Video Experimental Relacionado
Updated: Sep 10, 2025

Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
Determinación cuantitativa de las proporciones mezcladas en las formulaciones de tabaco mediante espectroscopia del
Qinlin Xiao1,2, Ruifang Gu1, Li Li1
1Technology Center, China Tobacco Sichuan Industrial Co., Ltd., Chengdu, China.
El aprendizaje de transferencia mejora los modelos de espectroscopia de infrarrojo cercano (NIRS) para el análisis de mezclas de tabaco entre marcas. Técnicas como el análisis de componentes de transferencia (TCA) y la alineación de correlación (Coral) mejoran la precisión de la predicción entre marcas, asegurando un control de calidad consistente.
Área de la Ciencia:
- Química analítica
- Quimiometría
- Espectroscopia
Sus antecedentes:
- La detección precisa de la proporción de mezcla de tabaco es vital para la calidad del cigarrillo y la consistencia del sabor.
- La espectroscopia del infrarrojo cercano (NIRS) es una técnica prometedora para el análisis cuantitativo del tabaco.
- Los modelos NIRS luchan con la predicción entre marcas debido a las variaciones en la composición del tabaco y los datos espectrales.
Objetivo del estudio:
- Investigar estrategias de transferencia de aprendizaje para mejorar la adaptabilidad entre marcas de los modelos basados en NIRS.
- Mejorar la detección de las proporciones de mezcla de seda de tabaco en el tabaco formulado.
- Abordar la capacidad de generalización decreciente de los modelos NIRS en las tareas de predicción entre marcas.
Principales métodos:
- Desarrolló un modelo de regresión de mínimos cuadrados parciales (PLSR) utilizando datos NIRS de cuatro marcas de tabaco.
- Se exploraron tres enfoques de aprendizaje de transferencia: análisis de componentes de transferencia (TCA), alineación de correlación (Coral) y actualización del modelo.
- Evaluación del rendimiento del modelo en tareas de predicción entre marcas con diferencias en la distribución de las características.
Principales resultados:
- TCA-PLSR redujo significativamente los errores de predicción en las tareas de transferencia con grandes discrepancias en la distribución de características.
- Coral-PLSR se desempeñó mejor en tareas de transferencia con distribuciones de características espectrales similares.
- Actualizado-TCA-PLSR predijo con precisión las proporciones de mezcla en tareas con diferencias sustanciales de distribución mediante la incorporación de muestras de dominio objetivo.
Conclusiones:
- La transferencia de aprendizaje y la actualización del modelo proporcionan métodos prácticos, flexibles y sólidos para mejorar el rendimiento del modelo NIRS.
- Estos enfoques mejoran la adaptabilidad entre marcas, apoyando un control de calidad preciso y coherente en la producción industrial de tabaco.
- El estudio demuestra estrategias efectivas para superar las limitaciones de generalización del modelo NIRS en diversas formulaciones de tabaco.
Más Videos Relacionados
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
10:50Transcript and Metabolite Profiling for the Evaluation of Tobacco Tree and Poplar as Feedstock for the Bio-based Industry
Published on: May 16, 2014