CN116952886A - 基于红外吸收光谱鉴别黄斑烟污染物来源的系统和方法 - Google Patents
基于红外吸收光谱鉴别黄斑烟污染物来源的系统和方法 Download PDFInfo
- Publication number
- CN116952886A CN116952886A CN202310813379.7A CN202310813379A CN116952886A CN 116952886 A CN116952886 A CN 116952886A CN 202310813379 A CN202310813379 A CN 202310813379A CN 116952886 A CN116952886 A CN 116952886A
- Authority
- CN
- China
- Prior art keywords
- macular
- smoke
- infrared spectrum
- infrared
- spectrum
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 239000000779 smoke Substances 0.000 title claims abstract description 90
- 238000000862 absorption spectrum Methods 0.000 title claims abstract description 30
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 30
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 30
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 74
- 238000001228 spectrum Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 210000002189 macula lutea Anatomy 0.000 claims abstract description 13
- 230000005856 abnormality Effects 0.000 claims abstract description 10
- 238000002360 preparation method Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000013500 data storage Methods 0.000 claims abstract description 8
- 241000208125 Nicotiana Species 0.000 claims description 65
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims description 65
- 235000019504 cigarettes Nutrition 0.000 claims description 39
- 238000004519 manufacturing process Methods 0.000 claims description 37
- 239000000463 material Substances 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 13
- 238000010521 absorption reaction Methods 0.000 claims description 10
- 238000004566 IR spectroscopy Methods 0.000 claims description 8
- 238000011160 research Methods 0.000 claims description 7
- 238000009736 wetting Methods 0.000 claims description 7
- 238000001035 drying Methods 0.000 claims description 6
- 238000002156 mixing Methods 0.000 claims description 6
- 239000002994 raw material Substances 0.000 claims description 6
- 235000013599 spices Nutrition 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000011109 contamination Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 239000000356 contaminant Substances 0.000 claims 1
- 238000012423 maintenance Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000000428 dust Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
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
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
- G01N2021/3572—Preparation of samples, e.g. salt matrices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了基于红外吸收光谱鉴别黄斑烟污染物来源的系统和方法，所述系统包括采集模块、数据存储模块、光谱处理模块和分析鉴定模块；所述采集模块包括样品制备单元和红外光谱检测单元，所述数据存储模块包括红外吸收光谱标准图库和历史黄斑烟信息单元，所述光谱处理模块包括光谱减差模块和峰值对比模块，所述分析鉴定模块包括异常判定单元和结果输出单元。本发明利用红外吸收光谱法对不同工序样品进行检测,通过对采集的光谱进行处理和分析，构建红外吸收光谱标准图库及图库检索端,建立一种快速自动鉴别黄斑烟污染物来源的系统和方法,实现快速自动鉴别黄斑烟污染物来源，可为确定黄斑烟污染源头及减少黄斑烟隐患提供理论依据。
Description
技术领域
本发明涉及卷烟生产领域，具体涉及一种基于红外吸收光谱鉴别黄斑烟污染物来源的系统和方法。
背景技术
黄斑烟就是卷烟纸表面出现黄色斑点的烟支。出现黄色斑点是比较常见的质量缺陷，不仅影响卷烟外观质量，还会影响卷烟企业的品牌形象和价值。因此，如何有效解决黄斑烟问题已经成为行业内的热点和重点问题之一，并且已经有相关企业开展了部分研究。
王喜春研究了高温高湿环境对成品卷烟含水率和质量的影响，他指出在样品含水率达到14％左右时烟支外观开始出现黄斑，说明卷烟成品含水率的范围与烟支产生黄斑存在一定的关联性，为生产过程控制和卷烟贮存管理起到质量风险预警作用。侯鹏娟等提出设备保养不到位，制丝生产结束后，若黏附在滚筒、工艺通道的烟末、湿团清洁不彻底，会直接掺入后续生产物料中，造成黄斑烟。
但是，由于企业对于含水率有标偏、CPK以及合格率等要求，并且根据生产数据统计，含水率符合工艺要求的批次达到99％以上。除此之外，维保是企业除生产工作外另一项重要工作，日常维保和定期维保有序进行。因此，黄斑烟的来源集中在烟制品加料以及加香过程。
红外吸收光谱法是鉴别有机化合物的重要方法之一，该方法操作简单，可以省去很多复杂前处理和化学分析过程，并且具有检测时间短、自动化程度高、灵敏度高等优点，能够降低人为误差，检测结果稳定。因此，本申请本着“快速、灵敏、有效”的原则，采用红外吸收光谱法来对黄斑烟污染物来源进行鉴别。
发明内容
为了克服上述问题，本发明提供了一种基于红外吸收光谱鉴别黄斑烟污染物来源的系统和方法。该系统和方法能够快速、灵敏、有效地确定黄斑烟来源，溯源各工序异常，为调整生产设备、工艺条件等提供依据，从源头上杜绝黄斑烟产生的可能，提高了卷烟企业产品质量稳定性。
本发明解决其技术问题所采用的技术方案为：
基于红外吸收光谱鉴别黄斑烟污染物来源的方法，包括
S1样品制备
以制丝全过程烟叶和烟丝为研究对象，制备全工序标准样品；
在叶片加料出口、贮叶柜出口及热风润叶出口处分别取烟叶样品，在切丝后、烘丝出口、混丝加香出口及贮丝柜出口处取烟丝样品备用；
S2红外吸收光谱标准图库建立
以各牌号不同生产工序产品作为研究对象，通过红外吸收光谱测定叶片加料、贮叶、热风润叶、切丝、烘丝、混丝加香、贮丝柜等工序烟叶或烟丝的红外光谱曲线；
对采集的红外光谱曲线进行处理和分析，建立每道工序烟叶或烟丝的标准红外光谱曲线，依据香精香料在工序间的变化规律，确定各工序烟叶或烟丝标准状态，搭建分牌号的全工序烟叶或烟丝红外吸收光谱标准图库；
S3黄斑烟污染物来源鉴定
将生产过程中检测到的黄斑烟进行提取，测定其红外光谱曲线；
为避免卷烟纸等材料对红外光谱结果的影响，先进行未使用卷烟材料的红外光谱曲线测定，再对生产过程中抽检到的黄斑烟红外光谱曲线进行减差处理；
通过红外吸收光谱标准图库进行检索，自动对比待鉴定黄斑烟红外光谱曲线的吸收峰值与各工序样品红外光谱曲线峰值，当对应的吸收峰值相同时，判定黄斑烟与该工序样品的红外光谱曲线一致；
确定黄斑烟污染物的来源，锁定异常工序，排查异常原因，以及时调整生产设备、生产原料以及生产工艺。
S4历史黄斑烟信息库建立
结合各工序设备状态、工艺条件、生产原料信息，将检测过的黄斑烟信息进行归档存储，建立历史黄斑烟信息库。
本发明为解决其技术问题同时还提供一种基于红外吸收光谱鉴别黄斑烟污染物来源的系统，包括
采集模块、数据存储模块、光谱处理模块和分析鉴定模块。
其中：所述采集模块包括样品制备单元和红外光谱检测单元，所述样品制备单元分为黄斑烟检测点和黄斑烟样品提取；红外光谱检测单元连接有红外光谱检测仪，直接对提取的黄斑烟样品进行检测；
所述数据存储模块包括红外吸收光谱标准图库和历史黄斑烟信息单元，其中红外吸收光谱标准图库包含全工序烟叶或烟丝的标准红外光谱曲线；历史黄斑烟信息单元则是将系统检测过的黄斑烟信息进行归档存储，建立历史黄斑烟信息库；
所述光谱处理模块包括光谱减差模块和峰值对比模块，所述光谱减差模块用于避免卷烟纸等材料对红外光谱结果的影响，先进行未使用卷烟材料的红外光谱曲线测定，再对生产过程中抽检到的黄斑烟红外光谱曲线进行减差处理；峰值对比单元用于自动对比待鉴定黄斑烟样品红外光谱曲线的吸收峰值与各工序样品红外光谱曲线峰值，确定黄斑烟与哪个工序样品的红外光谱曲线一致，以确定黄斑烟污染物的来源；
所述分析鉴定模块包括异常判定单元和结果输出单元，异常判定单元用于根据峰值对比单元确定的黄斑烟污染物来源工序，调取该工序生产过程参数，进行异常判定单元，筛选出可能导致黄斑烟的异常点，进行反馈；结果输出单元主要是将黄斑烟污染物来源、工序异常因子输出，反馈至相应工序修理工。
本发明带来的有益效果：
由于加料和加香过程中，香精香料状态直接影响烟丝的内在质量，若香精香料混制不均匀会直接导致成品烟支出现黄斑污染，影响成品质量和品牌效应，且黄斑烟表面污染物的化学成分存在较大差异,本发明利用红外吸收光谱法对不同工序样品进行检测,采用光谱处理软件对采集的光谱进行处理和分析，构建红外吸收光谱标准图库及图库检索端,建立一种快速自动鉴别黄斑烟污染物来源的系统和方法,实现快速自动鉴别黄斑烟污染物来源，可为确定黄斑烟污染源头及减少黄斑烟隐患提供理论依据。
基于本发明，在后续生产过程中如果发现黄斑烟产生，通过该黄斑烟的红外光谱曲线与全工序样品红外标准图库光谱曲线比对，可快速锁定异常点，确定导致黄斑烟污染物的来源，进而确定对应生产工序的设备状态、工艺参数和生产状态，归类并完善各工序黄斑烟污染物来源。
附图说明
下面结合附图和具体实施例对本发明作进一步说明：
图1为本发明系统流程示意图；
图2为本发明系统架构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
参照图1，基于红外吸收光谱鉴别黄斑烟污染物来源的方法，包括
S1样品制备
以制丝全过程烟叶和烟丝为研究对象，制备全工序标准样品；
在叶片加料出口、贮叶柜出口及热风润叶出口处分别取烟叶样品，在切丝后、烘丝出口、混丝加香出口及贮丝柜出口处取烟丝样品备用；
S2红外吸收光谱标准图库建立
以各牌号不同生产工序产品作为研究对象，通过红外吸收光谱测定叶片加料、贮叶、热风润叶、切丝、烘丝、混丝加香、贮丝柜等工序烟叶或烟丝的红外光谱曲线；
对采集的红外光谱曲线进行处理和分析，建立每道工序烟叶或烟丝的标准红外光谱曲线，依据香精香料在工序间的变化规律，确定各工序烟叶或烟丝标准状态，搭建分牌号的全工序烟叶或烟丝红外吸收光谱标准图库；
香精香料在工序间变化规律主要是为了展示加料或加香完成前后各工序烟叶/烟丝光谱吸收情况，从每个工序得到一个红外吸收光谱，即是标准状态下的红外吸收光谱，也是标准图库的组成；
S3黄斑烟污染物来源鉴定
将生产过程中检测到的黄斑烟进行提取，测定其红外光谱曲线；
所述黄斑烟实际指黄斑烟烟支，所提取的部分包括黄斑烟烟丝和外层卷烟纸材料，因而测得的红外光谱曲线中，既包括卷烟纸材料吸收的峰、也包括烟丝的峰；
为避免卷烟纸等材料对红外光谱结果的影响，先进行未使用卷烟材料的红外光谱曲线测定，再对生产过程中抽检到的黄斑烟红外光谱曲线进行减差处理；
进行未使用卷烟材料的红外光谱曲线测定，是在产生黄斑烟烟支机车上取样，对还未卷制的卷烟纸材料进行红外光谱曲线测定；
减差处理就是去掉卷烟纸材料本身吸收的峰，所剩下的部分便是黄斑烟丝的红外光谱；
本实施例中即通过混合黄斑烟红外光谱减去未使用过的卷烟纸红外光谱，得到黄斑烟丝红外光谱，减差处理计算方法：数据差结果＝原始-参比*因子，所述因子根据烟支中卷烟纸和烟丝重量比确定；
通过红外吸收光谱标准图库进行检索，自动对比待鉴定黄斑烟烟丝红外光谱曲线的吸收峰值与各工序样品红外光谱曲线峰值，当对应的吸收峰值相同时，判定为同一工序物质，判定黄斑烟与该工序样品的红外光谱曲线一致；
如，测得的黄斑烟红外光谱曲线和热风润叶工序烟叶的红外光谱曲线吸收峰位置一致，说明是加料之后烟叶对料液的吸收不完全或料液施加不均匀导致黄斑烟出现，因而能确定问题工序和可能原因；
确定黄斑烟污染物的来源，锁定异常工序，排查异常原因，以及时调整生产设备、生产原料以及生产工艺。
S4历史黄斑烟信息库建立
结合各工序设备状态、工艺条件、生产原料信息，将检测过的黄斑烟信息进行归档存储，建立历史黄斑烟信息库。
当同类黄斑烟出现第2次时，不再需要重新归档；
历史黄斑烟信息库的主要作用为对历史黄斑烟信息存储，后续黄斑烟红外吸收光谱检索与比对，仍需要与S2标准图库对比，这是因为历史黄斑烟信息库只包括了出现过的黄斑烟信息，尚不全面，而标准图库则是涵盖了所有工序红外光谱曲线；
不过随着历史黄斑烟信息库的不断更新，本实施例也可以先与历史黄斑烟信息库进行检索与比对，如果当前黄斑烟与历史黄斑烟有重复，则不需要与标准图库对比即可判断黄斑烟污染物来源，锁定异常工序；如果当前黄斑烟与历史黄斑烟信息不一致，可再进行标准图库的S3黄斑烟污染物来源鉴定。
实施例2
参照图2，基于红外吸收光谱鉴别黄斑烟污染物来源的系统，包括
采集模块、数据存储模块、光谱处理模块和分析鉴定模块。
其中：所述采集模块包括样品制备单元和红外光谱检测单元，所述样品制备单元分为黄斑烟检测点和黄斑烟样品提取；红外光谱检测单元连接有红外光谱检测仪，直接对提取的黄斑烟样品进行检测；
所述数据存储模块包括红外吸收光谱标准图库和历史黄斑烟信息单元，其中红外吸收光谱标准图库包含全工序烟叶或烟丝的标准红外光谱曲线；历史黄斑烟信息单元则是将系统检测过的黄斑烟信息进行归档存储，建立历史黄斑烟信息库；
所述光谱处理模块包括光谱减差模块和峰值对比模块，所述光谱减差模块用于避免卷烟纸等材料对红外光谱结果的影响，先进行未使用卷烟材料的红外光谱曲线测定，再对生产过程中抽检到的黄斑烟红外光谱曲线进行减差处理；峰值对比单元用于自动对比待鉴定黄斑烟样品红外光谱曲线的吸收峰值与各工序样品红外光谱曲线峰值，确定黄斑烟与哪个工序样品的红外光谱曲线一致，以确定黄斑烟污染物的来源；
所述分析鉴定模块包括异常判定单元和结果输出单元，异常判定单元用于根据峰值对比单元确定的黄斑烟污染物来源工序，调取该工序生产过程参数，进行异常判定单元，筛选出可能导致黄斑烟的异常点，进行反馈；结果输出单元主要是将黄斑烟污染物来源、工序异常因子输出，反馈至相应工序修理工。
应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (3)
1.基于红外吸收光谱鉴别黄斑烟污染物来源的方法，其特征在于：包括
S1样品制备
以制丝全过程烟叶和烟丝为研究对象，制备全工序标准样品；
在叶片加料出口、贮叶柜出口及热风润叶出口处分别取烟叶样品，在切丝后、烘丝出口、混丝加香出口及贮丝柜出口处取烟丝样品备用；
S2红外吸收光谱标准图库建立
以各牌号不同生产工序产品作为研究对象，通过红外吸收光谱测定叶片加料、贮叶、热风润叶、切丝、烘丝、混丝加香、贮丝柜等工序烟叶或烟丝的红外光谱曲线；
对采集的红外光谱曲线进行处理和分析，建立每道工序烟叶或烟丝的标准红外光谱曲线，依据香精香料在工序间的变化规律，确定各工序烟叶或烟丝标准状态，搭建分牌号的全工序烟叶或烟丝红外吸收光谱标准图库；
S3黄斑烟污染物来源鉴定
将生产过程中检测到的黄斑烟进行提取，测定其红外光谱曲线；
为避免卷烟纸等材料对红外光谱结果的影响，先进行未使用卷烟材料的红外光谱曲线测定，再对生产过程中抽检到的黄斑烟红外光谱曲线进行减差处理；
通过红外吸收光谱标准图库进行检索，自动对比待鉴定黄斑烟红外光谱曲线的吸收峰值与各工序样品红外光谱曲线峰值，当对应的吸收峰值相同时，判定黄斑烟与该工序样品的红外光谱曲线一致；
确定黄斑烟污染物的来源，锁定异常工序，排查异常原因，以及时调整生产设备、生产原料以及生产工艺。
2.根据权利要求1所述的基于红外吸收光谱鉴别黄斑烟污染物来源的方法，其特征在于：
所述方法还包括S4历史黄斑烟信息库建立
结合各工序设备状态、工艺条件、生产原料信息，将检测过的黄斑烟信息进行归档存储，建立历史黄斑烟信息库。
3.基于红外吸收光谱鉴别黄斑烟污染物来源的系统，其特征在于：包括
采集模块、数据存储模块、光谱处理模块和分析鉴定模块；
其中：所述采集模块包括样品制备单元和红外光谱检测单元，所述样品制备单元分为黄斑烟检测点和黄斑烟样品提取；红外光谱检测单元连接有红外光谱检测仪，直接对提取的黄斑烟样品进行检测；
所述数据存储模块包括红外吸收光谱标准图库和历史黄斑烟信息单元，其中红外吸收光谱标准图库包含全工序烟叶或烟丝的标准红外光谱曲线；历史黄斑烟信息单元则是将系统检测过的黄斑烟信息进行归档存储，建立历史黄斑烟信息库；
所述光谱处理模块包括光谱减差模块和峰值对比模块，所述光谱减差模块用于避免卷烟纸等材料对红外光谱结果的影响，先进行未使用卷烟材料的红外光谱曲线测定，再对生产过程中抽检到的黄斑烟红外光谱曲线进行减差处理；峰值对比单元用于自动对比待鉴定黄斑烟样品红外光谱曲线的吸收峰值与各工序样品红外光谱曲线峰值，确定黄斑烟与哪个工序样品的红外光谱曲线一致，以确定黄斑烟污染物的来源；
所述分析鉴定模块包括异常判定单元和结果输出单元，异常判定单元用于根据峰值对比单元确定的黄斑烟污染物来源工序，调取该工序生产过程参数，进行异常判定单元，筛选出可能导致黄斑烟的异常点，进行反馈；结果输出单元主要是将黄斑烟污染物来源、工序异常因子输出，反馈至相应工序修理工。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310813379.7A CN116952886A (zh) | 2023-07-04 | 2023-07-04 | 基于红外吸收光谱鉴别黄斑烟污染物来源的系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310813379.7A CN116952886A (zh) | 2023-07-04 | 2023-07-04 | 基于红外吸收光谱鉴别黄斑烟污染物来源的系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116952886A true CN116952886A (zh) | 2023-10-27 |
Family
ID=88457554
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310813379.7A Pending CN116952886A (zh) | 2023-07-04 | 2023-07-04 | 基于红外吸收光谱鉴别黄斑烟污染物来源的系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116952886A (zh) |
-
2023
- 2023-07-04 CN CN202310813379.7A patent/CN116952886A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101393114B (zh) | 烟用香精物理性质的快速测定方法 | |
| CN114034826B (zh) | 一种基于数据分析的冻干燕窝工艺用生产环境监测系统 | |
| CN103411906A (zh) | 珍珠粉和贝壳粉的近红外光谱定性鉴别方法 | |
| CN108760927B (zh) | 基于炉挥发物的电加热不燃烧卷烟外观质量分析方法 | |
| CN104807777A (zh) | 一种基于近红外光谱分析技术的槟榔水分含量快速检测方法 | |
| CN105606552B (zh) | 基于全谱段分子光谱的卷烟烟丝质量趋势分析方法 | |
| CN102636521A (zh) | 一种用于果蔬加热干燥过程中的气味在线监测方法 | |
| CN113295813B (zh) | 一种料液施加均匀性的检测方法 | |
| CN106018338B (zh) | 用于评判料液质量稳定性的方法和系统 | |
| Dai et al. | On-line UV-NIR spectroscopy as a process analytical technology (PAT) tool for on-line and real-time monitoring of the extraction process of Coptis Rhizome | |
| CN116952886A (zh) | 基于红外吸收光谱鉴别黄斑烟污染物来源的系统和方法 | |
| CN112362609A (zh) | 基于红外光谱技术鉴别油渍烟污染源的方法 | |
| Zhang et al. | Identification of beef spoilage via the analysis of volatiles using long optical-path Fourier transform infrared spectroscopy | |
| CN103592256A (zh) | 基于傅里叶变换中红外光谱识别正常食用植物油和精炼潲水油的方法 | |
| Keller et al. | Calculating uncertainty for the RICE ice core continuous flow analysis water isotope record | |
| 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 | |
| CN111562225A (zh) | 一种批量烟叶含杂色叶比例的检验方法 | |
| CN110174371A (zh) | 一种基于近红外技术的烟丝加工中质量变化的表征方法 | |
| CN110286198B (zh) | 一种基于叶丝升温过程评价滚筒干燥过程叶丝加工强度一致性的方法 | |
| CN115024505A (zh) | 一种基于积温积湿数据的烟叶醇化质量判别方法 | |
| CN114755333A (zh) | 成品卷烟纸的稳定性加速实验样品的衰减特征分析方法 | |
| CN102253192B (zh) | 一种烟叶的质量检测方法及其应用 | |
| CN103048275A (zh) | 基于近红外光谱的自适应软仪表装置及其构造方法 | |
| CN111077103A (zh) | 一种三乙酸甘油酯含量测定方法 | |
| CN111307750A (zh) | 一种基于红外光谱分析的银杏叶添加剂检测方法 |
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 |