本發(fā)明涉及煙用香精分析領域，更具體地，涉及一種識別復配加香香精種類及濃度偏離的方法。

背景技術：

為了豐富卷煙的口味，會在卷煙生產的過程中在添加香精。香精根據(jù)添加的施加工藝不同，可以分為兩種，第一類是在加料工藝中添加的，這類香精通常與水混合后添加到煙葉中，葉片迅速吸收料液，提高葉片含水率并改善煙葉品質，經(jīng)過儲葉柜2小時以上的平衡后，進行回潮、切絲和烘絲工序，并通過烘絲過程降低含水率，達到水分平衡；第二類是在加香工藝添加的，這類香精通常與揮發(fā)性溶劑（通常為乙醇）混合后添加到經(jīng)過烘干的煙絲中，并不再進行溶劑的去除處理。在實際生產中發(fā)現(xiàn)，香精配方或濃度的輕微變化，都可能對煙絲口味改善效果發(fā)生明顯影響，因此要求嚴格控制每批次的香精配方及濃度的一致性。然而現(xiàn)有對香精配方及濃度的控制，還是依賴人工進行為主，缺少一種科學的快速的識別方法；現(xiàn)有技術中有從用折光率等指標進行檢測，但這些指標的適用性有限，未能實現(xiàn)對香精的種類和濃度進行精確檢測。

技術實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術的不足，提供一種識別復配加香香精種類及濃度偏離的方法。經(jīng)大量實驗測試，該方法能迅速識別復配加香香精種類，并且能靈敏地判別復配加香香精是否與標準樣品的濃度發(fā)生偏離。

本發(fā)明的上述目的通過如下技術方案予以實現(xiàn)：

一種識別復配加香香精種類及濃度偏離的方法，包括如下步驟：

S1.對待測復配加香香精樣品進行近紅外檢測，獲得近紅外全波段光譜數(shù)據(jù)；

S2.對S1.所得全波段光譜數(shù)據(jù)進行數(shù)據(jù)處理：

選取9000~7300cm^-1波段范圍數(shù)據(jù)，并進行二階導數(shù)處理；

S3.依據(jù)S2.處理后的數(shù)據(jù)與設定的標準樣品的數(shù)據(jù)進行比較，判別待測樣復配加香香精品的種類；以及換算待測復配加香香精樣品數(shù)據(jù)與對應標準樣品數(shù)據(jù)的馬氏距離，判別待測復配加香香精樣品的濃度與標準濃度樣品濃度的差異程度；

S2.中，光程類型為固定；

所述復配加香香精包括煙用香精成分和溶劑成分，所述溶劑為乙醇。近紅外透射光譜由于能采集較多的數(shù)據(jù)信息，已經(jīng)有被報道用于煙用香精的品質控制中。但是現(xiàn)有的方法只能針對單一的煙用香精，并且采用全波段色譜數(shù)據(jù)。然而發(fā)明人發(fā)現(xiàn)，對于復配香精，由于為多種香精復配，其致香成分較單一香精更復雜，如果采用全波段的原光譜建立模型，一方面由于乙醇分子的O-H鍵與香精中的致香成分如醇類、酚類、酸類等物質所含的強極性O-H鍵容易造成光譜重疊，另一方面復雜體系自身造成的光譜重疊使得這些波長處的光譜信息的測量選擇性較差。因此復配香精的種類辨別難度較單一香精的辨別難度更大。并且，對于生產來說，不同品牌的香煙所用的復配香精的種類可能不同，因此，要求所建立的方法對多個不同種類的復配香精均有適用性。然而如果采用全波段的原光譜建立模型，不同種類的復配香精的主成分得分有重疊的現(xiàn)象，可見采用全波段的原光譜建立模型的辨別效果很不理想，即使采用導數(shù)處理，也不能將不同種類復配香精進行有效區(qū)分。

提取吸收較小的部分波段9000~7300cm^-1進行建模時，同種類煙用復配加香香精的主成分得分較為分散，且不同種類煙用復配加香香精沒有明顯的距離，不能將不同種類煙用復配加香香精進行有效區(qū)分。

發(fā)明人發(fā)現(xiàn)，當同時選擇吸收較小的部分波段9000~7300cm^-1及其二階導數(shù)處理的光譜進行建模時，同種樣品的主成分得分分布相對集中，不同樣品的主成分得分具有明顯的距離。因此，通過對光譜數(shù)據(jù)進行合理的處理，可以建立具有較高識別效果的模型。如果對該測試樣品數(shù)據(jù)進行一階導數(shù)處理，也不能獲得很好的識別效果。

光程類型對識別效果有影響，采用固定模式下的光程類型，能夠獲得較高的識別效果。

另外，現(xiàn)有技術也有通過檢測方法所計算的馬氏距離判斷樣品濃度變化的方法，馬氏距離的變化程度受樣品種類的影響變化很大。對于某一樣品，可能馬氏距離變化很大，而對于另一樣品來說，馬氏距離變化很小，即對于不同的樣品，區(qū)分度（靈敏度）可能會有明顯差異。而通過對本領域的一些常用的復配加香香精樣品進行反復測試，發(fā)現(xiàn)，上述方法對于常用的復配加香香精樣品，均有較高的區(qū)分度，即對樣品濃度偏離識別有高的靈敏度。

所述近紅外檢測的條件可以參照現(xiàn)有對煙用香精的檢測條件。即，所述近紅外檢測的條件為：采集波數(shù)范圍10000~4000cm^-1，固定光程，以儀器內置背景為參比，樣品和參比均使用32次掃描，分辨率8cm^-1。

所述煙用香精成分為將兩種以上香精混合后的煙用香精成分。

優(yōu)選地，所述煙用香精成分為將兩種香精混合后的煙用香精成分。

通常地，所述煙用香精成分占復配加香香精重量的8~15 %。

與現(xiàn)有技術相比，本發(fā)明具有以下優(yōu)點：

本發(fā)明公開的方法能夠快速識別復配加香香精的種類，除了定性分析外，還能靈敏辨別復配加香香精樣品與標準樣品的濃度偏離程度，并且適用性廣，對多種復配加香香精，均有很好的預測效果，能實現(xiàn)生產中對復配加香香精的準確識別。

附圖說明

圖1 實施例1采用（10000~4000）cm^-1范圍，不進行導數(shù)處理的數(shù)據(jù)建模的主成分得分圖。

圖2 實施例1采用（10000~4000）cm^-1范圍，一階導數(shù)處理的數(shù)據(jù)建模的主成分得分圖。

圖3 實施例1采用（10000~4000）cm^-1范圍，二階導數(shù)處理的數(shù)據(jù)建模的主成分得分圖。

圖4實施例1采用（6200~5500）cm^-1范圍，不進行導數(shù)處理的數(shù)據(jù)建模的主成分得分圖。

圖5實施例1采用（6200~5500）cm^-1范圍，一階導數(shù)處理的數(shù)據(jù)建模的主成分得分圖。

圖6實施例1采用（6200~5500）cm^-1范圍，二階導數(shù)處理的數(shù)據(jù)建模的主成分得分圖。

圖7實施例1采用（9000~7200）cm^-1范圍，不進行導數(shù)處理的數(shù)據(jù)建模的主成分得分圖。

圖8實施例1采用（9000~7200）cm^-1范圍，一階導數(shù)處理的數(shù)據(jù)建模的主成分得分圖。

圖9 實施例1采用（9000~7200）cm^-1范圍，二階導數(shù)處理的數(shù)據(jù)建模的主成分得分圖。

具體實施方式

下面結合具體實施例進一步詳細說明本發(fā)明。除非特別說明，本發(fā)明采用的試劑、設備和方法為本技術領域常規(guī)市購的試劑、設備和常規(guī)使用的方法。實施例中所用的香精均為市售香精。

挑選常用的較有代表性的8種復配加香香精作為標準樣品，具體如下：

試樣1的標準樣品：清甜型香精、酸香型香精和乙醇按2%、8%、90%重量比例混合。所述清甜型香精為肉桂提取香精，所述酸香型香精為偏酸香的草莓香精。

另外，再往上述標準樣品中加入乙醇，將上述樣品稀釋為原來的95%、90%、85%、80%的濃度（即對應為分別配制乙醇重量比為90.5%、91%、91.5%、92%的偏差試樣溶液。）

試樣2的標準樣品：焦甜型香精、醬香型香精和乙醇按3%、6%、91%重量比例混合。所述焦甜型香精為偏烘焙香的可可香精，所述醬香型香精為醬香香精。

另外，再往上述標準樣品中加入乙醇，將上述樣品稀釋為原來的95%、90%、85%、80%的濃度（即對應為分別配制乙醇重量比為91.45%、91.9%、92.35%、92.8%的偏差試樣溶液。）

試樣3的標準樣品：果甜型香精、花香型香精和乙醇按10%、5%、85%重量比例混合。所述果甜型香精為菠蘿香精，所述花香型香精為玫瑰橙花香精。

另外，再往上述標準樣品中加入乙醇，將上述樣品稀釋為原來的95%、90%、85%、80%的濃度（即對應為分別配制乙醇重量比為85.75%、86.5%、87.25%、88%的偏差試樣溶液。）

試樣4的標準樣品：膏甜型香精、煙草香型香精和乙醇按4%、6%、90%重量比例混合。所述膏甜型香精為蘇合香脂類香精，所述煙草香型香精為津巴布韋煙草提取物。

另外，再往上述標準樣品中加入乙醇，將上述樣品稀釋為原來的95%、90%、85%、80%的濃度（即對應為分別配制乙醇重量比為90.5%、91%、91.5%、92%的偏差試樣溶液。）

試樣5的標準樣品：焦甜型香精、堅果香型香精和乙醇按6%、2%、92%重量比例混合。所述焦甜型香精為偏焦甜香的麥芽香精，所述堅果香型香精為偏烘烤香的榛子香精。

另外，再往上述標準樣品中加入乙醇，將上述樣品稀釋為原來的95%、90%、85%、80%的濃度（即對應為分別配制乙醇重量比為92.4%、92.8%、93.2%、93.6%的偏差試樣溶液。）

試樣6的標準樣品：藥香型香精、辛香型香精和乙醇按2%、8%、90%重量比例混合。所述藥香型香精為冬青香型香精，所述辛香型香精為丁香羅勒油。

另外，再往上述標準樣品中加入乙醇，將上述樣品稀釋為原來的95%、90%、85%、80%的濃度（即對應為分別配制乙醇重量比為90.5%、91%、91.5%、92%的偏差試樣溶液。）

試樣7的標準樣品：煙草香型香精、甜香型香精和乙醇按9%、6%、85%重量比例混合。所述煙草香型香精為津巴布韋煙草提取物，所述甜香型香精為甘草浸膏。

另外，再往上述標準樣品中加入乙醇，將上述樣品稀釋為原來的95%、90%、85%、80%的濃度（即對應為分別配制乙醇重量比為85.75%、86.5%、87.25%、88%的偏差試樣溶液。）

試樣8的標準樣品：藥甜型香精、果酒香型香精和乙醇按5%、3%、92%重量比例混合。所述藥甜型香精為百里香浸膏，所述果酒香型香精為偏酒香的熱帶水果香精。

另外，再往上述標準樣品中加入乙醇，將上述樣品稀釋為原來的95%、90%、85%、80%的濃度（即對應為分別配制乙醇重量比為92.4%、92.8%、93.2%、93.6%的偏差試樣溶液。）

實施例1 種類判別

S1.配制上述試樣1~8的標準樣品分別各5個，各平衡標準樣品采用折光率檢測確認均為合格的標準樣品，分別進行近紅外檢測，獲得近紅外全波段光譜數(shù)據(jù)；

所述近紅外檢測的條件為：采集波數(shù)范圍10000~4000cm^-1，固定光程，以儀器內置背景為參比，樣品和參比均使用32次掃描，分辨率8cm^-1。

S2.對S1.所得全波段光譜數(shù)據(jù)進行數(shù)據(jù)處理：設定光程類型為SNV，分別以采用10000~4000 cm^-1、9000~7300cm^-1、6200~5500cm^-1波段范圍，及不進行導數(shù)處理、進行一階或二階導數(shù)處理；分別建立模型，并進行內部檢驗，內部檢驗沿用建模樣品。共40個樣品。檢驗結果如表1所示。

圖1~9分別反映了不同波段范圍及是否進行導數(shù)處理，對模型構建的影響。圖1、圖2可以看出，對于采用全波段（10000~4000 cm^-1）范圍，無論是否進行導數(shù)處理，平衡樣之間的得分較為分散，因此在檢測時，錯誤率較高。

圖4~5可以看出，對于采用（6200~5500 cm^-1）范圍，無論是否進行導數(shù)處理，平衡樣之間的得分依然較為分散，并且不同樣品之間出現(xiàn)重疊，區(qū)分度不大，因此在檢測時，錯誤率較高。從圖6可以看出，采用（6200~5500 cm^-1）范圍，進行二階導數(shù)處理會有相對較好的結果，但對于部分樣品，平衡樣得分還是不夠集中，存在錯判風險。

從圖7可以看出，即使采用（9000~7300 cm^-1）范圍，如果不進行導數(shù)處理，其平衡樣之間的得分依然較為分散。存在錯判的風險。

從圖8可以看出，采用（9000~7300 cm^-1）范圍，并經(jīng)過一階導數(shù)處理，各個試樣的平衡樣的得分很集中，不同試樣之間的差異較大，可能可以較準確的進行預判。

從圖9可以看出，采用（9000~7300 cm^-1）范圍，并經(jīng)過二階導數(shù)處理，各個試樣的平衡樣的得分很集中，不同試樣之間的差異較大（差異比一階導數(shù)處理更明顯），可能可以較準確的進行預判。

表1

盡管從內部檢驗來看，（9000~7300cm^-1）范圍與（6200~5500cm^-1）范圍在一階導數(shù)處理和二階導數(shù)處理都能順利通過內測檢驗，但從模型構建的圖形來看，不同條件下構建的模型差異性較大，因此還需要結合實際預測來驗證模型的準確性。

實施例2

S1. 對上述試樣1~8的4個濃度分別進行近紅外檢測，獲得近紅外全波段光譜數(shù)據(jù)；

所述近紅外檢測的條件為：采集波數(shù)范圍10000~4000cm^-1，固定光程，以儀器內置背景為參比，樣品和參比均使用32次掃描，分辨率8cm^-1。

S2.對S1.所得全波段光譜數(shù)據(jù)進行數(shù)據(jù)處理：

選取9000~7300cm^-1波段范圍數(shù)據(jù)，設定光程類型為固定，并進行二階導數(shù)處理；

S3.依據(jù)S2.處理后的數(shù)據(jù)與設定的標準樣品的數(shù)據(jù)進行比較，判別待測樣品的種類；以及換算待測樣品數(shù)據(jù)與對應標準樣品數(shù)據(jù)的馬氏距離，判別待測樣品的濃度與標準濃度樣品濃度的差異程度；并計算區(qū)分度。區(qū)分度的計算方式為：

區(qū)分度== 80%稀釋樣品離標準樣品的馬氏距離/95%稀釋樣品距標準樣品的馬氏距離。

濃度偏離的檢測結果：

當選用實施例2所述條件處理時，各偏差試樣的區(qū)分度如表2所示：

表2

對比例

選取6200~5500cm^-1波段范圍并采用二階導數(shù)數(shù)據(jù)處理時，各偏差試樣的區(qū)分度如表3所示：

表3

從表2可以看出，對于多種不同配方復配成的復配加香香精，所述的識別方法均具有良好的區(qū)分度。并且即使香精濃度發(fā)生細微的變化（約0.5%），也依然能夠靈敏地反映濃度偏離。從表3可以看出，當選取的波段范圍不在本發(fā)明所述范圍內時，靈敏度明顯出現(xiàn)下降。

應用例：

利用建立起來的近紅外分析模型，跟蹤分析生產配制的復配加香香精樣品共62個，運用定性判別模型進行雙喜品牌復配加香香精的規(guī)格識別、規(guī)格匹配度的判定，各樣品經(jīng)過折光密度檢測值均確認為合格樣品（實際配制合格樣品允許偏差1%，即，如標準樣品的濃度為100%，那么在該濃度的99~101%范圍內，均可判定為合格樣品），不同的方法構建的模型的判定結果如表4所示。從表4可以看出，僅在（9000~7300cm^-1）范圍，并對數(shù)據(jù)進行二階導數(shù)處理建立的模型，才能達到100%的預測準確率。證明了本發(fā)明構建的近紅外分析模型能在實際生產中持續(xù)應用，并作為常規(guī)折光密度檢測手段的補充。

表4 近紅外跟蹤分析復配加香香精