NIR spectroscopy has been a powerfu

NIR spectroscopy has been a powerful tool for quality detection
and process control in the agricultural and food industries.
Numerous studies have been reported in recent years on NIR
spectroscopy for fast measurement of SSC and other quality
attributes of apple. In the study of Eisenstecken et al. (2015), an SSC
model was built within the range of 1000–2500 nm, and the SSC
prediction model showed inadequate coefficients of determina-
tion. Additionally, Peirs et al. (2001) and Kumar et al. (2015)
included wavelengths in the visible range to increase the model
accuracy. Moreover, an automatic apple rotation was successfully
applied to improve the determination of quality characteristics
(Schmutzler and Huck, 2014). They obtained SECV values of 0.45%
and 0.46% for the SSC of Pink Lady and Golden Delicious apples,
respectively. Compared to previous investigations, the models
built in this work had an excellent performance. In addition, color
factor has not been considered to compensate quality model.
This work has shown a great potential for obtaining reliable
predictions of SSC of apple, both by SWNIR and LWIR as a
nondestructive tool. Table 2 shows the summary results for SSC
using various calibration methods. Compared with conventional
PLS models, the variable selection procedures and color compensation
method significantly improved the performance of the
final
model. From the results we can conclude that (1) nonlinear models
are superior to linear models; (2) the ICA algorithm has a better
capacity to select variables for modeling; (3) color compensation
may further improve the performance of the
final model. As to the
models developed for SSC, the LWNIR range was slightly better
compared to the SWNIR range. However, no significant differences

ผลลัพธ์ (ไทย) 1:

เครื่องมิกได้รับเครื่องมือที่มีประสิทธิภาพสำหรับการตรวจสอบคุณภาพและกระบวนการควบคุมในอุตสาหกรรมเกษตรและอาหารศึกษาจำนวนมากได้รับรายงานในปีล่าสุดบนเครื่องมิกสำหรับการวัดที่รวดเร็วของ SSC และคุณภาพอื่น ๆแอตทริบิวต์ของแอปเปิ้ล ในการศึกษาของ Eisenstecken et al. (2015), SSC มีแบบจำลองถูกสร้างขึ้นภายในช่วง 1000-2500 nm และ SSCแบบคาดการณ์พบว่าสัมประสิทธิ์ไม่เพียงพอของ determina-ทางการค้า นอกจากนี้ Peirs et al. (2001) และ Kumar et al. (2015)ความยาวคลื่นอยู่ในช่วงมองเห็นได้เพิ่มแบบความถูกต้อง นอกจากนี้ การหมุนอัตโนมัติแอปเปิ้ลได้เรียบร้อยแล้วใช้เพื่อปรับปรุงการกำหนดลักษณะคุณภาพ(Schmutzler และ Huck, 2014) ได้รับค่า SECV 0.45%และ 0.46% สำหรับแอปเปิ้ล SSC พิ้งค์เลดี้และทองอร่อยตามลาดับ เมื่อเทียบกับก่อนหน้านี้สืบสวน รุ่นสร้างขึ้นในงานได้มีประสิทธิภาพ นอกจากนี้ สีปัจจัยที่ได้รับการพิจารณาชดเชยรุ่นคุณภาพไม่งานนี้ได้แสดงศักยภาพดีสำหรับการได้รับความน่าเชื่อถือคาดคะเนของ SSC ของ apple ทั้ง SWNIR และ LWIR เป็นการเครื่องมือที่ไม่ทำลาย ตารางที่ 2 แสดงผลสรุปสำหรับ SSCใช้วิธีการสอบเทียบต่าง ๆ เมื่อเทียบกับแบบเดิมรุ่น PLS ขั้นตอนการเลือกตัวแปร และการชดเชยสีวิธีช่วยปรับปรุงประสิทธิภาพของการขั้นสุดท้ายรุ่น จากผลลัพธ์ เราสามารถสรุปได้ว่า (1) แบบจำลองไม่เชิงเส้นจะดีกว่าแบบเชิงเส้น (2 อัลกอริทึม ICA)ได้ดีกว่าความสามารถในการเลือกตัวแปรสำหรับสร้างโมเดล (3) ค่าตอบแทนสีเพิ่มเติมอาจเพิ่มประสิทธิภาพของการรุ่นสุดท้าย เป็นการรุ่นพัฒนา SSC ช่วง LWNIR ถูกดีขึ้นเล็กน้อยเมื่อเทียบกับช่วง SWNIR อย่างไรก็ตาม ไม่แตกต่างกัน

ผลลัพธ์ (ไทย) 2:

NIR สเปกโทรสโกได้รับเครื่องมือที่มีประสิทธิภาพสำหรับการตรวจสอบคุณภาพ
และการควบคุมกระบวนการในอุตสาหกรรมเกษตรและอาหาร.
ศึกษาจำนวนมากได้รับการรายงานในปีที่ผ่านมาใน NIR
สเปกโทรสโกสำหรับการตรวจวัดอย่างรวดเร็วของ SSC และมีคุณภาพอื่น ๆ
คุณสมบัติของแอปเปิ้ล ในการศึกษาของ Eisenstecken et al, (2015) ซึ่งเป็นเอสเอส
รุ่นที่ถูกสร้างขึ้นในช่วงของ 1000-2500 นาโนเมตรและ SSC
ทำนายรูปแบบที่แสดงให้เห็นค่าสัมประสิทธิ์ที่ไม่เพียงพอของตรวจวัด
การ นอกจากนี้ Peirs et al, (2001) และมาร์, et al (2015)
รวมความยาวคลื่นในช่วงที่มองเห็นเพื่อเพิ่มรูปแบบ
ความถูกต้อง นอกจากนี้แอปเปิ้ลหมุนอัตโนมัติประสบความสำเร็จ
นำไปใช้ในการปรับปรุงการกำหนดลักษณะคุณภาพ
(Schmutzler และ Huck 2014) พวกเขาได้รับค่า SECV 0.45%
และ 0.46% ใน SSC ของพิ้งค์เลดี้และโกลเด้นอร่อยแอปเปิ้ล
ตามลำดับ เมื่อเทียบกับการตรวจสอบก่อนหน้านี้แบบจำลอง
ที่สร้างขึ้นในงานนี้มีประสิทธิภาพที่ดีเยี่ยม นอกจากนี้สี
ปัจจัยที่ยังไม่ได้รับการพิจารณาเพื่อชดเชยรุ่นที่มีคุณภาพ.
งานนี้ได้แสดงให้เห็นศักยภาพที่ดีสำหรับการได้รับความน่าเชื่อถือ
การคาดการณ์ของเอสเอสแอปเปิ้ลทั้งโดย SWNIR และ LWIR เป็น
เครื่องมือที่ไม่ทำลาย ตารางที่ 2 แสดงผลการสรุปสำหรับเอสเอส
โดยใช้วิธีการสอบเทียบต่างๆ เมื่อเทียบกับการชุมนุม
รุ่น PLS ที่ขั้นตอนการเลือกและการชดเชยตัวแปรสี
วิธีการปรับปรุงประสิทธิภาพการทำงานของอย่างมีนัยสำคัญ
สุดท้าย
รุ่น จากผลที่เราสามารถสรุปได้ว่า (1) รูปแบบไม่เชิงเส้น
จะดีกว่าแบบจำลองเชิงเส้น (2) ขั้นตอนวิธี ICA มีที่ดีกว่า
ความสามารถในการเลือกตัวแปรสำหรับการสร้างแบบจำลอง; (3) การชดเชยสี
ต่อไปอาจปรับปรุงประสิทธิภาพการทำงานของ
รุ่นสุดท้าย ในฐานะที่เป็นไป
แบบจำลองการพัฒนาสำหรับ SSC ช่วง LWNIR ได้ดีขึ้นเล็กน้อย
เมื่อเทียบกับช่วง SWNIR แต่ไม่มีความแตกต่างอย่างมีนัยสำคัญ

ผลลัพธ์ (ไทย) 3:

NIR สเปกโทรสโกปีเป็นเครื่องมือที่มีประสิทธิภาพสำหรับการตรวจสอบคุณภาพควบคุมกระบวนการในอุตสาหกรรมการเกษตรและอาหารการศึกษาจำนวนมากได้รับรายงานในปีล่าสุดกับเนียร์สเปกโทรสโกปีสำหรับการวัดของ SSC และคุณภาพอื่น ๆได้อย่างรวดเร็วคุณลักษณะของแอปเปิ้ล ในการศึกษา eisenstecken et al . ( 2015 ) , SSCแบบจำลองที่ถูกสร้างขึ้นในช่วง 1 , 000 - 2 , 500 nm และ SSCแบบจำลองการทำนายค่าสัมประสิทธิ์ของ determina - มีไม่เพียงพอtion . นอกจากนี้ peirs et al . ( 2001 ) และ Kumar et al . ( 2015 )มีความยาวคลื่นในช่วงที่มองเห็นได้เพื่อเพิ่มรูปแบบความถูกต้อง นอกจากนี้ , แอปเปิ้ลได้หมุนอัตโนมัติใช้เพื่อปรับปรุงการกำหนดลักษณะคุณภาพ( schmutzler Huck และ 2014 ) พวกเขาได้รับค่า secv 0.45 %0.46 เปอร์เซ็นต์และ SSC ของผู้หญิงสีชมพูและแอปเปิ้ลอร่อยสีทองตามลำดับ เมื่อเปรียบเทียบกับการตรวจสอบก่อนหน้านี้ รุ่นสร้างขึ้นในงานนี้มีการแสดงที่ยอดเยี่ยม นอกจากนี้ สีองค์ประกอบยังไม่ได้พิจารณาการชดเชยแบบคุณภาพงานนี้ได้แสดงให้เห็นศักยภาพที่ดีสำหรับการเชื่อถือได้การคาดการณ์ของ SSC ของแอปเปิ้ล ทั้ง swnir lwir โดยและเป็นเครื่องมือใหม่ . ตารางที่ 2 แสดงผลสรุปสำหรับ SSCโดยใช้วิธีการปรับแต่งต่างๆ เมื่อเทียบกับปกติกรุณาเลือกรูปแบบตัวแปรกระบวนการและการชดเชยสีวิธีการอย่างมีนัยสำคัญปรับปรุงประสิทธิภาพของสุดท้ายนางแบบ จากผลการศึกษาสามารถสรุปได้ว่า ( 1 ) แบบไม่เป็นเชิงเส้นเหนือกว่าแบบจำลองเชิงเส้น ( 2 ) ICA ขั้นตอนวิธีมีฐานะดีขึ้นความสามารถในการเลือกตัวแปรแบบ ; ( 3 ) การชดเชยสีจะช่วยปรับปรุงประสิทธิภาพของรุ่นสุดท้าย ในฐานะที่เป็นโมเดลการพัฒนาสำหรับ SSC ช่วง lwnir เล็กน้อยดีกว่าเมื่อเทียบกับช่วง swnir . อย่างไรก็ตาม ไม่มีความแตกต่าง