The potential of near infrared (NIR

The potential of near infrared (NIR) spectroscopy for non-destructive determination of quality parameters
including oil and protein contents in shell-intact cottonseed was investigated. Linear partial least squares
(PLS) and nonlinear least-squares support vector machine (LS-SVM) methods were used to develop the
calibration models to determinate the protein and oil contents. Moreover, as variable selection techniques,
the Monte Carlo uninformative variable elimination (MC-UVE) and the successive projections
algorithm (SPA) were applied to improve the predictive ability of the model. Finally, the MC-UVE–LS-SVM
models show the best prediction performance. The coefficient of determination (R2), residual predictive
deviation (RPD) and root mean squares error of prediction (RMSEP) were 0.959, 4.871 and 0.977 for protein,
and 0.950, 4.429 and 0.834 for oil, respectively. The results indicate that NIR technology could be
very useful for the rapid quality analysis of shell-intact cottonseed avoiding the need of grinding. Furthermore,
the variable selection of MC-UVE can provide more robust and accurate calibration models
than SPA.

ผลลัพธ์ (ไทย) 1:

ศักยภาพของใกล้อินฟราเรด (NIR) กสำหรับการกำหนดพารามิเตอร์คุณภาพแบบไม่ทำลายรวมทั้งเนื้อหาของน้ำมันและโปรตีนในส่วนเกินที่เปลือกเหมือนเดิมถูกตรวจสอบ กำลังสองน้อยที่สุดบางส่วนเชิงเส้น(กรุณา) และวิธีกำลังสองน้อยสุดไม่เชิงเส้นสนับสนุนเวกเตอร์เครื่อง (LS-SVM) ใช้ในการพัฒนาเทียบรุ่นกับ determinate เนื้อหาโปรตีนและน้ำมัน นอกจากนี้ เป็นเทคนิคการเลือกตัวแปรมอน Carlo uninformative ตัวแปรตัดออก (MC-UVE) และคาดการณ์ต่อเนื่องอัลกอริทึม (สปา) ถูกนำไปใช้เพื่อปรับปรุงความสามารถในการคาดการณ์ของแบบจำลอง ในที่สุด MC-UVE – LS-SVMแบบจำลองแสดงสุดคาดเดา ค่าสัมประสิทธิ์การกำหนด (R2), ส่วนที่เหลือจากงานความแตกต่าง (RPD) และข้อผิดพลาดรากกำลังสองเฉลี่ยของการคาดการณ์ (RMSEP) ถูก 0.959, 4.871 และ 0.977 สำหรับโปรตีนและ 0.950, 4.429 และ 0.834 น้ำมัน ตามลำดับ ผลลัพธ์บ่งชี้ว่า เทคโนโลยี NIR สามารถมีประโยชน์มากสำหรับการวิเคราะห์คุณภาพอย่างรวดเร็วของเชลล์เหมือนเดิมส่วนเกินหลีกเลี่ยงจำเป็นต้องบด นอกจากนี้เลือกตัวแปรของ MC UVE สามารถให้ขึ้นแข็งแกร่ง และแม่นยำเทียบรุ่นกว่าสปา

ผลลัพธ์ (ไทย) 2:

ที่มีศักยภาพใกล้อินฟราเรด (NIR)
สำหรับการกำหนดสเปกโทรสโกไม่ทำลายของพารามิเตอร์ที่มีคุณภาพรวมทั้งน้ำมันและโปรตีนในเมล็ดฝ้ายเปลือกเหมือนเดิมได้รับการตรวจสอบ เชิงเส้นสี่เหลี่ยมอย่างน้อยบางส่วน
(PLS) ไม่เชิงเส้นและการสนับสนุนอย่างน้อยสี่เหลี่ยมเครื่องเวกเตอร์ (LS-SVM)
วิธีการถูกนำมาใช้ในการพัฒนารูปแบบการสอบเทียบการตามที่กำหนดโปรตีนและปริมาณน้ำมัน นอกจากนี้ยังเป็นเทคนิคการเลือกตัวแปรการกำจัดตัวแปร Monte Carlo uninformative (MC-UVE) และการคาดการณ์ต่อเนื่องอัลกอริทึม(SPA) ถูกนำไปใช้ในการปรับปรุงความสามารถในการคาดการณ์ของรูปแบบ สุดท้าย MC-UVE-LS-SVM แบบแสดงผลการดำเนินงานที่ดีที่สุดการทำนาย ค่าสัมประสิทธิ์การตัดสินใจ (R2) การคาดการณ์ที่เหลือส่วนเบี่ยงเบน(RPD) และรากหมายถึงข้อผิดพลาดของการทำนายสี่เหลี่ยม (RMSEP) เป็น 0.959, 4.871 และ 0.977 สำหรับโปรตีนและ0.950, 4.429 และ 0.834 น้ำมันตามลำดับ ผลการศึกษาพบว่าเทคโนโลยี NIR อาจจะมีประโยชน์มากสำหรับการวิเคราะห์ที่มีคุณภาพอย่างรวดเร็วของฝ้ายเปลือกเหมือนเดิมหลีกเลี่ยงความจำเป็นของการบด นอกจากนี้การเลือกตัวแปร MC-UVE สามารถให้บริการสอบเทียบรุ่นที่แข็งแกร่งมากขึ้นและถูกต้องกว่าสปา

ผลลัพธ์ (ไทย) 3:

ศักยภาพของอินฟราเรดใกล้ ( NIR ) สเปกโทรสโกปีเพื่อกำหนดแบบไม่ทำลายของพารามิเตอร์คุณภาพ
รวมทั้งน้ำมันและปริมาณโปรตีนในเมล็ดเปลือกยังคงถูกตรวจสอบ เชิงเส้นกำลังสองน้อยที่สุดบางส่วน
( PLS ) และเชิงเส้นวิธีสนับสนุนเวกเตอร์เครื่องจักร ( ls-svm ) วิธีการที่ใช้ในการพัฒนารูปแบบการสอบเทียบกับ determinate
โปรตีนและน้ำมันเนื้อหา นอกจากนี้เป็นเทคนิคการคัดเลือกตัวแปร ตัวแปรที่ไม่ได้ให้ตัด
มอนติคาร์โล ( mc-uve ) และต่อเนื่องประมาณการ
ขั้นตอนวิธี ( สปา ) มีวัตถุประสงค์เพื่อพัฒนาความสามารถในการทำนายของแบบจำลอง ในที่สุด mc-uve – ls-svm
นางแบบแสดงประสิทธิภาพการทำนายที่ดีที่สุด สัมประสิทธิ์ของการตัดสินใจ ( R2 ) ทำนาย
ตกค้างความคลาดเคลื่อน ( ร์แพด ) และรากหมายถึงกำลังสองของการพยากรณ์ ( rmsep ) 0.959 4.871 0.977 สำหรับ , และโปรตีน
และ 0.950 4.429 ระดับสูง , และน้ำมัน ตามลำดับ ผลการศึกษาพบว่าค่าเทคโนโลยีสามารถ
มีประโยชน์มากสำหรับการวิเคราะห์อย่างรวดเร็วของเปลือกเมล็ดสมบูรณ์หลีกเลี่ยงต้องบด นอกจากนี้
ตัวแปรคัดสรร mc-uve สามารถให้แข็งแกร่งมากขึ้นและแม่นยำกว่าแบบจำลองการสอบเทียบ
สปา