MétaCan
Menu
Retour à la cohorte
Enregistrement W2140325613 · doi:10.1139/cjfr-2013-0329

Using NIR and ATR-FTIR spectroscopy to rapidly detect compression wood in<i>Pinus radiata</i>

2014· article· en· W2140325613 sur OpenAlexvenueno aff
J. Paul McLean, G. L. Jin, Maree Brennan, Michél K. Nieuwoudt, Philip J. Harris

Notice bibliographique

RevueCanadian Journal of Forest Research · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Auckland
Mots-clésPinus radiataAbsorbancePartial least squares regressionCompression (physics)Fourier transform infrared spectroscopyNear-infrared spectroscopyRadiataLigninAttenuated total reflectionSpectroscopyMaterials scienceDiffuse reflectance infrared fourier transformChemometricsAnalytical Chemistry (journal)ChemistryMathematicsComposite materialBotanyChromatographyOpticsVignaStatistics

Résumé

récupéré en direct d'OpenAlex

Compression wood has undesirable properties for structural timber and for paper production. Traditional methods of detecting it are often time consuming and subjective. This study aimed to rapidly and impartially detect compression wood through the use of attenuated total reflectance Fourier transform infrared spectroscopy (ATR-FTIR) and diffuse reflectance near infrared (NIR) spectroscopy. Compression wood and non-compression wood samples were obtained from young Pinus radiata D. Don trees grown in New Zealand. Longitudinal dimensional changes were measured during drying or water saturation of the samples; lignin and galactose contents were determined using conventional analytical techniques. Chemical composition was here a more reliable discriminator between wood types than longitudinal dimensional changes. It was shown that partial least-squares regression (PLS-R) or discriminatory analysis (PLS-DA) could be used to build models on the training samples that could discriminate between wood types of the independently grown validation samples. Ultimately, both types of spectroscopies could be used to discriminate between compression wood and non-compression wood either through prediction or discriminatory analysis with equal success. Investigation into spectral differences between wood types, including sequential mixtures of wood types, showed that for the mid-IR region absorbance at a well-resolved lignin band could be used to discriminate compression wood from non-compression wood. For NIR, a similar investigation showed that absorbance values at four separate wavenumbers or the 6000–5600 cm −1 region of the first derivative spectra were required for that discrimination. It is proposed that if there is a gradual change in the chemical composition of compression wood with its severity, then IR spectroscopy could feasibly be used to rapidly determine compression wood severity.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,928

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,046
Tête enseignante GPT0,294
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetWood Treatment and PropertiesTravaux en français237 207