟用接装纸样品；

第二步：将锥形瓶置于25℃的超声波振荡器中分散30min，制成溶解液；

第三步：从锥形瓶中量取定量溶解液，经滤膜过滤后加入色谱级溶剂稀释制备测样样品；

第四步：通过面积积分法得到化学检测结果；

第五步：将化学检测结果编号与检测值录入Excel备用。

其中，在上述技术方案中，步骤S03中对含甜味剂烟用接装纸样品红外光谱数据进行预处理的方法具体包括使用矢量归一化、多元散射校正、一阶导数、最小-最大归一化预处理方式中的一种或多种进行优化处理。

矢量归一化是该矢量除以它的模，得到的新的矢量是模为1的单位矢量，它与原来的矢量方向相同；

多元散射校正(MSC)是高光谱数据预处理常用的算法之一，MSC可以有效的消除由于散射水平不同带来的光谱差异，从而增强光谱与数据之间的相关性。该方法通过理想光谱修正光谱数据的基线平移和偏移现象，而实际中，无法获取真正的理想光谱数据，因此常常假设所有光谱数据的平均值作为“理想光谱”；

面积归一法是一种算法，一般用于粗略考察供试品的纯度，计算各峰面积占总峰面积的百分率，用于杂质检查时，由于峰面积归一化法测定误差大，因此，本法通常只能用于粗略考察供试品中的杂质含量。

其中，在上述技术方案中，步骤S01的具体步骤为：

第一步：在温度20～24℃，湿度小于40RH％环境下，在不同批次中分别测试并收集含甜味剂烟用接装纸样品的近红外曲线光谱信息；

第二步：通过观察谱图呈现状态来调整检测参数，检测参数为：波数范围为4000～10000cm

第三步：将检测后的含甜味剂烟用接装纸样品按照阿拉伯数字编号，录入Excel备用，将含甜味剂烟用接装纸样品避光封存。

其中，在上述技术方案中，含甜味剂烟用接装纸样品中甜味剂种类包括：三氯蔗糖、糖精钠、阿斯巴甜、纽甜、安赛蜜。

氯蔗糖，俗称蔗糖素，是一种高倍甜味剂，分子式为C12H19Cl3O8。稳定性高，对光、热、pH均很稳定，极易溶于水、甲醇和乙醇，微溶于乙醚。10％水溶液的pH为5～8，在1976年由英国泰莱公司与伦敦大学共同研制并申请专利的一种新型甜味剂，并于1988年投入市场，是唯一以蔗糖为原料的功能性的甜味剂，原始商标名称为Splenda，可达到蔗糖的甜度约600倍(400～800倍)，三氯蔗糖特点具有无能量，高甜度，纯正甜味，安全度高等，也是最理想的甜味剂之一；

糖精钠(Saccharin Sodium)是有机化合物，化学式为C

阿斯巴甜是天门冬酰苯丙胺酸甲酯的俗称，化学式为C

纽甜，化学名称是：N-[N-(3，3一二甲基丁基)-L-α-天冬氨酰]-L-苯丙氨酸-1-甲酯，是白色结晶粉末，含约4.5％的结晶水，是一种功能性甜味剂。具有纯正的甜味，甜味协和，十分接近阿斯巴甜，没有其他强力甜味剂常带的苦味和金属味。甜度比蔗糖甜7000～13000倍，比阿斯巴甜甜30～60倍，能量值几乎为零；安赛蜜是一种食品添加剂，化学名称为乙酰磺胺酸钾，又称AK糖，外观为白色结晶性粉末，它是一种有机合成盐，其口味与甘蔗相似，易溶于水，微溶于酒精。安赛蜜化学性质稳定，不易出现分解失效现象；不参与机体代谢，不提供能量；甜度较高，价格便宜；无致龋齿性；对热和酸稳定性好，是当前世界上第四代合成甜味剂。它和其他甜味剂混合使用能产生很强的协同效应，一般浓度下可增加甜度20％～40％。

进一步的，在上述技术方案中，RMSECV值为11.6。

其中，在上述技术方案中，色谱仪的检测范围为4000～10000cm

如图3所示，为未经预处理的含甜味剂烟用接装纸的近红外谱图。

实验例：按上述方法建立数学模型，内部交叉验证结果如图4所示。优化模型内的数据信息具有很好的线性相关性，相关系数R2＝90.74％，大于90％，RMSECV值为11.6，相对于含甜味剂烟用接装纸来说，行业内接装纸甜味剂含量偏差一般控制在±100～200以内，由图5也可看出检测样品的偏差分布于±50以内。同时，从图6中偏差与维数的变化规律也可发现，随着维数的逐渐增大，RMSECV值的降低幅度由大变小，图6中的蓝色点表示体系优化是选定的最佳维数为9。另外，该模型的RPD值大于3，因此初步选定该优化结果作为预测模型。

随机抽取30个样品经近红外仪器检测其光谱曲线，立即测量其对应的化学值备用。然后调用步骤S03所建立的数学模型的测试方法，将收集的光谱导入预测模型，得到上述30个样品的预测值，将上述化学检测的化学值与预测值对比，并计算相对误差，如图2所示。由表中数据可知，该数据的模型预测值与化学测量值之间的预测偏差均在5％以下，因此可判断该模型具有可用性。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。