Preprocessing of raw near-infrared

Preprocessing of raw near-infrared spectra (NIRS) is indispensable
because the measured spectra are subject to significant noises,
baselines and other irrelevant information, which may affect the
predictive ability of NIRS model (Blanco et al., 2004). Hence, it is
imperative to perform the spectral range selection and pretreatment
for visualizing and extracting relevant information from the
spectra best suited for calibration model. In this study, the automation
optimization function of the OPUS-QUANT2 software was
used to optimize the calibration conditions for developing best
calibration models of alcohol strength and titratable acidity. The
best conditions including the spectral region, preprocessing
method and rank, were selected based on the smaller rank value
and RMSECV for the calibration models according to PLS algorithm.
The statistics of optimal conditions are given in Table 2. The best
spectral regions selected for developing calibration models of
alcohol strength and titratable acidity were 6101.9e5446.2 cm
1,
11,995.4e7498.1 cm
1, respectively. The profiles of selected spectral
regions preprocessed by second derivative (SD) and straight line
subtraction (SLS) for alcohol strength and titratable acidity,
respectively, are shown in Figs. 2 and 3. From Figs. 2 and 3, more
positive information and less noise were identified and extracted
from the differences of the spectra pretreated by SD or SLS, and thus
these pretreatments had contributed most to precision of each
model.

ผลลัพธ์ (ไทย) 1:

ประมวลผลเบื้องต้นของแรมสเป็คตราใกล้อินฟราเรดดิบ (คุณภาพ) เป็นสำคัญเนื่องจากแรมสเป็คตราวัดจะขึ้นอยู่กับเสียงที่สำคัญเส้นและข้อมูลอื่น ๆ ที่ไม่เกี่ยวข้อง ซึ่งอาจมีผลต่อการความสามารถในการคาดการณ์ของแบบจำลองคุณภาพ (เต้บลังโก้ et al., 2004) ด้วยเหตุนี้ จึงเป็นจำทำการเลือกช่วงสเปกตรัมและ pretreatmentการแสดงผลแยกจากการแรมสเป็คตราที่ดีที่สุดเหมาะสำหรับการปรับเทียบแบบจำลอง ในการศึกษานี้ ระบบการเพิ่มประสิทธิภาพการทำงานของซอฟต์แวร์ OPUS QUANT2 ถูกใช้ในการปรับเงื่อนไขการปรับเทียบสำหรับการพัฒนาส่วนรูปเทียบความแรงของแอลกอฮอล์และว่า titratable ที่เงื่อนไขที่ดีที่สุดรวมทั้งภูมิภาคสเปกตรัม การประมวลผลเบื้องต้นวิธีการและลำดับ เลือกค่าอันดับเล็กและ RMSECV สำหรับรุ่นเทียบตามอัลกอริทึมกรุณาสถิติของสภาวะที่แสดงไว้ในตารางที่ 2 ดีที่สุดสำหรับการปรับเทียบแบบจำลองของการพัฒนาภูมิภาคสเปกตรัมความแรงของแอลกอฮอล์ว่า titratable นำ 6101.9e5446.2 ซม. 111, 995.4e7498.1 ซม. 1 ตามลำดับ โพรไฟล์การเลือกสเปกตรัมภูมิภาค preprocessed อนุพันธ์อันดับสอง (SD) และเส้นตรงลบ (SLS) แรงแอลกอฮอล์และว่า titratableตามลำดับ เป็นแสดงใน Figs. 2 และ 3 จาก Figs. 2 และ 3 เพิ่มเติมเพิ่มข้อมูลและเสียงรบกวนน้อยกว่าที่ระบุ และแยกจากความแตกต่างของแรมสเป็คตรา pretreated SD หรือ SLS และดังนั้นthese pretreatments had contributed most to precision of eachmodel.

ผลลัพธ์ (ไทย) 2:

กระบวนการเตรียมการผลิตของสเปกตรัมอินฟราเรดใกล้ดิบ (NIRS)
จะขาดไม่ได้เพราะสเปกตรัมที่วัดได้จะอยู่ภายใต้เสียงอย่างมีนัยสำคัญเส้นเขตแดนและข้อมูลที่ไม่เกี่ยวข้องอื่น
ๆ
ซึ่งอาจมีผลต่อความสามารถในการคาดการณ์ของรูปแบบNIRS (Blanco et al., 2004) จึงเป็นความจำเป็นที่จะดำเนินการการเลือกช่วงสเปกตรัมและปรับสภาพสำหรับการแสดงผลและการสกัดข้อมูลที่เกี่ยวข้องจากสเปกตรัมเหมาะที่สุดสำหรับรูปแบบการสอบเทียบ ในการศึกษานี้อัตโนมัติฟังก์ชั่นการเพิ่มประสิทธิภาพของซอฟแวร์ OPUS-QUANT2 ถูกนำมาใช้เพื่อเพิ่มประสิทธิภาพการเงื่อนไขการสอบเทียบที่ดีที่สุดสำหรับการพัฒนารูปแบบการสอบเทียบความแรงของเครื่องดื่มแอลกอฮอล์และกรด เงื่อนไขที่ดีที่สุดรวมทั้งภูมิภาคสเปกตรัม preprocessing วิธีการและอันดับได้รับการคัดเลือกจากมูลค่าการจัดอันดับที่มีขนาดเล็กและ RMSECV สำหรับรูปแบบการสอบเทียบให้เป็นไปตามขั้นตอนวิธี PLS. สถิติของสภาวะที่เหมาะสมจะได้รับในตารางที่ 2 ที่ดีที่สุดของภูมิภาคสเปกตรัมเลือกสำหรับการพัฒนารูปแบบการสอบเทียบความแรงของเครื่องดื่มแอลกอฮอล์และกรดเป็น 6101.9e5446.2 ซม.? 1, 11,995.4e7498.1 ซม. 1 ตามลำดับ โปรไฟล์ของสเปกตรัมเลือกภูมิภาค preprocessed โดยอนุพันธ์อันดับสอง (SD) และเส้นตรงลบ(SLS) เพื่อเพิ่มความแข็งแรงเครื่องดื่มแอลกอฮอล์และกรด, ตามลำดับที่แสดงอยู่ในมะเดื่อ ที่ 2 และ 3 จากมะเดื่อ 2 และ 3 เพิ่มเติมข้อมูลในเชิงบวกและเสียงน้อยที่ถูกระบุและสกัดจากความแตกต่างของสเปกตรัมที่ปรับสภาพโดยSD หรือ SLS และทำให้การเตรียมการเหล่านี้มีส่วนร่วมมากที่สุดเพื่อความแม่นยำของแต่ละรูปแบบ

ผลลัพธ์ (ไทย) 3:

การเตรียมของ spectra อินฟราเรดใกล้ดิบ ( nirs ) ขาดไม่ได้
เพราะวัดนี้มีความเสียง และข้อมูลอื่น ๆที่ไม่เกี่ยวข้อง
เส้น ซึ่งอาจส่งผลกระทบต่อความสามารถในการทำนายของแบบจำลอง nirs
( Blanco et al . , 2004 ) ดังนั้น มันเป็น
ขวางแสดงการช่วงสเปกตรัมและการบำบัดเพื่อการแยกข้อมูลที่เกี่ยวข้องและ

จากให้เหมาะกับรูปแบบการสอบเทียบ ในการศึกษานี้ ได้เพิ่มประสิทธิภาพการทำงานของ opus-quant2 อัตโนมัติ

ใช้ซอฟต์แวร์เพื่อเพิ่มประสิทธิภาพการปรับเงื่อนไขสำหรับการพัฒนาที่ดีที่สุด
รูปแบบการสอบเทียบแรงแอลกอฮอล์และปริมาณความเป็นกรด
เงื่อนไขที่ดีที่สุดรวมทั้งภูมิภาคสเปกตรัม Preprocessing
วิธีการและตำแหน่ง ที่ยึดอันดับค่า
ขนาดเล็กและ rmsecv สำหรับรูปแบบการสอบเทียบตามขั้นตอนวิธี pls .
สถิติของเงื่อนไขที่เหมาะสมจะได้รับในตารางที่ 2 ดีที่สุด
สเปกตรัมบางภาค เพื่อพัฒนารูปแบบการสอบเทียบของความแข็งแรงและปริมาณกรดและแอลกอฮอล์
6101.9e5446.2 ซม.
1
11995.4e7498.1 ซม.
1 ตามลำดับ โปรไฟล์ของสเปกตรัมอนุพันธ์โดยเลือกภูมิภาค preprocessed
2
( SD ) และเส้นตรงการลบ ( SLS ) เพื่อความแข็งแรงแอลกอฮอล์และปริมาณความเป็นกรด ,
1 จะแสดงในผลมะเดื่อ . 2 และ 3 จากลูกมะเดื่อ . 2 และ 3 มากขึ้น
บวกข้อมูลและเสียงรบกวนน้อยกว่า มีการระบุและสกัด
จากความแตกต่างของสเปกตรัมกรัม SD หรือ SLS และดังนั้นการเตเหล่านี้มีส่วนมากที่สุด

เพื่อความแม่นยำของแต่ละรุ่น