مقاله بررسی اثر پیشپردازشهای مختلف طیفی بر ارزیابی غیر مخرب کیفیت پرتقال با اسپکتروفتومتری فروسرخ نزدیک (NIRS)
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله بررسی اثر پیشپردازشهای مختلف طیفی بر ارزیابی غیر مخرب کیفیت پرتقال با اسپکتروفتومتری فروسرخ نزدیک (NIRS) دارای ۲۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله بررسی اثر پیشپردازشهای مختلف طیفی بر ارزیابی غیر مخرب کیفیت پرتقال با اسپکتروفتومتری فروسرخ نزدیک (NIRS) کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بررسی اثر پیشپردازشهای مختلف طیفی بر ارزیابی غیر مخرب کیفیت پرتقال با اسپکتروفتومتری فروسرخ نزدیک (NIRS)،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله بررسی اثر پیشپردازشهای مختلف طیفی بر ارزیابی غیر مخرب کیفیت پرتقال با اسپکتروفتومتری فروسرخ نزدیک (NIRS) :
تعداد صفحات :۲۷
اسپکتروسکوپی فروسرخ نزدیک (NIR) در ترکیب با روشهای شیمیسنجی، شامل پیشپردازشهای طیفی و مدلسازیهای چندمتغیره، یکی از پرکاربردترین روشهای غیر مخرب اندازهگیری ویژگیهای کیفی میوهها و سبزیهاست که در سالهای اخیر بیشتر مد نظر پژوهشگران بوده است. در این پژوهش، توانایی روش اسپکتروسکوپی NIR بازتابی در محدوده طیفی ۱۶۵۰-۹۳۰ نانومتر بهمنظور پیشبینی غیر مخرب مواد جامد حلشدنی (SSC) و اسیدیته قابل تیتر کردن (TA) پرتقال تامسون، همچنین اثر پیشپردازشهای مختلف طیفی بر دقت مدلهای چندمتغیره پیشبینیکننده بررسی شد. در این راستا، مدلهای واسنجی چندمتغیره حداقل مربعات جزئی (PLS) بر پایه اندازهگیریهای مرجع و اطلاعات طیفهای پیشپردازش شده با ترکیب روشهای مختلف هموارسازی (میانگینگیری متحرک (MA)، ساویتزکی- گولای (SG)، تبدیل موجک (WT))؛ نرمالسازی (تصحیح پراکنش افزاینده (MSC)، توزیع نرمال استاندارد (SNV))؛ و افزایش قدرت تفکیک طیفی (مشتقهای اول و دوم (D1، D2)) برای پیشبینی SSC و TA پرتقالها تدوین شدند. نتایج نشان داد که اسپکتروسکوپی NIR بازتابی، در ترکیب با روشهای شیمیسنجی، توانایی پیشبینی غیر مخرب SSC و TA پرتقال را دارد. همچنین، روشهای پیشپردازش اثر مستقیم بر نتایج مدلهای PLS تدوین شده برای پیشبینی این پارامترهای درونی داشتند و بهترین نتایج پیشبینی برای SSC (430/0RMSEC=، ۹۲۳/0rc=، ۴۵۱/0RMSEP=، ۹۳۶/0rp=، ۷۹۸/۲SDR=) و TA (133/0RMSEC=، ۸۸۳/0rc=، ۱۷۷/0RMSEP=، ۸۶۳/0rp=، ۸۵۳/۱SDR=) بر پایه ترکیب روشهای پیشپردازش MA + SNV بهدست آمد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.