2022-04-18

Новый алгоритм для повышения эффективности передачи качественных моделей спектроскопии ближнего инфракрасного диапазона

Исследовательская группа из Института физических наук Хэфэя (HFIPS) Китайской академии наук (CAS) недавно разработала новый алгоритм для технологии спектроскопии в ближнем инфракрасном диапазоне для повышения эффективности передачи моделей качественного анализа в ближнем инфракрасном диапазоне между приборами. Результаты были опубликованы в журнале Infrared Physics & Technology.

Исходный и средний спектры нормальных и нездоровых зерен пшеницы и кукурузы. Кредит: Сюй Чжуопин

Ближняя инфракрасная спектроскопия (NIRS) — это технология быстрого и неразрушающего обнаружения. Калибровочные модели являются ключом к анализу NIRS, и точность передачи моделей между приборами определяет эффективность популяризации и применения этой технологии. Чтобы гарантировать, что прогностическая эффективность моделей не пострадает при переносе между приборами, необходимо постоянно разрабатывать новые алгоритмы и методы калибровки. В предыдущих исследованиях исследователи в основном сосредоточились на передаче количественных моделей NIR, но в меньшей степени на передаче качественных моделей.

Чтобы решить эту проблему, группа сравнила различные алгоритмы переноса с NIR-идентификацией нездоровых зерен в зернах пшеницы и кукурузы в качестве примеров, стремясь оптимизировать производительность качественных моделей NIR при переносе различных инструментов и повысить надежность NIR-прогнозирования.

Исследовательская группа предложила метод выбора длины волны, основанный на корреляционном анализе (CAWS) в предыдущем исследовании, чтобы повысить эффективность передачи количественных моделей NIR путем проверки стабильных и согласованных диапазонов волн между приборами.

На этот раз исследователи усовершенствовали алгоритм CAWS, чтобы сделать его в равной степени применимым к моделям качественной дискриминации.

Результаты показывают, что проверочные коэффициенты корреляции Мэтьюза дискриминантных моделей пшеницы и кукурузы, оптимизированных с помощью CAWS, составляют 0,718 и 1 соответственно, занимая второе и первое место в различных условиях обработки алгоритма, что подтверждает эффективность предложенного метода.

В этом исследовании предлагается алгоритм повышения эффективности передачи качественных моделей NIR между инструментами, что полезно для дальнейшей популяризации и применения NIRS.



PhysReal • Физическая реальность

Администрация не несет ответственности за достоверность информации, опубликованной в рекламных объявлениях. Материалы, опубликованные в блогах, отражают позиции их авторов, которые могут не совпадать с мнением редакции. Использование публикаций сайта разрешается при наличии прямой ссылки на PhysReal.
Контактный E-mail:

Telegram: https://t.me/physreal
ВКонтакте: https://vk.com/physreal
RSS (XML): Новости физики

Copyright © 2022 Development by Programilla.com