一种烟草加工过程中的近红外在线检测方法技术

本发明专利技术公开了一种烟草加工过程中的近红外在线检测方法，包括检测系统和分析方法。检测系统由光电感应器、机械手、RFID读写器、傅里叶近红外仪器、分析主机组成；分析方法是采用近红外光谱分析模型，涉及到样品收集、多元参数定量建模、评价验证、稳定模型、常规分析和监测、模型优化与传递。本发明专利技术提升了烟草行业检测技术和均质化加工的水平。

【技术实现步骤摘要】

本专利技术属于仪器分析领域，特别是涉及一种烟草加工过程中的近红外检测方法。
技术介绍
在线检测是实现生产加工过程自动化、智能化的有效手段，严格把控成品片烟烟碱(CV值控制在5％以内)和成品水分变异系数(CV值控制在2.5％以内)，实现同一模块年度间、加工批次间和批次内片烟产品烟碱成分均匀一致、评吸质量相对稳定、物理指标协调均衡、水分波动有效控制，是烟草加工行业均质化质量控制和评析的主要内容。按照《国家局关于推进均质化加工的意见》，推进和完善近红外光谱分析仪建模技术，通过加工数据积累，完善品牌原料加工烟碱数据模型，提高在线和实验室近红外光谱仪检测准确性，提升检测技术水平，开展生产过程均质化加工质量评析，是目前保障均质化调控的合理性和准确性的重要手段。近红外光谱(NIR)是介于可见光(VIS)和中红外光(MIR)之间的电磁波谱，波长范围：800～2500nm，波数约为：12500～4000cm-1。近红外光谱法是利用含有氢基团(X-H，X为：C，O，N，S等)化学键(X-H)伸缩振动倍频和合频，在近红外区的吸收光谱，通过选择适当的化学计量学多元校正方法，把校正样品的近红外吸收光谱与其成分浓度或性质数据进行关联，建立校正样品吸收光谱与其成分浓度或性质之间的关系-校正模型，在进行样品检测时，应用已建好的校正模型和样品的吸收光谱，就可定量检测其成分浓度或性质。
技术实现思路
本专利技术的目的在于：提供一种烟草加工过程中的近红外在线检测方法，检测烟叶的烟碱、总糖、总氮、还原糖、钾、氯等化学成分和水分，提升检测技术和均质化加工水平。为实现上述目的，本专利技术的技术方案为：一种烟草加工过程中的近红外在线检测方法，包括检测系统和分析方法。检测系统由光电感应器、机械手、RFID读写器、傅里叶近红外仪器、分析主机组成，涉及的流程是：a.光电感应器感应到达的物料容器，同时将信号发给机械手，b.傅里叶近红外仪器扫描烟叶的近红外光谱，由烟叶的定量模型分析得到被扫描烟叶的化学值成分，包括：烟碱、总糖、总氮、还原糖、钾、氯和水分，c.机械手推送物料进入扫描或阻挡下一个物料容器往前移动，直到当前容器中的烟叶都扫描完毕，d.RFID读写器读取物料容器上IC卡的相关信息，同时将傅里叶近红外光谱仪器检测到的烟叶近红外光谱相对应，并记录在数据系统中，e.分析主机记录检测和分析得到的烟叶的化学成分值和对应的IC卡信息；分析方法是采用近红外光谱分析模型，尤其是建模涉及到样品收集，波长范围选择、光谱预处理方法、PLS主因子数的确定等多元参数定量建模，评价验证、稳定模型、常规分析和监测、模型优化与传递。建立定量模型的基本步骤是：(1)样本的收集：选择足够多的且有代表性的样品组成校正集；(2)测定样品成分：通过现行标准方法或者常规测试方法，测定得到样品成分化学值的信息。(3)测定光谱：采用近红外仪器扫描,得到样品的近红外光谱。(4)采用多元定量方法建立初始校正模型，剔除界外样本，并反复选取不同参数建模(如：波长范围、光谱预处理方法、PLS主因子数等)，以得到最优的参数来建立稳定、优秀的校正模型。(5)用验证集样品对所建模型进行评价验证。(6)用稳定、优秀的模型对未知样品进行常规分析和监测。(7)所建模型进一步更新、优化与传递。由于采用了上述方案，本专利技术的有益效果在于：本专利技术能够实时准确检测并记录自动化生产线上烟叶化学成分的值，为均匀备料和烟碱均质化集成系统提供原始基础数据，保障每个投料单元烟叶烟碱值的均匀性，有效控制成品片烟烟碱值变异系数CV值在3％以内。具体实施方式下面将结合具体实施例对本专利技术作进一步详细说明。实施例1：检测系统及在线检测流程现有一种烟草加工过程中的近红外在线检测方法，其检测系统由光电感应器、机械手、RFID读写器、傅里叶近红外仪器、分析主机组成。“C3F”的烟叶共计500框(塑料筐)，这些装满烟叶的塑料筐从平推装置到达转向装置，经过转向装置以后，塑料筐进入检测皮带上，检测皮带将塑料筐传送至近红外在线检测系统，首先由光电感应器感应到达的物料容器，同时将信号发给机械手，编号0001的塑料筐到达检测系统位置，光电感应器将感应到的信号发给机械手，当前没有正在进行扫描的塑料筐。机械手将编号0001的塑料筐推至近红外仪器的扫描位置，由仪器扫描烟叶的近红外光谱，RFID读写器读取物料容器上IC卡的相关信息，同时与傅里叶近红外光谱仪器检测到的近红外光谱相对应，分析主机调用同为“C3F”品种的烟叶定量模型，得到编号0001的烟叶的化学值---烟碱值。分析主机记录检测到的烟叶的化学成分值和对应的IC卡信息，保存在数据系统中，以此类推直到500框“C3F”品种烟叶都扫描完毕。近红外在线检测结果如下：表格中的第一列是烟叶的烟碱值真值，第四列为在线检测的烟碱值，第五列是两者之间的偏差值。不难发现，近红外在线检测结果与常规检测方法得到的数据偏差非常小。实施例2：建立定量模型(1)样本的收集：收集各个等级、代表性强的烟叶样品组成校正集；(2)测定样品成分：化验室通过现有的常规测试方法，测定得到样品成分化学值的信息，为模型的真值。(3)测定光谱：采用近红外仪器扫描4000～10000cm-1波段，得到样品的近红外光谱。(4)采用多元定量方法建立初始校正模型，剔除界外样本，并反复选取不同参数建模(如：波长范围、光谱预处理方法、PLS主因子数等)，以得到最优的参数来建立稳定、优秀的校正模型。(5)用验证集样品对所建模型进行评价验证。(6)用稳定、优秀的模型对未知样品进行常规分析和监测，得到样品的化学值信息---烟碱值，称为模型的预测值。(7)后期，模型需要进一步更新、优化。列表所示，对1500框“C3F”等级的烟叶样品，应用本方法建立的近红外定量模型分析检测的结果，模型组分是烟叶的烟碱值。表格的第三列表示这些烟叶样品的烟碱值真值(由常规测量方法测得的数据)，第四列表示采用烟叶的定量模型预测得到的烟叶的烟碱值数据。第五列是真值与预测值之间的偏差值，表示模型预测的数据与常规测量的数据的偏差大小。校正模型建好后，对校正模型进行验证，计算模型的内部交叉验证预测均方根误差—RMSECV，决定系数—R2，并通过t检验来确定预测值是否有统计以上的偏差。结果表明，等级“C3F”烟叶近红外定量模型的R2为98.33，RMSECV为0.087，说明模型具有较强的预测能力；t检验中，t的绝对值均小于其相关的临界值，说明模型预测值与参考值基本相同，校正模型合理有效。随机挑选同等级的烟叶样品，对该模型进行外部验证。下表中的数据表示烟叶样品的预测值。编号文件名真值预测值偏差15F0648.02.802.7440.05625F0691.02.692.726-0.03635F0692.03.002.9810.01945F0702.02.982.9420.03855F0703.03.042.9070.13365F0707.02.912.8680.04275F0708.02.702.884-0.184…………………………425F0785.01.821.830-0.010435F0789.01.891.8230.067445F0790.01.941.8610.079455F0791.03.062.9230本文档来自技高网...

【技术保护点】
一种烟草加工过程中的近红外在线检测方法，其特征在于：包括检测系统和分析方法。

【技术特征摘要】
1.一种烟草加工过程中的近红外在线检测方法，其特征在于：包括检测系统和分析方法。2.根据权利要求1所述的一种烟草加工过程中的近红外在线检测方法，其特征在于：检测系统由光电感应器、机械手、RFID读写器、傅里叶近红外仪器、分析主机组成。3.根据权利要求2所述的一种烟草加工过程中的近红外在线检测方法，涉及的流程是：a.光电感应器感应到达的物料容器，同时将信号发给机械手；b. 傅里叶近红外仪器扫描容器中烟叶的近红外光谱, 由烟叶的定量模型分析得到被扫描烟叶的化学成分值，包括：烟碱、总糖、总氮、还原糖、钾、氯和水分；c.机械手推送物料进入扫描或阻挡下一个物料容器往前移动，直到当前容器中的烟叶都扫描完毕；d. RFID读写器读取物料容器I...

【专利技术属性】
技术研发人员：艾宏，彭黔荣，黄果，向伶俐，江苏，汤海涛，
申请(专利权)人：四川威斯派克科技有限公司，贵州中烟工业有限责任公司，
类型：发明
国别省市：四川;51