مقایسه برخی روشهای پیش پردازش طیف مرئی فروسرخ نزدیک موج کوتاه بر عملکردمدل حداقل مربعات جزئی (مطالعه موردی: ارزیابی رسیدگی میوه انجیر)

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 معمولا پیش پردازش دادههای طیفی قبل از مدل سازی ضرورت دارد. در این پژوهش تاثیر روش های هموارسازی، نرمال - سازی، 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 ۱۹۷ میوه انجیر برای تدوین و اعتبارسنجی مدل ها 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 روش های رایج پیش پردازش داده های طیفی با شاخص های: انحراف پیش بینی باقیمانده (RPD)، ضریب همبستگی تخمین (rp) و جذر میانگین مربعات خطای پیش بینی (RMSEP) مورد ارزیابی قرار گرفت. بیشترین شاخص RPD در پیش بینی سنتی بافت برابر (RMSEP =۱/۶۴ ۱/۷۹ ( ۰۸۶۴۵=rp درپیش پردازش De-trending+ هموارسازی بدست آمد.

کلیدواژه ها:

پیش پردازش ، رسیدگی انجیر ، حداقل مربعات جزئی ، طیف سنجی فروسرخ نزدیک موج کوتاه/مرئی ، ارزیابی غیرمخرب