ConclusionThe aim of this study is

Conclusion
The aim of this study is to develop and implement an automated
method for detection and quantification of adulteration
of sesame oil in routine food analysis laboratories. In this paper,
the PCA and SOM are used for screening of the data. It is shown
that different types of mixture of oils are clustered in different
regions based on their intrinsic correlation. Then, the detection
model is designed as a hierarchical approach using the SVM algorithm
and the PLS algorithm. For the prediction of level of sesame
oil in mixture, this hierarchical approach firstly attempts to identify
the type of adulterant using SVM classification. The results
show that the authentic sesame oil can be correctly discriminated
from the adulterated ones, and the adulterated ones also can be
classified with correct rate 100% according to the type of adulterant.
Then, several PLS-based models are built for the mixtures
with specific adulterant. The RMSEs for prediction of sesame oil
range from 1.19% to 4.29%, which meet the requirements of
routine food control.

ผลลัพธ์ (ไทย) 1:

บทสรุปจุดมุ่งหมายของการศึกษานี้คือการ พัฒนา และดำเนินการอัตโนมัติวิธีการตรวจนับของ adulterationน้ำมันงาในห้องปฏิบัติการวิเคราะห์อาหารประจำ ในเอกสารนี้PCA และส้มใช้สำหรับคัดกรองข้อมูล มันแสดงให้เห็นที่แตกต่างกันของส่วนผสมของน้ำมันจะจับกลุ่มในต่างภูมิภาคตามความสัมพันธ์ของ intrinsic ตรวจสอบแล้วออกแบบมาเป็นวิธีการแบบลำดับชั้นโดยใช้อัลกอริทึม SVMและอัลกอริทึมกรุณา สำหรับการคาดการณ์ระดับของงาน้ำมันส่วนผสม วิธีการแบบลำดับชั้นนี้ประการแรกความพยายามที่จะระบุชนิดของ adulterant ที่ใช้จัดประเภทของ SVM ผลลัพธ์แสดงว่า น้ำมันงาแท้สามารถจะถูก discriminatedจากคน adulterated และที่ adulterated คนยังสามารถประเภทอัตราที่ถูกต้อง 100% ตามชนิดของ adulterantจากนั้น สร้างหลายรุ่นกรุณาใช้สำหรับส่วนผสมมี adulterant เฉพาะ RMSEs สำหรับการคาดเดาของน้ำมันงาช่วงจาก 1.19% 4.29% ซึ่งตรงกับความต้องการของการควบคุมอาหารตามปกติ

ผลลัพธ์ (ไทย) 2:

สรุปวัตถุประสงค์ของการศึกษานี้คือการพัฒนาและดำเนินการโดยอัตโนมัติวิธีการสำหรับการตรวจสอบและการหาปริมาณของการปลอมปนน้ำมันงาในห้องปฏิบัติการวิเคราะห์อาหารประจำ ในบทความนี้PCA SOM และถูกนำมาใช้สำหรับการคัดกรองข้อมูล มันแสดงให้เห็นว่าแตกต่างกันของส่วนผสมของน้ำมันที่มีการจัดกลุ่มที่แตกต่างกันในภูมิภาคบนพื้นฐานของความสัมพันธ์ที่แท้จริงของพวกเขา จากนั้นการตรวจสอบรูปแบบการออกแบบเป็นวิธีการลำดับชั้นโดยใช้วิธี SVM และขั้นตอนวิธี PLS สำหรับการคาดการณ์ของระดับของงาน้ำมันในส่วนผสมวิธีการลำดับชั้นแรกนี้พยายามที่จะระบุชนิดของเจือปนโดยใช้การจัดหมวดหมู่SVM ผลแสดงให้เห็นว่าน้ำมันงาแท้สามารถเลือกปฏิบัติได้อย่างถูกต้องจากคนที่ปลอมปนและคนปลอมปนนอกจากนี้ยังสามารถจัดที่มีอัตราที่ถูกต้อง100% ตามประเภทของเจือปน. แล้วหลายรูปแบบ PLS-based ถูกสร้างขึ้นสำหรับผสมกับเฉพาะเจือปน RMSEs การทำนายของน้ำมันงาช่วงจาก1.19% เป็น 4.29% ซึ่งตอบสนองความต้องการของการควบคุมอาหารประจำวัน

ผลลัพธ์ (ไทย) 3:

สรุป
จุดมุ่งหมายของการศึกษานี้คือ เพื่อพัฒนาวิธีการตรวจหาอัตโนมัติ

และ ปริมาณของการปลอมปนของน้ำมันงาในห้องปฏิบัติการวิเคราะห์อาหารตามปกติ ในกระดาษนี้
PCA และส้มจะใช้สำหรับการคัดกรองข้อมูล มันแสดง
ต่างชนิด ส่วนผสมของน้ำมันจะกระจายในภูมิภาคต่างๆ
ตามความสัมพันธ์ที่แท้จริงของพวกเขา แล้ว การตรวจหา
รูปแบบการออกแบบเป็นลำดับชั้นวิธีโดยใช้ SVM ขั้นตอนวิธี
และ pls ขั้นตอนวิธี เพื่อทำนายระดับของน้ำมันงา
ในส่วนผสม , วิธีการลำดับชั้นนี้ แรก ความพยายามที่จะระบุชนิดของการเจือปน
โดยใช้ SVM . ผลลัพธ์ที่แสดงให้เห็นว่าน้ำมันงาแท้

สามารถถูกเลือกจากคนที่ปลอมปน และปลอมปนที่ยังสามารถ
จำแนกตามคะแนน 100% ถูกต้องตามชนิดของสิ่งเจือปน .
แล้วหลายกรุณาตามรูปแบบถูกสร้างขึ้นสำหรับส่วนผสม
กับสิ่งเจือปนที่เฉพาะเจาะจง การ rmses พยากรณ์ของน้ำมันงา
ช่วงจาก 1.19 % ไป 4.29% ซึ่งตรงกับความต้องการของ
คุมอาหารตามปกติ