On-line characterization of wood chip brightness and chemical composition by means of visible and near-infrared spectroscopy
Notice bibliographique
Résumé
Abstract Historically, on-line and real-time measurement of wood chip properties in the pulp and paper industry has been a challenge and has hampered the development of advanced process control strategies. In this study, visible and near-infrared (VIS-NIR) spectroscopy is investigated as a means to characterize wood chip brightness and chemical composition (i.e. extractives, lignin and holocellulose content) on-line. The estimated standard error on the holocellulose reference measurement was significantly reduced using data reconciliation. VIS-NIR calibration models were developed using partial least square regression. Derivative and baseline correction were found to be the most appropriate pre-processing methods. Model desensitization to the influence of moisture content and temperature by means of external parameter orthogonalization resulted in more robust models critical for on-line applications under harsh industrial conditions. Wavelength selection improved model accuracy for all properties. A comparison of two different spectrometer and probe combinations demonstrated that, after wavelengths selection, a non-contact measurement of wood chips performs as well as a contact measurement of wood powder for monitoring chemical composition. On-line prediction of wood chip brightness and chemical composition using the developed VIS-NIR models was demonstrated over 7 months in a kraft pulp mill processing both hardwood and softwood chips.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».