After NIR measurement, chemometric

After NIR measurement, chemometric analysis usually includes calibration, validation and prediction (Figure 2.4). Data treatment before calibration is helpful. Baseline correction and spectral subtraction is sometimes helpful in data management. Spectral smoothing is very useful before a data transform is conducted; for instance, the Savizky-Golay filter and Norris derivative filter could be applied in different data formats. Derivatives (first, second, third and fourth) are usually considered in model development. For example, derivatives are usually employed in cases with overlapping peaks and baseline variation [69]. It should be noted that although derivatives are valuable, they sometimes generate false information. Michell [70] found that the second derivative form was not always more precise than the normal form for lignin prediction in a wood study. A combination of multiple data treat-ments could be obtained to attain better prediction ability of calibrated models.

Kết quả (Việt) 1:

Sau khi đo đạc NIR, phân tích chemometric thường bao gồm kiểm tra, xác nhận và dự báo (hình 2.4). Dữ liệu điều trị trước khi hiệu chuẩn là hữu ích. Chỉnh sửa đường cơ sở và phổ trừ đôi khi là hữu ích trong việc quản lý dữ liệu. Làm mịn quang phổ là rất hữu ích trước khi biến đổi dữ liệu được thực hiện; Ví dụ, Savizky-Golay lọc và Norris bắt nguồn từ bộ lọc có thể được áp dụng trong các định dạng dữ liệu khác nhau. Phái sinh (lần đầu tiên, thứ hai, thứ ba và thứ tư) thường được coi là trong mô hình phát triển. Ví dụ, derivatives được thường được sử dụng trong các trường hợp với đỉnh núi chồng lên nhau và biến đổi baseline [69]. Cần lưu ý rằng mặc dù dẫn xuất có giá trị, họ đôi khi tạo ra thông tin sai lệch. Michell [70] tìm thấy rằng hình thức bắt nguồn từ thứ hai đã không luôn luôn nhiều hơn chính xác hơn so với hình thức bình thường cho lignin dự đoán trong một nghiên cứu bằng gỗ. Sự kết hợp của nhiều dữ liệu điều trị-ments có thể thu được để đạt được tốt hơn dự đoán khả năng hiệu chỉnh mô hình.

Kết quả (Việt) 2:

Sau khi đo NIR, phân tích chemometric thường bao gồm hiệu chuẩn, xác nhận và dự đoán (Hình 2.4). xử lý dữ liệu trước khi hiệu chỉnh là hữu ích. chỉnh cơ bản và phép trừ quang phổ là đôi khi hữu ích trong việc quản lý dữ liệu. làm mịn quang phổ là rất hữu ích trước khi dữ liệu chuyển đổi được tiến hành; Ví dụ, bộ lọc Savizky-Golay và Norris lọc phái sinh có thể được áp dụng trong các định dạng dữ liệu khác nhau. Các dẫn xuất (đầu tiên, thứ hai, thứ ba và thứ tư) thường được xem xét trong mô hình phát triển. Ví dụ, các dẫn xuất thường được sử dụng trong trường hợp với đỉnh chồng chéo và sự biến đổi cơ bản [69]. Cần lưu ý rằng mặc dù các dẫn xuất có giá trị, đôi khi họ tạo ra thông tin sai lệch. Michell [70] thấy rằng các hình thức phái sinh thứ hai là không phải luôn luôn chính xác hơn so với hình thức bình thường để dự đoán lignin trong một nghiên cứu gỗ. Một sự kết hợp của nhiều dữ liệu trị-ments có thể đạt được để đạt được khả năng dự đoán tốt hơn các mô hình hiệu chỉnh.