3.4. Detection and classification o

3.4. Detection and classification of the adulterated sesame oil
Here, all the 746 oil samples are classified into six vegetable oil
classes, labeled as ‘1’ (pure sesame oil), ‘2’ (pure rapeseed oil or
mixture of rapeseed oil and sesame oil), ‘3’ (pure soybean oil or
mixture of soybean oil and sesame oil), ‘4’ (pure sunflower seed
oil or mixture of sunflower seed oil and sesame oil), ‘5’ (pure cottonseed
oil or mixture of cottonseed oil and sesame oil) and ‘6’
(pure palm oil or mixture of palm oil and sesame oil), respectively.
During the process of detection and classification, a two-stage
stepwise procedure, including detection phase and classification
phase, is developed based on SVM algorithm.
In the detection phase, six classes are defined as authentic
sesame oils and adulterated sesame oils with the labels ‘1’ and
‘1’, respectively. This means that only two classes need be classified
in this phase. Total of 746 samples are split into two sets, one
used as calibration set including 586 samples and the other with
160 adulterated sesame oils used as validation set. Using the radial
basis function (RBF) kernel, the SVM-based classification model is
characterized by two parameters, c (the penalty parameter) and g
(the kernel width parameter), which should be carefully selected
to achieve good performance. The parameter optimization also
consists of two steps as following:

ผลลัพธ์ (ไทย) 1:

3.4 การตรวจหาและจำแนกประเภทของน้ำมันงาเจือที่นี่ ทั้งหมด 746 น้ำมันตัวอย่างจะแบ่งเป็นน้ำมันพืช 6ชั้นเรียน ชื่อเป็น '1' (น้ำมันงาบริสุทธิ์), '2' (น้ำมันเมล็ดต้นบริสุทธิ์ หรือส่วนผสมของน้ำมันงาและน้ำมัน rapeseed), '3' (น้ำมันถั่วเหลืองแท้ หรือส่วนผสมของน้ำมันถั่วเหลืองและน้ำมันงา), '4' (บริสุทธิ์ดอกทานตะวันเมล็ดน้ำมันหรือส่วนผสมของน้ำมันเมล็ดดอกทานตะวันและน้ำมันงา), '5' (บริสุทธิ์ดัดน้ำมันหรือส่วนผสมของน้ำมันงาและน้ำมันส่วนเกิน) และ '6'(น้ำมันปาล์มบริสุทธิ์หรือส่วนผสมของน้ำมันงาและน้ำมันปาล์ม), ตามลำดับในระหว่างกระบวนการตรวจสอบ และการจัดประเภท สองขั้นตอนขั้นตอน stepwise ขั้นตอนการตรวจสอบและการจัดประเภทเฟส จะพัฒนาตามอัลกอริทึม SVMในขั้นตอนการตรวจสอบ ชั้น 6 ไว้เป็นอาหารน้ำมันงาและน้ำมันงาเจือ ด้วยป้ายชื่อ '1' และ'1' ตามลำดับ หมายความ ว่า ต้องจัดชั้นสองเท่านั้นในระยะนี้ จำนวน 746 ตัวอย่างจะแบ่งออกเป็นสองชุด หนึ่งใช้เป็นการปรับเทียบที่ตั้ง 586 ตัวอย่างและอื่น ๆ ที่มี160 เจือน้ำมันงาใช้เป็นชุดตรวจสอบ ใช้รัศมีการพื้นฐาน (RBF) ฟังก์ชันเคอร์เนล แบบ SVM โดยจัดประเภทเป็นโดยพารามิเตอร์ที่สอง c (พารามิเตอร์โทษ) และ g(เมล็ดกว้างพารามิเตอร์), ซึ่งควรจะเลือกอย่างระมัดระวังเพื่อให้บรรลุประสิทธิภาพที่ดี ปรับพารามิเตอร์ยังประกอบด้วยสองขั้นตอนดังต่อไปนี้:

ผลลัพธ์ (ไทย) 3:

3.4 . การตรวจสอบการปลอมปนน้ำมัน
ที่นี่ทั้งหมด 746 น้ำมันตัวอย่าง แบ่งเป็นหกน้ำมันพืช
บทเรียน , ระบุว่าเป็น ' 1 ' ( บริสุทธิ์น้ำมันงา ) , ' 2 ' ( บริสุทธิ์ Rapeseed Oil หรือน้ำมัน rapeseed
ผสมกับน้ำมันงา ) , ' 3 ' ( บริสุทธิ์หรือ
ผสมน้ำมันถั่วเหลือง ของน้ำมันถั่วเหลืองและน้ำมันงา ) , ' 4 ' ( บริสุทธิ์น้ำมันเมล็ดดอกทานตะวัน
หรือมีส่วนผสมของน้ำมันเมล็ดทานตะวัน และน้ำมันงา )' 5 ' ( บริสุทธิ์ฝ้าย
น้ำมันหรือส่วนผสมของน้ำมันและน้ำมันเมล็ดงา ) และ ' 6 '
( บริสุทธิ์น้ำมันปาล์ม หรือมีส่วนผสมของน้ำมันปาล์มและน้ำมันงา ) ตามลำดับ
ในระหว่างกระบวนการของการตรวจสอบและการสุ่มแบบสองขั้นตอน ได้แก่ ขั้นตอนการตรวจหา
ขั้นตอนการพัฒนาตาม
เฟส ในอัลกอริทึม SVM .
ในขั้นตอนการค้นหา หกชั้น เช่น
แท้ๆงางาและน้ำมันปลอมปนน้ำมันด้วยฉลาก ' 1 ' และ '
'  1 ตามลำดับ ซึ่งหมายความว่าเพียงสองชั้นต้องจัด
ในขั้นตอนนี้ ทั้งหมด 746 คน แยกเป็นสองชุด หนึ่งชุด รวมทั้งจะใช้เป็นค่า

160 ตัวอย่าง และอื่น ๆ กับ งา น้ำมันที่ใช้เป็นชุดตรวจสอบการปลอมปน . การใช้ฟังก์ชันเรเดียลเบซิส
( RBF ) เคอร์เนลรูปแบบการเป็น SVM
ลักษณะสองพารามิเตอร์ c ( โทษพารามิเตอร์ ) และ g
( เคอร์เนลความกว้างตัวแปร ) ซึ่งควรจะเลือกอย่างระมัดระวัง
เพื่อให้บรรลุประสิทธิภาพที่ดี พารามิเตอร์การเพิ่มประสิทธิภาพยัง
ประกอบด้วยสองขั้นตอนดังนี้ :