|
|
سیزدهمین کنگره ملی مکانیک بیوسیستم و مکانیزاسیون ایران (مکانیک بیوسیستم 1400)
|
|
|
| عنوان فارسی |
مقایسه برخی روشهای پیشپردازش طیف مرئی/فروسرخ‌نزدیک موج کوتاه بر عملکرد مدل حداقل مربعات جزئی (مطالعه موردی: ارزیابی رسیدگی میوه انجیر) |
|
| چکیده فارسی مقاله |
طیف های مرئی و فروسرخ نزدیک اخذ شده از مواد مختلف علاوه بر اطلاعات ناشی از ساختار مولکولی نمونه، حامل داده های ناخواسته از قبیل نوفه و نور پس زمینه است. لذا برای رسیدن به مدل واسنجی دقیق و قابل اعتماد معمولاً پیش پردازش داده های طیفی قبل از مدل سازی ضرورت دارد. در این پژوهش تأثیر روش های هموارسازی، نرمالسازی، Detrending ، توزیع نرمال استاندارد (SNV) و تصحیح پراکنش افزاینده (MSC) به صورت انفرادی یا ترکیبی در دقت پیش بینی مدل حداقل مربعات جزئی (PLS) مورد بررسی قرار گرفتند. تعداد 167 میوه انجیر برای تدوین و اعتبارسنجی مدلها انتخاب شدند. از روش آنالیز مولفه های اصلی ( PCA ) برای استخراج مولفه های اصلی طیف ها استفاده شد. عملکرد مدل مربعات حداقل جزئی (PLS) و روشهای رایج پیش پردازش داده های طیفی با شاخصهای: انحراف پیشبینی باقیمانده (RPD)، ضریب همبستگی تخمین (rp) و جذر میانگین مربعات خطای پیشبینی (RMSEP) مورد ارزیابی قرار گرفت. بیشترین شاخص RPD در پیش بینی سفتی بافت برابر 79/1 (845/0=rp و 64/1= RMSEP) در پیشپردازش +De-trending هموارسازی بدست آمد. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Comparison of some Vis/SWNIR preprocessing methods on the performance of the partial least squares model (Case study: evaluation of fig fruit ripeness) |
|
| چکیده انگلیسی مقاله |
Vis/NIR spectra have included unuseful data such as noise and background light in addition to the sample molecular structure information. Therefore, to achieve accurate and reliable calibration models, before modeling, usually spectral data preprocessing is necessary. In this study, the effect of smoothing , normalization, Detrending, standard normal variation (SNV) and multiplicative scatter correction (MSC) individually or in combination to each other on the accuracy of Partial least squares (PLS) modeling techniques were studied. A total of 167 fig fruits were selected for the development and validation of the models. Principal component analysis (PCA) was employed to extract the principal components of the spectra. PLS performance and common spectral data pretreatment methods were evaluated using the residual prediction deviation (RPD), predictive correlation coefficient (rp), and root mean square error of prediction (RMSEP). Based on the combined pretreatment method of MA + De-trending, the highest mean value of RPDs, 1.79 (RMSEP = 0.845, rp = 1.64) was achieved. |
|
| کلیدواژه‌های انگلیسی مقاله |
پیش پردازش, رسیدگی انجیر, حداقل مربعات جزئی, طیف سنجی فروسرخ نزدیک موج کوتاه/مرئی, ارزیابی غیرمخرب. |
|
| نویسندگان مقاله |
Reza Mohammadigol - Arak University
Babak Valizadehkaji - Arak University
Majid Lashgari - Arak University
Reza Sayad Haghshomar - Arak University
|
|
| نشانی اینترنتی |
http://ncame1400.modares.ac.ir/browse.php?a_code=A-10-232-2&slc_lang=fa&sid=1 |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
دوره مرتبط |
کنفرانس مرتبط |
فهرست کنفرانس ها
|
