[目的]考察不同功率条件下雾化器重复使用时电子烟气溶胶中Ni、Cr、As、Pb及Cu的释放规律.[方法]选取功率可调型电子烟6种,重复使用雾化器,连续3天检测不同功率下每20口气溶胶中重金属的释放量,分析其时间序列图.[结果](1)低功率下,雾化器的重复使用对气溶胶中重金属的释放量均无明显影响;(2)高功率下,Ni、Cr的释放量随雾化器日内使用次数的增多而降低,As、Pb、Cu影响不明显;(3)在相同条件下,Ni、Cr、As、Cu的释放量随功率升高而增大,但Pb的释放量不随功率而变化.

为提升近红外光谱校准模型的稳健性和可共享性,通过比较仪器间差谱的标准偏差(SDDSI)和精密度测试光谱的标准偏差(SDPDS),筛选出仪器间具有稳定一致光谱信号的波长(SWCSS),考察了SWCSS-PLS模型在4台仪器间的传递效果,并与全光谱模型(WW-PLS)、分段直接标准化算法(PDS)校正后全光谱模型的传递结果进行了对比.结果表明,SWCSS-PLS模型传递到4台从机上后,78个外部验证样本的平均相对误差(MRE)为5.22％～5.60％,满足低于6％的企业内控要求,而WW-PLS模型和PDS校正后的WW-PLS模型的MRE分别为9.01％～11.68％和5.43％～8.69％.SWCSS-PLS模型较全光谱模型及PDS校正模型具有更好的稳健性和适应性.

以玉米中水分、蛋白质、脂肪和淀粉4种主要成分含量以及烟叶总植物碱的偏最小二乘近红外光谱(PLS-NIRs)模型传递为例,考察了模型中潜变量个数(nLVs)对模型传递误差的影响.研究发现,根据累积贡献率大于99.9％确定的玉米、烟叶样晶PLS-NIRs模型的nLVs分别为1和13,nLVs=l时建立的玉米模型对两台从机样品4个成分的预测值和主机预测值的重现性指标均满足国标要求;nLVs =13时建立的烟叶总植物碱模型经分段直接校正(PDS)后,可使4台从机样品的平均相对预测误差(MRE)小于6％.采用留一交叉验证或四折交叉验证确定的玉米、烟叶PLS-NIRs模型的nLVs分别为5～10,16与19,在这些nLVs下建立的玉米PLS-NIRs模型对从机样品的预测误差显著增大,超过许可的误差范围,且模型即使经PDS校正后,从机样品预测值与主机样品预测值的重现性指标大多不满足国标要求;nLVs ＞13时所建烟叶总植物碱PLS-NIRs模型的转移误差随nLVs增大而增大,且PDS校正后不能保证模型对所有从机样品的MRE小于6％.根据累积贡献率大干99.9％或接近99.9％为准则选取nLVs,可有效避免过拟合,提高NIRs模型的传递性能.

该研究利用一维尺度不变特征变换(SIFT)算法寻找烟叶近红外光谱(Near infrared spectroscopy,NIRS)的稳定特征波长,根据样品精密度测试光谱筛选的波长计算重现率和重现度,采用L9(33)正交表优化SIET算法中的相关参数,使重现率和重现度尽可能高.基于优化的参数和主机上10个代表性样品的光谱,筛选出10个稳定特征波长集合,以这些波长集合并集的光谱响应为自变量,采用偏最小二乘(PLS)方法构建烟叶总植物碱NIRS模型(简称SIFT-PLS).该模型直接传递到3台从机后,对3台从机样品总植物碱的平均相对预测误差(MRE)均满足小于6％的企业内控要求,而全光谱模型(WW-PLS)直接转移后仅1台从机的MRE满足要求,经分段直接校正(PDS)方法校正从机光谱后,WW-PLS模型也仅对1台从机的MRE小于6％.采用SIFT算法筛选稳定特征波长建立的NIRS模型可在3台从机直接共享,无需转移集,不需对从机光谱或光谱模型进行校正,实现了真正意义的无标样NIRS模型的直接转移.

目的:以信息化平台建设思路为借鉴,针对上海烟草集团有限责任公司业务范围内的近红外检测管理现状,提出“动态建模,网络共享,全程管控”的网络化管控体系,保证近红外检测数据质量.方法:构建烟叶近红外网络检测、管控和分析平台体系,该体系主要由模型构建和管控、检测数据共享、检测过程网络化管控、设备远程监控和实验室综合能力评价5部分组成.结果:近红外快速检测及管控网络化体系的构建,可以满足企业广域范围内大规模烟叶快速检测的实际需求,并保证检测数据的质量稳定性.结论:基于网络化管控思想提出的烟草近红外检测管理的“互联网+”新模式,为烟叶品质评价技术发展,促进烟草企业产品研发科技创新提供了有效的技术支撑.