The discriminant analysis demonstra

The discriminant analysis demonstrated that mango fruit can be
classified into three DAFS-assigned classes of maturity based on
non-destructive predictor variables. SG was shown to be the best
contributing variable for the classification. Cluster analysis was
executed to allocate each individual mango into four maturity classes with the employment of TSS, TA and DAFS as categorization
parameters. With variable selection by means of a stepwise method, simplification of the model with a reduced number of the
non-destructive variables could be achieved. The performance of
the simplified model for the classification of four maturity levels
excelled with an accuracy of 89.0% which was deemed appropriate
for practical application. However, the validation of the model with
a separate set of mango samples in later season needs to be further
investigated. Finally, for the maturity classification of mangoes cv.
Nam Dokmai, the best applicable variables of physical, mechanical,
and optical properties were SG, stiffness coefficient, and diffuse
reflectance at 670 nm, respectively

ผลลัพธ์ (ไทย) 1:

มะม่วงที่ผลไม้สามารถแสดงการวิเคราะห์ discriminantแบ่งเป็นชั้นสามที่กำหนด DAFS ที่ครบกำหนดตามตัวแปร predictor แบบไม่ทำลาย SG ที่แสดงจะ ดีสุดแปรร่วมสำหรับการจัดประเภท มีการแบ่งดำเนินการจัดสรรมะม่วงแต่ละแต่ละเป็นสี่ครบกำหนดคลาสด้วยการจ้างงานของ TSS, TA และ DAFS เป็นประเภทพารามิเตอร์ ด้วยการเลือกตัวแปรโดยวิธี stepwise รวบแบบ มีจำนวนลดลงของการตัวแปรแบบไม่ทำลายไม่ได้ ประสิทธิภาพของรูปแบบง่ายสำหรับการจัดประเภทของระดับครบกำหนดสี่นนท์แม่นยำ 89.0% ซึ่งไม่สมควรการประยุกต์ในทางปฏิบัติ อย่างไรก็ตาม ความถูกต้องของรูปแบบที่มีชุดต่างหากอย่างมะม่วงในฤดูกาลต่อมาต้องเพิ่มเติมตรวจสอบ ในที่สุด การจัดครบกำหนดอายุของมะม่วง cvน้ำดอกไม้ ส่วนใช้ตัวแปรทางกายภาพ เครื่องจักรกลและคุณสมบัติของแสงได้ SG สัมประสิทธิ์ความแข็ง และแฟลชแบบสะท้อนแสงที่ 670 nm ตามลำดับ

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์จำแนกแสดงให้เห็นว่าผลไม้มะม่วงสามารถ
แบ่งได้เป็นสามชั้น DAFS กำหนดของการกำหนดขึ้นอยู่กับ
ตัวแปรที่ไม่ทำลาย สิงคโปร์ก็แสดงให้เห็นเป็นที่ดีที่สุด
ตัวแปรที่เอื้อต่อการจัดหมวดหมู่ การวิเคราะห์กลุ่มได้รับการ
ดำเนินการในการจัดสรรมะม่วงแต่ละคนเป็นสี่ชั้นเรียนครบกําหนดกับการจ้างงานของ TSS, TA และ DAFS เป็นหมวดหมู่
พารามิเตอร์ ด้วยการเลือกตัวแปรโดยใช้วิธีการแบบขั้นตอนวิธีการที่เรียบง่ายของรูปแบบที่มีจำนวนที่ลดลงของ
ตัวแปรที่ไม่ทำลายจะประสบความสำเร็จ ประสิทธิภาพการทำงานของ
รูปแบบที่ง่ายสำหรับการจัดหมวดหมู่ของสี่ระดับครบกําหนด
เก่งกับความถูกต้องของ 89.0% ซึ่งถือว่าเหมาะสม
สำหรับการประยุกต์ใช้ในทางปฏิบัติ อย่างไรก็ตามการตรวจสอบของรุ่นที่มี
ชุดเฉพาะกิจการของตัวอย่างมะม่วงในฤดูกาลต่อมาจะต้องมีการเพิ่มเติม
การตรวจสอบ สุดท้ายสำหรับการจัดหมวดหมู่ที่ครบกำหนดของพันธุ์มะม่วง.
น้ำดอกไม้, ตัวแปรที่ดีที่สุดของการบังคับทางกายภาพเชิงกล
และสมบัติทางแสงเป็น SG ค่าสัมประสิทธิ์ความฝืดและกระจาย
การสะท้อนที่ 670 นาโนเมตรตามลำดับ

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์จำแนก พบว่าผลมะม่วงได้
3 dafs มอบหมายชั้นเรียนของวุฒิภาวะตาม
ตัวแปรแบบไม่ทำลาย . SG เป็นจะดีที่สุด
สาเหตุตัวแปรสำหรับการจำแนกประเภท การวิเคราะห์กลุ่มคือ
ดำเนินการจัดสรรแต่ละบุคคลออกเป็นสี่คลาสกับมะม่วงสุกการจ้างงานของ TSS , TA และ dafs เป็นพารามิเตอร์การ

กับตัวแปรที่เลือกโดยใช้วิธี Stepwise simplification , รูปแบบด้วยการลดจำนวนของ
ตัวแปรแบบไม่ทำลายได้ . ประสิทธิภาพของ
รูปแบบง่ายในการจำแนกระดับวุฒิภาวะ
excelled กับความถูกต้องของผล % ซึ่งถือว่าเหมาะสม
เพื่อการใช้งาน อย่างไรก็ตาม การตรวจสอบความถูกต้องของแบบจำลองกับ
ชุดแยกของมะม่วงในกลุ่มตัวอย่างภายหลังฤดูกาลต้องเพิ่มเติม
สอบสวน สุดท้าย วุฒิภาวะ การจำแนกประเภทของมะม่วงพันธุ์น้ำดอกไม้
น้ำดอกไม้ ดีที่สุดใช้ตัวแปรทางกายภาพ , เครื่องกล ,
และสมบัติเชิงแสงเป็น SG , ค่าสัมประสิทธิ์ความฝืด และกระจาย
สะท้อนที่ 670 นาโนเมตร ตามลำดับ