CN102338780A

CN102338780A - 一种卷烟品牌判别方法

Info

Publication number: CN102338780A
Application number: CN2010102387491A
Authority: CN
Inventors: 许国旺; 李勇; 路鑫; 李艳丽; 王晓琳
Original assignee: Dalian Institute of Chemical Physics of CAS
Current assignee: Dalian Institute of Chemical Physics of CAS
Priority date: 2010-07-28
Filing date: 2010-07-28
Publication date: 2012-02-01
Anticipated expiration: 2030-07-28
Also published as: CN102338780B

Abstract

本发明公开了一种卷烟品牌判别的方法，采用气相色谱对卷烟烟丝进行分析得到卷烟烟丝化学指纹轮廓；然后用偏最小二乘判别分析方法建立卷烟品牌判别分析模型。采用质量控制样本对整个分析流程进行监控，确保所获得的建模数据真实可靠。采用盲样(正常生产的不同批次的合格产品，测试者在测试前不知道其属性)测试的方法，对所建立的模型进行严格测试。经盲样测试验证，模型预测正确率达到83.33％。

Description

一种卷烟品牌判别方法

技术领域

本发明属于卷烟化学组成分析领域。涉及一种基于加速溶剂萃取和气相色谱技术的卷烟品牌判别方法。该方法通过加速溶剂萃取提取卷烟化学成分，并采用气相色谱进行分离和分析。利用气相色谱所采集的数据进行偏最小二乘判别分析建模，从而实现对卷烟品牌的判别。

背景技术

在卷烟的生产过程中，为了形成卷烟品牌的风格特征，必须按照一定比例混合不同品种、不同产地、不同年份的烟叶，并经过特定的加香、加料和发酵过程最终形成某一品牌的卷烟。不同品牌、不同等级卷烟会由于原料和生产工艺的差异，在吸食时产生不同的基本感受、香味特征和香气特征。这些基本感受和特征的差异实际上是卷烟化学成分差异的体现。目前，卷烟企业评价卷烟的品牌特征主要采用评吸的方法。这种方法虽然通过不同评吸专家给卷烟的各项指标打分，具有一定的合理性，但是这些指标本身模糊不清，评吸人员的感官经验和身体状况又有很大的差异，方法本身具有很大的主观性。因此人们开始关注使用分析化学的方法来监控卷烟中的各项化学指标。人们曾采用近红外的方法快速辨别真假香烟。其分析过程无损、快速的特点值得关注。但是其灵敏度低，相对误差比较大，谱峰严重重叠的缺点也不可小视。加速溶剂萃取是一种通过增加萃取温度和压力来提高萃取效率的萃取方法。由于采用自动化的萃取装置，加速溶剂萃取具有萃取速度快，重现性好，分析通量大等特点。气相色谱具有分离能力强，稳定性好，灵敏度高等特点，已经广泛应用到卷烟的香精、料液和烟气、烟叶挥发性成分的分析。偏最小二乘判别分析是一种有监督的模式识别方法。它能从海量的变量信息中提取对分类贡献大的变量信息。根据建模数据的特点，采用不同的数据标尺方法，给予不同变量不同或相同的权重。这就克服了传统的中药指纹图谱相似度计算中对数值大的变量权重大，数值小的变量权重小的问题。因为在卷烟的化学成分中往往是一些含量小的化合物对卷烟的风格起着重要作用。本专利采用加速溶剂萃取提取卷烟烟丝化学成分，气相色谱对烟丝化学指纹进行获取，最后用PLS-DA建立卷烟品牌判别的模型。同时本专利在实验过程中对样品进行随机编号和加入内标和质量控制样本(QC)，这样可以监控样品处理、仪器分析和数据处理等整个分析流程的分析质量，确保实验数据的可靠性。

发明内容

本发明的目的在于建立一种基于加速溶剂萃取-气相色谱和偏最小二乘判别分析方法的卷烟品牌判别方法。该方法通过获取卷烟烟丝气相色谱指纹谱图，对不同卷烟烟丝化学指纹的PLS-DA模型，通过PLS-DA预测的能力判别待测卷烟是否属于某种卷烟品牌。

为实现以上目的，本发明采用的技术方案如下：

一种卷烟品牌判别的方法，采用气相色谱对卷烟进行分析得到卷烟的化合物轮廓；然后用偏最小二乘判别分析(PLS-DA)方法建立卷烟品牌的判别模型。将待测卷烟样品放入判别模型进行判断，确定其是否属于某种品牌的卷烟。

具体步骤如下：

1)建立了一套样品收集和信息采集的规范化流程。所有的卷烟样本采集步骤是相同的，最大程度减少在样品采集阶段引入的人为误差。

在正常生产条件下，收集待建模的两个(或两个以上)品牌的卷烟，每个品牌收集10个以上批次。使用前，将卷烟样品包装拆开，除去包装纸和滤嘴，于22℃、60％的相对湿度下平衡48小时以上。将平衡好的烟丝放入粉碎机粉碎，将通过40目筛的烟末用双层自封袋保存于4℃冰箱备用。等量称量所有建模样本烟末各1g，均匀混合成质量控制(QC)样本。分析前先对所有模型样本进行随机编号，在样品分析的整个过程中，分析顺序按照随机编号顺序进行。每5个建模样本插入一个QC样本，以监测整个分析流程中可能产生的误差。

2)烟末样本预处理：准确称量4.00克烟末样本于加速溶剂萃取仪的11mL不锈钢萃取池，同时准确移取400μL 2-甲基萘内标工作液(1.68mg/mL)于萃取池。加速溶剂萃取的操作参数为：萃取溶剂，二氯甲烷；静态萃取时间：5min；萃取压力：1500psi；萃取温度：100℃；萃取循环：2次。得到的萃取液在常压下以旋转蒸发仪浓缩至1mL，过0.45μm有机滤膜，转入气相色谱进样小瓶。

3)对所有分析样本进行气相色谱分析。

色谱柱，DB-5MS(30.0m×250μm×0.25μm)；进样口温度，280℃；载气，氦气，恒流，1.2mL/min；进样量，1μL；分流比，10∶1；程序升温条件：50℃(1min)，8℃/min升至220℃(7min)，15℃/min升至280℃(23min)。氢火焰离子化检测器(FID)温度，280℃。FID气流控制：氢气流速，40mL/min，氮气流速，45mL/min，空气流速，450mL/min。

4)采用安捷伦6890气相色谱工作站软件对所采集的卷烟化学轮廓进行色谱峰提取，然后进行峰匹配，形成一个卷烟样本-色谱峰的数据矩阵。将每个样品中所有色谱峰的峰面积都除以该内标峰面积，进行内标校正。校正后的数据矩阵采用偏最小二乘判别分析的方法建立卷烟品牌判别分析模型。

5)对所建立的模型进行交叉验证和模型有效性检验。通过交叉验证以确定模型所具有的显著性主成分数。通过置换检验(permutation test)确定模型是否存在过拟合。

6)对所建立的模型进行盲样判别测试(正常生产的不同批次的合格产品，测试者在测试前不知道其属性)。即在测试者对样品信息完全不知的情况下，对正常生产的合格产品按照上述的方法进行仪器分析和PLS-DA Y预测(当0.35＜Y＜1.35，Y值最大的分组被认为是该样本的预测分组，其余情况该样本不属于Y值所对应的组。当Y＜0.35或Y＞1.35时，该样本不属于建模分组的任何一组)，将预测结果和盲样的真实属性进行对比，计算预测的准确率。这样做可以确保所建立模型的正确性。

本发明具有的效果是：样本的采集、储存、预处理上采用自主建立的标准化程序，避免引入人为误差。

所采用烟丝样品预处理过程简单，不需要衍生化，误差小，这些优点对于方法的重现和普及尤为重要。采用气相色谱-氢火焰离子化检测器(GC-FID)作为烟丝样本化学指纹的采集方法。该方法具有灵敏度高、稳定性好、分离能力强等特点，可以实现批量烟丝样本的化学指纹采集。在每个实验样本中加入内标，通过内标的响应校正预处理过程和实验中仪器响应微小漂移带来的误差。实验过程中插入质量控制(QC)样本。QC样本为建模烟丝样本的混合物。通过对QC样的监控，可以监测样品处理过程和仪器分析序列中有无大的系统误差和偶然误差，从而确保实验数据的可靠性。QC样中80％以上的色谱峰的峰面积(占总面积95％以上)的相对标准偏差小于20％，这充分证明了本专利所阐述方法的稳定性。

PLS-DA模型能够有效地避免系统误差的干扰，且模型的预测正确率和稳定性都比较好。通过置换检验，可有效的发现和排除模型过度拟合的可能性。模型的盲样测试则完全排除人的主观因素在整个分析和建模过程中可能带来的误导。做到完全真实的反映卷烟品牌的品质信息。

附图说明

图1三种不同卷烟(A、B、C)的烟丝气相色谱图。

图2三种不同卷烟烟丝的PLS-DA得分图(A)和载荷图(B)。图2(A)中每个点表示一个样品，t表示样本的主成分投影值。图2(B)中每个点表示一个色谱峰的相对峰面积值，w*c表示变量在主成分上的载荷投影值，变量重要性因子由每个变量(色谱峰所对应的化合物)在载荷矩阵中的载荷投影值计算得出。离原点远的点具有大的变量重要性因子，为区分A、B、C三种不同卷烟的差异化合物。

图3三种不同卷烟烟丝PLS-DA模型的置换检验(过拟合检验)结果。

具体实施方式

实施例

1、样品收集和初处理。

按照卷烟采样标准(GB/T 5606.1-2004)采集三种不同的正品卷烟，每种卷烟至少十个生产批次，作为建模样品。将采集到的卷烟拆开，除去包装纸，置于22℃，60％相对湿度下平衡至少48小时。平衡后的烟丝放入粉碎机进行粉碎，过40目筛，每个样品收集约30g。将粉碎的样品装入双层自封塑料袋，保存于4℃冰箱。从每一个建模样品中取出1g烟末样品混合，作为质量控制样品(QC样品)。给所有模型组样品编制一个随机编号。按照随机编号的顺序进行样品处理和仪器分析。这样可以扣除样品处理和仪器分析过程中带来的系统误差。

2、分析方法

2.1样品处理

将烟末样品从4℃冰箱取出，室温下平衡两小时。按照随机编号，依次称取4.00g烟末样品于加速溶剂萃取的11mL不锈钢萃取池，进行加速溶剂萃取。萃取的具体条件为：萃取溶剂，二氯甲烷；静态萃取时间：5min；萃取压力：1000psi；萃取温度：100℃；萃取循环：2次。得到的萃取液在常压下以旋转蒸发仪浓缩至1mL，过0.45μm有机滤膜，转入气相色谱进样小瓶。每5个模型样品中加入1个QC样品，以监测整个分析过程中是否存在系统误差。同时可以监测不同化合物在分析过程中的稳定性。

2.2气相色谱分析

色谱柱，DB-5MS(Iength 30.0m，int.diameter 250μm，filmthickness 0.25μm)；进样口温度，280℃；载气，氦气，恒流，1.2m L/min；进样量，1μL；分流比，10∶1；程序升温条件：50℃(1min)，8℃/min升至220℃(7min)，15℃/min升至280℃(23min)。氢火焰离子化检测器(FID)温度，280℃。FID气流控制：氢气流速，40mL/min，氮气流速，45mL/min，空气流速，450mL/min。色谱分析顺序按照随机编号顺序进行，每5个分析样本插入1个QC样本，以保证所获取数据的质量。

2.3卷烟品牌特征模型的建立

采用安捷伦气相色谱工作站软件(REV.B.02.01)对所采集的色谱峰进行滤噪、积分。积分的具体参数为：slop sensitivity，100；peakwidth，0.1；height reject，10；shouIders，off；integration range，3min toend。将最终的积分结果以逗号分隔符(CSV)格式的峰表导出。为了扣除不同样品之间色谱峰保留时间的飘移，将导出的峰表以0.05min为时间半径进行色谱峰匹配，形成一个样品-色谱峰信息的数据矩阵。

由于卷烟气相色谱指纹轮廓中有数以百计的组分(变量)，因此必须采用多变量分析方法，从大量的数据中提取对建模有用的烟丝组分信息。PLS-DA是一种基于偏最小二乘法的有监督的模式识别方法，它能够正确的模拟气相色谱分析得到的色谱指纹信息和不同卷烟之间的关系，解释不同卷烟之间的最大偏差。偏差通过得分矩阵和载荷矩阵来体现。

首先对每个变量的值(气相色谱分析得到的色谱峰相对内标峰面积)进行帕雷托标度(pareto scaling)，即每个变量除以其在所有样本中的标准偏差的平方根，这样做可以消除气相色谱分析过程中造成的信号波动，降低分析误差对分析结果的影响。然后给三个不同卷烟在分类变量值Y中分别赋予值1，2和3，代表A、B、C三种不同卷烟。其余所有的计算参数均为软件默认值，由此得到PLS-DA模型。模型的相关数据如下：A＝3、R²X＝0.499、R²Y＝0.895、Q²Y＝0.733。其中A为模型使用的主成分数，R²X，R²Y分别代表模型对原X，Y信息的保留程度，Q²Y为模型的预测能力。上述数据明模型具有良好的预测能力和稳定性。

2.4卷烟品牌特征模型的过拟合验证

因为PLS-DA是有监督的模式识别方法，模型建立以后必须确定模型是否存在过度拟合的现象。本发明采用置换检验(permutationtest)的方法对模型进行过拟合检验(图3)。200次置换检验结果为R²截距0.373(小于0.4)，Q²截距-0.384(小于0.02)，不存在过度拟合的现象。

2.5卷烟盲样判别测试

卷烟品牌特征模型建立以后，重新采集A、B、C三种不同卷烟，每种卷烟采集四个不同的批次(与建模组批次不同)。对所采集的样品按照本专利所描述的样品处理和仪器分析方法进行数据采集。将得到的气相色谱分析数据导入PLS-DA质量控制模型。对所输入的数据进行Y判别(即Y预测，预测待测样品的分类情况)。

表1列出了模型样品和三种不同卷烟重新采集的四个批次共12个样品的Y值。表中从表中可以看出，所有样本均在95％的置信区间之内(黄色表示)。Y预测的结果(测试样本Y值(当Y满足0.35＜Y＜1.35时)最大的分组被认为是该待测样本的分组)以蓝色标出。在重新采集的12个卷烟盲样中，T-1、T-2、T-7、T-8为卷烟A的四个不同批次，T-3、T-4、T-9、T-10为卷烟B的四个不同批次，T-5、T-6、T-11、T-12为卷烟C的四个不同批次。从预测的结果看，模型对T-1、T-2、T-3、T-6、T-7、T-8、T-9、T-10、T-11、T-12等卷烟样品的归属信息均能做出正确的判断。依次计算模型的预测正确率为10÷12×100＝83.3％

由于盲样对于测试者来说即为未知样本，因此未知样本的测试与盲样测试步骤相同。

表1模型样品和盲样测试样品的PLS-DA Y预测结果

注：表中样品编号中A、B、C分别代表A、B和C三种卷烟样本，T代表测试盲样。测试样本Y值(当Y满足0.35＜Y＜1.35时)最大的分组被认为是该待测样本的分组。

Claims

1.一种卷烟品牌判别方法，其特征在于：

1)采用加速溶剂萃取-气相色谱分析技术对卷烟烟丝进行分析得到烟丝化学指纹轮廓；然后用偏最小二乘判别分析方法建立卷烟品牌判别模型，对所建立的模型进行过拟合测试和盲样判别验证；2)在相同的样品预处理和色谱分析条件下，分析未知样本，将未知样品分析所得数据和模型样品数据合并，利用所建立的偏最小二乘判别分析模型对未知样品进行判别，确定其是否为建模样品中具体的某一类，或不属于建模样品中任何一类。

2.根据权利要求1所述方法，其特征在于：所述获取卷烟烟丝化学指纹轮廓获取的具体步骤如下，

1)烟丝样品准备：取在正常生产条件下生产的待建模的两个或两个以上品牌的卷烟每个品牌≥10个批次，将卷烟样品包装拆开，除去包装纸和滤嘴；取烟丝于22℃、60％的相对湿度下平衡48小时以上；将平衡好的烟丝放入粉碎机粉碎，过40目筛后，取通过40目筛烟末用双层自封袋保存于4℃冰箱备用；

于建模样本中每个样品等量移取1g烟末，均匀混合，作为质量控制QC样本，作为整个分析流程的质量控制标准；

2)烟丝样品预处理：准确称量4.00克烟末样本于加速溶剂萃取仪的11mL不锈钢萃取池，同时准确移取浓度1.68mg/mL的400u L 2-甲基萘内标工作液于萃取池；加速溶剂萃取的操作参数为：萃取溶剂，二氯甲烷；静态萃取时间：5min；萃取压力：1500psi；萃取温度：100℃；萃取循环：2次；得到的萃取液在常压下以旋转蒸发仪浓缩至1mL，过0.45μm有机滤膜后转入气相色谱进样小瓶；

3)对建模样本和QC样本依次进行气相色谱分析；

色谱柱，DB-5MS(30.0m×250μm×0.25μm)；进样口温度，280℃；载气，氦气，恒流，1.2mL/min；进样量，1μL；分流比，10∶1；程序升温条件：50℃(1min)，8℃/min升至220℃(7min)，15℃/min升至280℃(23min)。氢火焰离子化检测器(FID)温度，280℃；FID气流控制：氢气流速，40mL/min，氮气流速，45mL/min，空气流速，450mL/min；色谱分析顺序按照随机编号顺序进行，每5个分析样本插入一个QC样本，以保证所获取数据的质量。

3.根据权利要求2所述方法，其特征在于：在样品分析的第一步，对所有模型样本进行随机编号，整个分析流程中样品的分析顺序按照随机编号的升序进行；这样做可以避免样品分析过程中可能存在的系统误差对分析结果造成影响。

4.根据权利要求3所述方法，其特征在于：在样品分析的随机编号序列中，每分析5个模型样本，分析一个QC样本；将所获得的建模样品数据和QC样品数据进行主成分分析PCA；观察QC样品在所有分析样品中的聚类情况；在系统误差和偶然误差较小的情况下，QC样本应该聚集于PCA得分图的几何中心。

5.根据权利要求1所述方法，其特征在于：对气相色谱获得的数据采用安捷伦气相色谱工作站软件进行色谱峰提取，然后进行峰匹配，形成一个数据矩阵；将每个样品中所有色谱峰的峰面积都除以该样品内标峰面积，进行内标校正；校正后的数据矩阵用偏最小二乘一判别分析(PLS-DA)方法进行统计分析，对卷烟烟丝化学指纹数据进行建模，并进行模型的过拟合测试，确保模型不存在过度拟合。

6.根据权利要求1所述方法，其特征在于：对所建立的模型进行盲样判别测试；即在测试者对样品信息完全不知的情况下，对正常生产的合格产品按照权利要求2所述的方法进行仪器分析和PLS-DA Y预测，当0.35＜Y＜1.35，Y值最大的分组被认为是该样本的预测分组，其余情况该样本不属于Y值所对应的组；当Y＜0.35或Y＞1.35时，该样本不属于建模分组的任何一组；将预测结果和盲样的真实属性进行对比，计算预测的准确率；这样做可以确保所建立模型的正确性。

7.根据权利要求1所述方法，其特征在于：未知样本的判别测试，即对未知样本按照权利要求2所述的方法进行仪器分析和PLS-DAY预测，当0.35＜Y＜1.35，Y值最大的分组被认为是该样本的预测分组，其余情况该样本不属于Y值所对应的组；当Y＜0.35或Y＞1.35时，该样本不属于建模分组的任何一组。