基于不同烟用原纸中荧光增白剂分布建立的CHAID决策树模型鉴别卷烟真伪

李海燕,肖 燕,李 淳,杨 兵,马慧宇,李 郸*

(1.云南省烟草质量监督检测站,昆明 650106; 2.云南中烟工业有限责任公司,昆明 650231)

双三嗪氨基二苯乙烯型荧光增白剂是一种荧光染料,能显著提高纸张白度且价格低廉,在造纸行业中应用广泛[1-2]。这种荧光增白剂对人体健康有潜在毒害作用[3],GB 4806.8-2016《食品安全国家标准 食品接触用纸和纸板材料及制品》[4]要求相关物质的测定结果为阴性,GB 9685-2016《食品安全国家标准 食品接触材料及制品用添加剂使用标准》要求不允许添加荧光增白剂[5],欧盟Resol ution AP(2002)1 on Paper and Boar d Materials and Articles Intended to Co me into Contact with Foodstuffs要求不得在纸制品中检出荧光增白剂。烟用原纸也适用于食品包装标准,但是假烟烟用原纸的安全性没有任何保障,故有必要研究烟用原纸,如封签纸、包装纸、内衬纸、成形纸、卷烟纸中荧光增白剂的分布情况并基于检测数据判断卷烟真伪,而相关研究未见报道。鉴于此,本工作采用白度仪检测封签纸、包装纸、内衬纸、成形纸、卷烟纸反面原纸部分的D65荧光亮度及甘茨(CIE)白度,采用SPSS 25.0统计软件中的二分逻辑(binary logistic)回归向前分析法提取关键变量,采用卡方自动交互检测(CHAID)决策树建立了基于关键变量分析卷烟真伪的分类模型,并采用红外光谱法验证,可为卷烟真伪鉴别提供技术参考。

1 试验部分

1.1 仪器与试剂

Elrepho 450型白度仪;Nicolet i S50型傅里叶变换红外光谱仪。

1.2 仪器工作条件

1)白度仪 光谱范围380～720 nm;波长分辨率3 nm;光源脉冲式氙灯。其他条件参照GB/T 7974-2013《纸、纸板和纸浆 蓝光漫反射因数D65亮度的测定(漫射/垂直法,室外日光条件)》,具体参数:D65光源,10°视场,峰值波长457 nm,半峰宽波长44 nm,用于检测各烟用原纸的D65荧光亮度及CIE白度。

2)红外光谱仪 金刚石衰减全反射测头;扫描范围4 000～500 c m-1;分辨率8 c m-1;样品扫描次数32次;背景扫描次数32次。

1.3 试验方法

1.3.1 样品的收集与分析

采集已被鉴定过真伪的19种规格牌号的卷烟样品,每个规格牌号各选择一个真(用Z表示)、伪(用J表示)样品,分别标记为Z1～Z19和J1～J19。拆开卷烟包装,收集封签纸、包装纸(商标纸)、内衬纸(铝箔纸)、成形纸、卷烟纸反面的原纸部分,注意避开胶痕及纸张缺陷部位。按照仪器工作条件分析各烟用原纸,得到D65荧光亮度、CIE白度和红外光谱图。封签纸白度、封签纸荧光亮度、包装纸白度、包装纸荧光亮度、内衬纸白度、内衬纸荧光亮度、成形纸白度、成形纸荧光亮度、卷烟纸白度、卷烟纸荧光亮度等变量分别用FQ-BD、FQ-YG、SB-BD、SB-YG、LB-BD、LB-YG、CXZ-BD、CXZ-YG、JYZBD和JYZ-YG表示。当原纸的荧光亮度不小于1.00%时赋值1,小于1.00%时赋值0;卷烟样品鉴别结果为真时赋值1,伪时赋值0。

1.3.2 统计方法

运用SPSS 25.0统计软件中的binar y logistic回归向前分析法对10个变量与卷烟真伪进行相关性分析,提取关键变量。将分割显著性水准α设置为0.05,用CHAID决策树建立卷烟真伪预测模型。

2 结果与讨论

2.1 白度仪检测结果分析

不同卷烟烟用原纸CIE白度和D65荧光亮度的检测结果(均为相对值)见表1。

表1 (续)

表1 CIE白度及D65荧光亮度结果Tab.1 Results of the CIE whiteness and the D65 fluorescent brightness

结果表明:卷烟真品的内衬纸、封签纸、包装纸、成形纸和卷烟纸CIE白度的平均值分别为82.13%,74.22%,77.59%,72.05%,76.51%,卷烟伪品的分别 为80.22%,79.40%,80.11%,74.98%,75.69%,其中内衬纸、包装纸白度较其他种类原纸的高,符合卷烟烟用原纸白度的一般规律,但是真伪卷烟的各种原纸白度均未呈现明显规律;卷烟真品的封签纸、包装纸、内衬纸、成形纸的荧光亮度均小于1.00%,说明这些种类原纸均未人工添加荧光增白剂,卷烟纸荧光亮度不小于1.00%的样品有14个,占卷烟真品总数的73.7%,调用历年卷烟真品卷制前卷烟纸的荧光亮度,均未发现有人为添加的现象,初步推测与卷制后反应相关,需要进一步研究;卷烟伪品荧光亮度不小于1.00%的样品为内衬纸13个(占卷烟伪品总数的68.4%)、封签纸11个(57.9%)、卷烟纸11个(57.9%)、包装纸10个(52.6%),成形纸的荧光亮度均小于1.00%,说明卷烟伪品人为添加荧光增白剂的现象较普遍,而内衬纸荧光亮度较高的可能原因为造假者对内衬纸关注度较低。

2.2 CIE白度及D65荧光亮度与卷烟真伪的相关性分析

以封签纸、包装纸、内衬纸、成形纸、卷烟纸的D65荧光亮度赋值后的数据(0,1)及CIE白度为自变量,以卷烟真伪为因变量进行基于最大似然估计的向前逐步binary logistic回归分析,并进行Omnibus检验(多项检验),最优回归的分布分类表见表2。

表2 分布分类表Tab.2 Distribution classification table

结果显示:当步骤1的输入变量为LB-YG时,模型预测准确率为83.8%;步骤2增加输入变量SB-YG后,预测准确率达到94.5%;步骤3增加输入变量FQ-YG后,准确率达到100%,且模型χ2为3 871.604(P为0,ν为3),大于卡方临界值7.81,改善量χ2为996.366(P为0,ν为1),大于卡方临界值3.84,且P小于0.05,说明至少有一个变量是有效的,所建模型是有意义的[6]。采用拟合优度(Hos mer-Le meshow)检验验证模型的拟合效果,所得χ2(P为1,ν为2)为0,小于卡方临界值5.99,且P大于0.05,说明检测数据中的有效信息已被充分提取,模型拟合优度较高[7-8]。因此,可将LB-YG、SB-YG和FQ-YG等变量作为影响模型的3个关键变量。

2.3 CHAID决策树分析

决策树是通过已知数据建立模型并利用该模型对未知数据进行预测和分类的一种算法,CHAID决策树使用χ2来分裂划分属性,算法分类能力更强,可以很好地处理非线性小样本数据[9]。

提取出本公司历次检验样品(共2 760个)的3个关键变量,对其赋值,并将这些样品按数量比1∶1随机划分为训练集和验证集(各1 380个),训练集样品用于建立分类模型,验证集样品用于评估模型的性能。以3个关键变量作为解释变量,卷烟真伪作为反应变量,以χ2[卡方检验计算公式见公式(1)]为分支准则对验证集样品进行真伪鉴别。

式中:第p个变量的第q个类别的预测样品量记为xpq;第p个变量的第q个类别的实际样品量记为Epq。

以3个关键变量建立CHAID决策树,结果见图1,其中Adj.P为调整P值。

图1 卷烟真伪CHAID决策树模型Fig.1 CHAID decision tree model of authenticity of cigarettes

由图1可知,CHAID决策树通过LB-YG、SB- YG、FQ-YG变量识别卷烟真伪,树深为3,总样品量为1 380个,其中通过根节点LB-YG准确识别458个卷烟伪品,节点SB-YG准确识别160个卷烟伪品,节点FQ-YG准确识别81个卷烟伪品,合计识别699个卷烟伪品,剩余681个为卷烟真品,和样品实际真伪情况一致,说明以3个关键变量建立的CHAID决策树模型鉴别卷烟真伪的判断准确率可达到100%;3个关键变量与卷烟真伪交互作用由强到弱依次为LB-YG、SB-YG和FQ-YG。

2.4 红外光谱分析

对真伪卷烟样品的内衬纸分别进行红外光谱全扫描,结果见图2。

图2 真伪卷烟样品的红外光谱图Fig.2 Infrared spectra of genuine and fake cigarette samples

由图2可知:卷烟伪品红外光谱图中大部分吸收峰和卷烟真品的一致,但其中1 373 c m-1附近出现了特异吸收峰,可能来源于双三嗪氨基二苯乙烯型荧光增白剂中甲基C-H键的弯曲振动,说明基于荧光增白剂分布建立的模型可有效鉴别卷烟样品的真伪。

利用白度仪检测卷烟包装纸、内衬纸、封签纸、成形纸、卷烟纸的D65荧光亮度及CIE白度,通过基于最大似然估计的向前逐步binary logistic回归法分析筛选出可鉴别卷烟真伪的LB-YG、SB-YG、FQ-YG等3个关键变量,基于CHAID决策树算法构建了基于这3个关键变量的卷烟真伪鉴别分类模型,判断准确率达到100%。红外光谱仪检测结果显示,卷烟伪品中含有双三嗪氨基二苯乙烯型荧光增白剂,说明基于荧光增白剂分布建立的CHAID决策树模型鉴别卷烟真伪是可行的。和其他分析方法相比,本方法具有分析快速、无需前处理等优势,分析过程和数据处理过程简单易行、便于推广,能应用于不同牌号卷烟的识别,也能为卷烟真伪鉴别提供一种新的途径,为打击制售假冒伪劣卷烟产品违法活动提供科学依据。