2.3. Data analysisAcquired spectral

2.3. Data analysis
Acquired spectral data were imported to MS-excel
software from the instrument and then to The Unscrambler (CAMO AS, Trondheim, Norway, version
8
0
5), a statistical software package, for multivariate
calibration. Data of all 329 samples were plotted to
inspect the nature of spectra and were split randomly
into calibration (165 samples of TSS range 6–20
51Brix,
mean 11
9 1Brix, standard deviation 4
5 1Brix) and
validation (164 samples of TSS range 6
3–19
91Brix,
mean 11
71Brix and standard deviation 4
41Brix) sets
before further analysis. In order to search for a small
and simple model, the whole range of wavelengths were
divided into small groups as: 400–440, 440–480,
480–520, 520–560, 560–600, 600–640, and 640–700 nm
for regression analysis. Three methods of regression:
multiple linear regression (MLR), partial least-squares
regression (PLS), and principal component regression
(PCR) forall selected range of wavelengths were
performed on the original spectra to develop the
calibration model for determining TSS of intact
mangoes. In order to minimise the number of wavelengths further, the effect of individual wavelength by
eliminating from the model of the best performing group
of wavelengths on the root mean square error was
investigated by their separate elimination in turn
from the model of the best performing group of
wavelengths. The best model, based on the standard
error of calibration (SEC), correlation coefficients R
and optimum number of latent variables (factors) or
minimum level of root mean square error, was selected.
Multiplicative scatter correction (MSC), smoothing
and second-order derivatives (using the Savitzky Golay
method by averaging one point to the left and one
point to the right and fitting a second-order polynomial)
were then applied to the spectral data of selected
models to improve the predictability. The performance test of the calibration model for the prediction
of TSS of mango was validated with anotherset of
samples.

ผลลัพธ์ (ไทย) 2:

2.3 การวิเคราะห์ข้อมูล
ข้อมูลสเปกตรัมที่ได้มาถูกนำเข้าสู่ MS-Excel
ซอฟต์แวร์จากตราสารที่แล้ว Unscrambler (CAMO AS, ทรอนไฮม์, นอร์เวย์, รุ่น
8? 0? 5), แพคเกจซอฟต์แวร์ทางสถิติหลายตัวแปรสำหรับ
การสอบเทียบ ข้อมูลทั้งหมด 329 ตัวอย่างที่ถูกวางแผนที่จะ
ตรวจสอบลักษณะของสเปกตรัมและถูกแยกออกสุ่ม
เข้าไปในการสอบเทียบ (165 ตัวอย่างของช่วง TSS 6-20? 51Brix,
หมายถึง 11? 9 1Brix ส่วนเบี่ยงเบนมาตรฐาน 4? 5 1Brix) และ
การตรวจสอบ (164 ตัวอย่าง ช่วง TSS 6? 3-19? 91Brix,
หมายถึง 11? 71Brix และส่วนเบี่ยงเบนมาตรฐาน 4? 41Brix) ชุด
ก่อนที่จะวิเคราะห์ต่อไป เพื่อที่จะค้นหาขนาดเล็ก
รูปแบบและเรียบง่ายทั้งช่วงของความยาวคลื่นที่ถูก
แบ่งออกเป็นกลุ่มเล็ก ๆ เช่น 400-440, 440-480,
480-520, 520-560, 560-600, 600-640 และ 640 700 นาโนเมตร
สำหรับการวิเคราะห์การถดถอย สามวิธีของการถดถอย:
หลายถดถอยเชิงเส้น (MLR), สี่เหลี่ยมอย่างน้อยบางส่วน
ถดถอย (PLS) และการถดถอยองค์ประกอบหลัก
(PCR) forall ช่วงที่เลือกของความยาวคลื่นที่ได้รับการ
ดำเนินการในสเปกตรัมเดิมที่จะพัฒนา
รูปแบบการสอบเทียบสำหรับการกำหนด TSS ของเหมือนเดิม
มะม่วง . เพื่อที่จะลดจำนวนของความยาวคลื่นต่อผลกระทบของความยาวคลื่นของแต่ละบุคคลโดย
การกำจัดจากแบบจำลองของกลุ่มการแสดงที่ดีที่สุด
ของความยาวคลื่นในรากหมายถึงข้อผิดพลาดของตารางได้รับการ
ตรวจสอบโดยการกำจัดแยกของพวกเขาในทางกลับกัน
จากแบบจำลองของกลุ่มการแสดงที่ดีที่สุดของ
ความยาวคลื่น รูปแบบที่ดีที่สุดตามมาตรฐาน
ข้อผิดพลาดของการสอบเทียบ (ก.ล.ต. ), ความสัมพันธ์ค่าสัมประสิทธิ์ R
และจำนวนที่เหมาะสมของตัวแปรแฝง (ปัจจัย) หรือ
ระดับต่ำสุดของรากหมายถึงข้อผิดพลาดของตารางได้รับเลือก.
แก้ไขกระจายคูณ (MSC) เรียบ
และสอง สัญญาซื้อขายล่วงหน้าเพื่อ (ใช้ Savitzky Golay
วิธีโดยเฉลี่ยจุดหนึ่งไปทางซ้ายและหนึ่ง
ชี้ไปทางขวาและเหมาะสมพหุนามอันดับที่สอง)
ถูกนำไปใช้จากนั้นไปที่ข้อมูลสเปกตรัมที่เลือก
รูปแบบในการปรับปรุงการคาดการณ์ การทดสอบประสิทธิภาพของรูปแบบการสอบเทียบการทำนาย
ของ TSS มะม่วงได้รับการตรวจสอบกับ anotherset ของ
ตัวอย่าง

ผลลัพธ์ (ไทย) 3:

2.3 การวิเคราะห์ข้อมูล ข้อมูลที่ได้ถูกนำเข้าไปยังเงา

จาก MS Excel ซอฟต์แวร์เครื่องมือและจากนั้นไปที่ unscrambler ( Camo , ทรอนไฮม์ , นอร์เวย์ , รุ่น
8
0
5 ) , แพคเกจซอฟต์แวร์ทางสถิติสำหรับตัวแปรหลายตัว
สอบเทียบ ข้อมูลทั้งหมด 329 จำนวนวางแผน

ตรวจสอบธรรมชาติของแสงและการแยกในการสุ่ม
( 165 ตัวอย่างของ TSS ช่วง 6 – 20
51brix
หมายถึง 1brix
9 , 11 ,ส่วนเบี่ยงเบนมาตรฐาน 4
5 1brix ) และการตรวจสอบ ( 164 ตัวอย่าง
TSS ช่วง 6
3 – 19
91brix
หมายถึง 11 ,
71brix และส่วนเบี่ยงเบนมาตรฐาน 4
41brix ) ชุด
ก่อนการวิเคราะห์ต่อไป เพื่อค้นหาขนาดเล็ก
และรูปแบบง่าย ทั้งในช่วงของความยาวคลื่นที่ถูกแบ่งออกเป็นกลุ่มเล็ก ๆเช่น
: 400 – 440 , 440 - 480
480 - 520 520 – 560 560 - 600 , 600 – 640 และ 640 – 700 nm
สำหรับการวิเคราะห์การถดถอยสามวิธีการถดถอยเชิงเส้นพหุถดถอย :
( MLR ) วิธีถดถอย
บางส่วน ( กรุณา ) และชิ้นส่วนหลักถดถอย
( PCR ) ในทุกช่วงของความยาวคลื่นที่ถูกเลือกปฏิบัติในสเปกตรัมของเดิม

การพัฒนารูปแบบการเปลี่ยนแปลงของเหมือนเดิม
มะม่วง เพื่อลดจำนวนแสงต่อ ผลของแต่ละบุคคลโดย
ความยาวคลื่นตัดออกจากรูปแบบของการปฏิบัติที่ดีที่สุดในกลุ่ม
ความยาวคลื่นใน Root Mean Square Error คือ
สอบสวนโดยแยกของพวกเขาในการเปิด
จากรูปแบบของการปฏิบัติที่ดีที่สุดในกลุ่ม
ความยาวคลื่น . รุ่นที่ดีที่สุดบนพื้นฐานของการสอบเทียบความคลาดเคลื่อนมาตรฐาน
( วินาที ) , ค่าสัมประสิทธิ์สหสัมพันธ์ r
และจำนวนที่เหมาะสมของตัวแปรแฝง ( ปัจจัย ) หรือ
ระดับต่ำสุดของ Root Mean Square Error เลือก .
แก้ไขกระจายการคูณ ( MSC ) และอนุพันธ์อันดับสอง (
( ใช้วิธี golay
savitzky โดยเฉลี่ยหนึ่งชี้ไปทางซ้าย และทางขวา
จุดและกระชับเป็นพหุนามอันดับสอง )
) จากนั้นใช้กับข้อมูลสเปกตรัมแบบเลือก
เพื่อปรับปรุงความสามารถในการพยากรณ์ .การทดสอบประสิทธิภาพของรูปแบบการสอบเทียบสำหรับการทำนาย
TSS ของมะม่วงตรวจสอบด้วยและสอบถาม
ตัวอย่าง