Documents disponibles écrits par cet auteur

Nondestructive measurement of internal quality in pear using genetic algorithms and FT-NIR spectroscopy / Ying, Yibin in Journal of food engineering, Vol. 84 N°2 (Janvier 2008) 

Public ISBD [article]  in Journal of food engineering > Vol. 84 N°2 (Janvier 2008) . - 206-213 p. Titre : Nondestructive measurement of internal quality in pear using genetic algorithms and FT-NIR spectroscopy Type de document : texte imprimé Auteurs : Ying, Yibin, Auteur ; Liu, Yande, Auteur Article en page(s) : 206-213 p. Note générale : Génie Chimique Langues : Anglais (eng) Mots-clés : Genetic  algorithms  FT-NIR  spectroscopy  Nondestructive  measurement  Internal  quality  Wavelength  selection  Partial  least  squares  Algorithmes  génétiques  Spectroscopie  de  FT-NIR  Mesure  non  destructive  Qualité  interne  Choix  de  longueur  d'onde  Carrés  partiel Index. décimale : 664 Résumé : An improved genetic algorithms (GAs) is used to implement an automated wavelength selection procedure for use in building multivariate calibration models based on partial least squares regression. The methods also allow the number of latent variables used in constructing the calibration models to be optimized along with the selection of the wavelengths. Studies are performed to characterize the signal and noise characteristics of the spectral data, and optimal configurations for the GAs are found for each data set through experimental design techniques. The experiments tested in this method were sugar content (SC), titratable acidity (TA) and valid acidity (pH). Despite the complexity of the spectral data, the GAs procedure were found to perform well (RMSEP = 0.395, 0.0195, 0.0087 for SC, TA and pH respectively), leading to calibration models that significantly outperform those based on full-spectrum analyses (RMSEP = 0.512, 0.0198, 0.0111 for SC, TA and pH respectively). In addition, a significant reduction in the number of spectral points required to build the models is realized and all of the numbers of wavelengths for building the calibration models can reduce by 84.4%. This work proved that the GA could find optimal values for several disparate variables associated with the calibration model and that the PLS procedure could be integrated into the objective function driving the optimization. Des algorithmes génétiques améliorés (gaz) est employés pour mettre en application une procédure de sélection automatisée de longueur d'onde pour l'usage en établissant les modèles multivariables de calibrage basés sur la régression des moindres carrés partielle. Les méthodes permettent également le nombre de variables latentes utilisées en construisant les modèles de calibrage à optimiser avec le choix des longueurs d'onde. Des études sont réalisées pour caractériser les caractéristiques de signal et de bruit des données spectrales, et des configurations optimales pour le gaz sont trouvées pour chaque ensemble de données par des techniques de plan d'expérience. Les expériences ont examiné dans cette méthode étaient le contenu de sucre (Sc), l'acidité titrable (TA) et l'acidité valide (pH). En dépit de la complexité des données spectrales, le procédé de gaz se sont avérés pour se comporter bien (RMSEP = 0.395, 0.0195, 0.0087 pour le Sc, TA et pH respectivement), menant aux modèles de calibrage qui surpassent de manière significative ceux basés sur le plein-spectre analysent (RMSEP = 0.512, 0.0198, 0.0111 pour le Sc, TA et pH respectivement). En outre, une réduction significative du nombre de points spectraux exigés pour établir les modèles est réalisée et tous les nombres de longueurs d'onde pour établir les modèles de calibrage peuvent réduire de 84.4%. Ce travail a montré que GA pourrait trouver des valeurs optimales pour plusieurs variables disparates liées au modèle de calibrage et que le procédé de PLS pourrait être intégré dans la fonction objective conduisant l'optimisation. DEWEY : 664 ISSN : 0260-8774 RAMEAU : Algorithmes génétiques En ligne : http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6T8J-4NS2G96-3&_user=1 [...] [article] Nondestructive measurement of internal quality in pear using genetic algorithms and FT-NIR spectroscopy [texte imprimé] / Ying, Yibin, Auteur ; Liu, Yande, Auteur . - 206-213 p. Génie Chimique Langues : Anglais (eng) in Journal of food engineering > Vol. 84 N°2 (Janvier 2008) . - 206-213 p. Mots-clés : Genetic  algorithms  FT-NIR  spectroscopy  Nondestructive  measurement  Internal  quality  Wavelength  selection  Partial  least  squares  Algorithmes  génétiques  Spectroscopie  de  FT-NIR  Mesure  non  destructive  Qualité  interne  Choix  de  longueur  d'onde  Carrés  partiel Index. décimale : 664 Résumé : An improved genetic algorithms (GAs) is used to implement an automated wavelength selection procedure for use in building multivariate calibration models based on partial least squares regression. The methods also allow the number of latent variables used in constructing the calibration models to be optimized along with the selection of the wavelengths. Studies are performed to characterize the signal and noise characteristics of the spectral data, and optimal configurations for the GAs are found for each data set through experimental design techniques. The experiments tested in this method were sugar content (SC), titratable acidity (TA) and valid acidity (pH). Despite the complexity of the spectral data, the GAs procedure were found to perform well (RMSEP = 0.395, 0.0195, 0.0087 for SC, TA and pH respectively), leading to calibration models that significantly outperform those based on full-spectrum analyses (RMSEP = 0.512, 0.0198, 0.0111 for SC, TA and pH respectively). In addition, a significant reduction in the number of spectral points required to build the models is realized and all of the numbers of wavelengths for building the calibration models can reduce by 84.4%. This work proved that the GA could find optimal values for several disparate variables associated with the calibration model and that the PLS procedure could be integrated into the objective function driving the optimization. Des algorithmes génétiques améliorés (gaz) est employés pour mettre en application une procédure de sélection automatisée de longueur d'onde pour l'usage en établissant les modèles multivariables de calibrage basés sur la régression des moindres carrés partielle. Les méthodes permettent également le nombre de variables latentes utilisées en construisant les modèles de calibrage à optimiser avec le choix des longueurs d'onde. Des études sont réalisées pour caractériser les caractéristiques de signal et de bruit des données spectrales, et des configurations optimales pour le gaz sont trouvées pour chaque ensemble de données par des techniques de plan d'expérience. Les expériences ont examiné dans cette méthode étaient le contenu de sucre (Sc), l'acidité titrable (TA) et l'acidité valide (pH). En dépit de la complexité des données spectrales, le procédé de gaz se sont avérés pour se comporter bien (RMSEP = 0.395, 0.0195, 0.0087 pour le Sc, TA et pH respectivement), menant aux modèles de calibrage qui surpassent de manière significative ceux basés sur le plein-spectre analysent (RMSEP = 0.512, 0.0198, 0.0111 pour le Sc, TA et pH respectivement). En outre, une réduction significative du nombre de points spectraux exigés pour établir les modèles est réalisée et tous les nombres de longueurs d'onde pour établir les modèles de calibrage peuvent réduire de 84.4%. Ce travail a montré que GA pourrait trouver des valeurs optimales pour plusieurs variables disparates liées au modèle de calibrage et que le procédé de PLS pourrait être intégré dans la fonction objective conduisant l'optimisation. DEWEY : 664 ISSN : 0260-8774 RAMEAU : Algorithmes génétiques En ligne : http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6T8J-4NS2G96-3&_user=1 [...]