简介:应用近红外光谱技术建立烟草17项主要化学成分的快速无损检测方法.收集700个具有代表性样品的光谱,建立其相应指标的近红外模型.在所有的校正模型中,原始谱图经过一阶导数和偏最小二乘(PLS)处理,大约50个外部样品用于所建模型的验证.烟草中总挥发酸、总挥发碱、石油醚提取物总量、石油醚提取物中性成分、多酚、淀粉、纤维素、硫酸根、pH、灰分、水溶性灰分碱度、总糖、还原糖、总氮、生物碱、氯、钾等十七项指标的预测标准偏差(BMSEP)分别为0.020、0.009、0.402、0.393、0.578、0.583、0.932、0.139、0.117、0.634、0.235、1.720、1.407、0.104、0.173、0.037和0.300.该结果表明近红外光谱技术在分析17项烟草化学指标时均可以替代经典化学方法.作为一种质量控制方法,近红外光谱技术的应用将为烟草行业节省大量的资金和显著提高工作效率.
简介: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℃,RH80%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HotellingT-2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HotellingT-2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。