This work proposes an analytical me

This work proposes an analytical method for cereal bar classification based on the use of near infrared spectroscopy
(NIRS) and supervised pattern recognition techniques. Linear discriminant analysis (LDA) is
employed to build a classification model on the basis of a reduced subset of variables (wavenumbers). For
the purpose of variable selection, three techniques are considered, namely successive projection algorithm
(SPA), Genetic Algorithm (GA), and stepwise (SW) formulation. The methodology is validated in a case
study involving the classification of 121 cereal bar samples into three different types (conventional, diet
and light). The results show that the LDA/GA model is superior to the LDA/SPA and LDA/SW models with respect
to classification accuracy in an independent prediction set. Some advantages of the proposed method
are speed, that the analytical measurement is performed quickly (one minute or less per sample), no reagents,
low sample consumption and minimum sample preparation demands. In view of the results obtained
in this study the proposed method may be considered valid for use in cereal bar classification

ผลลัพธ์ (ไทย) 1:

งานนี้นำเสนอวิธีการวิเคราะห์การจัดบาร์ธัญพืชตามการใช้ของใกล้อินฟราเรดก(คุณภาพ) และแบบมีผู้สอนเทคนิคการรู้จำรูปแบบ Discriminant เชิงวิเคราะห์ (LDA) เป็นงานสร้างแบบจำลองการจัดประเภทตามย่อยลดลงของตัวแปร (wavenumbers) สำหรับวัตถุประสงค์ของการเลือกตัวแปร เทคนิคสามกำลัง อัลกอริทึมฉายต่อเนื่องได้แก่(สปา), ขั้นตอนวิธีพันธุกรรม (GA), และ stepwise (SW) พัฒนาขึ้น วิธีจะตรวจสอบในกรณีศึกษาที่เกี่ยวข้องกับการจัดประเภทตัวอย่างบาร์ธัญพืช 121 เป็นสามชนิด (อาหารทั่วไปกแสง) ผลลัพธ์แสดงว่ารุ่น LDA/GA จะรุ่น LDA/สปา และ LDA/SW ด้วยความเคารพการจัดประเภทที่ความถูกต้องในการทำนายด้วยตนเอง ข้อได้เปรียบของวิธีการนำเสนอมีความเร็วสูง ที่วัดวิเคราะห์จะดำเนินการได้อย่างรวดเร็ว (หนึ่งนาที หรือน้อยกว่าต่อตัวอย่าง), ไม่ reagentsตัวอย่างต่ำสุดปริมาณการใช้และความต้องการเตรียมตัวอย่างน้อยที่สุด มุมมองผลได้รับศึกษาวิธีการนำเสนออาจพิจารณาใช้ในการจัดประเภทบาร์ธัญพืชได้

ผลลัพธ์ (ไทย) 2:

งานนี้นำเสนอวิธีการวิเคราะห์การจำแนกบาร์ธัญพืชอยู่บนพื้นฐานของการใช้สเปคโทรใกล้อินฟราเรด
(NIRS) และรูปแบบการรับรู้เทคนิคการดูแล การวิเคราะห์เชิงเส้นจำแนก (LDA) จะถูก
ใช้ในการสร้างรูปแบบการจัดหมวดหมู่บนพื้นฐานของการย่อยลดลงของตัวแปร (wavenumbers) สำหรับ
วัตถุประสงค์ของการเลือกตัวแปรสามเทคนิคได้รับการพิจารณาคือขั้นตอนวิธีการฉายภาพต่อเนื่อง
(SPA), Genetic Algorithm (GA) และแบบขั้นตอน (SW) สูตร วิธีการคือการตรวจสอบในกรณี
ศึกษาที่เกี่ยวข้องกับการจัดหมวดหมู่ของกลุ่มตัวอย่าง 121 บาร์ธัญพืชเป็นสามประเภทที่แตกต่างกัน (ทั่วไปอาหาร
และแสง) ผลปรากฏว่า LDA / รุ่น GA จะดีกว่า LDA / สปาและ LDA / SW รุ่นที่มีความเคารพ
กับความถูกต้องในการจัดหมวดหมู่ชุดคำทำนายที่เป็นอิสระ ข้อได้เปรียบบางส่วนของวิธีการที่นำเสนอ
มีความเร็วที่วัดการวิเคราะห์จะดำเนินการได้อย่างรวดเร็ว (หนึ่งนาทีหรือน้อยกว่าต่อตัวอย่าง), น้ำยาไม่มี
ตัวอย่างการบริโภคต่ำและตัวอย่างขั้นต่ำความต้องการของการเตรียมความพร้อม ในมุมมองของผลที่ได้รับ
ในการศึกษานี้วิธีที่นำเสนออาจมีการพิจารณาที่ถูกต้องสำหรับการใช้ในการจำแนกบาร์ธัญพืช

ผลลัพธ์ (ไทย) 3:

งานนี้เสนอวิธีการวิเคราะห์การจำแนกซีเรียลบาร์ขึ้นอยู่กับการใช้ใกล้
อินฟราเรดสเปกโทรสโกปี ( nirs ) และมีเทคนิคการรู้จำรูปแบบ การวิเคราะห์โดยตรง ( lda )
) สร้างการจำแนกรูปแบบบนพื้นฐานของการย่อยของตัวแปร ( wavenumbers ) สำหรับ
วัตถุประสงค์ของการเลือกตัวแปรสามเทคนิคที่จะพิจารณาคือฉายต่อเนื่องขั้นตอนวิธี
( สปา ) , ขั้นตอนวิธีเชิงพันธุกรรม ( GA ) และ Stepwise ( SW ) การกำหนด โดยการตรวจสอบในกรณีศึกษาที่เกี่ยวข้องกับการจำแนก
121 ซีเรียลบาร์ตัวอย่างออกเป็นสามประเภทที่แตกต่างกัน (
อาหารปกติ และไฟ ) ผลการวิจัยแสดงให้เห็นว่า lda / GA เป็นแบบ superior เพื่อ lda / สปา และ lda / SW รุ่น ด้วยความเคารพ
เพื่อความถูกต้องในการทำนายการตั้งค่าอิสระ ข้อดีของวิธีที่เสนอ
มีความเร็วที่การวัดวิเคราะห์ จะดำเนินการได้อย่างรวดเร็ว ( 1 นาทีหรือน้อยกว่าต่อตัวอย่าง ) , ไม่มีสารเคมี
ตัวอย่างต่ำและกลุ่มตัวอย่างขั้นต่ำของการเตรียมตัว ในมุมมองของผล
ในการศึกษานี้จึงได้เสนอวิธีการอาจจะถือว่าใช้ได้สำหรับใช้ในการจำแนกซีเรียลบาร์