3.1. Spectral characteristics for t

3.1. Spectral characteristics for the freshness detection
3.1.1. Prediction of freshness based on whole spectral wavelength
In this study, PLSR and SVR were used to build calibration models
to assess egg freshness using a full spectral range. The calibration
and prediction results obtained from various pre-treatment
routines were compared in Table 1. When PLSR was used to establish
a calibration model, the pre-treatment routines were
R2
p = 0.78, and RMSEP = 5.30% using ‘Autoscale’, which improved
predictive capacity compared to the original data (R2
p = 0.68,
RMSEP = 6.49%). When SVR was used to establish a calibration
model, the pre-treatment routines were R2
p = 0.85,
RMSEP = 4.33% using ‘PCA’. The pre-treatment processes improved
little predictive capacity compared to the original data, however,
the discrepancy between R2
c (1.00) and R2
p (0.85) in the original
data indicated that the model was over fit for the training samples,
resulting in a poor generalization ability. The above analysis suggests
that the SVR calibration model delivers better outcomes,
and the pre-treatment is effective and necessary to generate a suitable
set of data. To evaluate how accurate the model predicts the
value of a component, the root mean standard error value should
be compared with the standard deviation of the reference data
(Kamruzzaman et al., 2012). Therefore, calibration models were
evaluated according to the RPD. According to the reports by
Williams (2001), RPD value of 2.60 in SVR model suggesting that
the model can screen the egg freshness roughly. Kemps et al.
(2006) and Giunchi et al. (2008) reported the similar results but
with lower correlation coefficients for the measuring and the predicting HU with spectroscopy. A possible reason was that the
transmission spectral characteristics were influenced by pores on
eggshell.
3.1.2. Prediction of freshness based on optimal wavelength
Wavelength optimization is an important procedure to reduce
the amount of information obtained from hyperspectral imaging,
and design an optimal multispectral imaging inspection system.
In this study, SPA was performed here to select effective wavelength
variables from the full spectra. Thirteen wavelengths, 620,
632, 654, 671, 680, 684, 697, 707, 712, 724, 762, 780, and
796 nm, were selected using SPA (Fig. 3). The main wavelengths
are between 570 and 750 nm, which mean wavelengths are
applicable to measure the changes of egg freshness during the storage.
The result is in agreement with the report of Kemps et al.
(2006) whose research showed that the relevant spectral information
in terms of predicting HU was mainly between 570 and
750 nm.
In order to predict instrumental attributes, a new SVR model
was built using optimal wavelengths. Its performance is shown in Table 1. HU value could be sufficiently predicted using optimal
wavelengths since it has a determination coefficient (R2
p) = 0.87,
RMSEP = 4.01% and RPD = 2.80. The SPA–SVR model increased R2
p
by 2.36%, RPD by 7.69%, and reduced RMSEP by 7.39%. Although
the performance of SPA–SVR model only had a small improvement,
the 13 wavelengths selected by SPA could replace the full spectral
to predict HU value during egg storage, which was beneficial to
industrial application for hyperspectral imaging.
3.1.3. Classification of eggs based on their HU value
According to HU value (United States Department of
Agriculture, 2000), eggs could be distinguished into AA grade,
fresh, top quality, (HU value >72); A grade, low quality, (HU valve
60–72) and B grade, deteriorated, (HU value

ผลลัพธ์ (ไทย) 1:

3.1. สเปกตรัมลักษณะสำหรับการตรวจสอบความสดใหม่3.1.1. ทำนายสดตามความยาวคลื่นสเปกตรัมทั้งหมดในการศึกษานี้ SVR และ PLSR ใช้ในการสร้างรูปแบบการสอบเทียบเพื่อประเมินความสดของไข่โดยใช้ช่วงสเปกตรัมเต็มรูปแบบ การสอบเทียบและคาดคะเนผลที่ได้รับจากการรักษาต่าง ๆ ก่อนตามปกติถูกเปรียบเทียบในตารางที่ 1 เมื่อใช้ PLSR สร้างแบบสอบเทียบ คำสั่งการรักษาก่อนR2p = 0.78 และ RMSEP = 5.30% 'ปรับมาตราส่วนอัตโนมัติ' ซึ่งใช้ทำนายความจุเมื่อเทียบกับข้อมูลเดิม (R2p = 0.68RMSEP = 6.49%) เมื่อ SVR ถูกใช้เพื่อสร้างการสอบเทียบแบบ R2 ได้ตามปกติรักษาก่อนp = 0.85RMSEP = 4.33% ใช้ 'PCA' กระบวนการรักษาก่อนการปรับปรุงความจุเล็กน้อยคาดการณ์เมื่อเปรียบเทียบกับข้อมูลเดิม อย่างไรก็ตามความขัดแย้งระหว่าง R2c (1.00) และ R2p (0.85) ในต้นฉบับข้อมูลระบุว่า เป็นแบบเกินพอดีสำหรับตัวอย่างการฝึกอบรมส่งผลให้ความสามารถลักษณะทั่วไปไม่ดี การวิเคราะห์ข้างต้นแสดงให้เห็นว่า แบบสอบเทียบ SVR ให้ผลลัพธ์ที่ดีกว่าและรักษาก่อนมีประสิทธิภาพ และจำเป็นต้องสร้างความเหมาะสมชุดของข้อมูล การประเมินแบบจำลองการคาดการณ์วิธีที่ถูกต้องค่าของส่วนประกอบ ค่าข้อผิดพลาดมาตรฐานหมายถึงรากควรจะเปรียบเทียบกับส่วนเบี่ยงเบนมาตรฐานของข้อมูลอ้างอิง(Kamruzzaman et al. 2012) ดังนั้น การสอบเทียบรุ่นได้ประเมินตาม RPD ตามรายงานโดยวิลเลียมส์ (2001), RPD มูลค่า 2.60 ใน SVR รุ่นบอกว่าแบบจำลองสามารถหน้าจอสดไข่ประมาณ เคมป์คอเนอร์ et al(2006) และอัน et al. (2008) รายงานผลที่คล้ายกัน แต่มีค่าสัมประสิทธิ์สหสัมพันธ์ต่ำกว่าวัดและหู predicting กับสเปกโทรสโก เหตุผลเป็นไปได้นะลักษณะสเปกตรัมการส่งถูกอิทธิพลจากรูขุมขนบนเปลือกไข่3.1.2 การทำนายสดตามความยาวคลื่นที่เหมาะสมความยาวคลื่นเพิ่มประสิทธิภาพเป็นขั้นตอนสำคัญเพื่อลดจำนวนข้อมูลที่ได้จาก hyperspectral ถ่ายภาพและการออกแบบระบบการตรวจสอบภาพ multispectral เหมาะสมที่สุดในการศึกษานี้ สปาที่นี่เพื่อทำเลือกความยาวคลื่นที่มีประสิทธิภาพตัวแปรจากสเปกตรัมเต็มรูปแบบ ความยาวคลื่นที่สิบสาม 620632, 654, 671, 680, 684, 697, 707, 712, 724, 762, 780 และ796 nm เลือกใช้สปา (รูป 3) ความยาวคลื่นหลักระหว่าง 570 และ 750 nm ซึ่งหมายถึง มีความยาวคลื่นใช้วัดการเปลี่ยนแปลงของความสดของไข่ในระหว่างการจัดเก็บข้อมูลผลที่ได้คือข้อตกลงการรายงานของเคมป์คอเนอร์ et al(2006) ที่มีการวิจัยพบว่าข้อมูลสเปกตรัมที่เกี่ยวข้องในแง่ของการทำนายหูเป็นส่วนใหญ่ระหว่าง 570 และ750 nmเพื่อที่จะทำนายคุณลักษณะบรรเลง SVR รุ่นใหม่ถูกสร้างขึ้นโดยใช้ความยาวคลื่นที่เหมาะสม ประสิทธิภาพการทำงานจะแสดงในตารางที่ 1 ค่าหูสามารถพอคาดเดาโดยใช้ที่ดีที่สุดความยาวคลื่นเนื่องจากมีค่าสัมประสิทธิ์การกำหนด (R2p) = 0.87RMSEP = 4.01% และ RPD = 2.80 แบบสปา – SVR เพิ่ม R2p2.36%, RPD 7.69% และ RMSEP ลดลง 7.39% ถึงแม้ว่าประสิทธิภาพของรูปแบบสปา – SVR เพียงแต่มีการปรับปรุงเล็ก ๆความยาวคลื่น 13 เลือกสปาสามารถแทนสเปกตรัมเต็มรูปแบบการทำนายค่าหูในช่วงเก็บไข่ ซึ่งเป็นประโยชน์ต่ออุตสาหกรรมสำหรับ hyperspectral ถ่ายภาพ3.1.3. การจำแนกประเภทของไข่ตามมูลค่าหูของพวกเขาตามค่า HU (ไทยกรมการเกษตร 2000) ไข่อาจแตกต่างไปเป็นเกรด AAสด ด้านคุณภาพ, (HU ค่า > 72); เกรด คุณภาพต่ำ (HU วาล์ว60 – 72) และ เกรด B เสื่อมโทรม, (HU ค่า < 60) สปา – SVCใช้แบบจำลองเพื่อประเมินความสดของไข่ และผลลัพธ์ถูกแสดงตารางที่ 2 ตามค่า HU ไข่ 70 ได้ถือเป็นเกรด AA ไข่ 73 ถูกเกรด A และเหลือไข่ 102เกรด B ราคาพิเศษรหัสไข่ถูก 86.9% ในชุดสอบเทียบและตั้ง 84.0% ในการคาดการณ์

ผลลัพธ์ (ไทย) 2:

3.1 ลักษณะสเปกตรัมสำหรับการตรวจสอบความสดใหม่
3.1.1 การทำนายของความสดใหม่บนพื้นฐานของความยาวคลื่นสเปกตรัมทั้ง
ในการศึกษานี้ PLSR และ SVR ถูกนำมาใช้ในการสร้างแบบจำลองการสอบเทียบ
เพื่อประเมินความสดไข่โดยใช้ช่วงสเปกตรัมเต็มรูปแบบ สอบเทียบ
และการทำนายผลที่ได้รับจากต่าง ๆ การรักษาก่อน
การปฏิบัติถูกนำมาเปรียบเทียบในตารางที่ 1 เมื่อ PLSR ถูกใช้ในการสร้าง
รูปแบบการสอบเทียบประจำการรักษาก่อนเป็น
R2
p = 0.78 และ RMSEP = 5.30% โดยใช้ 'สเกลอัตโนมัติซึ่ง การปรับปรุง
ความจุทำนายเมื่อเทียบกับข้อมูลเดิม (R2
p = 0.68,
RMSEP = 6.49%) เมื่อ SVR ถูกใช้ในการสร้างการสอบเทียบ
รุ่นประจำการรักษาก่อนเป็น R2
p = 0.85
RMSEP = 4.33% โดยใช้ 'PCA' กระบวนการรักษาก่อนการปรับปรุง
กำลังการผลิตคาดการณ์เล็กน้อยเมื่อเทียบกับข้อมูลเดิม แต่
ความแตกต่างระหว่าง R2 เรียก
C (1.00) และ R2
P (0.85) เดิม
ข้อมูลที่ชี้ให้เห็นว่ารูปแบบถูกกว่าเหมาะสำหรับตัวอย่างการฝึกอบรมที่
มีผลในการ ความสามารถทั่วไปที่ไม่ดี การวิเคราะห์ข้างต้นแสดงให้เห็น
ว่ารูปแบบการสอบเทียบ SVR มอบผลลัพธ์ที่ดีขึ้น
และการรักษาก่อนที่มีประสิทธิภาพและความจำเป็นในการสร้างที่เหมาะสม
ชุดของข้อมูล เพื่อประเมินว่ามีความถูกต้องแบบจำลองคาดการณ์
มูลค่าขององค์ประกอบรากหมายถึงค่าความผิดพลาดมาตรฐานควร
นำมาเปรียบเทียบกับค่าเบี่ยงเบนมาตรฐานของข้อมูลอ้างอิง
(Kamruzzaman et al., 2012) ดังนั้นรูปแบบการสอบเทียบที่ได้รับ
การประเมินตาม RPD ตามรายงานโดย
วิลเลียมส์ (2001) ค่า RPD 2.60 ในรุ่น SVR บอกว่า
รูปแบบสามารถคัดกรองความสดไข่ลวก Kemps et al.
(2006) และ Giunchi et al, (2008) รายงานผลที่คล้ายกัน แต่
มีค่าสัมประสิทธิ์สหสัมพันธ์ที่ต่ำกว่าสำหรับการวัดและการทำนาย HU กับสเปกโทรสโก เหตุผลที่เป็นไปได้คือการที่
การส่งลักษณะสเปกตรัมได้รับอิทธิพลจากรูขุมขนบน
เปลือกไข่.
3.1.2 การทำนายของความสดใหม่บนพื้นฐานของความยาวคลื่นที่เหมาะสม
เพิ่มประสิทธิภาพความยาวคลื่นเป็นขั้นตอนสำคัญที่จะช่วยลด
ปริมาณของข้อมูลที่ได้รับจากการถ่ายภาพ Hyperspectral ที่
และการออกแบบที่ดีที่สุดระบบการตรวจสอบการถ่ายภาพแบบ multispectral.
ในการศึกษานี้สปาได้รับการดำเนินการที่นี่เพื่อเลือกความยาวคลื่นที่มีประสิทธิภาพ
ตัวแปรจากสเปกตรัมเต็มรูปแบบ . สิบสามความยาวคลื่น 620,
632, 654, 671, 680, 684, 697, 707, 712, 724, 762, 780 และ
796 นาโนเมตรได้รับการคัดเลือกโดยใช้สปา (รูปที่. 3) ความยาวคลื่นหลัก
อยู่ระหว่าง 570 และ 750 นาโนเมตรซึ่งความยาวคลื่นเฉลี่ยมี
ผลบังคับใช้วัดการเปลี่ยนแปลงของความสดไข่ระหว่างการเก็บรักษาได้.
ผลที่ได้คือในข้อตกลงกับรายงานของ Kemps et al,.
(2006) ที่มีการวิจัยพบว่าข้อมูลสเปกตรัมที่เกี่ยวข้อง
ในแง่ของการทำนาย HU ส่วนใหญ่ระหว่าง 570 และ
750 นาโนเมตร.
เพื่อที่จะทำนายคุณลักษณะสื่อรูปแบบใหม่ SVR
ถูกสร้างขึ้นโดยใช้ความยาวคลื่นที่เหมาะสม ประสิทธิภาพการทำงานของมันจะถูกแสดงในตารางที่ 1 ค่า HU สามารถคาดการณ์ได้อย่างพอเพียงโดยใช้ที่ดีที่สุด
ความยาวคลื่นเพราะมันมีค่าสัมประสิทธิ์การตัดสินใจ (R2
P) = 0.87,
RMSEP = 4.01% และ RPD = 2.80 รูปแบบสปา SVR เพิ่มขึ้น R2
P
2.36% โดย RPD 7.69% และลดลงโดย RMSEP 7.39% แม้ว่า
ผลการดำเนินงานของรูปแบบสปา SVR มีเพียงการปรับปรุงเล็ก,
13 ความยาวคลื่นเลือกโดยสปาสามารถใช้ทดแทนสเปกตรัมเต็มรูปแบบ
ที่จะคาดการณ์ค่า HU ระหว่างการเก็บรักษาไข่ซึ่งเป็นประโยชน์ต่อการ
ใช้ในอุตสาหกรรมสำหรับการถ่ายภาพ Hyperspectral.
3.1.3 การจำแนกประเภทของไข่ขึ้นอยู่กับมูลค่าของพวกเขา HU
ตามค่า HU (สหรัฐอเมริกากรมวิชาการ
เกษตร, 2000), ไข่อาจจะแตกต่างออกเป็นเกรด AA,
สดคุณภาพชั้นนำ (HU ค่า> 72); เกรด A ที่มีคุณภาพต่ำ (HU วาล์ว
60-72) และเกรด B, เสื่อมโทรม (ค่า HU <60) SPA-SVC
รูปแบบถูกนำมาใช้ในการประเมินความสดไข่และผลที่มีการแสดง
ในตารางที่ 2 ตามค่า HU 70 ไข่ได้รับการพิจารณาเป็น
เกรด AA 73 ไข่เกรด A และที่เหลืออีก 102 ไข่
เกรด B อัตราประจำตัวไข่ 86.9% อยู่ในชุดการสอบเทียบ
และ 84.0% ในชุดการทำนาย

ผลลัพธ์ (ไทย) 3:

3.1 . ลักษณะสเปกตรัมสำหรับความสดการตรวจจับ3.1.1 . คำทำนายแห่งความสดชื่นจากทั้งสเปกตรัมความยาวคลื่นในการศึกษานี้ และ plsr กล่าวถูกใช้เพื่อสร้างแบบจำลองการสอบเทียบเพื่อประเมินการตุนไข่เต็มสเปกตรัมของช่วง สอบเทียบและการทำนายผลจากผลต่าง ๆตามปกติเมื่อมีในตารางที่ 1 เมื่อ plsr ถูกใช้เพื่อสร้างการสอบเทียบแบบจำลองกิจวัตรก่อนคืออาร์ทูP = 0.78 และ rmsep = 5.30 % โดยใช้ " บันทึก " ซึ่งการปรับปรุงความสามารถในการทำนายเมื่อเทียบกับข้อมูลเดิม ( อาร์ทูP = 0.68 ,rmsep = 6.49 % ) เมื่อกล่าวถูกใช้เพื่อสร้างการสอบเทียบโมเดล กิจวัตรก่อนถูกอาร์ทูP = 0.85 ,rmsep = 4.33 % การใช้ " ระบบ " การและกระบวนการพัฒนาความสามารถในการทำนายน้อยเมื่อเทียบกับข้อมูลเดิม อย่างไรก็ตามความแตกต่างระหว่างอาร์ทู( 1 ) R2 C และP ( 0.85 ) ในต้นฉบับข้อมูลพบว่าโมเดลอยู่พอดี สำหรับการฝึกอบรมอย่างส่งผลให้ความสามารถในการยากจน การวิเคราะห์ข้างต้นแสดงให้เห็นการสอบเทียบแบบจำลองที่กล่าวให้ผลที่ดีกว่าและเยื่อหุ้มเมล็ดที่มีประสิทธิภาพและจำเป็นที่จะสร้างที่เหมาะสมชุดของข้อมูล เพื่อประเมินวิธีการที่ถูกต้องแบบจำลองคาดการณ์ค่าขององค์ประกอบรากหมายถึงค่าความคลาดเคลื่อนมาตรฐาน ควรจะเทียบกับส่วนเบี่ยงเบนมาตรฐานของข้อมูลที่อ้างอิง( kamruzzaman et al . , 2012 ) ดังนั้น การสอบเทียบ คือรุ่นประเมินตามการร์แพด . ตามรายงานโดยวิลเลียมส์ ( 2001 ) , ร์แพดมูลค่า 2.60 แบบกล่าวแนะนำว่าแบบสามารถจอไข่สดประมาณ สมุดขนาด et al .( 2006 ) และ giunchi et al . ( 2008 ) รายงานผลที่คล้ายกัน แต่าสัมประสิทธิ์สหสัมพันธ์สำหรับวัดและทำนาย Hu ด้วยสเปกโทรสโกปี เหตุผลที่เป็นไปได้ว่าส่งเงาลักษณะได้รับอิทธิพลจากรูขุมขนบนเปลือกไข่3.1.2 . คำทำนายแห่งความสดชื่นจากความยาวคลื่นที่เหมาะสมความยาวคลื่นที่เหมาะสมเป็นขั้นตอนที่สำคัญ เพื่อลดปริมาณของข้อมูลที่ได้จาก hyperspectral การถ่ายภาพ ,และการออกแบบที่เหมาะสมในการถ่ายภาพหลายการตรวจสอบระบบในการศึกษานี้ได้ดำเนินการสปาที่นี่เพื่อเลือกความยาวคลื่นอย่างมีประสิทธิภาพตัวแปรจากสเปกตรัมเต็มรูปแบบ สิบสามความยาวคลื่น 620 ,632 654 , 671 , 680 , 684 697 707 , 712 333 , 762 , 780 , และ ,796 nm ถูกเลือกใช้สปา ( รูปที่ 3 ) ที่ความยาวคลื่นที่หลักระหว่าง 570 750 นาโนเมตร ซึ่งหมายถึงแสงเป็นที่ใช้วัดการเปลี่ยนแปลงความสดของไข่ในระหว่างการเก็บรักษาผลที่ได้คือในข้อตกลงกับรายงานของ เคมป์ส et al .( 2006 ) ซึ่งมีการวิจัยพบว่าข้อมูลสเปกตรัมที่เกี่ยวข้องในแง่ของการใช้หูเป็นหลักและระหว่าง750 นาโนเมตรเพื่อทำนายคุณลักษณะรูปแบบ SVR ใหม่เครื่องมือถูกสร้างขึ้นโดยใช้ความยาวคลื่นที่เหมาะสมที่สุด ประสิทธิภาพของ แสดงดังตารางที่ 1 หูอาจจะพอคาดการมูลค่าที่เหมาะสมเพราะมันมีการกำหนดความยาวคลื่นสัมประสิทธิ์ ( อาร์ทูP ) = 0.87 ,rmsep = 4.01 ร้อยละร์แพด = 2.80 . สปา– SVR เพิ่มขึ้น R2 รุ่นpโดย 2.36 % ร์แพดโดยที่สุด % และลด rmsep โดย 7.39 % ถึงแม้ว่าประสิทธิภาพของรูปแบบสปา– SVR มีเพียงการปรับปรุงเล็ก ๆ13 สามารถเลือกโดยสปาสามารถแทนที่เต็มสเปกตรัมเพื่อทำนายค่าหูในระหว่างการเก็บรักษาไข่ ซึ่งเป็นประโยชน์ต่อใช้ในอุตสาหกรรมสำหรับการถ่ายภาพ hyperspectral .3.1.3 . ประเภทของไข่ขึ้นอยู่กับค่าหูของพวกเขาตามหูค่า ( สหรัฐอเมริกากรมการเกษตร , 2000 ) , ไข่อาจจะแยกแยะเป็น AA เกรดสด , คุณภาพ , ( หูค่า > 72 ) ; เกรดคุณภาพต่ำ ( Hu , วาล์ว60 - 72 ) และเกรด B ที่เสื่อมสภาพ ( Hu ค่า < 60 ) สปา– SVCแบบจำลองที่ใช้ในการประเมิน ตุนไข่ และผลลัพธ์ที่ได้แสดงในตารางที่ 2 ตามหูมูลค่า 70 ไข่ถือว่าเป็นเกรด AA , 73 ไข่เกรด A และอีก 102 ไข่เกรด B . จำนวน 134 จากไข่ตัวอัตราการตั้งร้อยละ 84.0 และการคาดการณ์ชุด