Картошка чипсы, ун, крахмал жана ар кандай кайра иштетилген азык-түлүк продуктылары үчүн маанилүү чийки зат болуп саналат. Бул продуктыларда картошканын кургак зат курамы, башкача айтканда анын ичиндеги суудан башка заттардын үлүшү сапатка түздөн-түз таасир этет. Кургак заттын үлүшү кайра иштетүү натыйжалуулугу, продуктунун түзүлүшү, кытырактыгы, унду кайра алуу жана экономикалык баалуулук жагынан маанилүү көрсөткүч болуп саналат.

Салттуу өлчөө ыкмалары адатта картошканы кесүүнү, кургатууну жана лабораториялык шартта таразалоону талап кылат. Бул ыкмалар так болушу мүмкүн, бирок жай, продуктуну бузат жана реалдуу убакыттагы жеткирүү чынжырын көзөмөлдөөгө ылайыктуу эмес. Бул preprint изилдөө көчмө жакын инфракызыл спектроскопия түзмөгү менен картошканын кургак зат курамын тез жана бузбай өлчөөнү максат кылат.

Изилдөөчүлөр жөн гана божомол модели менен чектелишпейт. Адегенде жарык картошка тканына канчалык терең кире аларын өлчөп, андан кийин картошканын кайсы бөлүгүнөн өлчөө алуу бүт түйүндү жакшыраак чагылдырарын изилдешет. Акырында талаа шарттарындагы тийишүү басымы, беттин ийрилиги жана жарыктын агып кириши сыяктуу практикалык көйгөйлөрдү туураган маалыматтарды көбөйтүү жана моделди оптималдаштыруу жүргүзүлөт.

Натыйжалар 835–875 nm толкун узундугу картошка тканына ылайыктуураак оптикалык кирүүнү камсыз кыларын, экватор аймагынан көп чекиттүү өлчөө көбүрөөк өкүлчүлүктүү экенин жана Detrending–UVE–PLS модели көчмө түзмөктүн иштөөсүн туруктуураак кыларын көрсөтөт. Бирок изилдөө preprint болгондуктан, бул табылгаларды акыркы өнөр жай стандарты катары эмес, кошумча текшерүүнү талап кылган күчтүү ыкма сунушу катары кароо керек.

Көйгөй Эмне?

Картошканын кургак зат курамы азык-түлүк кайра иштетүү өнөр жайында маанилүү сапат көрсөткүчү болуп саналат. Кургак зат үлүшү жогору картошка айрым кайра иштетүү процесстеринде жакшыраак түшүмдүүлүктү, ылайыктуураак текстураны жана керектүү продукт касиеттерин камсыз кылышы мүмкүн. Мисалы, чипсы өндүрүшүндө кургак зат үлүшү продуктунун кытырактыгы жана кууруу сапаты менен байланыштуу.

Бирок бул маанини өлчөө оңой эмес. Классикалык ыкмаларда картошкадан үлгү алынып, таразаланып, жогорку температурада кургатылат жана кайра таразаланып, суудан башка заттардын үлүшү эсептелет. Бул ыкма ишенимдүү деп эсептелет, бирок бузуп өлчөйт. Башкача айтканда, өлчөнгөн продукт бүтүн бойдон калбайт. Мындан тышкары, убакытты талап кылат жана өндүрүш линиясында дароо чечим кабыл алууга ылайык эмес.

Жакын инфракызыл спектроскопия бул көйгөйгө практикалык альтернатива сунуштайт. NIR деп кыскартылган бул ыкма продуктуга белгилүү толкун узундуктарында жарык жиберип, кайтып келген же өтүп кеткен жарыктын үлгүсүнөн химиялык курам жөнүндө маалымат чыгарат. Анткени суу, крахмал, белок жана көмүртек негизиндеги кошулмалар ар башка толкун узундуктарында ар башка оптикалык жооп берет.

Бирок көчмө NIR түзмөктөрү талаада колдонулганда үч чоң көйгөй чыгат. Биринчиси, жарыктын картошка тканына чектелген тереңдикке гана кириши. Эгер жарык үстүңкү бөлүктү гана окуса, бүт картошканын ички сапаты жөнүндө ишенимдүү маалымат бербеши мүмкүн. Экинчиси, картошканын ички түзүлүшү бир тектүү эмес. Сабак жагы, бүчүр жагы жана орто бөлүк бирдей кургак зат маанисине ээ болбошу мүмкүн. Үчүнчүсү, реалдуу колдонууда түзмөктүн картошкага тийишүү басымы, өлчөө бурчу, кабыктын ийрилиги жана айланадагы жарык сыяктуу факторлор спектрди бузушу мүмкүн.

Бул макаланын негизги көйгөйү мындай: көчмө NIR системасы менен картошканын кургак зат курамын продуктуну кеспей жана талаа шарттарындагы өлчөө бузулууларга карабай ишенимдүү божомолдоого болобу?

Ыкма Эмне Сунуштайт?

Изилдөө көчмө NIR өлчөөсү үчүн үч катмарлуу ыкманы сунуштайт.

Биринчи катмар — физикалык өлчөө чектерин түшүнүү. Изилдөөчүлөр жарык картошка тканынын ичинде канчалык алыс бара аларын эксперимент аркылуу өлчөшөт. Бул үчүн картошка тканы катмар-катмар жукартылып, анын астына жайгаштырылган мүнөздүү оптикалык сигнал ткандын калыңдыгы көбөйгөн сайын кантип алсырай турганы байкалат. Ошентип түзмөк теориялык гана эмес, чыныгы картошка тканынын ичинде канчалык терең окуй алары бааланат.

Экинчи катмар — туура үлгү алуу аймагын аныктоо. Картошканын сабак жагы, бүчүр жагы жана экватор аймагы өз-өзүнчө изилденет. Экватор аймагын картошканын ортоңку тегерек тилкеси катары элестетүүгө болот. Изилдөө бул аймак бүт картошканын кургак зат курамын чагылдырууда жакшыраак экенин көрсөтөт. Ошондуктан изилдөөчүлөр бир чекиттен өлчөө ордуна экватор аймагынан көп чекиттүү өлчөө жана спектрдик орточо алуу ыкмасын кабыл алышат.

Үчүнчү катмар — моделдин туруктуулугун жогорулатуу. Көчмө түзмөктөр лабораторияда эмес, реалдуу талаада колдонулганда өлчөө өзгөрмөлүүлүгү көбөйөт. Түзмөк картошкага бир аз катуураак же жумшагыраак басылышы, беттин ийрилиги башка болушу, тийишүү бурчу өзгөрүшү же тышкы жарык агып кириши мүмкүн. Изилдөөчүлөр мындай бузулууларды туураган маалыматтарды көбөйтүү стратегиясын иштеп чыгышат. Ар бир оригинал спектрден реалисттик вариациялар түзүлүп, модель ушул кеңири шарттарга каршы үйрөтүлөт.

Моделдөө жагында 36 ар башка талдоо жолу сыналат. Алар ар кандай спектрдик алдын ала иштетүү ыкмалары менен өзгөрмөлөрдү тандоо ыкмаларынын айкалыштарынан турат. Негизги божомол модели катары PLS, башкача айтканда жарым-жартылай эң кичине квадраттар регрессиясы колдонулат. Максат жөн гана эң төмөн катага жетүү эмес, өлчөөнүн кайталанмалуулугун да сактоо. Ошондуктан изилдөө кош индекстүү тандоо критерийин колдонот: божомол катасы менен кайра өлчөөлөрдөгү өзгөрмөлүүлүк бирге бааланат.

Формулалар Эмнени Түшүндүрөт?

Бул изилдөөдөгү формулалар көчмө сенсор өлчөгөн жарык сигналын маанилүү сапат божомолуна айландыруу үчүн колдонулат.

Биринчи формула absorbance эсептөөнү түшүндүрөт. Absorbance үлгүгө жиберилген жарык менен үлгүдөн кийин өлчөнгөн жарыктын айырмасынан алынат. Жөнөкөй айтканда, картошка тканы айрым толкун узундуктарында жарыктын бир бөлүгүн сиңирет же чачыратат. Бул өзгөрүү картошканын курамы жөнүндө маалымат берет. Изилдөөдө референс жана үлгү өлчөөлөрү ар башка интеграция убакыттарында алынгандыктан, бул убакыт айырмасы да формулада оңдолот.

Экинчи жана үчүнчү формулалар oblique projection деп аталган сигналды ажыратуу ыкмасына негизделет. Бул ыкма картошка тканынан келген фон таасирин азайтып, астындагы Pr-Nd айнек стандартынын мүнөздүү сигналын такыраак бөлүү үчүн колдонулат. Ошентип ткандын калыңдыгы көбөйгөн сайын сигналдын кантип алсырай турганын тазараак байкоого болот.

Төртүнчү формула ткандын калыңдыгы көбөйгөн сайын жарык сигналы экспоненциалдуу түрдө азаярын көрсөтөт. Бул биологиялык ткандар үчүн күтүлгөн жүрүм-турум. Ткань калыңдаган сайын жарык көбүрөөк чачырап жана сиңет. Формуладагы эффективдүү басаңдоо коэффициенти жарык картошка тканынын ичинде канчалык тез жоголорун билдирет. Ушул коэффициенттен мүнөздүү кирүү тереңдиги эсептелет.

Моделди баалоо формулалары болсо божомолдун ийгилигин өлчөйт. R² модель референс маанилердеги өзгөрүүнү канчалык түшүндүрө аларын көрсөтөт. RMSE божомол катасынын чоңдугун билдирет. Mean RSD болсо бир эле үлгүнү кайра-кайра өлчөгөндө божомолдор канчалык өзгөрөрүн көрсөтөт. Бул акыркы көрсөткүч көчмө түзмөктөр үчүн өзгөчө маанилүү, анткени талаада так божомол гана эмес, бир эле үлгү кайра өлчөнгөндө окшош натыйжа алуу да керек.

График / Таблица / Схеманын Негизги Мааниси

Түзмөк архитектурасын көрсөткөн сүрөт көчмө NIR системасы жөн гана спектрометрден турбасын түшүндүрөт. Система LED жарыктандыруу модулу, мини спектрометр, Raspberry Pi негизиндеги башкаруу блогу жана жарыктын агып киришин азайтууга аракет кылган атайын оптикалык интерфейстен турат. Сүрөттүн негизги мааниси — изилдөө аппараттык жана программалык камсыздоо/модель тарабын бирге карайт.

Сигналдын басаңдоо графиктери картошка тканы калыңдаган сайын мүнөздүү оптикалык сигнал тез азаярын көрсөтөт. Ткань 1–2 mm болгондо сигнал күчтүү; калыңдык көбөйгөн сайын сигнал экспоненциалдуу түрдө түшөт. Бул графиктердин негизги мааниси — көчмө түзмөк картошканын баарын башынан аягына чейин “көрбөйт”, белгилүү эффективдүү тереңдиктен маалымат алат.

Толкун узундугу боюнча кирүү графиги ар бир жарык картошка тканынын ичинде бирдей иштебесин көрсөтөт. 700–820 nm аралыгында кирүү чектелүүрөөк болсо, 835–875 nm аралыгында жакшыраак натыйжа алынат. Бул аймак картошка кургак затынын маанилүү компоненттерине байланышкан көмүртек-суутек байланыштарына сезгич болгондуктан, сапатты божомолдоо үчүн баалуу деп эсептелет.

Анатомиялык аймактарды салыштыруу графиги картошканын ар башка чекиттери бүт түйүндү бирдей деңгээлде чагылдырбасын көрсөтөт. Сабак жагында четтөө эң жогору болсо, экватор аймагы бүт картошканын кургак зат курамына кыйла жакын маанини берет. Графиктин негизги мааниси — туура түзмөк сыяктуу эле туура өлчөө чекитин тандоо да маанилүү.

Чийки жана көбөйтүлгөн спектрлерди көрсөткөн график маалыматтарды көбөйтүү эмне кыларын түшүндүрөт. Чийки кайталап өлчөөлөр белгилүү диапазондо өзгөрмөлүүлүк көрсөтсө, көбөйтүлгөн маалыматтар топтому кеңири, бирок реалисттик өлчөө вариациясын түзөт. Бул моделди идеал лабораториялык сигналга гана эмес, талаада кездешчү тийишүү жана бет бузулууларга да даярдайт.

PCA графиги көбөйтүлгөн спектрлер чыныгы маалыматтардын бөлүштүрүлүшүнүн сыртына чыкпаганын көрсөтөт. Башкача айтканда, маалыматтарды көбөйтүү кокустук жана реалдуу эмес сигналдарды жараткан эмес; өлчөнгөн спектрлердин табигый вариация аймагында калган. Бул моделди үйрөтүүдө жасалма маалыматты колдонууга этият жана ишенимдүү баа берүүгө мүмкүндүк берет.

Pareto графиги модель тандоодо эң төмөн катага гана карап коюу жетишсиз экенин көрсөтөт. Айрым моделдердин катасы төмөн болгону менен, кайталап өлчөө өзгөрмөлүүлүгү жогору болушу мүмкүн. Эң жакшы вариант божомол катасы да, өлчөө термелүүсү да бирге төмөн болгон аймакта. Бул изилдөөдө Detrending–UVE айкалышы ушул тең салмак боюнча өзгөчөлөнөт.

Latent variable салыштыруу графиктери татаалыраак модель дайыма жакшы болбой турганын көрсөтөт. Көбүрөөк жашыруун компонент колдонгон модель кросс-валидацияда жакшы көрүнүшү мүмкүн, бирок тышкы тестте жана кайталап өлчөөдө туруксузураак болушу мүмкүн. Ошондуктан изилдөөчүлөр тең салмактуу жана туруктуу болгон 8 жашыруун өзгөрмөлүү моделди тандашат.

Талаалык текшерүү графиги көчмө түзмөктөн келген реалдуу убакыттагы божомолдор лабораториялык референс маанилер менен жалпы алганда шайкеш экенин көрсөтөт. Чекиттердин 1:1 сызыгына жакын таралышы моделдин талаада колдонуу потенциалы бар экенин көрсөтөт. Бирок бул натыйжа кеңири жана ар түрдүү шарттагы тесттер менен колдоого алынышы керек.

Эксперименттер Кантип Жүргүзүлгөн?

Изилдөөдө жалпысынан 143 бүтүн картошка түйүнү колдонулган. Үлгүлөр Кытайдын үч маанилүү өндүрүш аймагынан чогултулган: Ички Монголия, Shanxi жана Shandong. Үлгүлөр ар кандай эксперименттик максаттар үчүн топторго бөлүнгөн. Айрымдары оптикалык кирүү тереңдигин өлчөө, айрымдары картошканын ичиндеги кургак зат бөлүштүрүлүшүн түшүнүү, көпчүлүгү болсо моделди иштеп чыгуу жана текшерүү үчүн колдонулган.

Референс кургак зат өлчөөсү классикалык меште кургатуу ыкмасы менен жүргүзүлгөн. Картошкалар адегенде жаңы бойдон так таразада тартылып, андан кийин 105 °C температурада туруктуу салмакка жеткенче кургатылган жана кургак массанын жаңы массага катышы эсептелген. Бул мааниси NIR модели үйрөнүүгө аракет кылган чыныгы референс мааниси катары колдонулган.

Көчмө NIR системасы изилдөөчүлөр тарабынан иштелип чыккан. Түзмөк 680–1030 nm аралыгында иштеген сегиз LED, 645–1085 nm аралыгын өлчөй алган мини спектрометр, Raspberry Pi негизиндеги башкаруу блогу жана жарык агып киришин азайтууга аракет кылган оптикалык интерфейстен турат. Ар бир картошкадан экватор аймагындагы үч башка позициядан спектр алынып, ар бир өлчөө 100 удаалаш скандын орточосу катары катталган.

Оптикалык кирүү эксперименти үчүн картошка тканы катмар-катмар жукартылган. Болжол менен 1 mm ден 20 mm ге чейинки ткандын калыңдыктарында төмөнкү оптикалык стандарттын сигналы канчалык алсырай турганы өлчөнгөн. Ошентип кайсы толкун узундугу аралыгында жарык картошка тканына тереңирээк жете алары аныкталган.

Spatial гетерогендүүлүк талдоосу үчүн сабак жагынан, бүчүр жагынан жана экватор аймагынан ткань бөлүктөрү алынган. Бул аймактардын кургак зат маанилери бүт картошканын референс мааниси менен салыштырылган. Экватор аймагы бүт картошканы эң жакшы чагылдырары аныкталган.

Модель иштеп чыгуу баскычында маалымат картошка боюнча бөлүнгөн. Башкача айтканда, бир эле картошкадан алынган спектрлер үйрөтүү жана тест топтомуна аралашкан эмес. Бул маанилүү детал, анткени болбосо модель ошол эле картошканын окшош сигналдарын көрүп, чындыгынан да ийгиликтүүрөөк көрүнүшү мүмкүн.

Изилдөөчүлөр ошондой эле талаадагы бузулууларды туураган маалыматтарды көбөйтүү ыкмасын колдонушкан. Ар бир оригинал спектрден 20 вариация түзүлгөн. Бул вариациялар тийишүү басымы, беттин ийрилиги, оптикалык жолдун өзгөрүшү, базалык сызыктын жылышы жана детектор ызы-чуусу сыяктуу реалисттик көйгөйлөрдү симуляциялоо үчүн иштелип чыккан.

Акырында 36 ар башка моделдөө жолу сыналган. Ар кандай спектрдик алдын ала иштетүү ыкмалары, өзгөрмө тандоо стратегиялары жана PLS регрессиясы бирге текшерилген. Эң жакшы модель эң төмөн катага гана эмес, кайра өлчөөнүн туруктуулугуна да карап тандалган.

Натыйжалар Эмнени Көрсөтөт?

Оптикалык кирүү натыйжалары 835–875 nm аралыгы картошка тканынын ичинде натыйжалуураак маалымат алып жүрөрүн көрсөтөт. Бул аралыкта практикалык аныктоо тереңдиги 15 mm ден ашып, максимум 20.33 mm ге чейин жетет. Бул көчмө түзмөк үчүн маанилүү табылга, анткени түзмөк кайсы толкун узундуктарында ишенимдүүрөөк ички маалымат ала аларын көрсөтөт.

Анатомиялык аймак талдоосу экватор аймагы бүт картошканы чагылдыруу үчүн эң ылайыктуу аймак экенин көрсөтөт. Сабак жагында орточо салыштырмалуу ката кыйла жогору болсо, экватор аймагындагы ката өтө төмөн болгон. Ошондуктан көп чекиттүү экватор өлчөөсү картошканын жалпы кургак зат маанисин божомолдоо үчүн ылайыктуураак стратегия катары сунушталат.

Маалыматтарды көбөйтүү натыйжалары жасалма түзүлгөн спектрлер чыныгы маалыматтардын бөлүштүрүлүшүнүн ичинде калганын көрсөтөт. Бул модель реалдуу эмес сигналдар менен эмес, талаада кездешиши мүмкүн болгон негиздүү бузулуулар менен үйрөтүлгөнүн билдирет.

Моделдерди салыштырууда туундуга негизделген алдын ала иштетүү ыкмалары көбүрөөк өлчөө өзгөрмөлүүлүгүн жараткан. Мунун себеби туунду алуу процесси айрым учурларда ызы-чууну да күчөтүшү мүмкүн. Ал эми detrending ыкмасы беттин ийрилиги жана тийишүү айырмасы сыяктуу себептерден чыккан базалык сызык жылышын азайтып, ызы-чууну ашыкча күчөткөн эмес.

Өзгөрмөлөрдү тандоо ыкмаларынын ичинен UVE туруктуу өзгөрмөлөрдү тандаганы үчүн өзгөчөлөнгөн. Detrending менен UVE бириккенде, божомол катасы жана кайталап өлчөө өзгөрмөлүүлүгү боюнча эң тең салмактуу чечимди берген.

Модель текшерүүсүндө 8 жашыруун өзгөрмөлүү Detrending–UVE–PLS модели тышкы текшерүүдө R²=0.7628 жана RMSEP=1.76% маанилерине жеткен. Түзмөккө киргизилген талаалык текшерүүдө болсо R²=0.8229, RMSEP=1.15% жана Mean RSD=1.47% катталган. Бул маанилер көчмө системанын картошканын кургак затын көзөмөлдөөдө колдонуу потенциалы бар экенин көрсөтөт.

Бул Эмне Үчүн Маанилүү?

Азык-түлүк жеткирүү чынжырында тез сапат өлчөө барган сайын маанилүү болуп жатат. Картошка сыяктуу көлөмдүү продуктыларда ар бир үлгүнү кесип, кургатып жана лабораторияда талдоо жай да, кымбат да. Эгер көчмө түзмөк менен тез жана бузбай өлчөө жүргүзүүгө болсо, өндүрүүчү, кампа, кайра иштетүү ишканасы жана сапат көзөмөл бөлүмдөрү тезирээк чечим кабыл ала алышат.

Бул изилдөө көчмө NIR өлчөөсүндө жөн гана “модель курабыз жана божомол кылабыз” деген ыкма жетишсиз экенин көрсөтөт. Түзмөктүн физикалык чектерин, жарыктын тканьга кирүү тереңдигин, картошканын ички гетерогендүүлүгүн жана реалдуу талаа колдонуудагы бузулууларды бирге эске алуу керек.

Айрыкча экватор аймагынан көп чекиттүү өлчөө сунушу практикалык жактан маанилүү. Анткени көчмө түзмөктөрдө өлчөө чекити туура эмес тандалса, модель канчалык жакшы болсо да божомол четтеши мүмкүн. Ошол сыяктуу кош индекстүү модель тандоо төмөн катаны гана эмес, кайталап өлчөөнүн туруктуулугун да издегендиктен реалдуу колдонуу шарттарына жакыныраак сапат критерийин берет.

Бул ыкма картошка үчүн гана эмес, ички түзүлүшү бир тектүү болбогон башка мөмө-жемиш жана жашылчалар үчүн да үлгү болушу мүмкүн. Бирок ар бир продуктунун кабык түзүлүшү, суу курамы, ткань тыгыздыгы жана химиялык курамы ар башка болгондуктан, түз көчүрүү ордуна продукт боюнча өзүнчө текшерүү талап кылынат.

Көңүл Буруучу Жагдайлар

Бул макала preprint болуп саналат. Башкача айтканда, рецензиядан өтө элек. Натыйжалар үмүттөндүргөнү менен, аларды акыркы өнөр жай стандарты же түз колдонуу көрсөтмөсү катары берүүгө болбойт.

Изилдөө белгилүү аймактардан чогултулган картошка үлгүлөрүнө негизделген. Ар башка сорттор, сактоо шарттары, кабык калыңдыктары, түшүм жыйноо мезгилдери жана өндүрүш аймактары моделдин иштөөсүнө таасир этиши мүмкүн.

Жалпы үлгү саны көчмө система иштеп чыгуу үчүн баалуу болгону менен, өнөр жай масштабында жалпылоо үчүн кеңири, көп жылдык жана ар түрдүү маалымат топтомдору керек.

Оптикалык кирүү тереңдиги чектелүү. Түзмөк бүт картошканы түз окубайт; белгилүү тереңдиктен келген сигналды колдонуп бүт түйүн жөнүндө божомол чыгарат. Ошондуктан көп чекиттүү өлчөө жана туура үлгү алуу аймагы өтө маанилүү.

Талаалык текшерүү 28 көз карандысыз үлгү менен жүргүзүлгөн. Бул жакшы башталыш, бирок реалдуу кайра иштетүү линиясында ылдамдык, температура, нымдуулук, продукт кыймылы, оператор айырмасы жана түзмөктөр аралык өзгөрмөлүүлүк сыяктуу кошумча факторлор да сыналышы керек.

Маалыматтарды көбөйтүү ыкмасы реалисттик бузулууларды туурап жасалган, бирок симуляция ар дайым реалдуу талаанын татаалдыгын толук чагылдырбашы мүмкүн. Ошондуктан чыныгы өндүрүш линиясынын маалыматтары менен кошумча текшерүү маанилүү.

Жыйынтык

Бул изилдөө картошканын кургак зат курамын бузбай жана көчмө NIR системасы менен өлчөө максатында маанилүү инженердик ыкманы сунуштайт. Изилдөөчүлөр адегенде түзмөктүн физикалык чегин түшүнүүгө аракет кылышат: жарык картошка тканына канчалык кирет жана кайсы толкун узундугу жакшыраак маалымат алып жүрөт? Андан кийин картошканын ички гетерогендүүлүгүн эске алышат: кайсы аймактан өлчөө алынса, бүт түйүн жакшыраак чагылдырылат? Акырында моделдөө жагында божомол катасы гана эмес, өлчөөнүн туруктуулугу да оптималдаштырылат.

Табылгалар 835–875 nm толкун узундугу ылайыктуураак оптикалык терезе берерин, экватор аймагы өлчөө үчүн көбүрөөк өкүлчүлүктүү экенин жана Detrending–UVE–PLS ыкмасы талаадагы бузулууларга каршы туруктуураак натыйжа берерин көрсөтөт.

Эң коопсуз түшүндүрмө мындай: бул ыкма картошка сапатын көзөмөлдөөдө көчмө жана бузбай өлчөө үчүн күчтүү талапкер. Бирок ар башка сорттордо, ар башка түшүм жыйноо/сактоо шарттарында, ар башка түзмөктөрдө жана чыныгы өнөр жай линияларында кеңири текшерилмейинче акыркы колдонуу стандарты катары каралбашы керек.

Булак жана Ыкма Жөнүндө Эскертүү

Бул жазуу “Optimizing Portable Near-Infrared Potato Sensing via Optical Penetration Constraints and Spatial Heterogeneity Mapping” аттуу preprint макаланын негизинде даярдалган. Изилдөө көчмө жакын инфракызыл спектроскопия менен картошканын кургак зат курамын өлчөөнү жакшыртуу үчүн оптикалык кирүү тереңдигин, анатомиялык аймактын өкүлчүлүгүн, маалыматтарды көбөйтүүнү жана хемометрикалык модель оптималдаштырууну бирге карайт.

Текст сөзмө-сөз котормо эмес. Макаладагы негизги идея, ыкма, формулалар, графиктер, эксперименттер, натыйжалар жана чектөөлөр Verianla окурманы үчүн жөнөкөйлөштүрүлүп, өзгөчө түркчө редакциялык мазмун катары кайра баяндалган. Изилдөө preprint болгондуктан, табылгалар акыркы сапат көзөмөл стандарты эмес, көбүрөөк талаа жана өнөр жай текшерүүсүн талап кылган изилдөө натыйжалары катары бааланууга тийиш.