By contrast, the models obtained fo

By contrast, the models obtained for predicting juice weight and
juice content, both of which are of great importance to the industry,
must be deemed unacceptable in view of the results obtained
both at calibration (Table 3) and at external validation (Fig. 1).
Results for chemical parameters in intact mandarins are shown
in Table 3. The predictive capacity of models for pH and maturity
index may be considered acceptable (r2 = 0.75 and 0.74;
SECV = 0.09 and 1.16), whilst in terms of the recommendations
made by Williams (2001), the precision of models for predicting
soluble solids content and titratable acidity discriminated between
high, medium and low values, with r2 values of 0.55 and 0.64 for
SSC and TA, respectively.
The predictive capacity of the SSC model was poorer than that
reported for intact mandarins by Hernández-Gómez et al. (2006)
(RPD = 4.00; CV = 1.67%) and by Liu et al. (2010) (RPD = 2.90;
CV = 4.17%), although these authors used a monochromator in
the 350–2500 nm range and a diode-array instrument in the
600–980 nm range, respectively. Values of the statistics for the
models constructed in this study were better than those reported
by Hernández-Gómez et al., 2006 for pH (RPD = 1.73; CV = 3.25%)
and by Liu et al. (2010) for TA (RPD = 0.8; CV = 22.72%).
No published studies have addressed the calculation of the
SSC:TA ratio using NIRS technology in intact mandarins.
Validation statistics for the prediction of internal physical–
chemical quality parameters in intact mandarins both on-tree
and at harvest are shown in Fig. 1.
The model constructed for predicting pH in intact mandarins
using a portable MEMS-NIR instrument met the validation requirements
in terms of r2 and slope (r2 > 0.6; slope > 0.90) and both the
SEP(c) and the bias were within confidence limits: the equation
thus ensures accurate prediction, and can be applied routinely.
For pericarp thickness, maximum penetration force and the other
internal chemical quality parameters studied, it should be stressed
that SEP(c) and bias lay within confidence limits, although r2 and
slope results did not always attain recommended minimum values,
indicating that the NIRS equations constructed here can be considered
as a first step in the fine-tuning of NIRS technology for the ontree
monitoring of internal quality parameters in mandarins.

ผลลัพธ์ (ไทย) 1:

โดยคมชัด การคาดการณ์น้ำน้ำหนักได้รูปแบบ และน้ำเนื้อหา ซึ่งทั้งสองมีความสำคัญกับอุตสาหกรรมต้องถือว่าไม่สามารถยอมรับมุมมองผลได้รับทั้ง ที่การปรับเทียบ (ตาราง 3) และ ที่ตรวจสอบภายนอก (Fig. 1)มีแสดงผลสำหรับพารามิเตอร์ทางเคมีใน mandarins เหมือนเดิมในตาราง 3 กำลังงานของแบบจำลองสำหรับค่า pH และครบกำหนดดัชนีอาจถือว่ายอมรับได้ (r2 = 0.75 และ 0.74SECV = 0.09 และ 1.16), ในขณะที่อยู่ ในคำแนะนำโดยวิลเลียมส์ (2001), ความแม่นยำของแบบจำลองการคาดการณ์มีเนื้อหา และ titratable discriminated ระหว่างของแข็งที่ละลายน้ำได้สูง กลาง และต่ำค่า มีค่า r2 0.55 และ 0.64 สำหรับSSC และ TA ตามลำดับกำลังการผลิตคาดการณ์ของแบบจำลอง SSC ไม่ย่อมกว่ารายงานสำหรับ mandarins เหมือนเดิมโดย Hernández Gómez et al. (2006)(RPD = 4.00 CV = 1.67%) และโดยหลิว et al. (2010) (RPD = 2.90CV = 4.17%), ถึงแม้ ว่าผู้เขียนเหล่านี้ใช้ monochromator ใน350 – 2500 nm ช่วงและไดโอดอาร์เรย์ตราสารในการ600 – 980 nm ช่วง ตามลำดับ ค่าสถิติในการแบบจำลองที่สร้างขึ้นในการศึกษานี้ได้ดีกว่านั้นรายงานโดย Hernández Gómez et al., 2006 สำหรับค่า pH (RPD = 1.73 CV = 3.25%)และโดยหลิว et al. (2010) สำหรับ TA (RPD = 0.8 CV = 22.72%)ศึกษาประกาศไม่ได้ระบุการคำนวณการอัตราส่วน SSC:TA ที่ใช้เทคโนโลยีคุณภาพใน mandarins เหมือนเดิมตรวจสอบสถิติการทายผลของจริงภายใน-คุณภาพทางเคมีพารามิเตอร์ใน mandarins เหมือนเดิมทั้งบน-ทรีและที่เก็บเกี่ยวจะแสดงอยู่ใน Fig. 1แบบจำลองที่สร้างขึ้นสำหรับการคาดการณ์ค่า pH ใน mandarins เหมือนเดิมใช้เครื่องมือแบบพกพาของ MEMS NIR ตรงตามความต้องการตรวจสอบr2 และลาด (r2 > 0.6 ลาด > 0.90) และทั้งSEP(c) และความโน้มเอียงอยู่ภายในขีดจำกัดความเชื่อมั่น: สมการใจทำนายแม่นยำ และสามารถใช้เป็นประจำสำหรับความหนาของ pericarp เจาะสูงสุดแรง และอื่น ๆพารามิเตอร์คุณภาพเคมีศึกษา มันควรจะเน้นที่ SEP(c) และอคติวางอยู่ภายในขีดจำกัดความเชื่อมั่น แม้ว่า r2 และผลลัพธ์ความชันได้ไม่วิทยแนะนำค่าต่ำสุดแสดงว่า สมการคุณภาพสร้างที่นี่ถือได้ว่าเป็นขั้นตอนแรกในการปรับจูนเพื่อเทคโนโลยีคุณภาพสำหรับการ ontreeตรวจสอบคุณภาพภายในพารามิเตอร์ใน mandarins

ผลลัพธ์ (ไทย) 3:

โดยคมชัด , โมเดลเพื่อทำนายน้ำหนักได้รับน้ำผลไม้และน้ำผลไม้
เนื้อหา ซึ่งทั้งสองมีความสําคัญมากต่ออุตสาหกรรม
ต้องถือว่ายอมรับไม่ได้ในมุมมองของผล
ทั้งที่การสอบเทียบ ( ตารางที่ 3 ) และในการตรวจสอบภายนอก ( รูปที่ 1 ) .
ผลเคมีเหมือนเดิมแมนดารินจะแสดงพารามิเตอร์
ในตารางที่ 3 ทำนายความสามารถของแบบจำลองวุฒิภาวะ
อดัชนีอาจจะถือว่ายอมรับได้ ( R2 = 0.75 0.74 ;
secv = 0.09 1.16 ) ขณะที่ในส่วนของข้อเสนอแนะ
โดย วิลเลียมส์ ( 2001 ) , ความแม่นยำของแบบจำลองพยากรณ์ปริมาณของแข็งที่ละลายได้ และปริมาณกรดเนื้อหา

เลือกระหว่าง สูง ปานกลาง และมีค่าต่ำ ค่า R2 0.55 และ 0.64 สำหรับ

SSC และ TA ตามลำดับความสามารถในการทำนายของ SSC แบบยากจนกว่าที่
รายงานเหมือนเดิมแมนดารินโดย เอร์นันเดซ . kgm ndez-g óแมส et al . ( 2006 )
( ร์แพด = 4.00 ; CV = 1.67 % ) โดย Liu et al . ( 2010 ) ( ร์แพด = 2.90
CV = 4.17 % ) แต่ผู้เขียนเหล่านี้ใช้โมโนโครเมเตอร์ใน
350 – 2500 นาโนเมตรช่วงและไดโอดอาร์เรย์ที่ใช้ในช่วง
600 – 980 นาโนเมตร ตามลำดับ ค่าของสถิติสำหรับ
แบบจำลองที่สร้างขึ้น ในการศึกษาครั้งนี้ดีกว่าที่รายงานโดย เอร์นันเดซ ndez-g
. kgm óแมส et al . , 2006 ( pH ร์แพด = 1.73 ; CV = 3.25 ) %
โดย Liu et al . ( 2010 ) ( สำหรับทาร์แพด = 0.8 ; CV = 22.72 % )
ไม่เผยแพร่การศึกษาได้ระบุการคำนวณ
SSC : อัตราส่วนทาโดยใช้เทคโนโลยี nirs ในเหมือนเดิม mandarins .
สถิติการตรวจสอบสำหรับการคาดการณ์
–ทางกายภาพภายในคุณภาพทางเคมีของแมนดารินเหมือนเดิมทั้งบนต้นไม้และเก็บเกี่ยว
แสดงในรูปที่ 1 .
รูปแบบสร้างขึ้นเพื่อทำนาย pH ในแมนดารินโดยใช้เครื่องมือ mems-nir เหมือนเดิม

แบบตรงตามความต้องการการตรวจสอบในแง่ของ R2 และความชัน ( R2 > 0.6 ; ลาด > 0.90 ) และทั้งสอง
Sep ( C ) และ อคติอยู่ภายในขอบเขตความเชื่อมั่น : สมการ
จึงยืนยันการทำนายที่ถูกต้องและสามารถใช้ตรวจ .
สำหรับความหนาเปลือกหุ้มแรงทะลุสูงสุดและอื่น ๆสารเคมี
ภายในพารามิเตอร์คุณภาพการศึกษา ควรเน้น
ที่ก.ย. ( C ) และอคติวางภายในขอบเขตความเชื่อมั่น ถึงแม้ว่า R2
ผลลัพธ์และความลาดชันไม่เสมอบรรลุค่าแนะนำขั้นต่ำ
แสดงว่า nirs สมการสามารถสร้างที่นี่ ถือเป็น
เป็นขั้นตอนแรกในการปรับจูนของเทคโนโลยี nirs สำหรับ ontree
ติดตามคุณภาพภายในพารามิเตอร์ในแมนดาริน .