2Kertészeti és Élelmiszeripari Egyetem, fax: +(36-1)-372-6321, E-mail: kkaffka@hoya.kee.hu

A polár minősítő rendszert – mint adatredukciós és kiértékelő módszert – először 1991-ben Brüsszelben a 3. Nemzetközi Közeli Infravörös Spektroszkópia Konferencián ismertettük. Lévén, hogy a módszert eredetileg a közeli infravörös spektrumok információtartalmának vizsgálatára dolgoztuk ki, munkánk első részében a termékek kvalitatív vizsgálatát biztosító módszer legfőbb elemeit NIR spektrumok segítségével mutatjuk be, majd a sorrend optimalizálási algoritmus bevezetésével általánosítjuk tetszőleges többváltozós feladat megoldására.

A PQS terminológiának megfelelően meghatároztuk a vizsgált minták “minőségpontjait” a kétdimenziós “minőségsíkon” és az ún. “polar distance”-t használtuk a minőségi különbségek leírására. A vizsgált termékek minőségpontjait a minták polár koordináta rendszerben ábrázolt spektrumai középpontjaiként definiáltuk. Ezzel a már sikerrel alkalmazott euklideszi és Mahalanobis távolság mellett bevezettük egy új az ún. polár távolság fogalmát a két termék polár spektrumközéppontjainak távolságaként. A minta összetételének változásával a minőségpont a változó komponens abszorpciós csúcsának irányába tolódik el, így az eltolódás irányából a különbséget okozó összetételi eltérésekről is információt kapunk. A spektrum középpontok számításának három elvét (pont-, vonal- és felület módszer) dolgoztuk ki.

A polár koordináta rendszerben ugyanannak a komponensnek abszorpciós csúcsai szembe kerülhetnek egymással kioltva egymás, a minőségpontok elhelyezkedésére gyakorolt hatását. Ezt a problémát a hullámhossz-tartomány optimizációs algoritmus kidolgozásával oldottuk meg, meghatározva a legreprezentatívabb varianciát hordozó hullámhossz-tartományokat. E “tartomány optimizáció” során két különböző eredményre vezető eljárást alkalmaztunk az optimális tartományon kívül eső pontok nullázása és teljes elhagyása révén.

A különböző osztályozó modellek szétválasztó hatását a normalizált távolság és az érzékenység bevezetésével fejeztük ki számszerűen, lehetővé téve a különböző szeparációs feladatok eredményeinek összehasonlítását. A normalizált távolság (távolság osztva távolság és a két csoport szórásainak összegével) maximális értéke 1. Míg az érzékenység (távolság osztva a két csoport szórásainak összegével) azt számszerűsíti, hogy a két csoport távolsága hányszor nagyobb a csoportok szórásainak összegénél.

Míg a közeli infravörös spektroszkópiában az adatok sorrendje (abszorbancia a növekvő hullámhossz függvényeként) természetes úton meghatározott, számos olyan többváltozós feladat létezik, ahol az adatsorrend szabadon változtatható, így az elválasztás szempontjából optimális adatsorrend maghatározása, a “sorrend-optimalizálás” a feladat.

A polár minősítő rendszer, mint adatredukciós módszer (NIR spektroszkópiában 750 adatból két adat; a minőségpont x,y koordinátája) egy drasztikus, de nem értelmetlen eljárás, mely sok esetben alkalmas a minőség meghatározására, minőségek közötti különbségek kimutatására.

Munkánk második részében számos élelmiszeripari termék közeli infravörös spektrumának elemzésével a “hullámhossz-tartomány optimizáció”, míg az elektronikus orr érzékelő jelválaszainak feldolgozásával a “sorrend optimizáció” eredményességét szemléltetjük.