主题：【分享】如何取制具有代表性的实验样品？

浏览0 回复0 电梯直达

Insm_68f50e17

结帖率：

100%

关注：0 |粉丝：0

新手级：新兵

发表于：2024/06/23 08:59:53 楼主管理分享倒序浏览只看楼主回复私聊

烟草可视为是一个复杂的多成分化学体系，内在化学成分易变，质量不稳定，所收集的样品是否具有代表性，决定了将来近红外模型的适应性。为了使收集到的烤烟样品有足够的代表性，有必要先要了解一些烟草的领域知识，烟叶感官质量与内在化学组成密切相关，不同品种、不同等级的烟叶内在化学成分含量的分布各有不同，同等级同品种不同生态产地的烟叶，内在化学成分含量也存在明显差异，这些差异都会在感官质量上表现出来，其质量特征不尽相同，这可作为收集烟叶样品的一个参考依据。比如，云南气候立体，生态复杂，如果建立的近红外模型要适应云南产区各种烟叶样品的检测分析，那么模型中的校正样品必须具有足够的代表性，涵盖云南各生态产区、各品种、各等级的烟叶样品，话句话说，模型中的校正样品应包含使用该模型测定待测样品中可能存在的各种化学成分，且校正样品的化学成分浓度范围应包含使用该模型测定待测样品中可能遇到的浓度范围，这样才能保证待测样品的测定是模型内插进行分析的，对化学成分含量不同的校正样品，也要保证样品数量均匀分布。虽然不能“一网打尽”的收集样品，但建议“宁多无缺”，多收集一些在感官质量表现上有差异的样品，只有校正样品有足够的代表性，将来模型的应用才能“见多识广”。

那么，应用 PLS建立校正模型，究竟需要多少个校正样品，从理论上来讲，如果使用的潜变量数（或隐变量数）k≤3，校正样品至少需要 24 个。如果k＞3，校正样品至少需要6k个。如果建模数据进行均值中心化处理，校正样品至少要有 6（k +1）个。但对化学成分比较复杂的烟草样品，这个仅满足统计学最低要求的理论数量是远远不够的，构建一个适宜的近红外校正模型，还得取决于样品的复杂程度，应视具体情况来估计校正样品的数量。另外，值得注意是，尚若仅按有关烟叶分级标准来收集所谓的“标准样品”用于建模，那么，将来建立的“标准模型”应用于一些中间质量的“非标准样品”的预测，其适应能力就会变差。

另一方面，取制有代表性的实验样品，还取决于近红外分析结果的应用场景，如果要应用近红外检测结果评估工商交接这一个时间节点的烟叶原料质量，那么，建模样品必须在这一个节点即时取制，并尽快采集样品光谱和测定参考数据。如果应用近红外检测结果跟踪评估仓储片烟醇化质量，那么，必须在整个仓储周期中，取到不同醇化时间的代表性样品，换句话说，就算同一个规格的样品，在不同的醇化时间节点都要取制。对烟草（如烤烟）这样的天然产物，从初烤调制完成到工商交接再到打叶复烤，历经半年左右的时间，在这段时间里，烟叶的理化性质在不断的发生变化，比如影响烟叶评吸质量的一些主要化学成分指标：总糖、还原糖、总氮、pH、氨基酸、总挥发碱和烟碱等在不断下降。所以，不管在哪一个周期阶段评估质量，必须在这一个周期合理的时间范围之内完成近红外模型开发的样品取制、相关光谱数据测量和其参考数据测定，使将来近红外模型预测数据的应用与质量评估基本同步，避免近红外检测结果应用的错位和误导。显然，不同的应用场景，应取制相应的代表性样品，独立开发相应的近红外模型，对仓储片烟进行醇化质量跟踪分析和对工商交接中进行烟叶质量分析，为何独立开发两个应用场景的近红外模型，就是这个道理。

制样时，必须清除烟叶样品表面上的异物，如细土和沙粒，抽去主脉，将其切成片或切成丝，然后粉碎成粒度不低于40目的粉末，为了方便制样，建议把样品含水率控制在12%以下，当然也可制成烘干样品进行粉碎，但不管是建模的校正样品、验证样品，还是将来的待测样品，制成粉末的含水率和粒度应保持一致。取制的样品倘若不能即时测量光谱和测定其参考数据，应在低温（0℃～4℃）条件下密封避光保存，保存时间不应超过两个月。