There is a large variety and tradem

There is a large variety and trademarks of vegetable oils in Brazil. Vegetable oils have characteristics quite similar to each other and often cannot be distinguished by only observing the color, odor or taste. Methods for classification of these oils are often costly and time consuming and they usually take advantage of techniques from analytical chemistry and mathematical methods such as PCA (Principal Component Analysis), PCR (Principal Components Regression) or PLS (Properties of Partial Least Squares) and ANN (Artificial Neural Networks) to increase their efficiency. Due to the wide variety of products, more efficient methods are needed to qualify, characterize and classify these substances, because the final price should reflect the excellence of the product that reaches the consumer. This paper proposes a methodology to classify vegetable oils like: Canola, Sunflower, Corn and Soybean from different manufacturers. The method used is characterized by a simple mathematical treatment, a light emission diode and CCD array sensor to capture the spectra of the induced fluorescence in diluted oil samples. An ANN that has three layers, each one with 4 neurons is responsible to perform the spectra classifications. The methodology is capable of classifying vegetable oil and allows fast network training using very few mathematical manipulations in the spectra data with 72% a rate of success.

ผลลัพธ์ (ไทย) 1:

มีความหลากหลายและเครื่องหมายการค้าของน้ำมันพืชในประเทศบราซิล น้ำมันพืชที่มีลักษณะคล้ายกัน และมักจะไม่แตกต่าง โดยการสังเกตสี กลิ่น หรือรสชาติเท่านั้น วิธีการจัดประเภทของน้ำมันเหล่านี้มักเสียค่าใช้จ่าย และใช้เวลานาน และมักจะใช้ประโยชน์ของเทคนิคการวิเคราะห์ทางเคมีและวิธีทางคณิตศาสตร์เช่น PCA (วิเคราะห์ส่วนประกอบหลัก), PCR (ถดถอยส่วนประกอบหลัก) หรือกรุณา (คุณสมบัติของบางส่วนกำลังสองน้อยสุด) และแอน (เครือข่ายประสาทเทียม) เพื่อเพิ่มประสิทธิภาพของพวกเขา จากหลากหลายผลิตภัณฑ์ วิธีมีประสิทธิภาพมากขึ้นจำเป็นต้องรับรองคุณสมบัติ ลักษณะ และจำแนกสารเหล่านี้ เนื่องจากราคาสุดท้ายควรสะท้อนถึงความเป็นเลิศของผลิตภัณฑ์ที่เข้าถึงผู้บริโภค กระดาษนี้เสนอวิธีการแบ่งประเภทน้ำมันพืชเช่น: คาโนลา ทานตะวัน ข้าวโพด และถั่วเหลืองจากผู้ผลิตที่แตกต่างกัน วิธีการที่ใช้เป็นลักษณะรักษาทางคณิตศาสตร์อย่างง่าย ไดโอดแสงเล็ดรอด และ CCD เซนเซอร์อาร์เรย์จับแรมสเป็คตราของ fluorescence อาจในตัวอย่างน้ำมันที่แตกออก การแอนน์ที่มีสามชั้น แต่ละคนกับ 4 neurons รับผิดชอบการจัดประเภทแรมสเป็คตรา วิธีมีความสามารถในการแบ่งประเภทน้ำมันพืช และฝึกอบรมเครือข่ายรวดเร็วใช้ manipulations คณิตศาสตร์น้อยมากข้อมูลแรมสเป็คตรา 72% ทำให้อัตราความสำเร็จ

ผลลัพธ์ (ไทย) 2:

มีความหลากหลายและเป็นเครื่องหมายการค้าของน้ำมันพืชในบราซิล น้ำมันพืชที่มีลักษณะค่อนข้างคล้ายกับแต่ละอื่น ๆ และมักจะไม่สามารถโดดเด่นโดยเฉพาะการสังเกตสีกลิ่นหรือรส วิธีการในการจัดหมวดหมู่ของน้ำมันเหล่านี้มักจะมีค่าใช้จ่ายสูงและใช้เวลานานและพวกเขามักจะใช้ประโยชน์จากเทคนิคจากการวิเคราะห์ทางเคมีและวิธีการทางคณิตศาสตร์เช่น PCA (วิเคราะห์องค์ประกอบหลัก) PCR (หลักส่วนประกอบถดถอย) หรือ PLS (คุณสมบัติของสองน้อยบางส่วน) และ ANN (Artificial Neural Networks) เพื่อเพิ่มประสิทธิภาพของพวกเขา เนื่องจากความหลากหลายของผลิตภัณฑ์ที่มีประสิทธิภาพมากขึ้นวิธีการที่มีความจำเป็นที่จะมีคุณสมบัติลักษณะและการจำแนกสารเหล่านี้เพราะราคาสุดท้ายควรจะสะท้อนถึงความเป็นเลิศของผลิตภัณฑ์ที่มาถึงผู้บริโภค บทความนี้นำเสนอวิธีการที่จะจำแนกประเภทน้ำมันพืชที่ชอบ: คาโนลา, ทานตะวันข้าวโพดและถั่วเหลืองจากผู้ผลิตที่แตกต่างกัน วิธีการใช้งานที่โดดเด่นด้วยการรักษาทางคณิตศาสตร์อย่างง่าย, ไดโอดปล่อยแสงและเซ็นเซอร์ CCD อาร์เรย์ในการจับภาพสเปกตรัมของแสงเทพในตัวอย่างน้ำมันที่ปรับลด ANN ที่มีสามชั้นแต่ละคนมี 4 เซลล์ประสาทเป็นผู้รับผิดชอบในการดำเนินการจำแนกประเภทสเปกตรัม วิธีการมีความสามารถในการจำแนกประเภทน้ำมันพืชและช่วยให้การฝึกอบรมเครือข่ายที่รวดเร็วใช้น้อยมากกิจวัตรทางคณิตศาสตร์ในข้อมูลสเปกตรัมที่มีอัตรา 72% ของความสำเร็จ

ผลลัพธ์ (ไทย) 3:

มีหลากหลายและเครื่องหมายการค้าของน้ำมันพืชในบราซิล น้ำมันพืชมีลักษณะคล้ายคลึงกับแต่ละอื่น ๆและมักจะได้เป็นอย่างดี โดยสังเกตเพียง สี กลิ่น หรือรสวิธีการในการจำแนกตัวขับเหล่านี้มักจะราคาแพงและใช้เวลานานและพวกเขามักจะใช้ประโยชน์จากเทคนิคเคมีวิเคราะห์และวิธีการทางคณิตศาสตร์ เช่น พีซีเอ ( การวิเคราะห์องค์ประกอบหลัก ) , PCR ( ส่วนประกอบ ) หรือหลัก ) กรุณา ( คุณสมบัติของกำลังสองน้อยที่สุดบางส่วน ) และแอน ( โครงข่ายประสาทเทียม ) เพื่อเพิ่มประสิทธิภาพของพวกเขาเนื่องจากความหลากหลายของผลิตภัณฑ์ วิธีการที่มีประสิทธิภาพมากขึ้นจะต้องมีลักษณะ และจำแนกสารเหล่านี้ เพราะราคาสุดท้ายที่ควรจะสะท้อนถึงความเป็นเลิศของผลิตภัณฑ์ถึงผู้บริโภค บทความนี้นำเสนอวิธีการแยกน้ำมันพืชเช่นคาโนลา ทานตะวัน ข้าวโพด และถั่วเหลือง จากผู้ผลิตที่แตกต่างกันวิธีการที่ใช้เป็นลักษณะของการรักษาทางคณิตศาสตร์อย่างง่าย , ไดโอดการเปล่งแสงและเซ็นเซอร์จับภาพแบบ CCD สเปกตรัมของการเรืองแสงในเจือจางตัวอย่างน้ำมัน เป็นแอนว่ามี 3 ชั้น แต่ละคน มี 4 กลุ่ม เป็นผู้รับผิดชอบดำเนินการนี้ในเมืองไทยและมีความสามารถในการจำแนกน้ำมันพืช และให้ฝึกอบรมเครือข่ายได้อย่างรวดเร็วโดยใช้การตกแต่งทางคณิตศาสตร์น้อยมากในสเปกตรัมข้อมูล 72 % อัตราของความสำเร็จ