1、 简介
制糖过程主要由蔗汁清净、蒸发、煮糖、结晶与分蜜等工序构成。生产工序环环相扣,上一个工序的结果对下一个工序的影响很大,最终会影响到整个糖厂的效率、能耗、产率等。因此,每个环节的控制与检测都尤为重要。
现有研究多集中于入榨甘蔗糖分预测及白砂糖、绵白糖等单一指标的离线或在线检测,而能够在线管控关键节点,实现原糖与成品糖前置检验的研究仍较薄弱。为此,本文基于原糖与成品糖两大关键工艺节点(即原糖溶糖进料节点与成品糖出料节点),阐述各阶段利用在线近红外检测技术如何实现产品质量实时监测,数据即时反馈,替代人工检测,建立关键节点质量管控体系,提升检测效率和精度,优化工序过程控制,推动生产自动化与智能化升级,为行业技术标准化提供实践支撑。
2、研究方法
原糖,取自中粮糖业辽宁有限公司生产车间;白砂糖,取自中粮糖业(漳州)有限公司生产车间;绵白糖,取自中粮糖业辽宁有限公司生产车间。
将光谱仪安装在原糖皮带上,在动态条件下采集样品光谱,建立分析模型。光谱范围1 100~1 650 nm,光谱分辨率0.5 nm,采用大光斑漫反射原理实时检测,每个结果的平均分析时间为2~3 s,取平均光谱作为样品光谱。
本研究采用交互验证相关系数(1-VR)作为近红外模型相关性评价指标,取值区间为0~1,数值越接近于1,代表模型拟合效果越好,相关性越高[3],据此构建在线近红外模型性能分级评价标准:1-VR≥0.90为优秀,模型可满足在线检测使用要求,0.80≤1-VR<0.90为良好,能够用于生产趋势研判,但在线检测结果存在一定偏差;0.70≤1-VR<0.80为一般,需结合在线检测结果进行判定;1-VR<0.70则判定为模型有待优化,在线检测可靠性不足,需扩充校正集样本进一步完善模型。同时结合验证集在线检测相对偏差是否处于允许范围,综合评判各模型是否适用于现场在线检测场景。
3、实验与结果分析
3.1原糖在线检测的数据处理与分析
基于采集的628个样品,采用标准正态变量变换(Standard Normal Variate,SNV)+去趋势(Detrend)处理校正集样品光谱,用偏最小二乘法将光谱与化学值进行回归分析,建立二者之间的相关关系,所构建色值、水分和还原糖分的在线近红外模型结果见表1。色值交互验证相关系数(1-VR)为0.855 0,模型良好,水分1-VR为0.767 8,模型一般,而还原糖分的1-VR为0.901 4,模型性能优秀。通过对比原糖不同指标模型性能,还原糖分模型最优,色值次之,水分模型表现最差。分析模型性能差异成因:①还原糖分在1 100~1 650 nm近红外波段具备较强的特征吸收信号,吸收峰丰富,该规律与张燕等的研究结论一致;②原糖有色物较多,以高分子多酚类和黄酮类物质为主,同时存在焦糖色素,类黑色素、果糖碱性降解物色素等,不同来源原糖的有色组分含量差异明显,且色素分布于晶体内或母液中,因此受多种有色杂质共同影响,显著增加光谱解析难度;③在线检测环境条件、物料糖层分布不均会对原糖水分的光谱信号产生较强干扰,加之参比理化检测本身存在操作误差,多重因素共同导致水分模型1-VR偏低。
![]()
图1原糖在线近红外光谱图
利用已构建的数学模型对29个随机选取的验证集样本开展色值、水分与还原糖分指标预测,将在线检测值与实验室检测值进行比对,结果见表2。水水分指标预测结果中有2组样本超出30%相对偏差限值,其余样本均满足标准要求;还原糖分全部样本在线检测值与实验室检测值相对偏差均在30%以内。尽管原糖来源复杂,但水分与还原糖分组分相对稳定,因此多数在线检测结果在允许偏差区间,说明所建立原糖水分、还原糖分近红外模型可用于在线检测未知样品预测。色值指标仅有34%样本的相对偏差在±8%范围内,其中色值1 000~1 600 IU区间样本达标率为50%,色值>2 000 IU和<800 IU的样本相对偏差均超过30%,推测其原因在于样品色值跨度大,模型有效适用区间小于生产实际波动范围,部分区间虽纳入校正集但样本数量不足,造成未知样品预测偏差增大。
![]()
表1原糖在线近红外模型效果
![]()
表2原糖的实验室检测与在线检测的数据对比
本研究共采集610组白砂糖样品,采用SNV+Detrend对校正集样品光谱进行预处理,借助偏最小二乘法建立光谱信号与理化化学值之间的回归关联,所构建白砂糖色值在线近红外模型结果见表3。模型1-VR达0.9201,数值接近于1,模型性能判定为优秀。可能相较于原糖,白砂糖的色值分布更为均一,生产过程管控稳定,且模型覆盖样本范围更广。因此,1-VR高于原糖色值模型。
![]()
图2白砂糖样品的在线近红外光谱图
由表4可见,实验室检测与在线检测结果对比中,仅有一组样本相对偏差绝对值大于8%,超出允许限值,数据整体吻合度良好,模型预测效果较佳。
![]()
表3白砂糖在线近红外模型结果
![]()
表4白砂糖的实验室检测与在线检测数据对比
在动态条件下采集的绵白糖样品在线近红外光谱图见图5。从图5中可以看出,图谱趋势一致,无明显异常光谱。
![]()
图3绵白糖样品的在线近红外光谱图
采用SNV+Detrend处理校正集样品光谱,通过偏最小二乘法建立光谱信号与理化化学值的回归关联,构建绵白糖色值、水分和还原糖分近红外分析模型,结果见表5。色值模型1-VR为0.820 5,模型等级良好;水分1-VR为0.944 3,模型性能优秀;还原糖分模型1-VR为0.545 2,模型有待优化。对比绵白糖各指标模型1-VR可知,水分>色值>还原糖分,同一样品不同指标模型效果存在差异,可能原因为:①水分和色值在850~1 050 nm近红外波段具有丰富的特征吸收峰;②生产过程中水分和色值指标波动相对平稳,光谱解析难度较低;③还原糖分来源于生产添加的糖浆或原料水解产物,添加量依靠人工调控,造成还原糖分含量波动范围较大,叠加在线检测环境对光谱信号的干扰,且参考化学检测采用手工滴定法,存在人为操作误差,多重因素共同导致还原糖分模型1-VR偏低。
![]()
表5绵白糖在线近红外模型结果
利用构建的绵白糖模型(表5)对验证集样本进行色值、水分、还原糖分预测,对比实验室检测值和在线检测值,结果见表6。还原糖分全部样本实验室检测值和在线检测值的相对偏差均处于±30%区间,但绵白糖产品标准限定还原糖分为1.5%~2.5%,现有偏差水平难以精准指导生产,亦无法为市场抽检提供可靠数据支撑,该指标虽暂时满足基础检测要求,仍需持续跟踪监测,将相对偏差优化至国家标准规定的15%以内。水分中有一组样本超出±30%相对偏差限值,其余样本均符合要求,绵白糖水分控制区间为0.8%~2.0%之间,要求精度15%以内,仍需持续补充样本以适配生产管控与市场监管需求。色值有9组样本偏差超出±8%限值,其中色值28~31 IU区间样本预测相对偏差偏高,推测该区间校正集样本数量不足,造成模型预测准确度下降,后续生产过程中需持续拓宽样本覆盖区间,扩充并校正模型,提升模型稳定性与预测精度。
![]()
表6绵白糖的实验室检测与在线检测数据对比
(1)本文探讨了原糖与成品糖关键节点的在线检测方法,所构建的原糖水分、原糖还原糖分、白砂糖色值及绵白糖水分4个模型经未知验证集检验,相对偏差均在标准允许范围内,能够满足炼糖厂在线快速检测和生产及时反馈的需求,在日常维护和模型持续校正的前提下,可逐步减少人工取样检测,依托在线检测数据替代部分实验室检测工作。原糖色值模型、绵白糖还原糖分及色值模型仍需持续补充样本,扩充校正集并重新验证模型预测准确度。尽管上述模型仍存在优化空间,但本研究针对原糖色值、绵白糖还原糖分等传统理化检测难点指标,进行了在线近红外模型构建的探索与尝试。
(2)制糖行业关键节点的在线检测技术鲜少报道,本研究首次将在线近红外检测同时覆盖原糖、白砂糖和绵白糖3种产品,构建了多节点质量管控的技术框架,采用在线检测系统可以提高炼糖厂的分析监控水平,其在制糖工业中的应用具有广阔的发展前景和重要意义,目前仅有3家炼糖厂开始逐步应用,后续可推广至其他制糖工厂,为实现制糖行业高质量发展提供保障。
![]()
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.