二维色谱分析技术及其在烟草行业中的应用

二维色谱峰容量高,且有着强劲的分离与分辨能力,使得二维色谱在分析复杂组分时极具优势。概述了3种不同的二维色谱分析技术(气相-气相二维色谱、液相-液相二维色谱、液相-气相二维色谱)的原理以及其他相关内容,分类介绍了每种二维色谱,并简述了二维色谱在烟草行业中的应用,最后对二维色谱的发展趋势及其在烟草行业中的应用做了展望。     

3种典型烟草薄片热裂解行为的研究

[目的]比较不同温度下3种典型烟草薄片的裂解产物。[方法]利用在线裂解气相色谱/质谱法(PY/GC-MS)研究了3种典型烟草薄片(2种国产薄片,1种进口薄片)的热裂解行为。在氦气氛围中,分别将这3种烟草薄片在300、600、900℃下进行热裂解,并采用气质联用对其裂解产物进行了定性和半定量分析。[结果]3种烟草薄片裂解产物随裂解温度升高而增多,低温下裂解产物主要为酸类等物质,高温下裂解产物种类较复杂。在900℃裂解温度下,3种薄片裂解产物含量最多的均为酸类,其次为酮类,但醇类、芳烃类、醚类和杂环类差异较大。[结论]该研究可为烟草薄片在卷烟生产中的有效应用提供理论依据。     

基于BP神经网络建立初烤烟叶主流烟气中氢氰酸释放量的预测模型

【目的】建立准确、环境友好的氢氰酸释放量预测方法,以减少检测过程中氢氰酸对人体的危害。【方法】测定了182份初烤烟叶样品的主流烟气氢氰酸释放量和25种烟叶化学成分,采用BP神经网络,以卷烟常规化学成分烟丝水分、氯、丙二酸、挥发酸、钾、总氮作为神经网络的输入,主流烟气中氢氰酸作为输出,建立初烤烟叶主流烟气中氢氰酸释放量的预测模型。【结果】利用所建模型对28个样品进行外部验证,模型平均预测相对偏差为7.88%,大部分样品的预测相对偏差在10%以内。【结论】该预测模型预测精度良好,对于初烤烟叶具有广泛的适用性。     

基于烟叶致香成分建立烤烟香型分类模型方法研究

为筛选出基于烟叶致香成分数据建立烤烟香型分类的最优模型,以便于较好地对烤烟的香型进行正确分类。首先对142 个烤烟烟叶样品中的45 个指标采用行业标准进行检测,然后采用逐步回归法筛选出14 个烟叶致香成分,依据这14 个指标采用判别分析法、Logistic 回归、高斯混合模型、分类树、K最邻近法、人工神经网络和支持向量机7种方法进行建模。通过对不同方法建立的模型采用100次随机抽取训练集样本和测试样本计算错误分类率,选择错误分类率较低的模型作为优选模型。结果表明,线性判别法和高斯混和模型建立的2 种香型函数能较好地对未知样品的香型进行正确分类,且效果较好（正确率可达90%以上）。研究筛选出的2种优选模型对于烤烟香型分类研究具有一定的应用价值。     

碳化温度对成品卷烟烟丝挥发性致香成分的影响初探

【目的】研究成品烟丝致香成分与不同碳化温度间的关系。【方法】设计制作相同的成品烟丝样品,通过HS-GC-MS在不同碳化温度条件下(80、100和120℃)测定烟丝致香成分的种类,并研究两者间的相互影响。【结果】(1)成品烟丝从80℃开始碳化,120℃时碳化明显,从低温到高温,色泽由金黄色向棕褐色转变。(2)在80、100和120℃各温度条件下,平行测试的质谱峰形态基本表现一致,分别检测到18、52和81种致香成分,分子量范围为44.026~241.077 u。(3)从低温到高温,不同碳化温度下特征致香物质的数量分别为4、13和36种。【结论】随着温度的提升,致香成分的数量不断增加,其中,100℃时特征致香成分为胺类、醇类、硫化物和含氧多环类化合物,分子量40~200 u;120℃时特征致香成分为酮类、醇类、醚类和含氮多环化合物,分子量50~160 u。