The calibration statistics for the

The calibration statistics for the prediction of physical properties
(firmness, maximum penetration force, pericarp thickness,
juice weight and juice content) and chemical parameters (soluble
solids content, pH, titratable acidity and maturity index) in intact
mandarins are shown in Table 3.
The best equations for predicting physical–chemical parameters
were obtained using SNV + DT as scatter-correction treatments,
though not in the case of SSC; this underlines the importance of
selecting spectral-signal pretreatments as a function of the parameter
to be analyzed (Delwiche and Reeves, 2004).
The models displaying the greatest predictive capacity were
constructed using the second derivative of the spectrum, except
for the parameters firmness, juice weight and SSC, where the first
derivative provided better results.
With regard to texture-related parameters, models obtained for
maximum penetration force displayed greater predictive capacity
than those constructed for firmness (Table 3). The poor predictive
capacity of firmness models highlights the difficulty in correlating
destructive measurements made to a puncturing depth of 10 mm
with non-destructive NIR measurements. As Peirs et al. (2002)
have noted, NIR light will only penetrate usefully down to a depth
of between 1 and 5 mm, depending on the wavelength, the instrument
and the fruit ripeness stage. For maximum penetration force,
the value of the coefficient of determination (r2) (0.47) for the best
model obtained suggests that this model would only enable discrimination
between high and low maximum penetration force
(Williams, 2001).
These findings agree with those reported by Sánchez et al.
(2011), who stress the difficulty in predicting texture-related
parameters (firmness and maximum penetration force) in certain
fruits using NIRS technology with MPLS regression.
No references have been found in the literature to the measurement
of these parameters in intact mandarins using NIRS technology.
Hernández-Gómez et al. (2006) measured compression force
(i.e. the force required to compress a fruit by 3% of its diameter)
in intact Satsuma mandarins, using a monochromator instrument
with a spectral range of 350–2500 nm, obtaining a reasonable-togood
prediction performance (r2 = 0.75; RPD = 1.77). However, this
texture parameter was not measured in the present study, so findings
cannot be compared.
The predictive capacity of the best model for predicting pericarp
thickness may be considered acceptable for screening purposes,
since the value recorded for the coefficient of determination for
cross-validation (r2 = 0.52) would enable samples to be classified
as high, medium or low; given the link between pericarp thickness
and fruit yield, this classification would be of considerable value to
the citrus-fruit sector.

ผลลัพธ์ (ไทย) 1:

เทียบสถิติการทายผลของคุณสมบัติทางกายภาพ(ไอซ์ แรงเจาะสูงสุด ความหนา ของ pericarpน้ำเนื้อหาน้ำหนักและน้ำ) และพารามิเตอร์ (ละลายน้ำสารเคมีเนื้อหาของแข็ง ค่า pH ว่า titratable และดัชนีครบกำหนด) ในสภาพสมบูรณ์mandarins จะแสดงในตาราง 3สมการสุดคาดการณ์พารามิเตอร์ทางกายภาพ – เคมีได้รับใช้ SNV + DT เป็นกระจายการแก้ไขรักษาแม้ไม่กำหนด SSC นี้ขีดเส้นใต้ความสำคัญของเลือกสัญญาณสเปกตรัม pretreatments เป็นฟังก์ชันของพารามิเตอร์ต้องวิเคราะห์ (Delwiche และบ้าเป็นหลัง 2004)แบบจำลองที่แสดงกำลังงานสูงสุดได้สร้างใหม่โดยใช้อนุพันธ์อันดับสองของสเปกตรัม ยกเว้นสำหรับพารามิเตอร์ไอซ์ น้ำหนักน้ำ และ SSC ที่แรกอนุพันธ์ให้ผลลัพธ์ที่ดีขึ้นเกี่ยวกับพารามิเตอร์ที่เกี่ยวข้องกับเนื้อ แบบจำลองได้แรงในการเจาะสูงสุดแสดงกำลังงานมากขึ้นกว่าผู้สร้างสำหรับไอซ์ (ตาราง 3) คาดการณ์ยากจนกำลังการผลิตไอซ์รุ่นเน้นปัญหาในกำลังรวบรวมวัดทำลายทำได้ลึก puncturing ถึง 10 มม.มีการวัด NIR แบบไม่ทำลาย เป็น Peirs et al. (2002)ได้ระบุไว้ NIR แสงจะเฉพาะเจาะ usefully ลงไปที่ความลึกของระหว่าง 1 ถึง 5 มม. ขึ้นอยู่กับความยาวคลื่น รูปเครื่องดนตรีและขั้น ripeness ผลไม้ ในการเจาะสูงสุดแรงค่าของค่าสัมประสิทธิ์การกำหนด (r2) (0.47) ในสุดรุ่นที่ได้รับแนะนำว่า รุ่นนี้จะเปิดเลือกปฏิบัติเท่านั้นระหว่างแรงเจาะสูงต่ำสูงสุด(วิลเลียมส์ 2001)ผลการวิจัยเหล่านี้ตรงกับรายงานโดย Sánchez et al(2011), ที่ย้ำความยากลำบากในการทำนายที่เกี่ยวข้องกับพื้นผิวพารามิเตอร์ (ไอซ์และแรงในการเจาะสูงสุด) ในบางผลไม้ที่ใช้คุณภาพเทคโนโลยี MPLS ถดถอยอ้างอิงไม่พบในวรรณคดีการประเมินของพารามิเตอร์เหล่านี้ใน mandarins เหมือนเดิมโดยใช้เทคโนโลยีคุณภาพแรงบีบอัด Hernández Gómez et al. (2006) วัด(เช่นบังคับให้ต้องรวมผลไม้ 3% ของเส้นผ่าศูนย์กลางของ)ใน mandarins Satsuma เหมือนเดิม ใช้เครื่องมือ monochromatorช่วงสเปกตรัมของ 350 – 2500 nm ได้รับการสมเหตุสมผล-togoodประสิทธิภาพการทำนาย (r2 = 0.75 RPD = 1.77) อย่างไรก็ตาม นี้พารามิเตอร์เนื้อไม่ถูกวัดในการศึกษาปัจจุบัน ผลการวิจัยนั้นไม่สามารถเปรียบเทียบกำลังผลิตคาดการณ์ของแบบจำลองที่ดีที่สุดสำหรับคาดการณ์ pericarpความหนาอาจพิจารณายอมรับวัตถุประสงค์ การคัดกรองเนื่องจากค่าสัมประสิทธิ์ของการกำหนดสำหรับบันทึกค่าการตรวจสอบข้าม (r2 = 0.52) จะเปิดใช้งานตัวอย่างการจัดประเภทสูง ปานกลาง หรือ ต่ำ ให้การเชื่อมโยงระหว่างความหนาของ pericarpและผลไม้ผลผลิต ประเภทนี้จะมีค่ามากส้มผลไม้ภาค

ผลลัพธ์ (ไทย) 3:

การสถิติเพื่อทำนายคุณสมบัติทางกายภาพ
( แน่นสูงสุด รุกแรง เปลือกหนา , น้ำผลไม้และน้ำผลไม้
น้ำหนักเนื้อหา ) และตัวแปรทางเคมี ( ของแข็งละลาย
เนื้อหา ความเป็นกรดและปริมาณดัชนีวุฒิภาวะ ) เหมือนเดิม
แมนดารินจะแสดงในตารางที่ 3
สุดยอดสมการพยากรณ์และพารามิเตอร์ทางกายภาพเคมี
ได้ใช้ snv DT เป็นกระจายแก้ไขรักษา
ถึงแม้จะไม่มีกรณีของ SSC ; นี้ขีดเส้นใต้ความสำคัญของการเต
เลือกสัญญาณสเปกตรัมเป็นฟังก์ชันของพารามิเตอร์
ที่จะวิเคราะห์ ( delwiche และ รีฟส์ , 2004 ) .
รุ่นแสดงความสามารถทำนายมากที่สุดคือ
สร้างโดยใช้อนุพันธ์ที่สองของ สเปกตรัม ยกเว้น
สำหรับค่าความแน่นเนื้อน้ำหนักน้ำและ SSC ที่แรกมา

ให้ผลลัพธ์ที่ดี เกี่ยวกับพื้นผิวพารามิเตอร์ที่เกี่ยวข้อง รูปแบบ รับได้
บังคับแสดงสูงสุดมากกว่าการเจาะแบบความจุ
กว่าสร้างความแน่น ( ตารางที่ 3 ) ความสามารถในการทำนายของแบบจำลอง
จนแน่นไฮไลท์ความยากในการวัดความสัมพันธ์
ทำลายที่ทํากับการเจาะลึก 10 mm
กับแบบไม่ทำลายค่าการวัด เป็น peirs et al . ( 2002 )
มีระบุไว้ ค่าแสงจะเป็นประโยชน์เฉพาะเจาะลงไปลึก
ของระหว่าง 1 และ 5 มิลลิเมตร ขึ้นอยู่กับความยาวคลื่น , เครื่องดนตรี
และผลไม้สุก เวที สำหรับแรงทะลุสูงสุด
ค่าของสัมประสิทธิ์การตัดสินใจ ( R2 ) ( 0.47 ) สิ่งที่ดีที่สุด
แบบจำลองที่ได้แสดงให้เห็นว่าแบบจำลองนี้เท่านั้นจะช่วยให้จำแนก
ระหว่างสูงและต่ำ แรงทะลุสูงสุด
( Williams , 2001 ) .
สรุปเห็นด้วยกับที่รายงานโดยซันเชซ et al .
( 2011 ) ที่เน้นความยากในการใช้พื้นผิวที่เกี่ยวข้อง
พารามิเตอร์ ( ความแน่นและแรงกดทะลุสูงสุด ) ในผลไม้บาง ใช้เทคโนโลยี MPLS nirs ด้วย

การถดถอยไม่มีการอ้างอิงได้ถูกพบในวรรณคดีเพื่อการวัด
ของพารามิเตอร์เหล่านี้ในแมนดารินยังคงใช้เทคโนโลยี nirs .
เ ร์น . kgm ndez-g óแมส et al . ( 2549 ) วัดแรงกด
( คือบังคับต้องบีบผลไม้ 3% ของเส้นผ่าศูนย์กลาง )
ในซัทซูมาแมนดารินเหมือนเดิม ใช้โมโนโครเมเตอร์เครื่องดนตรี
ที่มีช่วงของสเปกตรัมของ 350 – 2500 นาโนเมตร ขอรับ
togood สมเหตุสมผลประสิทธิภาพของการพยากรณ์ ( R2 = 0.75 ; ร์แพด = 1.77 ) อย่างไรก็ตาม , นี้
เนื้อวัดพารามิเตอร์ในการศึกษา ดังนั้นไม่สามารถเปรียบเทียบข้อมูล
.
ทำนายความสามารถของแบบจำลองที่ดีที่สุดเพื่อทำนายความหนาเปลือก
อาจจะถือว่ายอมรับได้สำหรับการคัดกรอง
เนื่องจากค่าบันทึกค่าหา
ข้ามการตรวจสอบ ( R2 = 052 ) จะช่วยให้ตัวอย่างที่ถูกจัดว่า
สูงปานกลางหรือต่ำ ให้เชื่อมโยงระหว่าง
ความหนาเปลือกและผลผลิต ประเภทนี้จะมีค่ามาก

ผลไม้เช่นมะนาวภาค