Andrés Felipe Vargas Ramirez, Brayan Alexis Chavarro Hurtado
{"title":"Evaluar el Software Libre R para el Análisis de Espectros Infrarrojo Empleando Quimiometría","authors":"Andrés Felipe Vargas Ramirez, Brayan Alexis Chavarro Hurtado","doi":"10.21500/20275846.5155","DOIUrl":null,"url":null,"abstract":"En este artículo se usan los datos de espectroscopia infrarroja del artículo de investigación titulado “Data on roasted coffee with specific defects analyzed by infrared-photoacoustic spectroscopy and chemometrics”[1], en el cual realizaron mezclas de granos defectuosos y saludables de café usando las especies Coffea Arabica (Arábica) y Coffea canephora (Robusta) en diferentes proporciones. Se usó el software libre R: A Language and Environment for Statistical Computing y el paquete de ChemoSpec para hacer un análisis de componentes principales y un modelo de agrupamiento de los espectros infrarrojo, se logró identificar grupo y tendencias en los datos a través de PCA y se obtuvo un modelo predictivo que logro clasificar las muestras en cinco clases.","PeriodicalId":30271,"journal":{"name":"Ingenierias USBMed","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2022-09-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Ingenierias USBMed","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21500/20275846.5155","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
En este artículo se usan los datos de espectroscopia infrarroja del artículo de investigación titulado “Data on roasted coffee with specific defects analyzed by infrared-photoacoustic spectroscopy and chemometrics”[1], en el cual realizaron mezclas de granos defectuosos y saludables de café usando las especies Coffea Arabica (Arábica) y Coffea canephora (Robusta) en diferentes proporciones. Se usó el software libre R: A Language and Environment for Statistical Computing y el paquete de ChemoSpec para hacer un análisis de componentes principales y un modelo de agrupamiento de los espectros infrarrojo, se logró identificar grupo y tendencias en los datos a través de PCA y se obtuvo un modelo predictivo que logro clasificar las muestras en cinco clases.
这篇文章使用了题为“通过红外-光声光谱和化学计量学分析的有特定缺陷的烤咖啡数据”的研究文章中的红外光谱数据[1]，其中他们使用不同比例的阿拉伯咖啡（阿拉伯）和Canephora咖啡（罗布斯塔）物种制作了有缺陷和健康的咖啡豆混合物。使用自由软件R:A Language and Environment for Statistical Computing和Chemospec包对红外光谱进行主成分分析和聚类模型，通过PCA识别数据中的聚类和趋势，并获得预测模型，将样本分为五类。
京公网安备 11010802042870号
京ICP备2023020795号-1
分享
求助内容：
应助结果提醒方式：
扫码关注我们
