Andrés Felipe Vargas Ramirez, Brayan Alexis Chavarro Hurtado
{"title":"用化学计量法评估红外光谱分析的自由软件R","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":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2022-09-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"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\":\" \",\"pages\":\"\"},\"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}","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
摘要
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。
Evaluar el Software Libre R para el Análisis de Espectros Infrarrojo Empleando Quimiometría
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.
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
