Name: Kısmi En Küçük Kare Regresyon İle Yakın Kızılötesi Spektroskopiye Dayalı O-kresol Konsantrasyonu Online Ölçüm (Video) | JoVE Journal
Uploaded: 2019-11-08T12:30:00.000+00:00
Duration: 6 min 50 s
Description: Keşfedin yakın kızılötesi spektroskopi ve kısmi en küçük kare regresyon kullanarak o-kresol konsantrasyonunun gerçek zamanlı izlenmesi. Bu yöntem polifenilen eter üretiminde yüksek doğruluk sağlar.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Bu çalışma Çin Ulusal Doğa Bilimleri Vakfı (Hibe Nos. 61722306 ve 61473137) ve Ulusal Birinci Sınıf Hafif Sanayi Teknolojisi ve Mühendisliği Disiplin Programı (LITE2018-025) tarafından desteklenmiştir.

1. Fourier dönüşümü (FT)-NIR proses spektrometresi ile NIR spektrum veri toplama
<ol><li>Polifenil eter ürününün çıkışına yakın kızılötesi spektrometrenin sıvı faz optik fiber probu yükleyin. Ve cihaza bağlı üst bilgisayardaki OPUS yazılımını açın ve ölçümü yapılandırmaya başlayın.</li>
	<li>Spektrometreye bağlanma
	<ol>
<li>Ölçüle menüsünde Optik Kurulum ve Hizmet komutunu seçin veya araç çubuğundan simgeyi tıklatın.</li>
		<li>Açılan iletişim kutusunda Optik Tezgah sekmesinitıklatın.</li>
		<li>Spektrometre ayarlarının tamam olup olmadığını kontrol edin. Evet ise, iletişim kutusunu kapatın. Hayır ise, adım 4 ile devam edin.</li>
		<li>Yapılandırma açılır listesinden belirli spektrometre türünü seçin.</li>
		<li>Optik Tezgah URL giriş alanına spektrometrenin IP adresini girin.</li>
		<li>Bağlan düğmesini tıklatın.</li>
	</ol></li>
	<li>Ölçüm parametrelerinin ayarlanması
	<ol>
<li>Ölçüle menüsünde Ölçü komutunu seçin veya araç çubuğundan simgeyi tıklatın.</li>
		<li>Açılan iletişim kutusunda, farklı sekmelerde ölçüm parametrelerini tanımlayın. NOT: Tek tek ölçüm parametreleri ile ilgili ayrıntılar OPUS Başvuru Kılavuzu'nda açıklanmıştır.</li>
		<li>Kabul Et ve Çıkar düğmesini tıklatın.</li>
	</ol></li>
	<li>Deneme dosyasını depolama
	<ol>
<li>Ölçüle menüsünde Gelişmiş Ölçüm komutunu seçin. Ardından Gelişmiş sekmesini tıklatın.</li>
		<li>Açılan iletişim kutusunda çözünürlüğü 4 cm-1olarak tanımlayın.</li>
		<li>Tarama sayısını Örnek/Arka Plan Tarama Zamanı giriş alanlarındaki 16 tarama olarak tanımlayın.</li>
		<li>Ölçüm verilerini 4.000 cm-1 -12.500cm-1'denotomatik olarak depolamak için yolu tanımlayın.</li>
		<li>Sonuç spektrumu için veri türünü Absorbance olarak belirleyin.</li>
		<li>Kaydet düğmesini tıklatın.</li>
		<li>Açılan iletişim kutusunda, deneme dosyası için bir ad tanımlayın ve bu adı kaydedin.</li>
	</ol></li>
	<li>Arka plan spektrumu ölçme
	<ol>
<li>Ölçüle menüsünde Gelişmiş Ölçüm komutunu seçin.</li>
		<li>Optik sekmesini tıklatın.</li>
		<li>Açılan iletişim kutusunda, Diyafram ayarı açılır listesini tıklatın ve örnek bir spektrum elde etmek için kullanılan aynı değeri seçin.</li>
		<li>Temel sekmesini tıklatın.</li>
		<li>Açılan iletişim kutusunda Arka Plan Tek Kanal düğmesini tıklatın.</li>
	</ol></li>
	<li>Örnek spektrumun ölçülmesi
	<ol>
<li>Örneği spektrometrenin optik yoluna yerleştirin. Bunun yapılış şekli spektrometre yapılandırmasıbağlıdır.</li>
		<li>Ölçüle menüsünde Gelişmiş Ölçüm komutunu seçin.</li>
		<li>Temel sekmesini tıklatın.</li>
		<li>Açılan iletişim kutusunda, belirli giriş alanındaki örnek açıklamasını ve örnek formu tanımlayın. Bu bilgiler spektrumla birlikte depolanır.</li>
		<li>Çevrimiçi ölçüme başlamak için Örnek Tek Kanal düğmesini tıklatın. Ve OPUS dosyası olarak her taraya NIR spektrum kaydedin.
</li>
	</ol></li>
	<li>Her 6 saatte bir polifenilen numunelerini toplayın ve o-kresol konsantrasyonu ile sıvı kromatografisi ile endüstri laboratuarında test edin ve kimyasal referans değeri elde edin. NOT: Endüstri alanının laboratuvar personeli her polifenil eter örneğini sıvı faz polifenil eterin çıkışından alır. Her örnekteki o-kresol içeriği sıvı kromatografi ile üç kez ölçüldü. Daha sonra, üç kez analiz sonuçlarının ortalama değeri yanlışlıkla hatayı azaltmak için o-cresol içeriğinin referans değeri olarak alınmıştır.</li>
	<li>Laboratuvarda o-kresol konsantrasyonunun 600 kimyasal referans değeri elde edin. O-kresol konsantrasyonunun kalibrasyon aralığı 42.1063 mg/1 g polifenil eter ürününden 51.6763 mg/1 g polifenil eter ürününe kadardır.</li>
	<li>Nir spektrumlarını verilen test sürelerinin o-kresol konsantrasyonunun kimyasal referans değerleri ile birleştirin.</li>
	<li>Şekil 1'degösterildiği gibi orijinal spektral kümeyi okumak için OPUS yazılımını kullanın.<ol>
<li>Dosya menüsünde Dosyayı Yükle komutunu tıklatın.</li>
		<li>Açılan iletişim kutusunda, belirli spektrum dosyasını seçin.</li>
		<li>Aç düğmesini tıklatın. Spektrum spektrum penceresinde görüntülenir.</li>
	</ol></li>
</ol>2. NIR spektroskopi spektroskopisi verileri ön işleme
<ol><li>Spektral önişleme fonksiyonu ile, birinci dereceden türev ile önceden işlenmiş spektral veri seti edinin.<ol>
<li>Çok değişkenli bir veri analizi ve deneysel tasarım yazılımı olan Unscrambler'ı açın, Dosyaaltında Alma komutunu seçin. OPUS dosyasını orijinal NIR spektral veri kümesi olarak içe aktarın.</li>
		<li>Değiştiraltında Dönüştür komutunuseçin. Ve Türevlerialtında Savitzky Golay Türevleri seçin.</li>
		<li>Örnekleri ve Değişkenleri Tüm Örnekler ve Kapsamdaki Tüm Değişkenler olarak tanımlayın. Ve Yumuşatma noktası sayısını 13, Türev'i ise Parametreler'de 1st türevi olarak tanımlayın.</li>
		<li>Türevi başlatmak için Tamam'ı tıklatın. DİkKAT: Pürüzsüzlüğün artması eğrinin keskin dalgalanmalarını azaltabilir, gürültü efektini azaltabilir, aynı zamanda eğrinin özelliklerini zayıflatabilir ve eğriyi bozabilir. Bu nedenle, eğrinin gerçek dalgalanma yoğunluğunun gözlemine ve işlendikten sonraki etkiye göre uygun düzgünlük seçilir.</li>
	</ol>
</li>
	<li>Emiciliğin değerini normalleştirmek için örnek spektrumları üzerinde vektör normalleştirme gerçekleştirin.<ol>
<li>Değiştir'inaltındaki Normalleştirme komutunu seçin.</li>
		<li>Örnekleri ve Değişkenleri Tüm Örnekler ve Kapsamdaki Tüm Değişkenler olarak tanımlayın.</li>
		<li>Tür'de Vektör normalleştirmesini seçin.
</li>
		<li>Vektör normalleştirmesi gerçekleştirmek için Tamam'ı tıklatın.</li>
	</ol>
</li>
</ol>3. PLSR modelinin kurulması
<ol><li>NIR spektral veri kümesinin oluşturulması
	<ol>
<li>Uncrambler'iaçın. exe, önceden işlenmiş spektral veri kümesini .mat File'a aktarmak ve 2203 değişkenle x spektral veri kümesini otomatik olarak elde etmek için Matlab dosyalarıyla Dosya Altında Dışa Aktar'ı seçin.</li>
		<li>Sonraki analiz ve modelleme için .mat dosyası şeklinde tam bir NIR spektral veri kümesi X (600 satır ve 2203 sütunluk bir matris) ve ilgili kimyasal referans değerlerini (600 satırlık bir vektör) edinin.</li>
	</ol></li>
	<li>Uygun sayıda ana bileşenin seçimi
	<ol>
<li>Matlab'ı açın ve .mat dosyasını çalışma alanına sürükleyerek önceden işlenmiş yakın kızılötesi spektral verileri içeren .mat dosyasını çalışma alanına aktarın. NOT: .mat dosyası, yakın kızılötesi spektral veri X'i bağımsız bir değişken olarak, ürünün o-kresol içeriğini ise iki matris şeklinde bağımlı bir değişken olarak saklar.</li>
		<li>Programlanmış .m dosyasını Editör'deaçın. Düzenleyici seçeneğialtında Aç'ı tıklatın, dosya depolama dizininde derlenen .m dosyasını seçin ve sonra Onayla'yıtıklatın.</li>
		<li>Denklem 1'in optimizasyon amacına ve çıkarılan ana bileşenler arasındaki OLSR modeline ve o-kresol konsantrasyonunun öngörülen değerleri ile matlab'dakomut plsregress() içeren programa göre 15 temel bileşen ayıklayın. [XL, YL, XS, YS, BETA, PCTVAR, MSE] = plsregress(X,Y,ncomp,'CV',k); Kullanım ayrıntılarını ve iade değerini almak için MATLAB yardım belgesine başvurun. NOT: <img alt="Equation 3" src="/files/ftp_upload/59077/59077eq3.jpg"> Denklem 1<img alt="Equation 4" src="/files/ftp_upload/59077/59077eq4.jpg"> <img alt="Equation 5" src="/files/ftp_upload/59077/59077eq5.jpg">, <img alt="Equation 6" src="/files/ftp_upload/59077/59077eq6.jpg"> ve NIR spektral verilerin ith ana bileşenleridir; <img alt="Equation 7" src="/files/ftp_upload/59077/59077eq7.jpg">NIR spektral verilerinin ith ana bileşenlerinin projeksiyonudur; <img alt="Equation 8" src="/files/ftp_upload/59077/59077eq8.jpg">ith ana bileşenleri ve o-kresol konsantrasyonu için Pearson korelasyon katsayısıdır.</li>
		<li>Denklem <img alt="Equation 1" src="/files/ftp_upload/59077/59077eq1.jpg"> 2'yikullanarak NIR spektral verilerinin değerini ve farklı ana bileşenler için öngörülen değerleri elde edin. NOT: <img alt="Equation 9" src="/files/ftp_upload/59077/59077eq9.jpg"> Denklem 2 <img alt="Equation 10" src="/files/ftp_upload/59077/59077eq10.jpg">hataya bağlı karelerin toplamıdır ve <img alt="Equation 11" src="/files/ftp_upload/59077/59077eq11.jpg"> ; <img alt="Equation 12" src="/files/ftp_upload/59077/59077eq12.jpg">karelerin toplamıdır ve olarak <img alt="Equation 13" src="/files/ftp_upload/59077/59077eq13.jpg"> tanımlanır; <img alt="Equation 14" src="/files/ftp_upload/59077/59077eq14.jpg">test veri kümesinin o-kresol konsantrasyonunun referans değeridir; <img alt="Equation 15" src="/files/ftp_upload/59077/59077eq15.jpg">test veri kümesinin o-kresol konsantrasyonunun öngörülen değeridir; <img alt="Equation 16" src="/files/ftp_upload/59077/59077eq16.jpg">test veri kümesinin o-kresol konsantrasyonunun referans değerinin ortalama değeridir; <img alt="Equation 17" src="/files/ftp_upload/59077/59077eq17.jpg">test veri kümesi örneklerinin sayısıdır.</li>
		<li>Şekil <img alt="Equation 1" src="/files/ftp_upload/59077/59077eq1.jpg"> 2'de gösterildiği gibi, değerleri ve eğilimi, ana bileşenlerin sayısının artmasıyla belirleyin. 0,9917 <img alt="Equation 1" src="/files/ftp_upload/59077/59077eq1.jpg"> değerine sahip uygun ana bileşen sayısı olarak 10'u seçin. NOT:<img alt="Equation 18" src="/files/ftp_upload/59077/59077eq18.jpg"> değer, bağımsız değişkenler tarafından öngörülebilir bağımlı değişkendeki varyans oranıdır. <img alt="Equation 1" src="/files/ftp_upload/59077/59077eq1.jpg"> Değer ne kadar yüksekse, uygunluk iyiliği o kadar yüksektir ve tam tersi de o kadar yüksektir.</li>
	</ol></li>
	<li>PLSR modelinin 10 ana bileşenle uygunluğunun ve doğruluğunun, plsregress() komutunu kullanarak doğrulanması.
	<ol>
<li>Modelleme işlemini 10 ana bileşenle 3.2.1-3.2.5 adımlarıyla 10 ana bileşenle tekrarlayın.</li>
		<li>Nir spektral verilerde açıklanan yüzde varyans, artıklar ve MSPECV'yi kullanarak modeli 10 kat çapraz doğrulamaya göre değerlendirin.</li>
		<li>Nir spektral verilerde açıklanan yüzde varyans, artıklar ve MSPECV'i Şekil 3, 4 ve 5olarak çizin.</li>
		<li>Tablo 1'degösterildiği <img alt="Equation 1" src="/files/ftp_upload/59077/59077eq1.jpg"> <img alt="Equation 2" src="/files/ftp_upload/59077/59077eq2.jpg">gibi nicel bir analiz için PLSR modeli için 10 kat çapraz doğrulamanın değerlendirme göstergelerini ve MSPE'yi tabloya tablolayın. NOT: MSPE <img alt="Equation 2" src="/files/ftp_upload/59077/59077eq2.jpg"> denklemleri Denklem 3 ve Denklem 4olarak gösterilmiştir. <img alt="Equation 19" src="/files/ftp_upload/59077/59077eq19.jpg">Denklem 3 <img alt="Equation 20" src="/files/ftp_upload/59077/59077eq20.jpg">Denklem 4 <img alt="Equation 21" src="/files/ftp_upload/59077/59077eq21.jpg">referans değerinin ve o-kresol konsantrasyonunun öngörülen değerinin bir arada olmasıdır; <img alt="Equation 22" src="/files/ftp_upload/59077/59077eq22.jpg"> o-kresol konsantrasyonunun referans değerinin standart sapmasıdır; <img alt="Equation 23" src="/files/ftp_upload/59077/59077eq23.jpg">o-kresol konsantrasyonunun öngörülen değerinin standart sapmasıdır.</li>
	</ol></li>
</ol>

<ol><li>Nicolai, B. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Nondestructive+measurement+of+fruit+and+vegetable+quality+by+means+of+NIR+spectroscopy%3A+A+review%5BTitle%5D)+AND+%22Postharvest+Biology+and+Technology%22%5BJournal%5D)">Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy: A review.</a> Postharvest Biology and Technology. 46 (2), 99-118 (2007).</li>
<li>Chang, C. W., Laird, D. A., Mausbach, M. J., Hurburgh, C. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Near-infrared+reflectance+spectroscopy-principal+components+regression+analyses+of+soil+properties%5BTitle%5D)+AND+%22Soil+Science+Society+of+America+Journal%22%5BJournal%5D)">Near-infrared reflectance spectroscopy-principal components regression analyses of soil properties.</a> Soil Science Society of America Journal. 65 (2), 480-490 (2001).</li>
<li>Chen, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Near-infrared+spectroscopy+for+rapid+evaluation+of+different+processing+products+of+Sophora+japonica%5BTitle%5D)+AND+%22L.+Spectroscopy+Letters%22%5BJournal%5D)">Near-infrared spectroscopy for rapid evaluation of different processing products of Sophora japonica.</a> L. Spectroscopy Letters. 51 (1), 37-44 (2018).</li>
<li>Cayuela, J. A., Garcia, J. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Nondestructive+measurement+of+squalene+in+olive+oil+by+near+infrared+spectroscopy%5BTitle%5D)+AND+%22LWT-FOOD+SCIENCE+AND+TECHNOLOGY%22%5BJournal%5D)">Nondestructive measurement of squalene in olive oil by near infrared spectroscopy.</a> LWT-FOOD SCIENCE AND TECHNOLOGY. 88, 103-108 (2018).</li>
<li>Joaquim, M. Polyphenyl Ether Lubricants. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aJoaquim%2C+M+%22Synthetic+Lubricants+and+High-performance+Functional%22">Synthetic Lubricants and High-performance Functional</a>. Rudnick, R. L., Shubkin, R. L. , Marcel Dekker, Inc. NY. 239(1999).</li>
<li>Grabowska, H., Kaczmarczyk, W., Wrzyszcz, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Synthesis+of+2%2C6-Xylenol+by+Alkylation+of+Phenol+with+Methanol%5BTitle%5D)+AND+%22Applied+Catalysis%22%5BJournal%5D)">Synthesis of 2,6-Xylenol by Alkylation of Phenol with Methanol.</a> Applied Catalysis. 47 (2), 351-355 (1989).</li>
<li>Jeon, D. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Determination+of+volatile+organic+compounds%2C+catechins%2C+caffeine+and+theanine+in+Jukro+tea+at+three+growth+stages+by+chromatographic+and+spectrometric+methods%5BTitle%5D)+AND+%22FOOD+CHEMISTRY%22%5BJournal%5D)">Determination of volatile organic compounds, catechins, caffeine and theanine in Jukro tea at three growth stages by chromatographic and spectrometric methods.</a> FOOD CHEMISTRY. 219, 443-452 (2016).</li>
<li>Davidyuk, E. I., Demchenko, V. F., Klisenko, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Rapid+group+separation+and+identification+of+chlorinated+organic+compounds+by+high+performance+liquid+chromatography%5BTitle%5D)+AND+%22JOURNAL+OF+ANALYTICAL+CHEMISTRY%22%5BJournal%5D)">Rapid group separation and identification of chlorinated organic compounds by high performance liquid chromatography.</a> JOURNAL OF ANALYTICAL CHEMISTRY. 52 (11), 1058-1065 (1997).</li>
<li>Rinnan, A., Berg, F., Engelsen, S. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Review+of+the+most+common+pre-processing+techniques+for+near-infrared+spectra%5BTitle%5D)+AND+%22TrAC+Trends+in+Analytical+Chemistry%22%5BJournal%5D)">Review of the most common pre-processing techniques for near-infrared spectra.</a> TrAC Trends in Analytical Chemistry. 28 (10), 1201-1222 (2009).</li>
<li>Zou, X. B., Zhao, J. W., Povey, M. J. W., Holmes, M., Mao, H. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Variables+selection+methods+in+near-infrared+spectroscopy%5BTitle%5D)+AND+%22Analytica+Chimica+Acta%22%5BJournal%5D)">Variables selection methods in near-infrared spectroscopy.</a> Analytica Chimica Acta. (1-2), 14-32 (2010).</li>
<li>Dunn, B. W., Beecher, H. G., Batten, G. D., Ciavarella, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+potential+of+near-infrared+reflectance+spectroscopy+for+soil+analysis+-+a+case+study+from+the+Riverine+Plain+of+south-eastern+Australia%5BTitle%5D)+AND+%22Australian+Journal+of+Experimental+Agriculture%22%5BJournal%5D)">The potential of near-infrared reflectance spectroscopy for soil analysis - a case study from the Riverine Plain of south-eastern Australia.</a> Australian Journal of Experimental Agriculture. 42 (5), 607-614 (2002).</li>
<li>Wang, C. K., Zhang, T. L., Pan, X. Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Potential+of+visible+and+near-infrared+reflectance+spectroscopy+for+the+determination+of+rare+earth+elements+in+soil%5BTitle%5D)+AND+%22Geoderma%22%5BJournal%5D)">Potential of visible and near-infrared reflectance spectroscopy for the determination of rare earth elements in soil.</a> Geoderma. 306, 120-126 (2017).</li>
<li>Gatius, F., Miralbes, C., David, C., Puy, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparison+of+CCA+and+PLS+to+explore+and+model+NIR+data%5BTitle%5D)+AND+%22Chemometrics+and+Intelligent+Laboratory+Systems%22%5BJournal%5D)">Comparison of CCA and PLS to explore and model NIR data.</a> Chemometrics and Intelligent Laboratory Systems. , 76-82 (2017).</li>
<li>Wold, S., Sjostrom, M., Eriksson, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((PLS-regression%3A+a+basic+tool+of+chemometrics%5BTitle%5D)+AND+%22Chemometrics+%26+Intelligent+Laboratory%22%5BJournal%5D)">PLS-regression: a basic tool of chemometrics.</a> Chemometrics & Intelligent Laboratory. 58 (2), 109-130 (2001).</li>
<li>Douglas, R. K., Nawar, S., Alamar, M. C., Mouazen, A. M., Coulon, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Rapid+prediction+of+total+petroleum+hydrocarbons+concentration+in+contaminated+soil+using+vis-NIR+spectroscopy+and+regression+techniques%5BTitle%5D)+AND+%22SCIENCE+OF+THE+TOTAL+ENVIRONMENT%22%5BJournal%5D)">Rapid prediction of total petroleum hydrocarbons concentration in contaminated soil using vis-NIR spectroscopy and regression techniques.</a> SCIENCE OF THE TOTAL ENVIRONMENT. 616, 147-155 (2017).</li>
<li>Grassi, S., Alamprese, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Advances+in+NIR+spectroscopy+applied+to+process+analytical+technology+in+food+industries%5BTitle%5D)+AND+%22CURRENT+OPINION+IN+FOOD+SCIENCE%22%5BJournal%5D)">Advances in NIR spectroscopy applied to process analytical technology in food industries.</a> CURRENT OPINION IN FOOD SCIENCE. 22 (SI), 17-21 (2018).</li>
<li>Trung, T., Downes, G., Meder, R., Allison, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pulp+mill+and+chemical+recovery+control+with+advanced+analysers+-+from+trees+to+final+product%5BTitle%5D)+AND+%22APPITA%22%5BJournal%5D)">Pulp mill and chemical recovery control with advanced analysers - from trees to final product.</a> APPITA. 68 (1), 39-46 (2015).</li>
<li>Vann, L., Sheppard, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Use+of+near-infrared+spectroscopy+%28NIRs%29+in+the+biopharmaceutical+industry+for+real-time+determination+of+critical+process+parameters+and+integration+of+advanced+feedback+control+strategies+using+MIDUS+control%5BTitle%5D)+AND+%22Journal+of+Industrial+Microbiology%26+Biotechnology%22%5BJournal%5D)">Use of near-infrared spectroscopy (NIRs) in the biopharmaceutical industry for real-time determination of critical process parameters and integration of advanced feedback control strategies using MIDUS control.</a> Journal of Industrial Microbiology& Biotechnology. 44 (12), 1589-1603 (2017).</li>
<li>Modrono, S., Soldado, A., Martinez-Fernandez, A., de la Roza-Delgado, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Handheld+NIRS+sensors+for+routine+compound+feed+quality+control%3A+Real+time+analysis+and+field+monitoring%5BTitle%5D)+AND+%22TALANTA%22%5BJournal%5D)">Handheld NIRS sensors for routine compound feed quality control: Real time analysis and field monitoring.</a> TALANTA. 162, 597-603 (2017).</li>
</ol>

Yazarların açıklayacak bir şeyi yok.

Bu protokol, NIRS ile polifenilen eter sıvı ürün kalan o-kresol konsantrasyonu ölçümü PLSR gerçekleştirme sürecini açıklar.
Bu süreçteki iki kritik adım, orijinal NIR spektral verilerinön işlenmesi ve yüksek boyutlu NIR spektral verilerin değişken seçimidir.
Genel olarak, sistematik olmayan arka plan paraziti, NIR spektrumunun sistematik olmayan saçılma sapmasına veya temel kaymasına yol açar. Uygun NIR spektral ön işleme yöntemi (türev, normalleştirme, çok değişken...

Yakın kızılötesi (NIR) spektroskopisi (NIRS) hızlı, verimli, tahribatsız ve kirletici olmayan modern analitik teknoloji olarak geniş kabul kazanmıştır; bu yöntem son birkaç yıl içinde endüstriyel süreçlerde ürün kalite tespiti, analizi ve kimyasal bileşen ölçümü için kullanılmıştır. Yöntemin en temel uzmanlık alanı, herhangi bir ön işleme gerek kalmadan katı ve sıvı numuneler için spektrum ları kaydedebilme yeteneğidir, bu da NIRS'ı doğal ve sentetik ürünlerin doğrudan ve hızlı tespiti ve analizi için özellikle uygun hale getirerek1,2. Makroskopik ölçekte işlem değişkenlerini (örneğin sıcaklık, basınç, sıvı seviyesi, vb.) ölçen ve kaçınılmaz olarak dış gürültü ve arka plan parazitinden muzdarip olan geleneksel sensörlerin aksine, NIRS kimyasal bileşimin yapısal bilgilerini mikroskobik ve moleküler ölçeklerde algılar. Böylece, temel bilgiler diğer yöntemlere göre daha doğru ve etkili bir şekilde ölçülebilir3,4.
Polifenil eter, mühendislik plastikbiri olarak, yaygın ısı direnci, alev geciktirici, yalıtım, elektriközellikleri, boyutsal stabilite, darbe direnci, sürünme direnci, mekanik mukavemet ve diğer özellikleri nedeniyle kullanılır5. Daha da önemlisi, diğer mühendislik plastiklerine göre toksik değildir ve zararsızdır. Şu anda, 2,6-ksilenol polifenilen eter sentezi için temel hammadde biridir, ve genellikle metanol yöntemi ile fenol katalizyonu tarafından hazırlanan6. Bu hazırlama yönteminin iki ana ürünü vardır: o-kresol ve 2,6-ksilenol. Ayırma ve çıkarma adımları bir dizi sonra, 2,6 ksilenol polifenilen eter üretmek için kullanılır. Ancak, o-kresol eser miktarda 2,6-ksilenol kalır. O-cresol polifenilen eter sentezine katılmaz ve polifenilen eter ürün kalır, ürün kalitesinde bir azalma ya da hatta standart altı sonuçlanan. Şu anda, çoğu şirket hala renk ayrımsı 7 gibi fiziksel veya kimyasal ayırma analizi ile kirleri içeren sıvı faz polifenil eter ürünleri gibikarmaşık organik karışımların bileşimlerini analiz (örneğin, o-kresol) 7,8. Kromatografinin ayırma prensibi, sabit fazdaki kompozisyonların karışımının ve performanstaki küçük farklılıkların çözünme, analiz, adsorpsiyon, desorpsiyon veya diğer yakınlıklarında akış aşamasının kullanılmasıdır. İki aşama birbirine göre hareket ettiğinde, kompozisyonlar iki aşamada tekrar tekrar yukarıdaki eylemlerle ayrılır. Nesneye bağlı olarak, karmaşık bir malzeme ayırma işlemini tamamlamak genellikle birkaç dakika ile birkaç dakika sürer. Ölçüm veriminin düşük olduğu görülebilir.
Günümüzde, modern ince proses kimyasal malzeme endüstrisi için bu analize dayalı ürün kalitesinin ölçümü ve ileri kontrol teknolojisi, ürün kalitesini daha da artırmak için anahtar yöndür. Polifenil eter üretiminin proses endüstrisinde, polifenilen eter ürününde o-kresol içeriğinin gerçek zamanlı ölçümü büyük bir gelişme dir. Kromatografik analiz, maddelerin gerçek zamanlı ölçümü ve sinyal geri bildirimi için ileri kontrol teknolojisinin gerekliliklerini açıkça karşılayamaz. Bu nedenle, nirs verileri ile o-kresol konsantrasyonu arasında doğrusal bir model oluşturmak için kısmi en küçük kareretres (PLSR) yöntemini öneriyoruz, bu da çıkışın sıvı polifenilen eter ürünündeki o-kresol içeriğinin online ölçümlerini gerçekleştirmektedir. .
NIRS için ön işleme çok değişkenli istatistiksel modelleme öncesinde en önemli rolü oynar. NIR spektrumundaki NIRS dalga numaraları ve biyolojik örneklerin parçacık boyutları karşılaştırılabilir, bu nedenle kaydedilen örnek spektrumları üzerinde etkisi olan beklenmeyen dağılım etkileri ile bilinir. Uygun ön işleme yöntemleri gerçekleştirerek, bu etkilerin büyük ölçüde ortadan kaldırılması kolaydır9. NIRS'de en sık kullanılan ön işleme teknikleri dağılım düzeltme ve spektral türev yöntemler olarak sınıflandırılır. İlk yöntem grubu, çarpan dağılım düzeltme, detrending, standart normal variat dönüşümleri ve normalleştirme içerir. Spektral türev yöntemleri birinci ve ikinci türevlerin kullanımını içerir.
Kantitatif bir regresyon modeli geliştirmeden önce, nirs verilerinden sistematik olmayan dağılım varyasyonlarının kaldırılması önemlidir, çünkü bunlar tahminmodelinin doğruluğu, karmaşıklığı ve parsimony üzerinde önemli bir etkiye sahiptir. Uygun bir ön işleme yönteminin seçimi her zaman sonraki modelleme adımına bağlı olmalıdır. Burada, NIR spektral veri seti Lambert-Beer yasasını izlemiyorsa, diğer faktörler tahmin edilen bileşenler için tahminin ideal olmayan davranışını telafi etme eğilimindedir. Bu tür gereksiz faktörlerin varlığının dezavantajı model karmaşıklığının artmasına yol açar, hatta büyük olasılıkla, sağlamlık bir azalmaya. Bu nedenle, spektral türevlerin uygulanması ve spektral verilere konvansiyonel normalleştirme yönteminin önemli bir parçasıdır.
Spektral ön işleme den sonra, yüksek sinyal-gürültü oranı ve düşük arka plan paraziti ile NIRS verileri elde edilir. Modern NIRS analizi, uygun bir spektral aralıkta büyük miktarda emiciliğin hızlı bir şekilde elde edilmesine neden olabilir. Numunenin kimyasal bileşimi daha sonra spektral eğride yer alan bilgiler kullanılarak ilgili değişkenler ayıklandırılarak tahmin edilir. Genel olarak, NIRS nitel veya nicel analizler için çok değişkenli analiz teknikleri ile birleştirilir10. Çok değişkenli doğrusal regresyon (MLR) analizi, endüstriyel süreçlerdeki veriler ve bileşenler arasındaki matematiksel ilişkinin geliştirilmesi ve madenciliği için yaygın olarak kullanılır ve NIRS analizinde yaygın olarak kullanılmıştır.
Ancak, önceden işlenmiş NIRS verileri için mlr uygularken iki temel sorun vardır. Bir sorun değişken artıklık olduğunu. NIRS verilerinin yüksek boyutluluğu genellikle bağımlı bir değişkenin tahminini güvenilmez hale getirir, çünkü bileşenlerle ilişkisi olmayan değişkenler dahildir. Bu yedekli değişkenler spektral verilerin bilgi verimliliğini azaltır ve modelin doğruluğunu etkiler. Değişken artıklığı ortadan kaldırmak için, NIRS verileri ile öngörülen bileşenler arasındaki ilişkiyi geliştirmek ve en üst düzeye çıkarmak esastır.
Bir diğer sorun da NIRS verilerindeki multicollinearity sorunudur. Birden çok doğrusal regresyon modelinin önemli varsayımlarından biri, regresyon modelinin açıklayıcı değişkenlerinden herhangi biri arasında doğrusal bir ilişki olmamasıdır. Bu doğrusal ilişki varsa, doğrusal regresyon modelinde multikolidoğrusallık olduğu ve varsayımın ihlal edildiği kanıtlanmıştır. Sıradan en az karereyon (OLSR) gibi birden çok doğrusal regresyonda, değişkenler arasındaki çoklu korelasyon parametre tahminini etkiler, model hatasını artırır ve modelin kararlılığını etkiler. NIR spektral verileri arasındaki çok doğrusal korelasyonun ortadan kaldırılması için, örneklerin doğal değişkenliğini en üst düzeye çıkaran değişken seçim yöntemleri kullanırız.
Burada, yaygın NIRS11,12alanında kullanılan birden fazla doğrusal regresyon bir genelleme olan PLSR, kullanmayı öneriyoruz. PLSR MLR, kanonik korelasyon analizi (CCA) ve temel bileşen analizi (PCA) temel işlevlerientegre ve olmayan bir model veri birleşimi analizi ile tahmin analizi birleştirir. PLSR iki bölüme ayrılabilir. İlk bölüm, karakteristik değişkenlerin bileşenlerini ve öngörülen bileşenleri kısmi en küçük kareler analizi (PLS) ile seçer. PLS, ana bileşenlerin ve öngörülen bileşenlerin bir arada kalarak ana bileşenlerin doğal değişkenliğini en üst düzeye çıkarır. Daha sonra, seçilen ana bileşenler için OLSR o-kresol konsantrasyonu modeli oluşturulur. PLSR, güçlü bir şekilde collinear ve son derece ilişkili çok sayıda bağımsız değişken ile gürültülü verilerin analizi ve çeşitli yanıt değişkenlerinin eşzamanlı modelleme için uygundur. Ayrıca, PLSR, örnek spektrumların etkili bilgi ayıklar multicollinearity sorunu üstesinden ve güçlü istikrar ve yüksek tahmin doğruluğu avantajları vardır13,14.
Aşağıdaki protokol, NIR spektral verileri kullanarak o-kresol konsantrasyonu ölçmek için PLSR modelinin kullanılması işlemini açıklamaktadır. Modelin güvenilirliği ve doğruluğu, belirleme katsayısı ( ), tahmin<img alt="Equation 1" src="/files/ftp_upload/59077/59077eq1.jpg">korelasyon katsayısı<img alt="Equation 2" src="/files/ftp_upload/59077/59077eq2.jpg">( ) ve çapraz doğrulamanın (MSPECV) ortalama kare tahmin hatası kullanılarak nicel olarak değerlendirilir. Ayrıca, sezgisel PLSR avantajlarını göstermek için, değerlendirme göstergeleri nitel bir analiz için çeşitli arsalar görselleştirilmiştir. Son olarak, bir deneyin değerlendirme göstergeleri, PLSR modelinin güvenilirliğini ve hassasiyetini nicel olarak göstermek için tablo biçiminde sunulur.

<table><tbody><tr><td>MPA II Çok Amaçlı FT-NIR Analizörü</td><td>Bruker</td><td>1</td><td></td></tr><tr><td>Fiber Optik Problar (Sıvı faz)</td> <td>Bruker</td><td>1</td><td></td></tr><tr><td>Sıvı kromatografi analizörü ve nbsp;</td><td>/</td><td>1</td><td></td></tr><tr><td>Laboratuvar Ekipman ve Malzemeleri (örn. test tüpü vb.)</td><td>/</td><td></td><td></td></tr><tr><td>MATLAB</td><td>MathWork</td><td>1</td><td></td></tr><tr><td>OPUS</td><td>Bruker</td><td>1</td><td></td></tr><tr><td>Ana bilgisayar</td><td>DELL</td><td>1</td><td></td></tr><tr><td>Unscrambler</td><td>CAMO</td><td>1</td><td></td></tr></tbody></table>

kısmi en küçük kare regresyon İle yakın kızılötesi spektroskopiye dayalı o-kresol konsantrasyonu online Ölçüm

O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression

Makroskopik proses değişkenlerinin aksine, yakın kızılötesi spektroskopi moleküler düzeyde proses bilgileri sağlar ve endüstriyel süreçlerdeki bileşenlerin tahminini önemli ölçüde artırabilir. Herhangi bir ön işlem olmadan katı ve sıvı numuneler için spektrum ları kaydetme yeteneği avantajlıdır ve yöntem yaygın olarak kullanılmaktadır. Ancak, yüksek boyutlu yakın kızılötesi spektral verileri analiz dezavantajları bilgi artıklığı ve spektral verilerin multicollinearity içerir. Bu nedenle, geleneksel olarak veri boyutsallığını azaltmak ve orijinal özellikler arasındaki doğrusallığı ortadan kaldırmak için kullanılan kısmi en küçük kareler regresyon yöntemini kullanmayı öneriyoruz. Polifenilen eter üretimi sırasında o-kresol konsantrasyonunu tahmin etme yöntemini uyguluyoruz. Önerilen yaklaşım bileşen regresyon tahmin yöntemleriüzerinde aşağıdaki avantajları sunar: 1) kısmi en az kareler regresyon bağımsız değişkenlerin multicollinearity sorunu çözer ve etkili bir oluşur aşırı uyum önler bağımsız değişkenler arasındaki yüksek korelasyon nedeniyle regresyon analizi; 2) mikroskobik ve moleküler ölçeklerde bilgi elde etmek için bir non-yıkıcı ve kirletici olmayan bir yöntem olduğu için yakın kızılötesi spektrumların kullanımı yüksek doğruluk la sonuçlanır.

Polifenil eter ürünlerinde o-cresol Kirlilik öngörülen değeri PLSR tabanlı yakın kızılötesi spektroskopi ile elde edilir. Şekil 2 ve Şekil 3 sırasıyla karar katsayısı eğrisinden özellik seçimi aşamasında yöntemin güvenilirliğini ve ana bileşenlerin sayısı ile artan hata yorumlama yüzdesini gösterir.
Özellikle, temel bileşenlerin seçiminde, modelin karmaşıklığını en aza indirmek için, genellikle,...

Protokol, yakın kızılötesi spektroskopi ve kısmi en az kareregresyon kullanarak polifenilen eter üretimi sırasında o-kresol konsantrasyonunu tahmin etme yöntemini açıklar. Süreci daha açık ve tam olarak tanımlamak için, polifenilen üretimi sırasında o-kresol konsantrasyonu tahmin bir örnek adımları açıklığa kavuşturmak için kullanılır.

Kısmi En Küçük Kare Regresyon İle Yakın Kızılötesi Spektroskopiye Dayalı O-kresol Konsantrasyonu Online Ölçüm

Unlike macroscopic process variables, near-infrared spectroscopy provides process information at the molecular level and can significantly improve the ...

Bu deneysel makalenin önemi yakın kızılötesi spektroskopi ve gerçek proses endüstrisinin online izleme için veri madenciliği algoritmaları uygulamaları yatıyor. Bu teknolojinin en büyük avantajları onun hızı yatıyor. Yakın kızılötesi algılama teknolojisinin zararsız özelliği ve kısmi en az kareler veya PLS, algoritma uygulaması.Başlamak için, metin protokolünde açıklandığı gibi spektrometrebağ. Ölçüm parametrelerini ayarlamak için OPUS yazılımını kullanın. Ölçüle menüsüne gidin ve Gelişmiş Ölçüm komutunu seçin.Açılan iletişim kutusunda, farklı sekmelerde ölçüm parametrelerini tanımlayın. Deneme dosyasını depolamak için Gelişmiş sekmesini tıklatın. Çözünürlüğü dört ters santimetre olarak tanımlayın.Tarama sayısını örnek arka plan tarama zaman giriş alanlarında 16 tarama olarak tanımlayın. Ölçüm verilerini 4,000 ters santimetreden 12, 500 ters santimetreye otomatik olarak depolamak için yolu tanımlayın. Sonuç spektrumu için veri türünü absorbance olarak belirleyin ve deneme dosyasını kaydedin.Şimdi Optik sekmesini tıklatın. Diyafram ayar açılır listesini tıklatın ve örnek bir spektrum elde etmek için kullanılan aynı değeri seçin. Ardından Temel sekmesini tıklatın.Arka Plan Tek Kanal düğmesini tıklatın ve örnek spektrumu ölçmek için spektrometrenin optik yoluna örnek yerleştirin. Belirli bir giriş alanında örnek açıklama ve örnek formu tanımlayın. Bu bilgiler spektrumla birlikte depolanır.Şimdi çevrimiçi ölçümü başlatmak için Örnek Tek Kanal düğmesini tıklatın. Her taraya ait NIR spektrumu bir OPUS dosyası olarak kaydedin. Orijinal spektral seti okumak için OPUS yazılımını kullanın.Dosya menüsünde Dosyayı Yükle komutunu tıklatın. Açılan iletişim kutusunda, belirli spektrum dosyasını seçin. Aç düğmesini tıklatın.Spektrum spektrum penceresinde görüntülenir. Spektral ön işleme fonksiyonu ile, birinci dereceden türev ile önceden işlenmiş spektral veri seti elde edin. Önce çok değişkenli bir veri analizi ve deneysel tasarım yazılımı olan Unscrambler'ı açın.Ardından Dosya'nın altındaki İçe Aktar komutunu seçin. OPUS dosyasını özgün bir NIR spektral veri kümesi olarak içe aktarın. Değiştir'in altındaki Dönüştür komutunu seçin.Ardından Türevler altındaki Savitzky-Golay türevlerini seçin. Örnekleri ve değişkenleri Kapsam'taki tüm örnekler ve tüm değişkenler olarak tanımlayın. Ayrıca, yumuşatma noktası sayısını 13, türevi ise Parametreler'deki ilk türev olarak tanımlayın.Türevi başlatmak için Tamam'ı tıklatın. Emiciliğin değerini normalleştirmek için örnek spektrumları üzerinde vektör normalleştirme gerçekleştirin. Değiştir altında normalleştirme komutunu seçin.Örnekleri ve değişkenleri Kapsam'taki tüm örnekler ve tüm değişkenler olarak tanımlayın. Türde vektör normalleştirmesini seçin. Vektör normalleştirmesi gerçekleştirmek için Tamam'ı tıklatın.Uygun sayıda ana bileşen seçmek için MATLAB'ı açın ve MAT dosyasını çalışma alanına sürükleyerek önceden işlenmiş yakın kızılötesi spektral verileri içeren MAT dosyasını alın. Programlanmış M dosyasını editörde açın. Düzenleyici seçeneğialtında Aç'ı tıklatın, dosya depolama dizininde derlenen M dosyasını seçin ve sonra Onayla'yı tıklatın.MATLAB'da, çıkarılan ana bileşenler ile O-kresol konsantrasyonunun öngörülen değerleri arasında optimizasyon amacına ve OLSR modeline göre 15 ana bileşeni ayıklamak için çalışın. R-kare değerlerini ve eğilimi, artan sayıda ana bileşenle belirleyin. R kare değeri 0,9917 olan uygun ana bileşen sayısı olarak 10'u seçin.PLSR modelinin uygunluk ve doğruluk iyiliğini doğrulamak için modelleme işlemini 10 ana bileşenle tekrarlayın. Modeli NIR spektral verilerinde açıklanan yüzde varyans, artıklar ve çapraz doğrulama veya MSPECV'nin ortalama kare tahmin hatasını kullanarak 10 kat çapraz doğrulamayı temel alın. Burada çizilen kalıntılar, O-cresol içerik referans değeri ve PLSR modeli tahmini arasındaki fark bakın.Çizilen veriler, NIR spektral verilere dayalı O-kresol içeriğinin ölçümü için PLSR'nin yüksek doğruluk olduğunu göstermektedir. Çapraz doğrulama ortalama kare hatası, başvuru ile öngörülen O-cresol içeriği arasındaki farkın derecesinin bir ölçüsüdür. Değer ne kadar küçükse, O-cresol içeriğini açıklayan tahmine dayalı modelin doğruluğu da o kadar iyi.PlsR'ye dayalı O-kresol konsantrasyonu ölçümü için ortalama kare tahmin hatası, ana bileşenlerin sayısı arttıkça azalır. Hata, 10 ana bileşende kabul edilebilir bir minimuma ulaşır. Bu, PLSR'nin NIRS kullanılarak O-kresol konsantrasyonunun ölçümü için yüksek stabilite ile sonuçverdiğini kanıtlamaktadır.Bu yordamı denerken, en önemli adım kompozisyonların referans değerlerini doğru bir şekilde elde etmektir, çünkü bu, sonraki aşamada gerçekleştirilen tüm ön işleme ve modellemenin temelini oluşturur. PLS ek olarak, derin öğrenme ve karar ağacı gibi bazı mevcut popüler makine öğrenme algoritmaları da bu yordamda kullanılabilir. NIRS algılama teknolojisi ile birlikte, önerilen veri madenciliğinin endüstriyel otomasyon sürecinde modern endüstride akıllı dönüşüme yönelik anlamlı bir uygulama şablonu olduğuna inanıyoruz.

o-cresol-concentration-online-measurement-based-on-near-infrared

Research

JoVE Journal

Engineering

Mühendislik

MazeSuite hazırlama, sunma ve seyir ve mekansal deneyleri analiz için tam bir araç setidir. Fonksiyonel yakın kızılötesi spektroskopi (fNIR) serebral kan oksijenlenme değişikliklerin noninvaziv ve taşınabilir izleme sağlayan bir optik beyin görüntüleme tekniğidir. Bu kağıt bir bilişsel işleme öğrenme paradigması içinde MazeSuite ve fNIR kolektif kullanımını özetlemektedir.

Mekansal Navigasyon Öğrenme Eğitim için Infrared Spektroskopisi civarında MazeSuite ve Fonksiyonel kullanma

Göre çapraz-konjuge haç florofor 1,4-distyryl-2 ,5-bis (arylethynyl) benzen ve niteliksel olarak farklı bir benzobisoxazole çekirdekleri Lewis asidik ve Lewis baz analitler tanımlamak için kullanılabilir. Bu yöntem analit Ayrıca üzerine görülmektedir haç emisyon renklerdeki farklılıklar dayanır. Yapısal olarak yakından ilişkili türleri birbirlerinden ayırt edilebilir.

Karboksilik Asitler, Boronik Asitler ve Aminler nitel Kimlik haç fluorophores kullanarak

Adım adım Raman ve IR spektroelektrokimyasal analiz bir protokol sunulmuştur.

Raman ve IR spektroelektrokimyasal yöntemleri araçları olarak konjuge organik bileşikler çözümlemek için

Burada, hassas, dağınık şekilde çözülmüş gaz spektroskopisi orta-kızılötesi bölgede gerçekleştirmek için bir protokol dejenere dört-dalga karıştırma upconversion algılama ile kombine kullanarak mevcut.

Kızılötesi dejenere dört-dalga ile kantitatif gaz algılama için Upconversion algılama karıştırma

Burada, spektral dış atriden çıkarılması ve daha sonra temel özelliklerin çıkarılması için kemometrik yaklaşımlar ile birlikte klinik çalışmalarda insan deneklerinden konfokal Raman spektrasının toplanması için bir protokol saklıyız.

Stratum Corneum'un In Vivo Confokal Raman Spektrumlarından Kemometrik Yaklaşımla Su, Protein ve Lipidlerin Çözülmesi

Sinyal oluşturma ve optimizasyon, ölçüm, veri toplama ve femtosecond zaman çözümlü yakın-IR uyarılmış Raman spektrometresi için veri işleme ayrıntıları açıklanmıştır. Yakın kızılötesi uyarılmış Raman çalışma toluen β-karoten heyecanlı durum dinamikleri üzerinde temsili bir uygulama olarak gösterilmiştir.

Ultrahızlı Zaman Çözümlü Yakın-IR Uyarılmış Raman Fonksiyonel π-konjuge Sistemlerinin Ölçümleri

Burada, Lewis asitleri ve bazlar arasındaki çözelti etkileşimlerinin gözlemi için, sentetik olarak ilgili koşullar altında titrasyon için bir dedektör olarak situ kızılötesi spektroskopide kullanılan bir yöntem satıyoruz. Çözüm etkileşimleri inceleyerek, bu yöntem X-ışını kristalografisi tamamlayıcısını temsil eder ve NMR spektroskopisine alternatif sağlar.

Situ Kızılötesi Spektroskopi ile Birleştiğinde Titrasyon Kullanarak Lewis Çiftleri Karakterize

Biyolojik numuneler, görünür (VIS) ve yakın kızılötesi (NIR) dalga boyu aralıklarına kıyasla kısa dalga kızılötesinde (SWIR) farklı optik özelliklere sahiptir. Bununla birlikte, saf SWIR absorpsiyon spektrumlarının kaydedilmesi zordur ve biyolojik moleküller için nadiren gerçekleştirilir. Bu makale, biyolojik emicilerin VIS-SWIR absorpsiyon spektrumlarını karakterize etmek için bir yöntem sunmaktadır.

Görünür olandan kısa dalga kızılötesine kadar uzanan biyolojik absorpsiyon spektrumlarının karakterizasyonu

Protein fonksiyonunun temel adımları, özellikle omurga konformasyonel değişiklikleri ve proton transfer reaksiyonları, genellikle mikrosaniye ila milisaniye zaman ölçeğinde gerçekleşir. Bu dinamik süreçler, özellikle işlevi ışık tarafından tetiklenen proteinler için, zaman çözümlü adım taramalı Fourier dönüşümü kızılötesi spektroskopisi ile incelenebilir.

Tarafından Işığa Proteinler Proton Transferi ve Protein Konformasyon Dynamics Zamanda çözülmüş kızılötesi spektroskopi Fourier-dönüşümü Step-tarama

Optik olarak pompalanan bir moleküler lazer kullanarak uzak kızılötesi radyasyonun üretilmesini ve frekanslarının heterodin teknikleriyle ölçülmesini açıklıyoruz. Deneysel sistem ve teknikler, sonuçları üç yeni lazer emisyonu ve sekiz ölçülen lazer frekansı içeren lazer ortamı olarak diflorometan (CH2F2) kullanılarak gösterilmiştir.

Uzak-kızılötesi lazer Emisyonları ve Bunların Frekansları ölçülmesi Karakterizasyonu

Keşfedin yakın kızılötesi spektroskopi ve kısmi en küçük kare regresyon kullanarak o-kresol konsantrasyonunun gerçek zamanlı izlenmesi. Bu yöntem polifenilen eter üretiminde yüksek doğruluk sağlar.

Kısmi En Küçük Kare Regresyon İle Yakın Kızılötesi Spektroskopiye Dayalı O-kresol Konsantrasyonu Online Ölçüm

Daha fazla video keşfet