近红外和电子鼻数据融合识别不同香型风格

分别基于近红外和电子鼻融合数据、近红外数据以及电子鼻数据建立判别烟叶清香型、中间香型和浓香型三种香型风格的定性判别模型,结果表明虽然三种模型的建模准确率差异不大,都超过了89.00%,但基于融合数据建立的模型对中间香型和浓香型的预报准确率分别为82.67%和80.00%,比仅仅利用近红外数据建立模型的72.41%和73.33,也比仅仅基于电子鼻数据建立模型的68.97%和53.33%都有明显的提高。融合后预报准确率提高的可能原因是:电子鼻风味分析仪对于影响中间香型和浓香型的烟叶致香成分感应更加灵敏,捕获的信息也更多,这些新的信息可以作为NIR数据信息的有利补充,可用于建立烟叶香型分类判别准确率更高的模型。同时本研究还基于相同的融合数据,对比不同数据挖掘算法建模和预报结果差异性。实验结果表明:人工神经网络的建模结果高于支持向量机建模,人工神经网络模型的预报结果准确率只有65.00%,远低于支持向量机模型的预报结果的83.75%。这也验证了支持向量机算法可以在建模过程中减少过拟合。该研究可以为快速鉴别烟叶香型风格提供支撑,而且随着研究的深入可以争取为烟草系统的专业评吸人员提供辅助的鉴别方法。

拉曼光谱结合偏最小二乘同时测定烟草中叶黄素和β-胡萝卜素含量

色素是烟草中的重要组成成分,烟草的外观质量和内在品质都与色素相关。色素主要分为绿色素、黄色素和黑色素。在生长期,烟草中的绿色素主要是叶绿素,成熟期的烟草中黄色素则主要为叶黄素和胡萝卜素,黑色素则存在于成熟的烟叶中,或在调制和发酵的过程中产生。色素的检测对于烟草原料评价和成品质量都非常重要。鉴于烟草色素基于液相色谱的传统检测方法耗时较长、样品制备过程复杂,以及拉曼光谱操作简单、测定时间短、能提供有关分子官能团信息的特点,开发了一种应用拉曼光谱同时定量检测烟草中叶黄素和β-胡萝卜素的快检方法。烟草样品的有机溶剂提取物,密封在透明玻璃瓶中,将激光聚焦于瓶内溶液样品直接测定拉曼光谱。研究发现,不同于常见的514和785nm激发波长,在短波455nm激光作用下,可获得更理想的拉曼信号,光谱强度较高,荧光干扰较低。对色素萃取溶剂、焦平面与光学平台间的距离等实验条件进行了优化。考虑到不同检测日期仪器操作条件的变化可对拉曼光谱产生影响,以溶剂峰为内标峰,对光谱进行归一化处理,以校正因测定条件不稳定而引起的物理干扰。为了解决荧光干扰,以及色素分子之间的拉曼光谱干扰问题,采用偏最小二乘法(PLS)建立光谱分析的多元校正模型。建模中对波长区域以及光谱预处理方法进行了优化。研究结果表明,光谱归一化处理显著降低了因物理因素产生的光谱干扰,光谱求导运算对建模影响不大,而波长选择能明显改善模型的预测能力。利用798.2~1 752.8cm^-1波段建立叶黄素的PLS定量模型时,预测效果最佳,预测集的均方根误差(RMSEP)为6.68μg·g-1;对于β-胡萝卜素,798.2~1 752.8cm^-1组合2 254.2~2 784.5cm^-1用来建模时得到的RMSEP最小,为2.56μg·g^-1。该方法操作简便、耗时少、结果准确可靠,为烟草样本中色素的定量分析提供了一种切实有效的新途径。

“互联网＋”近红外检测模式下管控体系建设

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。

烤烟物理特性与常规化学成分及外观质量的关系

通过简单相关分析、通径分析及方差分析,研究了125份烤烟烟叶物理特性(9项)与常规化学成分及外观质量间的关系。结果表明,各项物理指标之间以叶片厚度与叶质重关系最为密切,其相关系数r=0.808;叶质重、填充值和质量燃烧速率与常规化学成分及其派生值间的相关性最显著。叶片厚度、叶质重与总钾、糖碱比、氮碱比和钾氯比均呈极显著负相关关系,且都与钾的相关性最高,而质量燃烧速率则相反,与总钾含量、糖碱比、氮碱比和钾氯比呈极显著正相关关系。平衡含水率与填充值呈极显著负相关关系,烟叶拉力与化学成分间的关系不显著。烤烟物理特性方面,叶质重对烟叶外观质量的影响最大,与烟叶颜色、身份和色度指标均有显著差异,而与成熟度、叶片结构和油分指标间的关系不显著。

烤烟主要物理指标的近红外模型研究

为了用近红外光谱分析技术快速测定烤烟的主要物理指标(叶面密度、填充值、厚度、平衡含水率和抗张力),采用近红外漫反射光谱法(NIDRS)和化学计量学方法建立了烤烟主要物理指标的近红外数学模型。结果表明,烤烟叶面密度、厚度、抗张力、填充值和平衡含水率模型预测均方差(RMSEP)分别为0.553,0.0169,0.149,0.234和0.277,平均相对偏差分别为7.82%,8.36%,10.88%,4.18%和2.83%,预测值和标准值之间没有显著性差异,可用于批量样品的快速检测。

基于烟叶电子鼻-近红外数据融合的支持向量机分类判别烟叶年份（英文）

提出了一种基于烟叶近红外光谱(NIR)和烟叶电子鼻(EN)融合数据的烟叶年份判别的支持向量机分类模型。在NIR和EN数据融合的基础上,利用遗传算法来进行变量选择,再建立烟叶年份判别支持向量机模型,所得到的烟叶判别模型在训练集和独立测试集上都具有较高的准确率。建立的烟叶判别NIR-ESVM模型的建模准确率达到100%,留一法准确率达到98.55%,对未知样本的预报准确率为90%。

中红外和近红外数据融合的香型风格判别

烤烟香型的判别一直是烟草行业的关注焦点。利用中红外和近红外光谱对189份不同香型的烟叶进行分析。分别从中红外谱图数据中提取21个特征波数处以及近红外谱图数据中13个特征波数处的吸光值作为影响因素。通过主成分分析方法分别对选取的中红外、近红外数据进行烟叶清香型、中间香型和浓香型三种香型风格的定性分析。结果表明基于中红外和近红外数据PCA投影图中三种香型混淆严重,区分界面不清晰。随后,将中红外、近红外数据进行融合,将提取的34个特征波数处的吸光值同时代入主成分分析,得到基于中红外和近红外融合数据的PCA投影图。该投影图可以将不同香型的烟叶明显地区分出来。随后利用后退法和遗传算法对中红外和近红外融合后的34个吸光度值进行变量选择,后退法选择出了24个变量,遗传算法选择出了19个变量。对比34,24和19个变量的烟叶三种香型风格的主成分投影图,遗传算法虽然选择了比较少的变量,但其仍然可以将烟叶进行准确的分类。利用遗传算法对中红外和近红外融合后数据进行变量选择,剔除对烟叶香型分类影响小的因素。最后,利用支持向量机建立烟叶清香型、中间香型和浓香型分类判别模型。该模型的建模结果准确率为92.72%,其中清香型、中间香型和浓香型的准确率分别为93.75%,92.11%和91.84%。内部交叉验证留一法结果准确率为88.74%,其中清香型、中间香型和浓香型的准确率分别为90.63%,86.84%和87.76%。对未知样本预报结果的准确率为86.84%,其中清香型、中间香型和浓香型的准确率分别为88.24%,85.71%和85.71%。无论是建模结果、留一法结果和预报结果其准确率都大于85%。研究结果表明中红外和近红外数据融合可以提供更多的特征信息,利用这些信息可以建立烟叶香型风格的分类判别模型,为烟叶香型风格快速鉴别提供帮助。

基于支持向量机的烟叶不同部位6种化学成分差异性分析

基于143个烟叶样品的6种化学成分(莨菪亭、芸香苷、苹果酸、柠檬酸、果糖、蔗糖)建立中部和上部烟叶的支持向量机分类判别模型,并利用该模型对独立的36个烟叶样品进行预报。结果表明,基于烟叶中6种化学成分建立的中部和上部烟叶的支持向量机分类模型的建模、留一法和预报准确率分别为89.51%、85.31%和83.33%。进一步考察了143个烟叶样品在主成分分析投影图中的空间分布及中部和上部烟叶的主要化学成分差异性,得出6种化学成分中蔗糖、莨菪亭和芸香苷是影响中部和上部烟叶差异的主要成分。研究结果表明,改变上部烟叶中的蔗糖、莨菪亭和芸香苷含量,可以扩大其在实际生产中的应用范围。

NIR法预测原烟卷烟主流烟气中的焦油和烟碱

为实现烟叶原料焦油和烟碱的快速检测,分别用烟丝(111个)和烟末(204个)样品建立了原烟卷烟主流烟气中焦油和烟碱的近红外模型,研究表明两种样品状态均能建立其近红外速测模型,且烟气烟碱的校正模型较好。用烟末建立的焦油和烟碱的校正模型略好于用烟丝建立的模型,其内部交叉验证均方差(RMSECV)分别为0.211和1.90,烟丝内部交叉验证均方差(RMSECV)分别为0.257和2.04。并对样品量较大的烟末模型进行了外部验证,2个模型预测值与标准值的平均相对偏差分别为5.13和5.93,t-检验表明预测值和标准值之间没有显著性差异,且系统精密度良好,可以用于大量样品的快速检测。

福建烟叶游离氨基酸等主要含氮化合物与感官质量的关系

【目的】为明确烟叶游离氨基酸等主要含氮化合物与感官质量的关系。【方法】以烤烟品种云烟87为试验材料,测定不同施氮量和留叶数对初烤烟叶各叶位的烟碱、总氮、蛋白质、20种游离氨基酸含量的影响,通过感官质量评价分析主要含氮化合物与感官质量的关系。【结果】1)不同部位烟叶游离氨基酸总量差异显著,依次为下部叶>上部叶>中部叶;2)简单相关分析表明,总氮、蛋白质、游离氨基酸总量以及非烟碱氮占总氮含量的比例,与感官质量呈极显著的负相关关系;脯氨酸占游离氨基酸总量的比例,与感官质量呈极显著的正相关关系;3)逐步回归分析表明,在烟碱、蛋白质和20种游离氨基酸中,谷氨酸、谷氨酰胺、丙氨酸对感官质量的负面效应大于烟碱、蛋白质以及其它游离氨基酸。4)在8个处理中,施氮量127.5kg/hm2、留叶数14片/株处理的烟叶,非烟碱氮、谷氨酸、谷氨酰胺、丙氨酸含量以及游离氨基酸总量最低,感官质量较好。【结论】控制烟叶非烟碱氮含量,尤其是降低谷氨酸、谷氨酰胺、丙氨酸以及游离氨基酸总量,有利于提高烟叶品质。

多形式多载体推进区域教研

在新课程背景下，卢湾区始终坚持以“打造教师专业队伍，提升课堂教学质量”为重点，逐渐积累起了课程改革和实施的经验，在推进区域教研与学校教研组建设方面形成了一些适合自己区域特点、行之有效的举措和方法。区教师进修学院在教研工作方面，从改革区级教研活动形式和创新教研机制等方面不断地进行促进教师队伍专业化发展的探索和实践，崭新的区级教研组织形式成为卢湾教育的热点话题。

偏最小二乘近红外光谱模型中潜变量个数对模型传递性能的影响

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、烟叶样品PLS-NIRs模型的nLVs分别为1和13,nLVs=1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%。根据累积贡献率大于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。

海上风电场对雷达干扰的影响研究

海上风电场对雷达探测性带来干扰,对通航安全造成一定威胁,为保证水域船舶的通航安全,对雷达波损耗进行了理论分析,仿真计算了风机绕射模型,并以华能嘉兴2号风电场为例,综合分析了风电场的存在对雷达的干扰,在评估其他风电场对雷达的影响方面,有积极的参考意义。

化学成分-朴素贝叶斯分类算法的烟叶产地模式识别

把总糖、还原糖、总氮、烟碱、总氯和总钾这6个成分含量作为影响烤烟烟叶产地的自变量,利用朴素贝叶斯分类算法(NBC)建立烤烟烟叶生产地的判别模型.结果表明,用朴素贝叶斯分类建立的烟叶产地识别模型建模、留一法、预报准确度分别为91.24%、89.05%和88.24%,而用支持向量机分类和K点最近邻分类建立的烟叶产地识别模型的准确率均低于朴素贝叶斯分类建立的模型.可见利用朴素贝叶斯分类算法对烟叶产地进行模式识别研究,可以很好地反映烟叶样本由于产地的不同带来的差异.因此可以将NBC算法引入到烟草行业的研究中.

基于致香成分的上部烟叶和中部烟叶分类判别

对上部烟叶和中部烟叶中致香成分的差异性进行了分析.首先,利用液相色谱-气相色谱-质谱联用法测定烟叶样品内的中性致香成分,包括茄酮、二氢猕猴桃内酯、巨豆三烯酮等共11种;其次,利用遗传算法筛选出影响上部烟叶和中部烟叶差异性的8种致香成分,进而建立了基于致香成分的上部烟叶和中部烟叶支持向量机分类判别模型,建模、留一法和预报和准确率分别为88.65%, 84.40%和82.86%;最后,利用Fisher判别矢量方法考察上部烟叶和中部烟叶的空间分布.结果表明, 3-羟基-β-二氢大马酮、巨豆三烯酮和茄酮是影响上部和中部烟叶差异性的3种主要致香成分,可为烟叶质量管理中烟叶的部位特征和香气控制提供参考.

基于尺度不变特征变换筛选稳定特征波长的近红外光谱模型传递方法

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SIFT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。

以区域模式推进校本研修

校本研修是推进教师专业化发展，促进学校师资队伍建设的重要途径。各中小学幼儿园应根据本校教师的专业现状和专业发展需求，制订面向全体教师的校本研修方案，开设具有针对性的校本研修课程或项目，我认为校本研修工作应重点考虑以下几个方面。

对美国中学课堂常见教学法的观察与思考

在国内，很多教师与教育研究人员乐于从西方先进国家学习、借鉴优秀的课堂教学方法，并通过实践与再融合最终形成适合于我国课堂教学实际的优质教育手段。 文中所提到的讲授法、讨论法、情境法、模拟法、探索法这五种美国中学课堂常见的教学模式对于国内的教师来说有些并不陌生，但是美国教师在对于学生特质与课堂细微环节的把握上还是有不同于国内教师的独到之处，值得参考与借鉴。

近红外光谱法快速定量检测青烟叶及烤烟叶中的生物碱

基于傅里叶变换近红外漫反射光谱技术,采集123个青烟叶样品、412个烤烟叶样品的近红外光谱,并对其原始光谱进行一阶微分及Norris平滑处理;采用偏最小二乘(PLS)法建立青烟叶及烤烟叶近红外光谱与4种生物碱的预测模型,并将部分样本作为独立验证集进行预测;对烟叶烘烤前、后的生物碱含量进行比对分析。结果表明:各化学指标的预测均方差(SEP)与校正均方差(SEC)的比值均为0.8～1.2,验证集样本标准偏差(SD)与SEP的比值均大于2.0,校正集与验证集的相关系数r约为0.9,说明近红外模型可用于青烟叶及烤烟叶中生物碱的快速定量检测;转化株烟草在烘烤调制过程中发生了尼古丁向降烟碱的转化。

再造烟叶原料常规化学组分的近红外定量分析研究

提出一种基于近红外漫反射快速定量分析再造烟叶原料(废烟片及烟末)的常规化学组分方法,应用傅里叶变换近红外分析仪扫描原料光谱并结合偏最小二乘法,对具有代表性的354个再造烟叶原料建立了近红外光谱同原料烟碱、总糖、还原糖及氯的含量关系模型,并对模型的预测效果、稳定性及重复性进行了评价。结果表明:烟碱、总糖、还原糖及氯模型的校正均方差与预测均方差接近且均较小,模型的相关系数均在0.98以上。烟碱、总糖、还原糖预测平均相对偏差均低于4%,Cl模型预测30个样品的平均绝对偏差为0.04%,预测平均相对偏差6.09%。模型通过内部及外部验证,表明近红外定量分析结果准确、可靠与流动分析法无显著性差异。