Near-infrared (NIR) diffuse reflect

Near-infrared (NIR) diffuse reflectance has been extensively and successfully applied on quality assurance for fruits, vegetables, and food products. This study is principally aimed to extract the primary wavelengths related to the prediction of glucose and sucrose for potato tubers (of Frito Lay 1879 (FL), a chipping cultivar, and Russet Norkotah (RN), a table use cultivar, and investigating the potential of classification of potatoes based on sugar levels important to the frying industry. Whole tubers, as well as 12.7 mm slices, were scanned using a NIR reflectance spectroscopic system (900–1685 nm). To extract the most influential wavelength in the studied range, interval partial least squares (IPLS), and genetic algorithm (GA) were utilized. Partial least squares regression (PLSR) was applied for building prediction models. Prediction models for RN showed stronger correlation than FL with r(RPD) (correlation coefficient (ratio of reference standard deviation to root mean square error of the model)) values for whole tubers for glucose being as high as 0.81(1.70), and 0.97(3.91) for FL and RN; in the case of sliced samples the values were 0.74(1.49) and 0.94(2.73) for FL and RN. Lower correlation was obtained for sucrose with r(RPD) for whole tubers as high as 0.75(1.52), 0.92(2.57) for FL and RN; and the values for sliced samples were 0.67(1.31) and 0.75(1.41) for FL and RN respectively. Classification of potatoes based on sugar levels was conducted and training models were built using different classifiers (linear discriminant analysis (LDA), K-nearest neighbor (Knn), partial least squares discriminant analysis (PLSDA), and artificial neural network (ANN)), in addition to classifier fusion. To obtain more robust classification models for the training data, 4-fold cross validation was used and results were tested using separate sets of data. Classification rates of the testing set for whole tubers, based on glucose, were as high as 81% and 100% for FL and RN. For sliced samples, the rates were 83% and 81% for FL and RN. Generally, lower classification rates were obtained based on sucrose with values of whole tubers of 71%, and 79% for FL and RN, and for sliced samples the rates were 75%, and 82% which follows a similar trend as PLSR results. This study presents a potential of using selected wavelengths and NIR reflectance spectroscopy to effectively evaluate the sugar content of potatoes and classify potatoes based on thresholds that are crucial for the frying industry.

ผลลัพธ์ (ไทย) 1:

อินฟราเรดใกล้ (NIR) สะท้อนกระจายมีการอย่างกว้างขวาง และประสบความสำเร็จใช้ในการประกันคุณภาพสำหรับผลไม้ ผัก และผลิตภัณฑ์อาหาร การศึกษานี้มีวัตถุประสงค์หลักเพื่อแยกความยาวคลื่นหลักที่เกี่ยวข้องกับการคาดการณ์ของน้ำตาลกลูโคสและซูโครสสำหรับหัวมันฝรั่ง (ของ Frito วาง 1879 (FL), พันธุ์บิ่น Russet Norkotah (RN), พันธุ์การใช้ตาราง และตรวจสอบศักยภาพของการจัดประเภทตามระดับน้ำตาลที่สำคัญอุตสาหกรรมทอดมันฝรั่ง ทั้งมุด เป็น 12.7 มม.ชิ้น สแกนใช้ NIR สะท้อนแสงสเปคตรัมระบบ (900-1685 nm) การแยกความยาวคลื่นในช่วงที่ศึกษามีอิทธิพลมาก ช่วงสี่เหลี่ยมอย่างน้อยบางส่วน (IPLS), และอัลกอริทึมทางพันธุกรรม (GA) มีใช้ ถดถอยบางส่วนกำลังสองน้อยสุด (PLSR) ถูกนำไปใช้สำหรับสร้างโมเดลทำนาย โมเดลการคาดการณ์สำหรับ RN แสดงให้เห็นความสัมพันธ์ที่แข็งแกร่งกว่า FL กับ r(RPD) (สัมประสิทธิ์สหสัมพันธ์ (อัตราส่วนของส่วนเบี่ยงเบนมาตรฐานอ้างอิงรากหมายถึงตารางข้อผิดพลาดของรูปแบบ)) ค่าทั้งมุดเป็นกลูโคสสูงเท่ากับ 0.81(1.70) และ 0.97(3.91) FL และ RN ในกรณีตัวอย่างที่หั่น ค่าได้ 0.74(1.49) และ 0.94(2.73) สำหรับ FL และ RN สหสัมพันธ์ต่ำกว่าซูโครสได้รับ r(RPD) สำหรับทั้งมุดสูงเท่ากับ 0.75(1.52), 0.92(2.57) FL และ RN และค่าตัวหั่นอย่าง 0.67(1.31) และ 0.75(1.41) สำหรับ FL และ RN ตามลำดับ ดำเนินการจำแนกประเภทของมันฝรั่งตามระดับน้ำตาล และสร้างรูปแบบการฝึกอบรมใช้ต่างกันคำหลักภาษา (discriminant เชิงวิเคราะห์ (LDA), K ใกล้บ้าน (Knn), การวิเคราะห์ discriminant บางส่วนกำลังสองน้อยสุด (PLSDA), และโครงข่ายประสาทเทียม (แอน)), นอกเหนือไปจากลักษณนามฟิวชั่น การขอรับรุ่นการจัดประเภทอย่างสมบูรณ์สำหรับข้อมูลการฝึกอบรม 4-fold cross ตรวจสอบใช้ และผลทดสอบโดยใช้ชุดข้อมูลแยกต่างหาก ราคาการจัดประเภทของชุดการทดสอบสำหรับทั้งมุด อิงกลูโคส ได้สูงถึง 81% และ 100% FL และ RN ราคาถูกตัวอย่างหั่น 83% และ 81% FL และ RN โดยทั่วไป การจัดประเภทที่ลดได้รับคะแนนจากซูโครสที่มีค่าของหัวทั้งหมด 71% และ 79% FL และ RN และตัวอย่างหั่น ราคา 75% และ 82% ซึ่งมีแนวโน้มคล้ายกับผล PLSR กัน การศึกษานี้แสดงศักยภาพของการใช้เลือกความยาวคลื่นและสเปกโทรสโกสะท้อน NIR เพื่อประเมินเนื้อหาน้ำตาลของมันฝรั่งได้อย่างมีประสิทธิภาพ และจัดประเภทตามเกณฑ์ที่จะใช้สำหรับอุตสาหกรรมทอดมันฝรั่ง

ผลลัพธ์ (ไทย) 2:

ใกล้อินฟราเรด (NIR) สะท้อนกระจายได้อย่างกว้างขวางและประสบความสำเร็จนำมาใช้ในการประกันคุณภาพสำหรับผักผลไม้และผลิตภัณฑ์อาหาร การศึกษาครั้งนี้มีวัตถุประสงค์หลักเพื่อแยกความยาวคลื่นหลักที่เกี่ยวข้องกับการคาดการณ์ของน้ำตาลกลูโคสและซูโครสสำหรับหัวมันฝรั่ง (จาก Frito Lay 1879 (FL) พันธุ์บิ่นและน้ำตาลปนแดง Norkotah (RN) ซึ่งเป็นพันธุ์ที่ใช้ตารางและการตรวจสอบที่มีศักยภาพ การจัดหมวดหมู่ของมันฝรั่งขึ้นอยู่กับระดับน้ำตาลที่สำคัญให้กับอุตสาหกรรมการทอด. หัวทั้งหมดเช่นเดียวกับ 12.7 มิลลิเมตรชิ้นถูกสแกนโดยใช้ระบบการสะท้อน NIR สเปกโทรสโก (900-1,685 นาโนเมตร). ในการแยกความยาวคลื่นที่มีอิทธิพลมากที่สุดในช่วงศึกษา, ช่วงเวลาบางส่วนน้อยสแควร์ (IPLS) และขั้นตอนวิธีพันธุกรรม (GA) ถูกนำมาใช้. บางส่วนอย่างน้อยสี่เหลี่ยมถดถอย (PLSR) ถูกนำมาใช้สำหรับการสร้างแบบจำลองการคาดคะเน. รุ่นทำนายสำหรับ RN แสดงให้เห็นความสัมพันธ์ที่แข็งแกร่งกว่าที่ฟลอริด้ากับ R (RPD) (ค่าสัมประสิทธิ์สหสัมพันธ์ (อัตราส่วน ของการอ้างอิงค่าเบี่ยงเบนมาตรฐานถึง Root Mean ข้อผิดพลาดที่สองของรุ่น)) ค่าสำหรับหัวทั้งกลูโคสเป็นสูงที่สุดเท่าที่ 0.81 (1.70) และ 0.97 (3.91) สำหรับฟลอริด้าและ RN ในกรณีของตัวอย่างหั่นค่าเป็น 0.74 ( 1.49) และ 0.94 (2.73) สำหรับฟลอริด้าและ RN ความสัมพันธ์ที่ต่ำกว่าที่ได้รับสำหรับซูโครสกับ R (RPD) สำหรับหัวทั้งสูงที่สุดเท่าที่ 0.75 (1.52) 0.92 (2.57) สำหรับฟลอริด้าและ RN; และค่าสำหรับตัวอย่างหั่น 0.67 (1.31) 0.75 (1.41) สำหรับฟลอริด้าและ RN ตามลำดับ การจำแนกประเภทของมันฝรั่งขึ้นอยู่กับระดับน้ำตาลได้ดำเนินการและรูปแบบการฝึกอบรมได้รับการสร้างขึ้นโดยใช้ลักษณนามที่แตกต่างกัน (การวิเคราะห์จำแนกเชิงเส้น (LDA) K-เพื่อนบ้านที่ใกล้ที่สุด (KNN), สี่เหลี่ยมอย่างน้อยบางส่วนวิเคราะห์จำแนก (PLSDA) และเครือข่ายประสาทเทียม (ANN)) นอกเหนือไปจากการจําแนกฟิวชั่น ที่จะได้รับรูปแบบการจัดหมวดหมู่ที่แข็งแกร่งมากขึ้นสำหรับข้อมูลการฝึกอบรมการตรวจสอบข้าม 4 เท่าและใช้ผลการทดสอบโดยใช้ชุดเฉพาะกิจการของข้อมูล อัตราการจัดหมวดหมู่ของการทดสอบที่กำหนดไว้สำหรับหัวทั้งหมดขึ้นอยู่กับกลูโคสสูงถึง 81% และ 100% สำหรับฟลอริด้าและ RN สำหรับตัวอย่างหั่นอัตราเป็น 83% และ 81% สำหรับฟลอริด้าและ RN โดยทั่วไปลดอัตราการจัดหมวดหมู่ที่ได้รับขึ้นอยู่กับน้ำตาลซูโครสที่มีค่าของหัวทั้ง 71% และ 79% สำหรับฟลอริด้าและ RN และสำหรับตัวอย่างหั่นอัตรา 75% และ 82% ซึ่งต่อไปนี้มีแนวโน้มที่คล้ายกันเป็นผล PLSR การศึกษาครั้งนี้นำเสนอศักยภาพของการใช้ความยาวคลื่นที่เลือกและสะท้อน NIR สเปกโทรสโกได้อย่างมีประสิทธิภาพในการประเมินปริมาณน้ำตาลของมันฝรั่งมันฝรั่งและจัดประเภทขึ้นอยู่กับเกณฑ์ที่มีความสำคัญสำหรับอุตสาหกรรมการทอดที่

ผลลัพธ์ (ไทย) 3:

อินฟราเรดใกล้ ( NIR ) กระจายสะท้อนได้รับอย่างกว้างขวางและประสบความสำเร็จใช้ในการประกันคุณภาพสำหรับผัก ผลไม้ และผลิตภัณฑ์อาหาร การศึกษานี้เป็นหลักมุ่งสกัดหลักที่สามารถที่เกี่ยวข้องกับคำทำนายของกลูโคสและซูโครสสำหรับมันฝรั่งหัว ( ของฟรีโทวาง 1879 ( FL ) , บิ่น พันธุ์ และอม norkotah ( RN ) , ตารางการใช้พันธุ์ และศึกษาความสามารถในการจำแนกประเภทของฝรั่งขึ้นอยู่กับระดับน้ําตาลสำคัญกับการทออุตสาหกรรม ทั้งหัว เป็น 12.7 มม. ชิ้น ถูกสแกนโดยใช้ NIR การสะท้อนกลับทางระบบ ( 900 – 1685 nm ) แยกความยาวคลื่นที่มีอิทธิพลมากที่สุดในช่วงที่ศึกษาช่วงเวลาบางส่วน Least Squares ( ipls ) และขั้นตอนวิธีเชิงพันธุกรรม ( GA ) ใช้รถ การถดถอยกำลังสองน้อยที่สุด ( plsr ) ใช้โมเดลทำนายอาคาร โมเดลพยากรณ์ RN มีความสัมพันธ์ที่แข็งแกร่งกว่า FL กับ R ( ร์แพด ) ( ค่าสัมประสิทธิ์สหสัมพันธ์ ( อัตราส่วนของส่วนเบี่ยงเบนมาตรฐานอ้างอิงเพื่อรากของค่าเฉลี่ยความคลาดเคลื่อนกำลังสองของรุ่น ) ค่ากลูโคสทั้งหัวเป็นสูงเท่ากับ 0.81 ( 1.70 ) และ 0.97 ( 3.91 ) สำหรับฟลอริด้าและ Rn ; ในกรณีของแผ่นตัวอย่าง มีค่า 0.74 ( 1.49 ) และ 0.94 ( 2.73 ) สำหรับฟลอริด้าและ RN . ความสัมพันธ์ลดได้สำหรับใช้กับ R ( ร์แพด ) ทั้งหัวสูงเท่ากับ 0.75 ( 1.52 ) 0.92 ( 2.57 ) สำหรับฟลอริด้าและ RN และมีค่าเท่ากับ 0.67 กลุ่มตัวอย่างหั่น ( 1.31 ) และ 0.75 ( 1.41 ) สำหรับฟลอริด้าและ RN ตามลำดับ การจำแนกประเภทของฝรั่งขึ้นอยู่กับระดับน้ําตาล ได้ศึกษารูปแบบการฝึกที่ถูกสร้างขึ้นและใช้คำต่างกัน ( การวิเคราะห์เชิงเส้น ( lda ) ละเพื่อนบ้าน ( knn ) กำลังสองน้อยที่สุดบางส่วนการวิเคราะห์จำแนกประเภท ( plsda ) และโครงข่ายประสาทเทียม ( ANN ) ) นอกจากตัวฟิวชั่น เพื่อให้ได้รูปแบบการจำแนกที่แข็งแกร่งมากขึ้นสำหรับข้อมูลการฝึกอบรมข้าม , การใช้ 4 เท่าและผลทดสอบที่ใช้ชุดแยกของข้อมูล การจำแนกอัตราของชุดทดลองทั้งอ้อมจากกลูโคสเป็นสูงเป็น 81% และ 100% สำหรับฟลอริด้าและ RN . สำหรับแผ่นตัวอย่าง อัตราเป็น 83% และ 81% FL และ RN . โดยทั่วไป อัตราการลดลงได้ตามปริมาณที่มีค่าของทั้งหมดและ 71% และ 79% สำหรับฟลอริด้าและ RN และหั่นตัวอย่างอัตราเป็น 75% และ 82% ซึ่งตามแนวโน้มคล้ายผล plsr . การศึกษานี้ได้นำเสนอศักยภาพของการเลือกและค่าการสะท้อนแสงสเปกโทรสโกปีประเมินได้อย่างมีประสิทธิภาพน้ำตาลมันฝรั่งและมันฝรั่ง ซึ่งจำแนกตามที่สําคัญสําหรับการทออุตสาหกรรม