← Tüm Bloglara ve Yayınlara Dön Spectroscopy Calibration Software cali<span class=X Suite" class="blog-post-banner" decoding="async" fetchpriority="high" src="../images/blog_pls_regression.webp?v=1.0.5"/>

caliX Suite'te PLS Regresyona Giriş

USTECH'nin AutoML motorunu kullanarak niteliksel kalibrasyon modellerini geliştirmeye, ön işlemeye ve doğrulamaya yönelik adım adım kılavuz.

Kısmi En Küçük Kareler (PLS) Regresyon Nedir?

Yakın kızılötesi (NIR) spektrumları binlerce ayrı dalga boyu noktasından oluşur. NIR ışık absorpsiyonu, keskin tepe noktalarından ziyade geniş, örtüşen titreşim tonları olarak ortaya çıktığı için, tek bir dalga boyu, bir kimyasal konsantrasyonu tahmin etmek için nadiren yeterlidir. Özellikle karmaşık durumlar için çok değişkenli istatistiklere ihtiyacımız var.kimyasal ve farmasötik uygulamalar.

Kısmi En Küçük Kareler (PLS) Regresyon altın standart kemometrik algoritmadır. Binlerce yüksek düzeyde eşdoğrusal spektral değişkeni birkaç ortogonal faktöre (bunlara denir) indirger.Gizli Değişkenler (LV'ler)veya ana bileşenler), spektral veriler ile hedef laboratuvar referans konsantrasyonları arasındaki kovaryansı maksimuma çıkaran.

MATLAB veya R'de manuel komut dosyası yazmayı gerektiren bir model geliştirmek. caliX AutoML Suite içinde (son derece hassas caliXAutoML modelleri), bu iş akışı beş net aşamaya basitleştirilmiştir.

---

1. Adım: Veri Hizalama ve İçe Aktarma

Öncelikle, spektral dosya adlarınızı ıslak kimya laboratuvar sonuçlarıyla eşleştiren bir kalibrasyon elektronik tablosu (CSV veya Excel) hazırlayın. caliXham spektrometre veritabanı formatlarının ve JCAMP-DX gibi standart spektroskopik değişim formatlarının doğrudan içe aktarılmasını destekler.

Bir kez içe aktarıldığında, caliXveri kümenizi otomatik olarak böler:Kalibrasyon ve Çapraz Doğrulama için %75(modeli eğitmek için) ve Bağımsız Doğrulama Seti olarak %25(nihai tahmin performansını test etmek için tamamen ayrı tutulur).

Adım 2: Spektral Ön İşlemeyi Seçme

Ham NIR ışık sinyalleri, parçacık boyutu değişimlerinin, numune paketleme yoğunluğunun veya prob mesafesinin neden olduğu fiziksel dağılım gürültüsünü içerir. Spektral ön işleme, bu fiziksel temel çizgileri matematiksel olarak ortadan kaldırır, böylece PLS modeli yalnızca kimyasal absorpsiyona odaklanır.

caliX boru hattında standart ön işleme adımlarını uygulayabilir ve zincirleyebilirsiniz:

  • Standart Normal Değişken (SNV):Çarpımsal ölçeklendirmeyi ve sapmaları dengelemek için her bir spektrumu ortalamak ve ölçeklendirmek.
  • Çarpımsal Dağılım Düzeltmesi (MSC):Dağılım eğimlerini izole etmek ve ortadan kaldırmak için her spektrumu ortalama spektruma göre regrese eder.
  • Savitzky-Golay Türevler (1. veya 2.):Türev almak, örtüşen bantları çözmek ve taban çizgisi kaymalarını kaldırmak için yerel polinom uyumlarını hesaplar.

İpucu: caliXAutoML motoru, matrisiniz için en uygun sırayı önermek amacıyla düzinelerce ön işleme kombinasyonu üzerinde otomatik olarak bir ızgara araması çalıştıracaktır.

Adım 3: Gizli Değişkenlerin (LV'ler) Seçilmesi

Fazla uyumu önlemek için doğru sayıda Gizli Değişkenin seçilmesi kritik öneme sahiptir. Çok az sayıda LV seçerseniz modeliniz yetersiz kalır ve kimyasal korelasyonları kaçırır. Çok fazla LV seçerseniz modeliniz rastgele spektral gürültüyü uydurmaya başlar ve bu, yeni örnekleri tararken başarısız olur.

Şuna bak Çapraz Doğrulamanın Ortalama Karekök Hatası (RMSECV)eğri. Hatanın önemli ölçüde düşmeyi bıraktığı eğrinin "dirseğindeki" LV sayısını seçin. Bu noktanın ötesinde daha fazla bileşen eklemek yalnızca gürültüye uyum sağlar.

# Sample Model Statistics Output in caliX
---------------------------------------------
Target Parameter: Crude Protein
Preprocessing: SNV + S-G 1st Derivative (15pt)
Selected Latent Variables (LVs): 6
Calibration R²: 0.982
Calibration RMSEC: 0.09%
Cross-Validation RMSECV: 0.11%
Validation RMSEP: 0.12%
Bias: -0.01%
---------------------------------------------

Adım 4: Bağımsız Doğrulama

Modeli fabrika dağıtımına uygun hale getirmek için tahminleri %25 bağımsız test setinde çalıştırın.Tahminin Ortalama Karekök Hatası (RMSEP)sensörü hat üzerinde kullanırken göreceğiniz gerçek doğruluğu ölçer. Sağlam bir model, çapraz doğrulama hatasına (RMSECV) çok yakın bir RMSEP görüntülemelidir.

Adım 5: ProChem'ye aktarma

Model performansından memnun kaldığınızda, öğesine tıklayın."İhracat Modeli Paketi". Bu, güvenli bir `.caliX` model dosyası oluşturur. Bu dosyayı üretim hattınızdaki ProChem Proses Kontrol Yazılımı'na doğrudan yükleyin. ProChem önceden yapılandırılmış ön işleme adımlarını satır içi spektrumlara otomatik olarak uygulayacak ve konsantrasyonları gerçek zamanlı olarak tahmin ederek sonuçları doğrudan tesisinize PLC gönderecektir.

Özet

Titiz PLS regresyon mantığını otomatik ön işleme optimizasyonuyla birleştiren caliX Suite, bilimsel derinlikten ödün vermeden kalite kontrol mühendislerinin kemometrik ölçümlere erişmesini sağlar. İlk günden B2B marjlarınızı korumaya hazır, güvenilir, sağlam modellere sahip olursunuz.

Referanslar

  • Martens, H. ve Næs, T. (1989).Çok Değişkenli Kalibrasyon. John Wiley ve Oğulları.
  • "Yakın Kızılötesi Spektroskopide Ön İşleme Teknikleri: Endüstriyel Uygulayıcılar için Kemometrik Kılavuz"Analytica Chimica Acta, 2022.
  • Geladi, P. ve Kowalski, B.R. (1986). "Kısmi En Küçük Kareler Regresyon: Bir Öğretici"Analytica Chimica Acta, 185, 1-17.
USTECH Innovations Logo

Tam Teknik Raporu İndirin

Tam spektroskopik formüller, kalibrasyon veri kümeleri ve enstrümantasyon parametrelerini içeren, düzenlenmemiş teknik makalenin tamamına erişin.

Sonrakini Oku

MEMS Spektrometrelerde Kalibrasyon Transferi Fizibilitesi
BEYAZ KAĞIT

MEMS Spektrometrelerde Kalibrasyon Transferi Fizibilitesi

Silikon fotolitografinin ünite standardizasyonu olmadan doğrudan kalibrasyon taşınabilirliğini nasıl mümkün kıldığını tartışıyor.

Teknik Raporu Okuyun
Sığır Yemi Üretiminde Hammadde İsrafının Azaltılması
VAKA ÇALIŞMASI

Sığır Yemi Üretiminde Hammadde İsrafının Azaltılması

Hat içi NIR sensörlerinin kullanılmasıyla ortalama %1,2 ürün verimi artışı gösteren istatistiksel bir çalışma.

Örnek Olayı Okuyun