Main mechanical properties of new Chinese fir clones and their rapid prediction by near-infrared spectroscopy
Notice bibliographique
Résumé
Owing to its rapidity and accuracy, near-infrared (NIR) spectroscopy is a powerful tool to establish appropriate prediction models with an innovative method to evaluate wood properties. To reveal the mechanical qualities of clonal Chinese fir woods and to determine sound prediction models of mechanical properties, four main mechanical properties of six Chinese fir clones (Yang 020, Yang 061, Kaihua 3, Kaihua 13, Daba 8, Kailin 24) were evaluated by NIR spectroscopy. The clones Kaihua 13, Kailin 24, and Yang 020 showed good mechanical properties. To estimate mechanical properties with NIR spectroscopy, different methods should be adopted for different properties. The average spectra of radial and tangential sections combined with multiple scattering correction (MSC) and Savitzky–Golay (S–G) smoothing methods were used to predict the modulus of rupture and modulus of elasticity. By adopting cross section spectra and taking MSC and S–G smoothing methods for pretreatment, the models of compressive strength parallel to grain could deliver the best results. For wood hardness, the models established with average spectra of three sections and first-derivative method were preferred. The correlation coefficients of the prediction models were between 0.84 and 0.90, and those of the calibration models were between 0.75 and 0.96.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».