Robust NIRS models for non-destruct

Robust NIRS models for non-destructive prediction of postharvest fruit
ripeness and quality in mango
The effect of harvest year on near-infrared spectroscopy (NIRS) prediction models to determine
postharvest quality of mango was evaluated. Diffuse reflectance spectra in region of 700–1100 nm were
used to develop calibration models for firmness, total soluble solids (TSS), titratable acidity (TA) and
ripening index (RPI) using partial least squares (PLS) regression analysis. The results showed that model
robustness was influenced by harvest year. High prediction error was found when models from single
harvest year were used to predictthe data of other years, whereas using combined data from two or three
years for calibration greatly enhanced the prediction accuracy. The prediction models established from
three-year data performed the most suitably for prediction of TSS (R2 = 0.9; SEP = 1.2%), firmness
(R2 = 0.82; SEP = 4.22 N), TA (R2 = 0.74; SEP = 0.38 %) and RPI (R2 = 0.8; SEP = 0.8). Classification of mango
ripeness was successfully achieved using second derivative pretreated spectra with an accuracy of more
than 80%. The results indicated that NIRS can be used as a reliable non-destructive technique for mango
quality assessment and a robust model could be developed when effect of harvest year was taken into
account.
ã 2015 E

ผลลัพธ์ (ไทย) 1:

คุณภาพรูปแบบที่แข็งแกร่งสำหรับทำนายแบบไม่ทำลายของผลไม้หลังการเก็บเกี่ยวripeness และคุณภาพในมะม่วงผลของการเก็บเกี่ยวปีรุ่นคาดเดากใกล้อินฟราเรด (คุณภาพ) เพื่อกำหนดมีประเมินคุณภาพหลังการเก็บเกี่ยวของมะม่วง มีแรมสเป็คตราแบบสะท้อนแสงที่กระจายในภูมิภาคของ 700-1100 nmใช้ในการพัฒนารูปแบบการปรับเทียบสำหรับไอซ์ รวมละลายของแข็ง (TSS), ว่า titratable (TA) และripening ดัชนี (RPI) โดยใช้การวิเคราะห์การถดถอยบางส่วนกำลังสองน้อยสุด (กรุณา) ผลลัพธ์ที่แสดงให้เห็นว่าแบบจำลองนั้นเสถียรภาพมีผลมาจากการเก็บเกี่ยวปี พบข้อผิดพลาดในการพยากรณ์สูงเมื่อรุ่นจากเดี่ยวเก็บเกี่ยวปีใช้ในการ predictthe ข้อมูลของปีอื่น ๆ ในขณะที่ใช้รวมข้อมูลจากสองหรือสามปีสำหรับปรับแต่งเพิ่มความแม่นยำการทำนายมาก รูปแบบการทำนายที่ก่อตั้งขึ้นจากข้อมูลสามปีดำเนินการเหมาะสมที่สุดสำหรับการคาดเดาของ TSS (R2 = 0.9 ก.ย. = 1.2%), ไอซ์(R2 =$ 0.82 ก.ย. = 4.22 N), TA (R2 = 0.74 ก.ย. = 0.38%) และ RPI (R2 = 0.8 ก.ย. = 0.8) การจัดประเภทของมะม่วงสำเร็จสำเร็จ ripeness ใช้แรมสเป็คตรา pretreated พัฒนาสองอย่างแม่นยำมากขึ้นกว่า 80% ผลลัพธ์บ่งชี้ว่า คุณภาพสามารถใช้เป็นเทคนิคแบบไม่ทำลายความน่าเชื่อถือสำหรับมะม่วงประเมินคุณภาพการศึกษาและแบบแข็งแกร่งสามารถพัฒนาได้เมื่อผลของการเก็บเกี่ยวปีถูกนำเข้าบัญชีใช้ 2015 E

ผลลัพธ์ (ไทย) 2:

รุ่น NIRS
ที่แข็งแกร่งสำหรับการคาดการณ์ที่ไม่ทำลายหลังการเก็บเกี่ยวของผลไม้สุกและมะม่วงที่มีคุณภาพในผลของการเก็บเกี่ยวในปีสเปกโทรสโกใกล้อินฟราเรด
(NIRS)
รุ่นทำนายเพื่อตรวจสอบคุณภาพหลังการเก็บเกี่ยวของมะม่วงถูกประเมิน สเปกตรัมสะท้อนกระจายในพื้นที่ของ 700-1100
นาโนเมตรถูกนำมาใช้เพื่อพัฒนารูปแบบการสอบเทียบความแน่นของแข็งที่ละลายได้ทั้งหมด(TSS) ปริมาณกรด (TA)
และดัชนีสุก(RPI) โดยใช้สี่เหลี่ยมอย่างน้อยบางส่วน (PLS) การวิเคราะห์การถดถอย
ผลการศึกษาพบว่ารูปแบบความทนทานได้รับอิทธิพลจากปีที่เก็บเกี่ยว ข้อผิดพลาดในการทำนายสูงก็พบว่าเมื่อรุ่นจากเดียวปีการเก็บเกี่ยวถูกนำมาใช้เพื่อ predictthe ข้อมูลของปีอื่น ๆ ในขณะที่การใช้ข้อมูลร่วมกันจากสองหรือสามปีที่ผ่านมาสำหรับการสอบเทียบอย่างมากเพิ่มความแม่นยำในการทำนาย โมเดลการทำนายที่จัดตั้งขึ้นจากข้อมูลในปีที่สามดำเนินการที่เหมาะสมที่สุดสำหรับการคาดการณ์ของ TSS (R2 = 0.9; กันยายน = 1.2%) ความแน่น (R2 = 0.82; กันยายน = 4.22 N) TA (R2 = 0.74; กันยายน = 0.38% ) และ RPI (R2 = 0.8; กันยายน = 0.8) การจำแนกประเภทของมะม่วงสุกก็ประสบความสำเร็จประสบความสำเร็จในการใช้อนุพันธ์อันดับสองสเปกตรัมปรับสภาพกับความถูกต้องของมากขึ้นกว่า80% ผลการวิจัยพบว่า NIRS สามารถนำมาใช้เป็นเทคนิคที่ไม่ทำลายมะม่วงที่เชื่อถือได้สำหรับการประเมินคุณภาพและรูปแบบที่มีประสิทธิภาพสามารถพัฒนาเมื่อผลของการเก็บเกี่ยวปีถูกนำตัวเข้าบัญชี. ใ 2015 E

ผลลัพธ์ (ไทย) 3:

รุ่น nirs ประสิทธิภาพสำหรับการพยากรณ์แบบไม่ทำลายของผลไม้หลังการเก็บเกี่ยวมะม่วงสุกและคุณภาพ

ผลเก็บเกี่ยวในใกล้อินฟราเรดสเปกโทรสโกปี ( ปี nirs ) แบบจำลองการคาดการณ์ว่า
คุณภาพหลังการเก็บเกี่ยวของมะม่วงถูกประเมิน การสะท้อนแสงกระจายในเขต 700 – 1100 นาโนเมตรถูก
ใช้พัฒนารูปแบบการสอบเทียบความแน่น ปริมาณของแข็งที่ละลายได้ทั้งหมด ( TSS )ปริมาณกรด ( TA ) และการใช้ดัชนี
( RPI ) กำลังสองน้อยที่สุดบางส่วน ( PLS ) การวิเคราะห์การถดถอย ผลการศึกษาพบว่า แบบจำลอง
ทนทานได้รับอิทธิพลจากปีเก็บเกี่ยว ข้อผิดพลาดการทำนายสูง พบว่าเมื่อรุ่นปีเก็บเกี่ยวเดียว
ถูกใช้เพื่อทำนายข้อมูลอื่น ๆของปี ในขณะที่การใช้ข้อมูลรวมกันจากสองหรือสาม
ปีสำหรับการสอบเทียบเพิ่มมากค่าความถูกต้อง ทำนายจากข้อมูล 3 ปี ( รุ่นก่อตั้ง
มากที่สุดอย่างเหมาะสม เพื่อทำนาย TSS ( R2 = 0.9 ; ก.ย. = 1.2 % ) 8
( R2 = 0.82 ; ก.ย. = 4.22 ) TA ( R2 = 0.74 ; ก.ย. = 0.38 % ) และ RPI ( R2 = 0.8 ; ก.ย. = 0.8 ) การจำแนกประเภทของมะม่วง
ระดับความสุกได้ ประสบความสําเร็จโดยใช้อนุพันธ์อันดับสองที่ได้รับแสงที่มีความถูกต้องมากขึ้น
กว่า 80% ผลการวิจัยพบว่า nirs สามารถใช้เป็นเทคนิคแบบไม่ทำลายความน่าเชื่อถือสำหรับการประเมินคุณภาพมะม่วง
และรูปแบบที่แข็งแกร่งอาจจะพัฒนาเมื่อผลของปีเก็บเกี่ยวถูก

5 E ฮัล บัญชี