- ข้อความ
- ประวัติศาสตร์
2. Materials and methods2.1. Select
2. Materials and methods
2.1. Selection of passion fruit, tomato and apricot
A total of 61 yellow passion fruits (Passiflora edulis f. flavicarpa),
in two different ripening stages (green–yellow and yellow) were
harvested in 2011 in southern Brazil. For tomato, a total of 150
fruits of cultivar ‘Levovil’, in five different ripening stages (green,
green–orange, orange–green, orange, red) were harvested in 2008
from an experimental greenhouse of INRA (Institut de la Recherche
Agronomique) located in Southern France. 116 apricot fruits from
three cultivars, named ‘Bergeron’, ‘Iranien’ and ‘A4034’ were harvested
at two different stages of ripening: yellow (unripe) and orange
(ripe) in INRA experimental orchards (Amarine and
Gotheron), in South of France, in 2010.
Non-destructive measurements were performed on the day of
picking for each fruit and conventional, destructive, measurements
were carried out a few days later on frozen materials.
2.2. Near-infrared diffuse reflectance measurements (FT-NIR)
Spectra were collected for all samples in reflectance mode (log
1R1
) using a multi-purpose analyser (MPA) spectrometer (Bruker
Optics). The instrument was equipped with an integrating sphere
to provide diffuse reflectance measurements and a TE-InGaAs
detector. The MPA was fully software-controlled (OPUS software
Version 5.0, Bruker Optics).
The NIR spectrum for each sample was obtained from an average
of 32 scans. NIR spectra were acquired between 800 and
2700 nm at 2 nm spectral resolution, with a scanner velocity of
10 kHz and a background of 32 scans. The time required to achieve
a spectral measurement was 30 s. Intact tomato and apricot fruits
were placed on an automated 30-position sample wheel, each position
corresponding to an 18 mm diameter hole. The spectra for
passion fruit were obtained in Brazil, an identical spectrometer
was used (Bruker Optics) but without sample wheel. Fruits were
placed at each-calyx axis set to the horizontal position. On each
fruit, two opposite spectra were captured and the average of the
two spectra was used (for the development of the models).
2.3. Determination of soluble solids content and titratable acidity
through reference methods
Soluble solids content (SSC) was determined with a digital
refractometer (PR-101 ATAGO, Norfolk, VA) with temperature
compensation. SSC was expressed in Brix. Titratable acidity (TA),
determined by titration up to pH 8.1 with 0.1 N NaOH, was expressed
in mmol H+
100 g1 of fresh weight (FW).
2.4. Calibration and validation sets
PCA (principal component analysis) was initially performed
using all available samples (n = 61 for passion fruit; n = 150 for tomato
and n = 116 for apricot) in order to evaluate the variability
among the samples, to eliminate the aberrant spectra due to acquisition
problems and to separate groups for calibration and internal
validation. Samples to be used for both calibration and internal validation
sets were selected solely on the basis of spectral data, following
the method proposed by Shenk and Westerhaus (1991)
which uses the pre-processing mean centering and ensures that
all results will be interpretable in terms of variation around the
mean. It is recommended for all practical applications (Nicolai
et al., 2007).
Spectral preprocessing techniques were used to remove any
irrelevant information that could not be handled properly by the
regression techniques. Several preprocessing methods have been
applied for this purpose. Smoothing techniques removed random
noise from near infrared spectra, while MSC (multiple scatter correction)
was used to compensate additive (baseline shift) and multiplicative
effects in the spectral data, that are induced by physical
effects, such as the non-uniform scattering throughout the spectrum
as the dependence of scattering degree on radiation wavelength,
particle size and refractive index (Nicolai et al., 2007).
In order to generate the prediction models for the quality traits
of interest, the samples were grouped into two sets to have 80%
samples for calibration and 20% for internal validation (Table 1).
It is worthwhile to point out that internal validation samples were
not utilized in calibration and cross validation steps, in order to
avoid overfitting.
2.5. Chemometric treatment of the data
The MatLab software package (version 6.5, Mathworks, USA)
and Origin 6.1 (OriginLab Inc., Northampton, USA) was used for
the chemometric treatment of the data.
Partial least squares (PLS) regression models were built for the
prediction of SSC and TA, using the spectral data (matrix X) and
measurements carried out through the use of reference methods
(matrix Y). In PLS, both the spectral matrix X and the reference data
in the matrix Y were used for the calibration.
To determine the optimal number of latent variables (LV), internal
cross-validation method was applied; through the routine
‘‘Leave one out’’. Root mean square error for cross validation
(RMSECV) was obtained by comparing the predicted concentration
with its experimental value. RMSECV was plotted against LVs to set
the optimal number of LVs.
In order to identify anomalous samples (outliers) the leverage
criterion and the Student residuals were used. The leverage criterion
represents the influence of each sample in the regression model,
with a threshold equal to 3 LV/n where n is the number of
samples. The student residual indicates if the sample is within a
22
2.1. Selection of passion fruit, tomato and apricot
A total of 61 yellow passion fruits (Passiflora edulis f. flavicarpa),
in two different ripening stages (green–yellow and yellow) were
harvested in 2011 in southern Brazil. For tomato, a total of 150
fruits of cultivar ‘Levovil’, in five different ripening stages (green,
green–orange, orange–green, orange, red) were harvested in 2008
from an experimental greenhouse of INRA (Institut de la Recherche
Agronomique) located in Southern France. 116 apricot fruits from
three cultivars, named ‘Bergeron’, ‘Iranien’ and ‘A4034’ were harvested
at two different stages of ripening: yellow (unripe) and orange
(ripe) in INRA experimental orchards (Amarine and
Gotheron), in South of France, in 2010.
Non-destructive measurements were performed on the day of
picking for each fruit and conventional, destructive, measurements
were carried out a few days later on frozen materials.
2.2. Near-infrared diffuse reflectance measurements (FT-NIR)
Spectra were collected for all samples in reflectance mode (log
1R1
) using a multi-purpose analyser (MPA) spectrometer (Bruker
Optics). The instrument was equipped with an integrating sphere
to provide diffuse reflectance measurements and a TE-InGaAs
detector. The MPA was fully software-controlled (OPUS software
Version 5.0, Bruker Optics).
The NIR spectrum for each sample was obtained from an average
of 32 scans. NIR spectra were acquired between 800 and
2700 nm at 2 nm spectral resolution, with a scanner velocity of
10 kHz and a background of 32 scans. The time required to achieve
a spectral measurement was 30 s. Intact tomato and apricot fruits
were placed on an automated 30-position sample wheel, each position
corresponding to an 18 mm diameter hole. The spectra for
passion fruit were obtained in Brazil, an identical spectrometer
was used (Bruker Optics) but without sample wheel. Fruits were
placed at each-calyx axis set to the horizontal position. On each
fruit, two opposite spectra were captured and the average of the
two spectra was used (for the development of the models).
2.3. Determination of soluble solids content and titratable acidity
through reference methods
Soluble solids content (SSC) was determined with a digital
refractometer (PR-101 ATAGO, Norfolk, VA) with temperature
compensation. SSC was expressed in Brix. Titratable acidity (TA),
determined by titration up to pH 8.1 with 0.1 N NaOH, was expressed
in mmol H+
100 g1 of fresh weight (FW).
2.4. Calibration and validation sets
PCA (principal component analysis) was initially performed
using all available samples (n = 61 for passion fruit; n = 150 for tomato
and n = 116 for apricot) in order to evaluate the variability
among the samples, to eliminate the aberrant spectra due to acquisition
problems and to separate groups for calibration and internal
validation. Samples to be used for both calibration and internal validation
sets were selected solely on the basis of spectral data, following
the method proposed by Shenk and Westerhaus (1991)
which uses the pre-processing mean centering and ensures that
all results will be interpretable in terms of variation around the
mean. It is recommended for all practical applications (Nicolai
et al., 2007).
Spectral preprocessing techniques were used to remove any
irrelevant information that could not be handled properly by the
regression techniques. Several preprocessing methods have been
applied for this purpose. Smoothing techniques removed random
noise from near infrared spectra, while MSC (multiple scatter correction)
was used to compensate additive (baseline shift) and multiplicative
effects in the spectral data, that are induced by physical
effects, such as the non-uniform scattering throughout the spectrum
as the dependence of scattering degree on radiation wavelength,
particle size and refractive index (Nicolai et al., 2007).
In order to generate the prediction models for the quality traits
of interest, the samples were grouped into two sets to have 80%
samples for calibration and 20% for internal validation (Table 1).
It is worthwhile to point out that internal validation samples were
not utilized in calibration and cross validation steps, in order to
avoid overfitting.
2.5. Chemometric treatment of the data
The MatLab software package (version 6.5, Mathworks, USA)
and Origin 6.1 (OriginLab Inc., Northampton, USA) was used for
the chemometric treatment of the data.
Partial least squares (PLS) regression models were built for the
prediction of SSC and TA, using the spectral data (matrix X) and
measurements carried out through the use of reference methods
(matrix Y). In PLS, both the spectral matrix X and the reference data
in the matrix Y were used for the calibration.
To determine the optimal number of latent variables (LV), internal
cross-validation method was applied; through the routine
‘‘Leave one out’’. Root mean square error for cross validation
(RMSECV) was obtained by comparing the predicted concentration
with its experimental value. RMSECV was plotted against LVs to set
the optimal number of LVs.
In order to identify anomalous samples (outliers) the leverage
criterion and the Student residuals were used. The leverage criterion
represents the influence of each sample in the regression model,
with a threshold equal to 3 LV/n where n is the number of
samples. The student residual indicates if the sample is within a
22
0/5000
2. วัสดุและวิธีการ2.1. การเลือกผลไม้ มะเขือเทศ และพพริจำนวน 61 สีเหลืองผลไม้เสาวรส (Passiflora edulis f. flavicarpa),ในสอง ripening ระยะต่าง ๆ (การสีเขียวเหลือง และการสีเหลือง)เก็บเกี่ยวในปี 2011 ในประเทศบราซิล สำหรับมะเขือเทศ จำนวน 150ผลไม้ของ cultivar 'Levovil' ในระยะ ripening ห้าต่าง ๆ (สีเขียวสีเขียว – สีส้ม สีส้ม เขียว สีส้ม สีแดง) ถูกเก็บเกี่ยวในปี 2008จากเรือนกระจกการทดลองของ INRA (สถาบัน de la RechercheAgronomique) ตั้งอยู่ในประเทศฝรั่งเศส ผลไม้บ๊วย 116 จาก3 พันธุ์ ชื่อ 'Bergeron', 'Iranien' และ 'A4034' ถูกเก็บเกี่ยวในขั้นตอนที่แตกต่างกันสองของ ripening: (ดิบ ๆ) สีเหลือง และสีส้ม(สุก) ในสวนทดลอง INRA (Amarine และGotheron), ทางใต้ของฝรั่งเศส 2553ไม่ทำลายวัดได้ดำเนินการในวันสำหรับผลไม้แต่ละวัดธรรมดา การ ทำลาย การเบิกสินค้าได้ดำเนินการกี่วันผลิตน้ำแข็งในภายหลัง2.2. ใกล้อินฟราเรดกระจายแบบสะท้อนแสงขนาด (ฟุต-NIR)แรมสเป็คตราถูกเก็บรวบรวมตัวอย่างทั้งหมดในโหมดแบบสะท้อนแสง (ล็อก1R1) โดยใช้สเปกโตรมิเตอร์หลายวัตถุประสงค์ analyser (แรง) (Brukerเครื่องแก้ไขภาพกล้อง) เครื่องมือเพียบพร้อมไป ด้วยการทรงกลมรวมเพื่อให้วัดแบบสะท้อนแสงที่กระจายและเต้-InGaAsเครื่องตรวจจับ แรงถูกเต็มซอฟต์แวร์ควบคุม (OPUS ซอฟต์แวร์รุ่น 5.0, Bruker เลนส์)คลื่น NIR สำหรับแต่ละตัวอย่างได้รับจากค่าเฉลี่ยของแกน 32 สินทรัพย์ระหว่าง 800 แรมสเป็คตรา NIR และ2700 nm ที่ 2 nm สเปกตรัมละเอียด กับสแกนเนอร์ความเร็วของ10 kHz และพื้นหลังของการสแกน 32 เวลาที่ต้องบรรลุการวัดสเปกตรัมมีมะเขือเทศเหมือนเดิม s ได้และผลไม้บ๊วย 30ใส่ในตัวอย่าง 30 ตำแหน่งอัตโนมัติล้อ แต่ละตำแหน่งที่สอดคล้องกับหลุมมีเส้นผ่าศูนย์กลาง 18 มม. แรมสเป็คตราสำหรับผลไม้ที่ได้รับมาในบราซิล สเปกโตรมิเตอร์เหมือนกันถูกใช้ (Bruker แสง) แต่ไม่ มีล้อตัวอย่าง ผลไม้ได้อยู่ที่แต่ละคาลิกซ์แกนตั้งค่าตำแหน่งแนวนอน ในแต่ละผลไม้ แรมสเป็คตราข้ามสองรวม และค่าเฉลี่ยของการใช้แรมสเป็คตรา 2 (การพัฒนาของรูปแบบ)2.3 การกำหนดของแข็งละลายน้ำมีเนื้อหา และ titratableโดยวิธีอ้างอิงกำหนดเนื้อหาของแข็งละลายน้ำ (SSC) กับแบบดิจิตอลrefractometer (อาตาโกะ PR-101 โฟล์ค VA) กับอุณหภูมิค่าตอบแทน SSC ได้แสดงใน Brix มี titratable (ตา),กำหนด โดยการไทเทรตถึง pH 8.1 ด้วย 0.1 N NaOH ได้แสดงใน mmol H +g1 100 น้ำหนักสด (FW)2.4 การปรับเทียบและตรวจสอบชุดเริ่มทำการสมาคม (การวิเคราะห์ส่วนประกอบหลัก)ใช้ตัวอย่างที่ใช้ทั้งหมด (n = 61 สำหรับผลไม้ n = 150 สำหรับมะเขือเทศและ n = 116 สำหรับพพริ) เพื่อประเมินความแปรผันที่ในตัวอย่าง การกำจัดแรมสเป็คตรา aberrant เนื่องจากซื้อปัญหาและแยกกลุ่มสอบเทียบ และภายในการตรวจสอบ ตัวอย่างที่ใช้สำหรับการปรับเทียบและตรวจสอบภายในเลือกชุด โดยข้อมูลสเปกตรัม ต่อไปนี้วิธีการนำเสนอ โดย Shenk และ Westerhaus (1991)ที่ใช้การประมวลผลเบื้องต้นหมายถึงจัดกึ่งกลาง และมั่นใจได้อย่างไรผลลัพธ์ทั้งหมดจะ interpretable ในการเปลี่ยนแปลงสถานหมายความว่า แนะนำสำหรับการใช้งานจริงทั้งหมด (Nicolaiร้อยเอ็ด al., 2007)ใช้เทคนิคสเปกตรัมเบื้องในการเอาออกเกี่ยวข้องกับข้อมูลที่ไม่ถูกจัดการอย่างถูกต้องโดยการเทคนิคการถดถอย วิธีการประมวลผลเบื้องต้นต่าง ๆ ได้ใช้สำหรับวัตถุประสงค์นี้ เทคนิคการปรับให้เรียบเอาสุ่มเสียงจากใกล้แรมสเป็คตราอินฟราเรด ในขณะที่หลัก (หลายกระจายการแก้ไข)ใช้แทนการบวก (พื้นฐานกะ) และเชิงการคูณผลข้อมูลสเปกตรัม ที่เกิดจากทางกายผล เช่น scattering ไม่สม่ำเสมอตลอดทั้งเป็นที่พึ่งของ scattering องศาความยาวคลื่นของรังสีขนาดอนุภาคและดรรชนี (Nicolai et al., 2007)การสร้างแบบจำลองพยากรณ์ในลักษณะคุณภาพน่าสนใจ ตัวอย่างถูกแบ่งออกเป็นสองชุดให้ 80%ตัวอย่างสำหรับการปรับเทียบและ 20% สำหรับการตรวจสอบภายใน (ตารางที่ 1)ก็คุ้มค่าที่จะชี้ตัวอย่างการตรวจสอบภายในได้ไม่ใช้ในตอนสอบเทียบและข้าม เพื่อหลีกเลี่ยง overfitting2.5 การ Chemometric รักษาข้อมูลแพคเกจซอฟต์แวร์ MatLab (เวอร์ชัน 6.5, Mathworks สหรัฐอเมริกา)6.1 กำเนิด (OriginLab Inc. ณ สหรัฐอเมริกา) ถูกใช้สำหรับการรักษา chemometric ของข้อมูลแบบจำลองถดถอยบางส่วนกำลังสองน้อยสุด (กรุณา) ถูกสร้างขึ้นสำหรับการทำนายของ SSC และตา ใช้ข้อมูลสเปกตรัม (เมตริกซ์ X) และวัดที่ดำเนินการโดยใช้วิธีการอ้างอิง(เมตริกซ์ Y) ในกรุณา เมตริกซ์สเปกตรัม X และข้อมูลอ้างอิงในเมตริกซ์ Y ถูกใช้สำหรับการปรับเทียบการกำหนดจำนวนสูงสุดของแฝงอยู่ตัวแปร (LV), ภายในใช้วิธีการตรวจสอบข้าม ผ่านขั้นตอนการ''ปล่อยหนึ่งออก '' ข้อผิดพลาดรากค่าเฉลี่ยกำลังสองสำหรับการข้ามการตรวจสอบ(RMSECV) ได้รับ โดยการเปรียบเทียบความเข้มข้นคาดการณ์ด้วยค่าทดลอง RMSECV ถูกพล็อตกับ LVs ตั้งจำนวนที่เหมาะสมของ LVsเพื่อระบุตัวอย่าง anomalous (outliers) ประสิทธิภาพการดำเนินงานมีใช้เงื่อนไขและค่าคงเหลือนักเรียน เกณฑ์ประสิทธิภาพการดำเนินงานแสดงถึงอิทธิพลของแต่ละอย่างในแบบจำลองถดถอยขีดเริ่มเท่ากับ LV 3 n ซึ่ง n เป็นจำนวนตัวอย่างการ นักเรียนที่เหลือระบุว่า ถ้า ตัวอย่างอยู่ภายในตัว22
การแปล กรุณารอสักครู่..
2. วัสดุและวิธีการ
2.1 การเลือกของเสาวรส, มะเขือเทศและ apricot
รวม 61 ผลไม้สีเหลืองความรัก (เสาวรส f. flavicarpa)
ในสองขั้นตอนการทำให้สุกที่แตกต่างกัน (สีเขียวสีเหลืองและสีเหลือง)
ได้รับการเก็บเกี่ยวในปี2011 ในภาคใต้ของบราซิล สำหรับมะเขือเทศรวมของ 150
ผลของพันธุ์ 'Levovil' ในห้าขั้นตอนการทำให้สุกที่แตกต่างกัน (สีเขียว,
สีเขียวสีส้มสีส้มสีเขียว, สีส้ม, สีแดง) ถูกเก็บเกี่ยวในปี 2008
จากเรือนกระจกทดลอง INRA (Institut de la Recherche
Agronomique ) ตั้งอยู่ในภาคใต้ของประเทศฝรั่งเศส 116 ผลไม้ apricot
จากสามสายพันธุ์ที่ชื่อว่า'รอน', 'Iranien' และ 'เส้นทาง A4034' เก็บเกี่ยวที่สองขั้นตอนที่แตกต่างกันของสุก: สีเหลือง (สุก) และสีส้ม (สุก) ในสวนผลไม้ทดลอง INRA (Amarine และGotheron) ในภาคใต้ของ ประเทศฝรั่งเศสในปี 2010 การวัดแบบไม่ทำลายได้ดำเนินการในวันที่เลือกสำหรับแต่ละผลไม้และการชุมนุมทำลายวัดได้ดำเนินการกี่วันต่อมาบนวัสดุแข็ง. 2.2 อินฟราเรดใกล้วัดสะท้อนกระจาย (FT-NIR) Spectra ถูกเก็บรวบรวมตัวอย่างทั้งหมดในโหมดการสะท้อน (log 1R1) โดยใช้การวิเคราะห์อเนกประสงค์ (MPA) สเปกโตรมิเตอร์ (Bruker Optics) ที่ใช้ในการติดตั้งที่มีรูปทรงกลมการบูรณาการเพื่อให้การวัดการสะท้อนกระจายและ TE-InGaAs ตรวจจับ MPA เป็นซอฟแวร์อย่างเต็มที่ควบคุม (ซอฟต์แวร์ OPUS เวอร์ชั่น 5.0, Bruker Optics). สเปกตรัม NIR สำหรับแต่ละตัวอย่างที่ได้รับจากค่าเฉลี่ยของ32 สแกน สเปกตรัม NIR ได้มาระหว่าง 800 และ2700 นาโนเมตรที่ความละเอียดสเปกตรัม 2 นาโนเมตรมีความเร็วในการสแกนเนอร์ของ10 เฮิร์ทซ์และพื้นหลังของ 32 สแกน เวลาที่จำเป็นเพื่อให้บรรลุการวัดสเปกตรัมเป็น 30 วินาที มะเขือเทศเหมือนเดิมและแอปริคอทผลไม้ที่ถูกวางไว้บนล้ออัตโนมัติตัวอย่าง 30 ตำแหน่งแต่ละตำแหน่งที่สอดคล้องกับหลุมขนาดเส้นผ่าศูนย์กลาง18 มม สเปกตรัมสำหรับเสาวรสที่ได้รับในบราซิลซึ่งเป็นสเปกโตรมิเตอร์เหมือนกันถูกนำมาใช้(Bruker Optics) แต่ไม่มีล้อตัวอย่าง ผลไม้ที่ถูกวางไว้ที่แกนแต่ละกลีบเลี้ยง-กำหนดให้ตำแหน่งแนวนอน ในแต่ละผลไม้สองสเปกตรัมตรงข้ามถูกจับและค่าเฉลี่ยของทั้งสองถูกนำมาใช้สเปกตรัม(สำหรับการพัฒนาของรุ่น). 2.3 การหาปริมาณของแข็งที่ละลายน้ำได้และความเป็นกรดที่ไทเทรตด้วยวิธีการอ้างอิงปริมาณของแข็งที่ละลายน้ำได้(SSC) ถูกกำหนดด้วยดิจิตอลเครื่องวัด(PR-101 Atago, เวอร์จิเนีย) ที่มีอุณหภูมิชดเชย เอสเอสได้รับการแสดงใน Brix ปริมาณกรด (TA) กำหนดโดยการไทเทรตถึงค่า pH 8.1 0.1 N NaOH ถูกแสดงในมิลลิโมH + 100 g1 ของน้ำหนักสด (FW). 2.4 การสอบเทียบและการตรวจสอบชุดPCA (การวิเคราะห์องค์ประกอบหลัก) ที่ได้ดำเนินการในขั้นต้นโดยใช้กลุ่มตัวอย่างที่มีอยู่ทั้งหมด(n = 61 เสาวรส; n = 150 สำหรับมะเขือเทศและn = 116 สำหรับแอปริคอท) เพื่อประเมินความแปรปรวนในหมู่กลุ่มตัวอย่างที่จะกำจัดสเปกตรัมผิดปกติจากการเข้าซื้อปัญหาและกลุ่มที่แยกต่างหากสำหรับการสอบเทียบภายในและการตรวจสอบ ตัวอย่างที่จะใช้สำหรับทั้งการสอบเทียบและการตรวจสอบภายในชุดได้รับการคัดเลือกแต่เพียงผู้เดียวบนพื้นฐานของข้อมูลสเปกตรัมตามวิธีการที่เสนอโดยเหตุเกิดและWesterhaus (1991) ซึ่งใช้การประมวลผลก่อนหมายถึงตรงกลางและทำให้มั่นใจว่าผลการทั้งหมดจะ interpretable ในแง่ ของการเปลี่ยนแปลงรอบเฉลี่ย ขอแนะนำสำหรับการใช้งานจริงทั้งหมด (นิโคet al., 2007). เทคนิคการประมวลผลเบื้องต้นผีถูกนำมาใช้ในการลบข้อมูลที่ไม่เกี่ยวข้องที่ไม่ได้รับการจัดการอย่างถูกต้องโดยเทคนิคการถดถอย วิธีการ preprocessing หลายคนได้รับนำไปใช้เพื่อการนี้ เทคนิคการปรับให้เรียบลบออกสุ่มเสียงจากสเปกตรัมอินฟราเรดใกล้ในขณะที่ MSC (หลายแก้ไขกระจาย) ถูกนำมาใช้เพื่อชดเชยสารเติมแต่ง (พื้นฐานการเปลี่ยนแปลง) และคูณผลกระทบในข้อมูลสเปกตรัมที่จะเกิดจากทางกายภาพผลกระทบเช่นกระจายไม่สม่ำเสมอตลอดคลื่นความถี่เป็นพึ่งพาการศึกษาระดับปริญญากระเจิงกับความยาวคลื่นรังสีขนาดอนุภาคและดัชนีหักเหของแสง(นิโค et al., 2007). เพื่อที่จะสร้างแบบจำลองการคาดการณ์สำหรับลักษณะที่มีคุณภาพที่น่าสนใจตัวอย่างถูกแบ่งออกเป็นสองชุดจะมี 80% ตัวอย่างสำหรับการสอบเทียบและ 20% สำหรับการตรวจสอบภายใน (ตารางที่ 1). มันคุ้มค่าที่จะชี้ให้เห็นว่าการตรวจสอบภายในตัวอย่างถูกไม่ได้ใช้ประโยชน์ในการสอบเทียบและขั้นตอนการตรวจสอบข้ามเพื่อที่จะหลีกเลี่ยงการอิง. 2.5 การรักษา chemometric ของข้อมูลแพคเกจซอฟต์แวร์MatLab (รุ่น 6.5 Mathworks สหรัฐอเมริกา) และแหล่งกำเนิด 6.1? (OriginLab อิงค์นอร์ทอเมริกา) ที่ใช้สำหรับการรักษาchemometric ของข้อมูล. บางส่วนน้อยสแควร์ (PLS) รุ่นถดถอยถูกสร้างขึ้นสำหรับการคาดการณ์ของเอสเอสและTA โดยใช้ข้อมูลสเปกตรัม (เมทริกซ์ X) และการวัดที่ดำเนินการผ่านการใช้วิธีการอ้างอิง(เมทริกซ์ Y) ใน PLS ทั้งเมทริกซ์สเปกตรัม X และข้อมูลอ้างอิงในเมทริกซ์Y ถูกนำมาใช้สำหรับการสอบเทียบ. เพื่อตรวจสอบจำนวนที่เหมาะสมของตัวแปรแฝง (LV) ภายในวิธีการตรวจสอบข้ามถูกนำมาใช้; ผ่านกิจวัตรประจำวัน'' ฝากหนึ่ง '' รากหมายถึงข้อผิดพลาดของตารางสำหรับการตรวจสอบข้าม(RMSECV) ที่ได้รับโดยการเปรียบเทียบความเข้มข้นที่คาดการณ์ไว้มีมูลค่าทดลอง RMSECV ถูกพล็อตกับ LVs การตั้งจำนวนที่เหมาะสมของLVs. เพื่อที่จะระบุตัวอย่างที่ผิดปกติ (ค่าผิดปกติ) ยกระดับเกณฑ์และนักศึกษาที่เหลือถูกนำมาใช้ เกณฑ์การใช้ประโยชน์จากแสดงให้เห็นถึงอิทธิพลของแต่ละตัวอย่างในรูปแบบการถดถอยที่มีเกณฑ์เท่ากับ3 เลเวล / n ที่ n คือจำนวนของกลุ่มตัวอย่าง เหลือนักเรียนระบุว่าตัวอย่างอยู่ภายใน22
2.1 การเลือกของเสาวรส, มะเขือเทศและ apricot
รวม 61 ผลไม้สีเหลืองความรัก (เสาวรส f. flavicarpa)
ในสองขั้นตอนการทำให้สุกที่แตกต่างกัน (สีเขียวสีเหลืองและสีเหลือง)
ได้รับการเก็บเกี่ยวในปี2011 ในภาคใต้ของบราซิล สำหรับมะเขือเทศรวมของ 150
ผลของพันธุ์ 'Levovil' ในห้าขั้นตอนการทำให้สุกที่แตกต่างกัน (สีเขียว,
สีเขียวสีส้มสีส้มสีเขียว, สีส้ม, สีแดง) ถูกเก็บเกี่ยวในปี 2008
จากเรือนกระจกทดลอง INRA (Institut de la Recherche
Agronomique ) ตั้งอยู่ในภาคใต้ของประเทศฝรั่งเศส 116 ผลไม้ apricot
จากสามสายพันธุ์ที่ชื่อว่า'รอน', 'Iranien' และ 'เส้นทาง A4034' เก็บเกี่ยวที่สองขั้นตอนที่แตกต่างกันของสุก: สีเหลือง (สุก) และสีส้ม (สุก) ในสวนผลไม้ทดลอง INRA (Amarine และGotheron) ในภาคใต้ของ ประเทศฝรั่งเศสในปี 2010 การวัดแบบไม่ทำลายได้ดำเนินการในวันที่เลือกสำหรับแต่ละผลไม้และการชุมนุมทำลายวัดได้ดำเนินการกี่วันต่อมาบนวัสดุแข็ง. 2.2 อินฟราเรดใกล้วัดสะท้อนกระจาย (FT-NIR) Spectra ถูกเก็บรวบรวมตัวอย่างทั้งหมดในโหมดการสะท้อน (log 1R1) โดยใช้การวิเคราะห์อเนกประสงค์ (MPA) สเปกโตรมิเตอร์ (Bruker Optics) ที่ใช้ในการติดตั้งที่มีรูปทรงกลมการบูรณาการเพื่อให้การวัดการสะท้อนกระจายและ TE-InGaAs ตรวจจับ MPA เป็นซอฟแวร์อย่างเต็มที่ควบคุม (ซอฟต์แวร์ OPUS เวอร์ชั่น 5.0, Bruker Optics). สเปกตรัม NIR สำหรับแต่ละตัวอย่างที่ได้รับจากค่าเฉลี่ยของ32 สแกน สเปกตรัม NIR ได้มาระหว่าง 800 และ2700 นาโนเมตรที่ความละเอียดสเปกตรัม 2 นาโนเมตรมีความเร็วในการสแกนเนอร์ของ10 เฮิร์ทซ์และพื้นหลังของ 32 สแกน เวลาที่จำเป็นเพื่อให้บรรลุการวัดสเปกตรัมเป็น 30 วินาที มะเขือเทศเหมือนเดิมและแอปริคอทผลไม้ที่ถูกวางไว้บนล้ออัตโนมัติตัวอย่าง 30 ตำแหน่งแต่ละตำแหน่งที่สอดคล้องกับหลุมขนาดเส้นผ่าศูนย์กลาง18 มม สเปกตรัมสำหรับเสาวรสที่ได้รับในบราซิลซึ่งเป็นสเปกโตรมิเตอร์เหมือนกันถูกนำมาใช้(Bruker Optics) แต่ไม่มีล้อตัวอย่าง ผลไม้ที่ถูกวางไว้ที่แกนแต่ละกลีบเลี้ยง-กำหนดให้ตำแหน่งแนวนอน ในแต่ละผลไม้สองสเปกตรัมตรงข้ามถูกจับและค่าเฉลี่ยของทั้งสองถูกนำมาใช้สเปกตรัม(สำหรับการพัฒนาของรุ่น). 2.3 การหาปริมาณของแข็งที่ละลายน้ำได้และความเป็นกรดที่ไทเทรตด้วยวิธีการอ้างอิงปริมาณของแข็งที่ละลายน้ำได้(SSC) ถูกกำหนดด้วยดิจิตอลเครื่องวัด(PR-101 Atago, เวอร์จิเนีย) ที่มีอุณหภูมิชดเชย เอสเอสได้รับการแสดงใน Brix ปริมาณกรด (TA) กำหนดโดยการไทเทรตถึงค่า pH 8.1 0.1 N NaOH ถูกแสดงในมิลลิโมH + 100 g1 ของน้ำหนักสด (FW). 2.4 การสอบเทียบและการตรวจสอบชุดPCA (การวิเคราะห์องค์ประกอบหลัก) ที่ได้ดำเนินการในขั้นต้นโดยใช้กลุ่มตัวอย่างที่มีอยู่ทั้งหมด(n = 61 เสาวรส; n = 150 สำหรับมะเขือเทศและn = 116 สำหรับแอปริคอท) เพื่อประเมินความแปรปรวนในหมู่กลุ่มตัวอย่างที่จะกำจัดสเปกตรัมผิดปกติจากการเข้าซื้อปัญหาและกลุ่มที่แยกต่างหากสำหรับการสอบเทียบภายในและการตรวจสอบ ตัวอย่างที่จะใช้สำหรับทั้งการสอบเทียบและการตรวจสอบภายในชุดได้รับการคัดเลือกแต่เพียงผู้เดียวบนพื้นฐานของข้อมูลสเปกตรัมตามวิธีการที่เสนอโดยเหตุเกิดและWesterhaus (1991) ซึ่งใช้การประมวลผลก่อนหมายถึงตรงกลางและทำให้มั่นใจว่าผลการทั้งหมดจะ interpretable ในแง่ ของการเปลี่ยนแปลงรอบเฉลี่ย ขอแนะนำสำหรับการใช้งานจริงทั้งหมด (นิโคet al., 2007). เทคนิคการประมวลผลเบื้องต้นผีถูกนำมาใช้ในการลบข้อมูลที่ไม่เกี่ยวข้องที่ไม่ได้รับการจัดการอย่างถูกต้องโดยเทคนิคการถดถอย วิธีการ preprocessing หลายคนได้รับนำไปใช้เพื่อการนี้ เทคนิคการปรับให้เรียบลบออกสุ่มเสียงจากสเปกตรัมอินฟราเรดใกล้ในขณะที่ MSC (หลายแก้ไขกระจาย) ถูกนำมาใช้เพื่อชดเชยสารเติมแต่ง (พื้นฐานการเปลี่ยนแปลง) และคูณผลกระทบในข้อมูลสเปกตรัมที่จะเกิดจากทางกายภาพผลกระทบเช่นกระจายไม่สม่ำเสมอตลอดคลื่นความถี่เป็นพึ่งพาการศึกษาระดับปริญญากระเจิงกับความยาวคลื่นรังสีขนาดอนุภาคและดัชนีหักเหของแสง(นิโค et al., 2007). เพื่อที่จะสร้างแบบจำลองการคาดการณ์สำหรับลักษณะที่มีคุณภาพที่น่าสนใจตัวอย่างถูกแบ่งออกเป็นสองชุดจะมี 80% ตัวอย่างสำหรับการสอบเทียบและ 20% สำหรับการตรวจสอบภายใน (ตารางที่ 1). มันคุ้มค่าที่จะชี้ให้เห็นว่าการตรวจสอบภายในตัวอย่างถูกไม่ได้ใช้ประโยชน์ในการสอบเทียบและขั้นตอนการตรวจสอบข้ามเพื่อที่จะหลีกเลี่ยงการอิง. 2.5 การรักษา chemometric ของข้อมูลแพคเกจซอฟต์แวร์MatLab (รุ่น 6.5 Mathworks สหรัฐอเมริกา) และแหล่งกำเนิด 6.1? (OriginLab อิงค์นอร์ทอเมริกา) ที่ใช้สำหรับการรักษาchemometric ของข้อมูล. บางส่วนน้อยสแควร์ (PLS) รุ่นถดถอยถูกสร้างขึ้นสำหรับการคาดการณ์ของเอสเอสและTA โดยใช้ข้อมูลสเปกตรัม (เมทริกซ์ X) และการวัดที่ดำเนินการผ่านการใช้วิธีการอ้างอิง(เมทริกซ์ Y) ใน PLS ทั้งเมทริกซ์สเปกตรัม X และข้อมูลอ้างอิงในเมทริกซ์Y ถูกนำมาใช้สำหรับการสอบเทียบ. เพื่อตรวจสอบจำนวนที่เหมาะสมของตัวแปรแฝง (LV) ภายในวิธีการตรวจสอบข้ามถูกนำมาใช้; ผ่านกิจวัตรประจำวัน'' ฝากหนึ่ง '' รากหมายถึงข้อผิดพลาดของตารางสำหรับการตรวจสอบข้าม(RMSECV) ที่ได้รับโดยการเปรียบเทียบความเข้มข้นที่คาดการณ์ไว้มีมูลค่าทดลอง RMSECV ถูกพล็อตกับ LVs การตั้งจำนวนที่เหมาะสมของLVs. เพื่อที่จะระบุตัวอย่างที่ผิดปกติ (ค่าผิดปกติ) ยกระดับเกณฑ์และนักศึกษาที่เหลือถูกนำมาใช้ เกณฑ์การใช้ประโยชน์จากแสดงให้เห็นถึงอิทธิพลของแต่ละตัวอย่างในรูปแบบการถดถอยที่มีเกณฑ์เท่ากับ3 เลเวล / n ที่ n คือจำนวนของกลุ่มตัวอย่าง เหลือนักเรียนระบุว่าตัวอย่างอยู่ภายใน22
การแปล กรุณารอสักครู่..
2 . วัสดุและวิธีการ
2.1 . การเลือกของเสาวรส มะเขือเทศและ apricot
รวม 61 สีเหลืองเสาวรส ( เสาวรส flavicarpa F )
2 ( สีเขียว ) ขั้นตอนแตกต่างกันสุกเหลืองและสีเหลือง )
เก็บเกี่ยวใน 2011 ในภาคใต้ของบราซิล สำหรับมะเขือเทศ รวม 150
ผลไม้พันธุ์ ' levovil ' ในห้าขั้นตอนที่แตกต่างกันสุก ( สีเขียว ,
สีเขียว–สีส้ม , สีส้มและสีเขียว สีส้มสีแดง ) ถูกเก็บเกี่ยวใน 2008
จากโรงเรือนทดลองของทีมนักวิจัยของ ( Institut de la ใน
agronomique ) ตั้งอยู่ทางตอนใต้ของประเทศฝรั่งเศส 116 apricot ผลไม้จาก
3 พันธุ์ที่ชื่อว่า ' ' iranien Bergeron ' ' และ ' ' a4034 เก็บเกี่ยว
สองขั้นตอนที่แตกต่างกันของการสุก เหลือง ( ดิบ ) และส้ม
( สุก ) ทีมนักวิจัยของการทดลองในสวนผลไม้ ( amarine และ
gotheron ) ในตอนใต้ของฝรั่งเศส ในปี 2010
ทําลายไม่ใช่การวัดจำนวนวัน
เก็บผลไม้แต่ละแบบทำลาย , การวัด
ทดลองไม่กี่วันต่อมาแช่แข็งในวัสดุ .
2.2 . ใกล้อินฟราเรดกระจายค่าการวัด ( ft-nir )
Spectra จำนวนตัวอย่างทั้งหมดในโหมดสะท้อนแสง ( บันทึก 1r1
) ใช้เอนกประสงค์ ( MPA ) เครื่อง Spectrometer ( BRUKER
เลนส์ )เครื่องมือที่เป็นอุปกรณ์ที่มีการรวมทรงกลม
ให้การวัดการสะท้อนกระจายและเครื่องตรวจจับไปยังไทยกลุ่ม
MPA เป็นเต็มซอฟแวร์ควบคุม ( Opus ซอฟแวร์
รุ่น 5.0 BRUKER Optics ) .
ทั่วไปสเปกตรัมสำหรับแต่ละตัวอย่างได้จากการเฉลี่ย
32 สแกน สเปกตรัม NIR ได้มาระหว่าง 800 และ
2 , 700 nm ที่ 2 nm ละเอียดเงากับสแกนเนอร์ความเร็ว
10 kHz และพื้นหลังของ 32 สแกน เวลาที่จำเป็นเพื่อให้บรรลุ
การวัดสเปกตรัมคือ 30 วินาที เหมือนเดิม มะเขือเทศและ apricot ผลไม้
ถูกวางไว้บนตำแหน่งอัตโนมัติ 30 ตัวอย่าง ล้อแต่ละตำแหน่ง
จะตรงกับ 18 มม. เส้นผ่านศูนย์กลางรู สเปกตรัมสำหรับ
เสาวรสได้รับในบราซิล ,
สเปกเหมือนกันใช้ ( BRUKER Optics ) แต่ไม่มีตัวอย่างล้อ ผลไม้
อยู่ที่แต่ละกลีบเลี้ยงแกนตั้งตำแหน่งแนวนอน ในแต่ละ
ผลไม้สองฝั่งให้ถูกจับและค่าเฉลี่ยของ
2 สามารถใช้สำหรับการพัฒนาของรุ่น ) .
2.3 การหาปริมาณของแข็งที่ละลายน้ำได้และปริมาณกรดผ่านวิธีการอ้างอิง
ละลายของแข็ง ( SSC ) ถูกกำหนดด้วย Refractometer ดิจิตอล
( atago pr-101 , นอร์ฟอล์กVA ) กับการชดเชยอุณหภูมิ
SSC ถูกแสดงใน Brix ปริมาณกรด ( TA )
กำหนดโดยการไทเทรตถึง pH 8.1 0.1 N NaOH ได้
100 มิลลิโมล H ใน G1 ของน้ำหนักสด ( FW ) .
2.4 . การสอบเทียบและการตรวจสอบชุด
PCA ( การวิเคราะห์องค์ประกอบหลัก ) โดยการใช้ตัวอย่างที่มีอยู่ทั้งหมด
( n = 61 สำหรับเสาวรส
; n = 150 สำหรับมะเขือเทศและ n = 116 สำหรับแอปริคอท ) เพื่อประเมินความแปรปรวน
ระหว่างตัวอย่าง เพื่อขจัดความผิดปกตินี้เนื่องจากปัญหาการครอบครอง
และแยกกลุ่มการสอบเทียบและการตรวจสอบความถูกต้องภายใน
ตัวอย่างที่จะใช้สำหรับการสอบเทียบและการตรวจสอบภายในทั้งชุด
คัดเลือกแต่เพียงผู้เดียวบนพื้นฐานของข้อมูลสเปกตรัม ตามวิธีการที่เสนอโดยเชง
westerhaus ( 2534 ) และซึ่งใช้หมายถึงศูนย์กลางการประมวลผลและเพื่อให้แน่ใจว่าผลลัพธ์จะเป็น interpretable
ทั้งหมดในแง่ของการเปลี่ยนแปลงรอบ
หมายถึง มันเป็นที่แนะนำสำหรับการใช้งานจริงทั้งหมด ( นิโคไล
et al . , 2007 ) .
เทคนิคการเตรียมพื้นที่ถูกใช้เพื่อลบข้อมูลที่ไม่เกี่ยวข้องใด ๆที่ไม่สามารถจัดการได้อย่างถูกต้อง
) โดยเทคนิค วิธีการติดกันหลายได้รับ
ที่ใช้เพื่อวัตถุประสงค์นี้ เทคนิคเสียงเรียบออกสุ่ม
จากใกล้อินฟราเรดสเปกตรัมในขณะที่ MSc ( แก้ไขหลายกระจาย )
ถูกใช้เพื่อชดเชยสารเติมแต่ง ( กะพื้นฐาน ) และการคูณ ผลในข้อมูลสเปกตรัมที่จะเกิดจากผลกระทบทางกายภาพ เช่น ความไม่สม่ำเสมอ
เป็นกระจายทั่วสเปกตรัมการกระเจิงแสงขึ้นอยู่กับ สาขารังสี
ขนาดของอนุภาคและดัชนีหักเห ( นิโคไล et al . , 2007 ) .
เพื่อสร้างแบบจำลองการคาดการณ์สำหรับลักษณะคุณภาพ
สนใจ ตัวอย่างแบ่งออกเป็นสองชุดมีจำนวน 80 %
สำหรับการสอบเทียบและ 20% สำหรับการตรวจสอบภายใน ( ตารางที่ 1 ) .
มันคุ้มค่าที่ชี้ให้เห็นว่า ตัวอย่างการตรวจสอบภายในที่ใช้ในการสอบเทียบและ
ไม่ข้ามขั้นตอนการตรวจสอบเพื่อ
หลีกเลี่ยง overfitting .
2.5 การรักษาคีโมเมตริกซ์ของข้อมูล
โปรแกรมแพคเกจซอฟต์แวร์ ( รุ่น 6.5 , แมธเวิร์คส์ สหรัฐอเมริกา และประเทศ ( 6.1 )
originlab Inc . , นอร์ทอเมริกา ) ถูกใช้สำหรับการรักษาคีโมเมตริกซ์
บางส่วนของข้อมูลการถดถอยกำลังสองน้อยที่สุด ( PLS ) ถูกสร้างขึ้นสำหรับ
ทำนายและใช้ SSC ทา ข้อมูลสเปกตรัม ( Matrix X )
วัดที่ดำเนินการผ่านการใช้วิธีการอ้างอิง
( Matrix Y ) ในกรุณาทั้งสเปกตรัมเมทริกซ์ X และข้อมูลอ้างอิง
ในเมทริกซ์ Y ใช้สำหรับสอบเทียบ .
หาจำนวนที่เหมาะสมของตัวแปรแฝง ( LV ) , วิธีการตรวจสอบ
ข้ามการประยุกต์ ; ผ่านรูทีน
''leave หนึ่งออกมา ' ' รากของค่าเฉลี่ยความคลาดเคลื่อนกำลังสองเพื่อความถูกต้อง
ข้าม( rmsecv ) ได้ โดยเปรียบเทียบกับค่าทำนายความเข้มข้น
ทดลองของ rmsecv กำลังงัดข้อกับ LVS เพื่อกำหนดจำนวนที่เหมาะสมของ LVS
.
เพื่อระบุตัวอย่างผิดปกติ ( ผิดปกติ ) leverage
เกณฑ์และนักเรียนซึ่งใช้ ยกระดับเกณฑ์
แสดงถึงอิทธิพลของแต่ละอย่างในตัวแบบการถดถอย ,
กับเกณฑ์เท่ากับ 3 LV / n โดยที่ n คือหมายเลขของ
ตัวอย่าง นักศึกษาตกค้างชี้ถ้าตัวอย่างภายใน
22
2.1 . การเลือกของเสาวรส มะเขือเทศและ apricot
รวม 61 สีเหลืองเสาวรส ( เสาวรส flavicarpa F )
2 ( สีเขียว ) ขั้นตอนแตกต่างกันสุกเหลืองและสีเหลือง )
เก็บเกี่ยวใน 2011 ในภาคใต้ของบราซิล สำหรับมะเขือเทศ รวม 150
ผลไม้พันธุ์ ' levovil ' ในห้าขั้นตอนที่แตกต่างกันสุก ( สีเขียว ,
สีเขียว–สีส้ม , สีส้มและสีเขียว สีส้มสีแดง ) ถูกเก็บเกี่ยวใน 2008
จากโรงเรือนทดลองของทีมนักวิจัยของ ( Institut de la ใน
agronomique ) ตั้งอยู่ทางตอนใต้ของประเทศฝรั่งเศส 116 apricot ผลไม้จาก
3 พันธุ์ที่ชื่อว่า ' ' iranien Bergeron ' ' และ ' ' a4034 เก็บเกี่ยว
สองขั้นตอนที่แตกต่างกันของการสุก เหลือง ( ดิบ ) และส้ม
( สุก ) ทีมนักวิจัยของการทดลองในสวนผลไม้ ( amarine และ
gotheron ) ในตอนใต้ของฝรั่งเศส ในปี 2010
ทําลายไม่ใช่การวัดจำนวนวัน
เก็บผลไม้แต่ละแบบทำลาย , การวัด
ทดลองไม่กี่วันต่อมาแช่แข็งในวัสดุ .
2.2 . ใกล้อินฟราเรดกระจายค่าการวัด ( ft-nir )
Spectra จำนวนตัวอย่างทั้งหมดในโหมดสะท้อนแสง ( บันทึก 1r1
) ใช้เอนกประสงค์ ( MPA ) เครื่อง Spectrometer ( BRUKER
เลนส์ )เครื่องมือที่เป็นอุปกรณ์ที่มีการรวมทรงกลม
ให้การวัดการสะท้อนกระจายและเครื่องตรวจจับไปยังไทยกลุ่ม
MPA เป็นเต็มซอฟแวร์ควบคุม ( Opus ซอฟแวร์
รุ่น 5.0 BRUKER Optics ) .
ทั่วไปสเปกตรัมสำหรับแต่ละตัวอย่างได้จากการเฉลี่ย
32 สแกน สเปกตรัม NIR ได้มาระหว่าง 800 และ
2 , 700 nm ที่ 2 nm ละเอียดเงากับสแกนเนอร์ความเร็ว
10 kHz และพื้นหลังของ 32 สแกน เวลาที่จำเป็นเพื่อให้บรรลุ
การวัดสเปกตรัมคือ 30 วินาที เหมือนเดิม มะเขือเทศและ apricot ผลไม้
ถูกวางไว้บนตำแหน่งอัตโนมัติ 30 ตัวอย่าง ล้อแต่ละตำแหน่ง
จะตรงกับ 18 มม. เส้นผ่านศูนย์กลางรู สเปกตรัมสำหรับ
เสาวรสได้รับในบราซิล ,
สเปกเหมือนกันใช้ ( BRUKER Optics ) แต่ไม่มีตัวอย่างล้อ ผลไม้
อยู่ที่แต่ละกลีบเลี้ยงแกนตั้งตำแหน่งแนวนอน ในแต่ละ
ผลไม้สองฝั่งให้ถูกจับและค่าเฉลี่ยของ
2 สามารถใช้สำหรับการพัฒนาของรุ่น ) .
2.3 การหาปริมาณของแข็งที่ละลายน้ำได้และปริมาณกรดผ่านวิธีการอ้างอิง
ละลายของแข็ง ( SSC ) ถูกกำหนดด้วย Refractometer ดิจิตอล
( atago pr-101 , นอร์ฟอล์กVA ) กับการชดเชยอุณหภูมิ
SSC ถูกแสดงใน Brix ปริมาณกรด ( TA )
กำหนดโดยการไทเทรตถึง pH 8.1 0.1 N NaOH ได้
100 มิลลิโมล H ใน G1 ของน้ำหนักสด ( FW ) .
2.4 . การสอบเทียบและการตรวจสอบชุด
PCA ( การวิเคราะห์องค์ประกอบหลัก ) โดยการใช้ตัวอย่างที่มีอยู่ทั้งหมด
( n = 61 สำหรับเสาวรส
; n = 150 สำหรับมะเขือเทศและ n = 116 สำหรับแอปริคอท ) เพื่อประเมินความแปรปรวน
ระหว่างตัวอย่าง เพื่อขจัดความผิดปกตินี้เนื่องจากปัญหาการครอบครอง
และแยกกลุ่มการสอบเทียบและการตรวจสอบความถูกต้องภายใน
ตัวอย่างที่จะใช้สำหรับการสอบเทียบและการตรวจสอบภายในทั้งชุด
คัดเลือกแต่เพียงผู้เดียวบนพื้นฐานของข้อมูลสเปกตรัม ตามวิธีการที่เสนอโดยเชง
westerhaus ( 2534 ) และซึ่งใช้หมายถึงศูนย์กลางการประมวลผลและเพื่อให้แน่ใจว่าผลลัพธ์จะเป็น interpretable
ทั้งหมดในแง่ของการเปลี่ยนแปลงรอบ
หมายถึง มันเป็นที่แนะนำสำหรับการใช้งานจริงทั้งหมด ( นิโคไล
et al . , 2007 ) .
เทคนิคการเตรียมพื้นที่ถูกใช้เพื่อลบข้อมูลที่ไม่เกี่ยวข้องใด ๆที่ไม่สามารถจัดการได้อย่างถูกต้อง
) โดยเทคนิค วิธีการติดกันหลายได้รับ
ที่ใช้เพื่อวัตถุประสงค์นี้ เทคนิคเสียงเรียบออกสุ่ม
จากใกล้อินฟราเรดสเปกตรัมในขณะที่ MSc ( แก้ไขหลายกระจาย )
ถูกใช้เพื่อชดเชยสารเติมแต่ง ( กะพื้นฐาน ) และการคูณ ผลในข้อมูลสเปกตรัมที่จะเกิดจากผลกระทบทางกายภาพ เช่น ความไม่สม่ำเสมอ
เป็นกระจายทั่วสเปกตรัมการกระเจิงแสงขึ้นอยู่กับ สาขารังสี
ขนาดของอนุภาคและดัชนีหักเห ( นิโคไล et al . , 2007 ) .
เพื่อสร้างแบบจำลองการคาดการณ์สำหรับลักษณะคุณภาพ
สนใจ ตัวอย่างแบ่งออกเป็นสองชุดมีจำนวน 80 %
สำหรับการสอบเทียบและ 20% สำหรับการตรวจสอบภายใน ( ตารางที่ 1 ) .
มันคุ้มค่าที่ชี้ให้เห็นว่า ตัวอย่างการตรวจสอบภายในที่ใช้ในการสอบเทียบและ
ไม่ข้ามขั้นตอนการตรวจสอบเพื่อ
หลีกเลี่ยง overfitting .
2.5 การรักษาคีโมเมตริกซ์ของข้อมูล
โปรแกรมแพคเกจซอฟต์แวร์ ( รุ่น 6.5 , แมธเวิร์คส์ สหรัฐอเมริกา และประเทศ ( 6.1 )
originlab Inc . , นอร์ทอเมริกา ) ถูกใช้สำหรับการรักษาคีโมเมตริกซ์
บางส่วนของข้อมูลการถดถอยกำลังสองน้อยที่สุด ( PLS ) ถูกสร้างขึ้นสำหรับ
ทำนายและใช้ SSC ทา ข้อมูลสเปกตรัม ( Matrix X )
วัดที่ดำเนินการผ่านการใช้วิธีการอ้างอิง
( Matrix Y ) ในกรุณาทั้งสเปกตรัมเมทริกซ์ X และข้อมูลอ้างอิง
ในเมทริกซ์ Y ใช้สำหรับสอบเทียบ .
หาจำนวนที่เหมาะสมของตัวแปรแฝง ( LV ) , วิธีการตรวจสอบ
ข้ามการประยุกต์ ; ผ่านรูทีน
''leave หนึ่งออกมา ' ' รากของค่าเฉลี่ยความคลาดเคลื่อนกำลังสองเพื่อความถูกต้อง
ข้าม( rmsecv ) ได้ โดยเปรียบเทียบกับค่าทำนายความเข้มข้น
ทดลองของ rmsecv กำลังงัดข้อกับ LVS เพื่อกำหนดจำนวนที่เหมาะสมของ LVS
.
เพื่อระบุตัวอย่างผิดปกติ ( ผิดปกติ ) leverage
เกณฑ์และนักเรียนซึ่งใช้ ยกระดับเกณฑ์
แสดงถึงอิทธิพลของแต่ละอย่างในตัวแบบการถดถอย ,
กับเกณฑ์เท่ากับ 3 LV / n โดยที่ n คือหมายเลขของ
ตัวอย่าง นักศึกษาตกค้างชี้ถ้าตัวอย่างภายใน
22
การแปล กรุณารอสักครู่..
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.
- แม่น้ำสองสี
- hoddy
- คุณจะรู้ไหม ว่าฉันคิดถึงคุณแค่ไหน
- ทำไมHat Yai. ที่นี่ไม่ใช่สถานที่ท่องเที่
- graduated
- กลัวคุณหลับก่อน
- คุณเคยมาประเทศไทยไหม
- ฉันเหนื่อย มีความเครียด
- ฉันกำลังจะเปิดอิเมล
- 40 วิธีลดภาวะโลกร้อน1. ถอดปลั๊กไฟฟ้าทุกค
- ฉันไปนอนที่บ้านคุณได้ไหม
- เที่ยวบิน
- ฉันอยากบอกทุกคนว่าการควบคุมอาหารไม่ไช่เร
- วิธีทำ1. ผสมน้ำ น้ำตาลทราย ตั้งไฟให้เดือ
- สามารถสอบถามได้จนกว่าคุณจะพอใจ
- ฉันเหนื่อย มีความเครียด
- I So pretty.
- THIS IS LOVE
- 40 วิธีลดภาวะโลกร้อน1. ถอดปลั๊กไฟฟ้าทุกค
- This activity is interest in that contes
- บางทีถ้าคุณหยุดลุ่มหลงเธอ
- Sarahเป็นเเม่ของDaniel
- ไม่กินขนมหวาน ขนมเด็ก นำ้อัดลม กินนำ้เปล
- Sarahเป็นเเม่ของDaniel
