|
|
vol. 6, nr. 1 (2005)
|
Sztuczne sieci neuronowe w analizie składnikowej śruty rzepakowej na podstawie NIRS – możliwości zastosowań
|
|
|
Marek Wróbel1, Henryk Czarnik-Matusewicz2, Ryszard Siuda1
|
|
| (pobierz wersję PDF )
|
|
|
1 Instytut Matematyki i Fizyki, Akademia Techniczno-Rolnicza, ul. Kaliskiego 7, 85-796 Bydgoszcz |
|
|
2 Zakład Farmakologii Klinicznej, Wydział Farmacji, Akademia Medyczna, ul. Bujwida 44, 50-345 Wrocław |
|
|
vol. 6 (2005), nr. 1,
pp. 261-272
|
|
|
streszczenie:
Spektroskopia w bliskiej podczerwieni (NIRS) jest szybką i wydajną metodą, szeroko wykorzystywaną do określania składu chemicznego produktów rolniczych. Widma odbi-ciowe zarejestrowane w obszarze bliskiej podczerwieni dla zbioru próbek o znanym składzie wykorzystuje się do ustalenia modelu kalibracyjnego przy użyciu standardowych metod wielo-wymiarowej kalibracji, takich jak MLR, PCR lub PLS. Wielowymiarowa kalibracja jest zadaniem, które może być również rozwiązane przez sztuczne sieci neuronowe (ANNs). Celem tej pracy jest ocena możliwości zastosowań sztucznych sieci neuronowych jako narzędzia do określania zawartości głównych składników odżywczych śruty rzepakowej: białka, suchej masy, włókna i tłuszczu na podstawie pomiarów NIRS. Według wiedzy autorów w literaturze nie są znane prace na temat modelowania zależności składu chemicznego śruty rzepakowej na podstawie widm NIR przez ANNs. W pracy zastosowano dwa najpopularniejsze typy sztucznych sieci neuronowych: perceptron wielowarstwowy (MLP) i sieć z radialnymi funkcjami bazowymi (RBF). Otrzymano rezultaty w postaci modeli, których jakość jest porównywalna z jakością modeli możliwych do uzyskania za pomocą MLR.
|
|
słowa kluczowe:
śruta rzepakowa, sztuczne sieci neuronowe, spektroskopia w bliskiej podczerwieni
|
|
język oryginału:
angielski
|
|
|
|
|
|
