CN113484275B - 基于中红外光谱采用分峰分析技术快速预测新鲜烟叶中油分含量的方法 - Google Patents
基于中红外光谱采用分峰分析技术快速预测新鲜烟叶中油分含量的方法 Download PDFInfo
- Publication number
- CN113484275B CN113484275B CN202110773101.2A CN202110773101A CN113484275B CN 113484275 B CN113484275 B CN 113484275B CN 202110773101 A CN202110773101 A CN 202110773101A CN 113484275 B CN113484275 B CN 113484275B
- Authority
- CN
- China
- Prior art keywords
- infrared
- tobacco
- oil
- peak
- oil content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 88
- 241000208125 Nicotiana Species 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004458 analytical method Methods 0.000 title claims abstract description 23
- 238000000926 separation method Methods 0.000 title claims abstract description 20
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 14
- 238000005516 engineering process Methods 0.000 title claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000011282 treatment Methods 0.000 claims abstract description 3
- 238000001228 spectrum Methods 0.000 claims description 20
- 238000010521 absorption reaction Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 8
- 125000000174 L-prolyl group Chemical group [H]N1C([H])([H])C([H])([H])C([H])([H])[C@@]1([H])C(*)=O 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 239000002245 particle Substances 0.000 claims description 4
- 239000000843 powder Substances 0.000 claims description 4
- 238000000227 grinding Methods 0.000 claims description 3
- 244000061176 Nicotiana tabacum Species 0.000 claims description 2
- 238000002835 absorbance Methods 0.000 claims description 2
- 238000001035 drying Methods 0.000 claims description 2
- 230000008014 freezing Effects 0.000 claims description 2
- 238000007710 freezing Methods 0.000 claims description 2
- 238000001028 reflection method Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 210000003462 vein Anatomy 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 9
- 238000001514 detection method Methods 0.000 abstract description 5
- 239000000126 substance Substances 0.000 description 10
- 239000000203 mixture Substances 0.000 description 7
- 238000001914 filtration Methods 0.000 description 6
- 125000000524 functional group Chemical group 0.000 description 4
- 229930182470 glycoside Natural products 0.000 description 4
- 150000002338 glycosides Chemical class 0.000 description 4
- 230000001953 sensory effect Effects 0.000 description 4
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 150000002148 esters Chemical class 0.000 description 3
- 238000010362 genome editing Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000002203 pretreatment Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 102000053602 DNA Human genes 0.000 description 2
- 108020004414 DNA Proteins 0.000 description 2
- 238000001157 Fourier transform infrared spectrum Methods 0.000 description 2
- 241000218636 Thuja Species 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 235000014113 dietary fatty acids Nutrition 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000194 fatty acid Substances 0.000 description 2
- 229930195729 fatty acid Natural products 0.000 description 2
- 150000004665 fatty acids Chemical class 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 230000009261 transgenic effect Effects 0.000 description 2
- 150000005671 trienes Chemical class 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010013911 Dysgeusia Diseases 0.000 description 1
- 238000000944 Soxhlet extraction Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003292 diminished effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 229930182478 glucoside Natural products 0.000 description 1
- 150000008131 glucosides Chemical class 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 238000004476 mid-IR spectroscopy Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000009864 tensile test Methods 0.000 description 1
- 229940126680 traditional chinese medicines Drugs 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 235000014101 wine Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Manufacture Of Tobacco Products (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种基于中红外光谱采用分峰分析技术快速预测新鲜烟叶中油分含量的方法，包括如下步骤：步骤(1)、样品的采集及前处理；步骤(2)、红外扫描；步骤(3)、红外数据前处理；步骤(4)、红外特征峰分峰；步骤(5)、油分打分处理；步骤(6)、红外预测模型的建立；步骤(7)新鲜烟叶样品油分类的红外预测。本发明利用红外光谱技术，结合针对性的分峰分析方法，构建烟草油分快速分析模型及分析方法，用于烟草油分的快速检测评价。预测模型建立过程中，本发明对前处理过程进行了考察，同时确定了分峰位置，保证依据该数据建立的模型更加准确，进一步保证预测的准确度。
Description
技术领域
本发明涉及一种烟叶化学成分的快速预测方法，具体涉及一种基于中红外光谱采用分峰分析技术快速预测新鲜烟叶中油分含量的方法。
背景技术
烤烟油分与烟叶的弹性、韧性、吸湿性、成熟度以及理化特性、烟气质量密切相关，是一个概括性极强的品质因素，在烟叶分级中有重要作用。油分含量在一定程度上反映了烟叶的质量，同部位油分档次高的烟叶，物理特性、化学成分、吸食质量都得到相应提高。油分含量深刻影响烟叶感官评吸质量，油分多的烟叶，香气质量较好、杂气较轻、余味纯净舒适。
油分的成分复杂，据相关文献报道烟草油分主要包括高级脂肪酸、酯类物质、西柏三烯类物质和糖苷类等，目前，对烟草油分的概念没有准确的界定。现行的烤烟分级标准GB2635-1992，主要是根据烟叶分级工作人员观察、手摸以及与其他相关的外观特征相结合来确定油分的不同档次，具有一定的主观性。
目前较为常用的油分测量方法为超声辅助索氏提取法。该方法结果较为客观准确，但是不足在于过程繁琐、检测时间长，很难用于高通量的快速评价。此外，油分分析新方法还有拉力测试法，视觉图片解析法等，这些方法较为新颖也能初步用于烟叶油分的分析，但是目前都还不成熟，应用较少。
红外光谱是一种分子振转光谱，能获得样品的整体化学信息，由于其快速、无损、简便等特点广泛运用于中药、农产品、酒类等质量控制和分析评价中。其中中红外光谱主要为分子振动基频吸收光谱，具有很强的指纹特征性。
目前，对于化学成分的中红外定量预测，主要是基于全波数建模预测。对于上述定量预测分别存在以下不足：对于全波数建模预测，仅对与建模样品产地、气候、品种等一致性较好的样品预测准确性较好，并且只对建模样品检测值范围内的样品能预测，超出建模样品检测值以外的样品没有预测效果。而非靶向的转基因或基因编辑烟草，由于其DNA等生物信息的改变，其代谢物将发生明显变化，可能导致其烟叶的品种甚至是种类都发生变化，分析范围超出预测模型范围。因此，对于采用全波段预测结果将引入系统性偏差。
为了解决以上问题，提出本发明。
发明内容
本发明利用红外光谱技术，结合针对性的分峰分析方法，构建烟草油分快速分析模型及分析方法，用于烟草油分的快速检测评价。
本发明第一方面提供一种基于中红外光谱采用分峰分析技术快速预测新鲜烟叶中油分含量的方法，包括如下步骤：
步骤(1)、样品的采集及前处理
选择一定量的烟株样品，采集一片或多片烟叶，去除叶脉取叶片，一半进行冷冻干燥，干燥后，粉碎研磨为40目以上细粉，一半进行烟叶油分打分；
步骤(2)、红外扫描
新鲜烟叶粉末，采用全反射法扫描；数据采集使用OMINIC软件；
步骤(3)、红外数据前处理
对上述步骤(2)所得光谱，采用平滑(Smooth)、矢量归一化(SNV)、多元散射校正(MSC)及基线校正(BC)等多种光谱预处理方法对红外光谱进行处理；
步骤(4)、红外特征峰分峰
选择中红外1612cm-1附近峰导入Orign Pro/Orign Lab Corporation软件进行分峰，分为烤烟萃取残渣出峰1645cm-1，油分的出峰位置为1593cm-1；
步骤(5)、油分打分处理
每个样品随机抽取3片烟叶，依据《GB2635-1992(烤烟》标准逐片评价烟叶的油分，按照表1所示标准，并对其进行量化打分，请烟叶专家进行打分，每个样品评价三次，取平均值；
表1烟叶油分量化打分标准
步骤(6)、红外预测模型的建立
对上述步骤(4)所得在1593cm-1峰面积与烤烟在1612cm-1峰面积比，作为油分的相对含量，与步骤(5)所得的油分类含量数据对应后，采用Orign Pro/Orign LabCorporation软件，通过样本的相对面积比与油分进行线性拟合，计算出回归方程为Y＝0.42093X-15.89745；
步骤(7)新鲜烟叶样品油分类的红外预测
对于所需检测的新鲜烟叶样品，按照步骤(1)、步骤(2)、步骤(3)处理后导入步骤(6)所建模型中，即可得到油分类的红外预测值。
优选地，步骤(1)中，样品数量不能少于200个，粉碎研磨后样品颗粒的目数不小于40目。
优选地，步骤(2)中，扫描次数为32次，分辨率为4cm-1，扫描范围为4000～400cm-1，3次测试求平均值来消除误差；扫描时自动扣除H2O和CO2的干扰，得到原始光谱依次进行吸光度、自动基线校正、归一化处理得相应的标准化光谱。
优选地，步骤(4)中，拟合过程中，所有的拟合吸收峰均为高斯拟合；为了提高拟合的准确度，拟合过程中需达到以下标准:确定系数(COD)大于0.9，标准误差参数(chi-squared)小于0.1。
优选地，步骤(5)中，评吸专家数量不低于5人。
相对于现有技术，本发明具有以下有益效果：
1、分峰法(Curve-fitted analysis)分析物质的官能团组成是研究复杂混合物最常用的一种分析技术。利用分峰拟合所特有的分离重叠峰的特点，结合FTIR光谱数据可以更为准确的定量分析诸如烤烟等复杂物质中各官能团的含量，对复杂化合物的组成的分析有更好的帮助。分峰拟合处理是对FTIR重叠峰进行有效分离从而获得每个吸收峰面积的一种非常有效的方法。
本发明采用分峰分析技术，并明确限定分峰方法，选择中红外1612cm-1附近峰导入Orign Pro/Orign Lab Corporation软件进行分峰，分为烤烟萃取残渣出峰1645cm-1，油分的出峰位置为1593cm-1。拟合过程中，所有的拟合吸收峰均为高斯拟合。为了提高拟合的准确度，拟合过程中需达到以下标准:确定系数(COD)大于0.9，标准误差参数(chi-squared)小于0.1。
采用本发明方法所得数据相对国标所用的感官评价方法更为客观准确，保证预测结果的标准性。
2、本发明操作时间短，仅需要几分钟就可以快速得到新鲜烟叶的油分含量。
3、本发明所得数据相对国标所用的感官评价方法更为客观准确，保证预测结果的标准性。
4、本发明对前处理过程进行了考察，确定红外数据前处理方法为，采用平滑(Smooth)、矢量归一化(SNV)、多元散射校正(MSC)、二阶导数(D2)及基线校正(BC)的光谱预处理方法对红外光谱进行处理，保证依据该数据建立的模型更加准确，进一步保证预测的准确度。
5、本发明准确度较高可用于基因编辑烟草素材油分的高通量评价筛选。烟分峰结果与油分具有一定的相关性，可以用来预测基因编辑素材油分的趋势，用于准确预测油分还有待改进。本发明尤其适用于来源差异较大的烟草样品，以及基因编辑和转基因烟草样品中油分的快速预测分析。
附图说明
图1为光谱建模流程示意图；
图2油分的真实值与不同前处理中红外模型预测值的散点图；
图3油分的真实值与不同波段中红外模型预测值的散点图；
图4不同油分含量烤烟中红外图；
图5烤烟(绿)、提取油分(红)、提取残渣(紫)中红外图；
图6为1593cm-1处峰相对面积比％-油分的真实值拟合曲线图；
具体实施方式
下面结合具体实施例对本发明进行说明，但本发明的实施方式不限于此。实施例中未注明具体条件的实验方法,通常按照常规条件以及手册中所述的条件,或按照制造厂商所建议的条件所用的通用设备、材料、试剂等,如无特殊说明,均可从商业途径得到。以下实施例和对比例中所需要的原料均为市售。
为了构建烟叶油分光谱模型，主要对构建光谱流程中的前处理、分峰位置的选择等方面进行优化(如图1)。
1、前处理的影响
为消除光谱信号中的基线漂移与光散射等各种干扰和噪声，充分提取光谱包含的有效特征信息，提高校正模型的预测精度，对光谱进行必要的预处理。实验分别采用一阶导数和二阶导数结合Savitzky.Golay(SG)平滑滤波(段长7；段间距3)和Norris导数滤波(段长5；段间距5)分别对烤后烟叶光谱进行预处理，优化油分的校正模型，结果见下表2(图2)。表明了不同预处理方法对模型的预测结果都有一定的影响。其中中红外分别二阶导阶导数+norris平滑滤波、一阶导数+SG平滑滤波预处理效果相对较好。
表2烤后烟叶模型光谱预处理方法的选择
2、波长范围的选择
表3烤后烟叶模型特征波选择
油分的主要组成高级脂肪酸、酯类物质、西柏三烯类物质和糖苷类等[2,6-8]，其吸收光谱中含有丰富的脂类和糖苷类吸收特性信息如表3所示[1,13,15-16]。光谱在500～700cm-1，800～1200cm-1和1300～1800cm-1处有较强的吸收峰，主要由油分中酯、酸和糖苷分子O-H基团的倍频和合频、C＝O基团伸缩振动及变形振动的合频吸收、-C-O基团的振动所引起。根据光谱特性和相关系数，选择波500～700cm-1，800～1200cm-1和1300～1800cm-1主要建模波长。对光谱的初步分析，去除低波数不稳定信息峰。此外通过SPA法提取其特征波长，所得波长如表3(图3)所示。对上述波段及波长按照全谱建模方法进行建模。
所建立的模型的各项参数如表3所示：其中全谱和特征波段模型中油分含量的真实值与预测值之间的相关系数均在0.8以上，这说明模型的预测值和真实值之间具有很好的相关性，也说明所建立模型可以很好地预测烤烟样品的油分含量。而其中特征波段光谱的相关性系数最大，RMSECV最小，可用于油分的中红外光谱建模。而SPA法提取其特征波长，其预测模型的相关性系数小于0.8表明，表明中红外的SPA法预测效果不理想。
3、分峰位置的选择，以及中红外分峰拟合
分峰法(Curve-fitted analysis)分析物质的官能团组成是研究复杂混合物最常用的一种分析技术。利用分峰拟合所特有的分离重叠峰的特点，结合FTIR光谱数据可以更为准确的定量分析诸如烤烟等复杂物质中各官能团的含量，对复杂化合物的组成的分析有更好的帮助。分峰拟合处理是对FTIR重叠峰进行有效分离从而获得每个吸收峰面积的一种非常有效的方法。
图4为不同油分含量的烤烟的中红外图，由图可知随着油分增加，其在1612cm-1处的峰随之增加，而期838cm-1处的峰随之减弱。通过中红外特征吸收检索及文献调研表明1612cm-1的峰为油分中C＝O吸收峰，838cm-1的峰为油分中糖苷键吸收峰。由于纤维素和油分中都存在糖苷，分析较为复杂，因此主要以1612cm-1的峰为主要分峰研究对象。
分峰位置的选择：由于烤烟及油分本身成分较为复杂，而且C＝O可能在多种烤烟及油分的成分中皆有可能存在，为了简化分峰方法，因此对油分和烤烟提取后成分进行了红外扫描，选择其在附近的1612cm-1峰分别为其代表峰，如图5所示，其中烤烟提取残渣出峰位置为1645cm-1，油分的出峰位置为1593cm-1，对烤烟中红外1612cm-1峰进行分峰，其分峰面积代表其含量。
对相应重叠峰进行分峰拟合处理所用的数据处理软件是常见的Orign Pro/OrignLab Corporation软件。在选定的区间内，吸收峰个数和吸收峰位置通过对该区间内的FTIR数据进行二阶导数得到，拟合过程中，所有的拟合吸收峰均为高斯拟合。为了提高拟合的准确度，拟合过程中需达到以下标准:确定系数(COD)大于0.9，标准误差参数(chi-squared)小于0.1。
拟合后采用提取油分在1593cm-1峰面积与烤烟在1612cm-1峰面积比，作为油分的相对含量，与油分打分值进行比较作图。通过样本的相对面积比与油分进行线性拟合，计算出回归方程如图6所示，其中线性回归为Y＝0.42093X-15.89745R2＝0.86。其斜率为正表明相对峰面积比与油分正相关，即样品中1593cm-1峰分峰面积相对含量越大，其油分越高。相关性系数为0.86，表明油分与所计算的1593cm-1峰相对峰面积比有较好的相关性，可以用于建模计算烤烟的油分。
4、模型预测准确度预测
取30个未知烤后烟叶样品，进行红外光谱扫描，采用本发明的分峰预测模型预测其油分分值，同时依据(《GB2635—92烤烟》和表1给出每个样品的叶片油分赋值，并将预测值与人工赋值进行比较，结果见表4。由于烟叶的油分是对烟叶外观质量性状的一种定性描述，其分值是根据人的感官评价赋予的，肯定存在一定的误差，而在烟叶分级中10％的误差认为是准确的，由表可知本发明的相对偏差为18.46％，表明本发明方法的预测准确度较好。
表4烤烟油分模型预测数据
Claims (5)
1.一种基于中红外光谱采用分峰分析技术快速预测新鲜烟叶中油分含量的方法，其特征在于：包括如下步骤：
步骤（1）、样品的采集及前处理
选择一定量的烟株样品，采集一片或多片烟叶，去除叶脉取叶片，一半进行冷冻干燥，干燥后，粉碎研磨为40目以上细粉，一半进行烟叶油分打分；
步骤（2）、红外扫描
新鲜烟叶粉末，采用全反射法扫描；数据采集使用OMINIC软件；
步骤（3）、红外数据前处理
对上述步骤（2）所得光谱，采用平滑、矢量归一化、多元散射校正及基线校正的多种光谱预处理方法对红外光谱进行处理；
步骤（4）、红外特征峰分峰
选择中红外1612 cm-1附近峰导入Orign Pro/Orign Lab Corporation软件进行分峰，分为烤烟萃取残渣出峰1645 cm-1，油分的出峰位置为1593 cm-1；
步骤（5）、油分打分处理
每个样品随机抽取3片烟叶，依据《GB2635-1992烤烟》标准逐片评价烟叶的油分，按照表1所示标准，并对其进行量化打分，请烟叶专家进行打分，每个样品评价三次，取平均值；
步骤（6）、红外预测模型的建立
对上述步骤（4）所得在1593 cm-1峰面积与烤烟在1612cm-1峰面积比，作为油分的相对含量，与步骤（5）所得的油分类含量数据对应后，采用Orign Pro/Orign Lab Corporation软件，通过样本的相对面积比与油分进行线性拟合，计算出回归方程为Y=0.42093X-15.89745；
步骤（7）新鲜烟叶样品油分类的红外预测
对于所需检测的新鲜烟叶样品，按照步骤（1）、步骤（2）、步骤（3）处理后导入步骤（6）所建模型中，即可得到油分类的红外预测值。
2.根据权利要求1所述的方法，其特征在于，步骤（1）中，样品数量不能少于200个，粉碎研磨后样品颗粒的目数不小于40目。
3.根据权利要求1所述的方法，其特征在于，步骤（2）中，扫描次数为32次，分辨率为4cm-1，扫描范围为4000～400cm-1，3次测试求平均值来消除误差；扫描时自动扣除H2O和CO2的干扰，得到原始光谱依次进行吸光度、自动基线校正、归一化处理得相应的标准化光谱。
4.根据权利要求1所述的方法，其特征在于，步骤（4）中，拟合过程中，所有的拟合吸收峰均为高斯拟合；为了提高拟合的准确度，拟合过程中需达到以下标准:确定系数大于0.9，标准误差参数小于0.1。
5.根据权利要求1所述的方法，其特征在于，步骤（5）中，评吸专家数量不低于5人。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110773101.2A CN113484275B (zh) | 2021-07-08 | 2021-07-08 | 基于中红外光谱采用分峰分析技术快速预测新鲜烟叶中油分含量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110773101.2A CN113484275B (zh) | 2021-07-08 | 2021-07-08 | 基于中红外光谱采用分峰分析技术快速预测新鲜烟叶中油分含量的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113484275A CN113484275A (zh) | 2021-10-08 |
| CN113484275B true CN113484275B (zh) | 2023-01-31 |
Family
ID=77937534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110773101.2A Active CN113484275B (zh) | 2021-07-08 | 2021-07-08 | 基于中红外光谱采用分峰分析技术快速预测新鲜烟叶中油分含量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113484275B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116223440A (zh) * | 2023-05-08 | 2023-06-06 | 四川威斯派克科技有限公司 | 一种烟叶原料配比的近红外检测装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105092512A (zh) * | 2015-08-21 | 2015-11-25 | 广东省粮食科学研究所 | 一种基于傅里叶变换红外光谱技术检测油茶籽油的方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5939717A (en) * | 1998-01-29 | 1999-08-17 | Schlumberger Technology Corporation | Methods and apparatus for determining gas-oil ratio in a geological formation through the use of spectroscopy |
| GB201316689D0 (en) * | 2013-09-20 | 2013-11-06 | British American Tobacco Co | Apparatus for detecting a substance in a rod shaped article of the tobacco industry |
| CN103852441B (zh) * | 2014-02-21 | 2017-01-04 | 广东中烟工业有限责任公司 | 一种应用中红外光谱法定量检测烟草木质素的方法 |
| WO2018172940A1 (en) * | 2017-03-20 | 2018-09-27 | Basf Corporation | Selective catalytic reduction articles and systems |
| CN107014768B (zh) * | 2017-05-26 | 2020-06-16 | 云南中烟工业有限责任公司 | 卷烟主流烟气整体质量特征的红外光谱分析方法 |
| CN112198136A (zh) * | 2020-11-13 | 2021-01-08 | 西安热工研究院有限公司 | 一种基于中红外光谱的汽轮机油酸值无损检测方法 |
-
2021
- 2021-07-08 CN CN202110773101.2A patent/CN113484275B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105092512A (zh) * | 2015-08-21 | 2015-11-25 | 广东省粮食科学研究所 | 一种基于傅里叶变换红外光谱技术检测油茶籽油的方法 |
Non-Patent Citations (3)
| Title |
|---|
| Construction of Ti3C2 MXene/O-doped g-C3N4 2D-2D Schottky-junction for enhanced photocatalytic hydrogen evolution;Peiyao Lin 等;《Ceramics International》;20191215;第45卷(第18期);第24656-24663页 * |
| 不同变质程度煤在氧化过程中的表面官能团红外光谱定量分析;谭波 等;《中南大学学报(自然科学版)》;20191130;第50卷(第11期);第2866-2895页 * |
| 基于提取不同中红外光谱特征信息的烟叶部位判别研究;赵娟娟 等;《河南师范大学学报（自然科学版）》;20210131;第49卷(第1期);第45-49页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113484275A (zh) | 2021-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Uncu et al. | A comparative study of mid-infrared, UV–Visible and fluorescence spectroscopy in combination with chemometrics for the detection of adulteration of fresh olive oils with old olive oils | |
| Cozzolino et al. | Analysis of grapes and wine by near infrared spectroscopy | |
| CN107796782B (zh) | 基于烟叶特征光谱一致性度量的复烤质量稳定性评价方法 | |
| Muik et al. | Direct, reagent-free determination of free fatty acid content in olive oil and olives by Fourier transform Raman spectrometry | |
| Ye et al. | Non-destructive prediction of protein content in wheat using NIRS | |
| US20090305423A1 (en) | Methods for Monitoring Composition and Flavor Quality of Cheese Using a Rapid Spectroscopic Method | |
| US20050285023A1 (en) | Automatic background removal for input data | |
| CN113340874B (zh) | 一种基于结合岭回归和递归特征消除的定量分析方法 | |
| CN105717066A (zh) | 一种基于加权相关系数的近红外光谱识别模型 | |
| CN113484275B (zh) | 基于中红外光谱采用分峰分析技术快速预测新鲜烟叶中油分含量的方法 | |
| CN110346445A (zh) | 一种基于气体分析质谱及近红外光谱分析烟叶霉变的方法 | |
| de Carvalho et al. | Assessment of macadamia kernel quality defects by means of near infrared spectroscopy (NIRS) and nuclear magnetic resonance (NMR) | |
| CN110632017A (zh) | 一种基于形态分析的转基因大豆快速鉴别优化模型 | |
| Saguy et al. | Computer‐aided determination of beet pigments | |
| WO2013098169A1 (en) | A method of analysing data from chemical analysis | |
| CN113030007A (zh) | 基于相似度学习算法快速检验烟用香精质量稳定性的方法 | |
| CN112362608A (zh) | 基于红外光谱技术鉴别香精斑烟、料斑烟污染源的方法 | |
| CN113484272B (zh) | 基于近红外光谱采用相似度分析技术快速预测新鲜烟叶中油分的方法 | |
| Pérez-Marín et al. | A methodology based on NIR-microscopy for the detection of animal protein by-products | |
| CN110596038A (zh) | 一种红薯淀粉含量快速测定的方法 | |
| EP3612835B1 (de) | Verfahren zur detektion der ranzigkeit von ölfrüchten, samen und nüssen | |
| Dong et al. | Nondestructive method for analysis of the soybean quality | |
| Wang et al. | Rapid detection of quality of Japanese fermented soy sauce using near-infrared spectroscopy | |
| DiLuzio et al. | Rapid Near Infra-red Reflectance Analysis (NIRA) of Mainstream Smoke Collected on Cambridge Filter Pads | |
| CN113125378A (zh) | 基于近红外光谱的不同部位驼肉中营养成分的快速检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |