近红外光谱分析专家系统的原型芯板材识别

文摘

这项工作的总体目标是开发一个原型专家系统协助质量控制和可追溯性的颗粒板板生产地板。四种不同的碎料板生产在工业实验室规模和植物进行评估。材料不同的面板类型、组成、和胶系统。采用近红外光谱法作为先锋工具发展的两级专家系统适用于分类和可追溯性的调查样本。便携式,商用的近红外光谱仪用于无损测量颗粒板板。25批颗粒板,每个都包含至少三个独立副本,用于原系统开发和评估它的性能。四种可供选择的最优化方法(PLS-DA、资讯、SIMCA和支持向量机)用于光谱数据分类。为小组开发的模型识别两个级别不同的普遍性。在第一阶段,四个在24测试组合导致100%正确的分类。歧视精度和PLS-DA SVMC高(> 99%),即使没有任何光谱预处理。 SNV preprocessed spectra and SVMC algorithm were used at the second stage for panel batch classification. Panels manufactured by two producers were 100% correctly classified, industrial panels produced by different manufacturing plants were classified with 98.9% success, and the experimental panels manufactured in the laboratory were classified with 63.7% success. Implementation of NIR spectroscopy for wood-based product traceability and quality control may have a great impact due to the high versatility of the production and wide range of particleboards utilization.

1。介绍

碎料板是一个面板产品制造从木质纤维原料,结合胶系统和热量和压力下结合在一起。碎料板很容易和灵活的应用过程。他们主要用于家具生产,但与其他材料相结合,它们可能用于拼花,绝缘材料,隔热板的木材框架墙、包装、或“diy产品。“粒子用于生产碎料板的主要类型包括木屑、片,晶片,芯片,和锯末1]。

欧盟的一项新战略旨在增加生物能源的份额在欧盟的能源生产总量。预计20%的能源生产在欧洲在2020年之后将来自可再生资源,80%以上将木质纤维素的原料。同时,显著增加产量为其他木制品(纸浆、董事会和家具)的预期。因此,即使供给和需求的木材市场上目前是平衡的,它将很可能不平衡在未来几年(2]。因此,一些替代资源,主要是农业和工业残留物,快速增长的灌木和种植园,postconsumer木材,近年来得到广泛的重视[3]。有效利用甘蔗渣(4],油棕浪费[5],树皮[6]造纸污泥,[3),洋麻茎(7)麦秸(8),针垃圾(9),葡萄树修剪的10浪费纸,玉米皮(11此前曾报导过)等。这种材料是生态、功能、环保;因此,他们作为可持续原料制造颗粒板。原始资源用于面板制造的类型,其质量、颗粒大小、含水量以及结合系统的类型和数量有显著影响颗粒板属性(12]。最重要的板生产排放的质量评价方面,主要取决于树脂的类型和数量1]。最近的趋势降低甲醛释放生产木制品已经替代了脲醛(UF)树脂与几个备选方案(12]。液化木材之前报道是一个有趣的替代常用的胶粘剂(13- - - - - -15]。液化木材碎料板性能的影响以前调查的作者(16,17]。然而,选择质量控制工具与潜在应用程序在线过程控制仍然需要。

便携式光谱设备操作在近红外光谱范围内的木质行业是一个高度有趣的技术(18]。地中海et al。19]报道成功实现行FT-NIR光谱的测量质量控制melamine-urea-formaldehyde树脂的复合木板生产。泰勒和通过20.]可见光和近红外光谱用于量化取向strandboard苯酚甲醛树脂含量。坎波斯et al。21]FT-NIR用来评估组成agro-based碎料板。Janiszewska et al。22]报道的应用FT-NIR光谱聚类原材料用于液化及其转换产品。尽管几个例子的近红外光谱用于产品和过程质量监控报告,其中大部分依靠FT-NIR仪器相对昂贵的(时间和投资明智)和有限的适用性为内联测量。

无数的最优化技术多元分类和歧视被报告为适用于近红外光谱的处理。这些通常是分为判别或class-modelling方法。在判别分析,未知样本总是分配,只能分配一个给定类的训练集,class-modelling方法更灵活。样品可以接受多个类模型,因此被认为是困惑。最常见的分类方法是线性判别分析(LDA),偏最小二乘判别分析(PLS-DA),再邻国(资讯),SIMCA,支持向量机(23]。

LDA是概率方法,它假定每一个样本属于某个特定类遵循多元高斯分布。它需要显式计算这个概率的分类规则的制定。这种方法的主要缺点是,它需要一个训练样本的数量显著高于数量的变量,变量本身不能关联,所有类别有相同的课下分散,很难保证在许多实验情况下(23]。

PLS-DA是一个多元逆最小二乘分析方法对样本进行分类。它分解光谱主成分的线性组合(pc)表达的大部分信息(变化)包含在全球数据集。预测变量或潜在变量(lv)产生的输入变量的样本类间方差最大化模式24]。

然而,非参数和基于实例的算法。这意味着它不做任何假设底层数据分布和不使用训练数据泛化。资讯使得基于整个训练数据集的决定。对象分类的多数票的邻居。根据Adeniyi et al。25),这种方法的主要优点是处理能力的训练数据装入内存太大,使用简单的欧氏距离来衡量相似性训练和测试数据,提供更快和更准确的推荐结果的简单应用程序。

软独立造型类类比(SIMCA)是最常见的造型方法,监管代表class-modelling方法。它需要一个训练样本数据集的一组属性和类成员。在SIMCA,主成分分析(PCA)在数据集内的每个类上执行;因此,主成分模型是用来表示每个类。SIMCA,没有限制数量的测量变量,每个类和一些样本足以运行模型。

在机器学习数据分类是一种常见的任务。支持向量机(SVM)是一种非常灵活的方法,没有假设有关的数据。这是一个非线性分类超平面的方法,构造一组高,或者无限维度空间。好是通过分离超平面的最大距离最近的训练数据的任何类(24]。它通过获得最优边界向量空间中的两组独立的训练集的概率向量的安排。在低维输入空间线性边界是不够独立的两个类,支持向量机可以创建一个超平面,使得高维特征空间的线性分离(26]。支持向量机已经成功地用于数据挖掘、模式识别和人工智能领域(18]。

木制行业的实际实施歧视的方法是一个具有挑战性的任务。木材是一种非均匀和各向异性的生物材料。近红外光谱的正确实现对生物材料需要一个复杂的方法(27]。提出了一种两级专家系统来识别与便携式碎料板板,商用近红外光谱仪。这项工作的总体目标是开发一个原型系统,协助质量控制和可追溯性的颗粒板板生产地板。

2。材料和方法

四种不同的碎料板生产在实验室和工厂进行评估。材料不同的面板类型(单层或三层),组成(工业颗粒,回收木材或替代木质纤维原料包括快速增长的物种),和胶粘剂系统(脲醛(UF)树脂、脲醛树脂改性与液化木材(LW),或UF树脂改性淀粉)。一个研究小组提出了表的总结1。总共170个样本代表25变异了。彩色图像每个变体的代表性样本表面呈现在图1。

2.1。碎料板生产与回收木材(D)

工业木材颗粒从当地获得木材加工锯木厂,含有25%回收木材内容,被用作碎料板生产的原材料。粒子的分类使用Allgaier振动筛选机器屏幕的网格直径8 2 1,0.5毫米。粒子分数≤8毫米和≥1毫米被选为碎料板生产。

胶粘剂是准备作为一个工业脲醛树脂的混合物和液化木材(10 - 20%相对于树脂的干重)。液化木准备从四个类型的木材加工工业废物:混合hardwood-softwood粉(LWP),松(LP)、山毛榉锯末(磅),和树皮(磅)16]。

工业特点如下:脲醛胶树脂凝胶时间为75秒,粘度336 mPa·年代,总固体含量69.4%,pH值7.3。尿素溶液(46%)被用作固化剂,构成1%的树脂干燥质量。

12毫米厚度的单层碎料板与0,10,15种,20%的液化木材内容粘合剂树脂在实验室中生产。的名义密度板是650公斤·m⁻³。所有董事会条件后按20°C和65%相对湿度。九个类型的单层板准备了不同的胶粘剂系统,表中列出1。每个面板类型是在两个独立的批量生产。六个复制每个小组进行分析;总共108个样本进行调查。

2.2。碎料板生产与快速增长的木材品种(S)

单和三层碎料板板制造从红雪松(东部Juniperus virginianal .)使用脲醛9%,或15%的组合脲醛胶粘剂改性玉米淀粉和2%。三种类型的样本准备:类型:单层板与佛罗里达大学9%;B型:三层板与佛罗里达大学9%;和C型:三层板与15%的淀粉和2%的超滤的组合。实验室生产的所有板都按使用5 MPa的压力,在温度为165°C 5和10分钟的改性玉米淀粉保税样本(28]。六个独立复制为每一个面板和一个近红外光谱仪进行分析。

2.3。与替代木材碎料板生产木质纤维素的植物(G)

三层碎料板的核心由不同微生物产生,包括刺槐(洋槐pseudoacacial .)、miscant (芒草sinensis竹)、柳(柳树viminalis)和油菜籽(芸苔属植物显著)。木质纤维原料的茎是缩小Pallmann的爽朗。分数小于10毫米和大于1毫米用于板的核心。芯片被用于生产四种类型的三层板的16毫米厚度,与原始密度680公斤·m⁻³(29日]。六个独立复制为每一个面板和一个近红外光谱仪进行分析。

2.4。工业制造颗粒板(P)

三层脲醛树脂颗粒板、类型P2,合于non-load-bearing在干旱地区,由六个不同制造厂的制造公司工业样品作为参考。此外,板不同厚度(38毫米,28毫米,18毫米,8毫米)由单个生产商进行调查。三个复制每个面板类型使用近红外光谱进行分析。

2.5。光谱测量和数据挖掘

MicroNIR 1700紧凑的传感器由Viavi解决方案(美国加利福尼亚州圣塔莫尼卡)是用于光谱测量。每个光谱测量,平均10连续扫描。扫描的频率是50赫兹,对应于20 ms的积分时间。光谱范围从950到1650海里(10526 - 6060厘米⁻¹)。128谱点被定义为每个光谱和对应像素CCD探测器的乐器。十个独立的测量是在每个面板保证测量在不同的位置对其表面。每组10光谱预处理和扩展乘法散射校正(EMSC)和平均后的光谱指纹同质化异构表面面板。MicroNIR仪器有潜力证明攷虑和嵌入式应用程序由于其刚性结构和集成光学,电子和机械部件。

曼森PLS_Toolbox 8.0(特征向量研究佤邦,美国)和虚拟仪器13(美国国家仪器、奥斯汀TX)是用于数据处理和挖掘。四种判别分析方法:PLS-DA,支持向量机,资讯,和SIMCA用于光谱分类。模型计算了考虑使用原始光谱和光谱预处理和标准化,标准正态变量(SNV) EMSC, 1^圣和2^nd衍生品(Savitzky-Golay算法2^nd多项式秩序,15平滑点)。数据的顺序是随机的,然后分为校准(66%)和独立的验证(34%)的数据集。用于模型验证的样品都是不同于那些用于校准。

3所示。结果与讨论

3.1。一般专家系统体系结构的概念

专家系统是创新过程的工具,增强用户的生产率在完成任务或解决问题。这些变化在至少两个重要的维度,包括知识和技术复杂性(30.]。知识的复杂性主要是由内化知识的深度和专业化程度,决定的范围,解决问题所需的专业知识水平。技术包括硬件和软件的多样性,复杂性用户的环境的复杂性,软件设计工作的规模,需要数据库访问的复杂性,和特殊的用户界面等(30.]。

这项工作的主要目标是开发专家系统能够检测和跟踪不同的碎料板。这样一个系统中实现的一般概念家具工厂呈现在图2。系统依赖于光谱测量期间获得的新一批工厂容易搬运和便携式仪器。内的特定特征工具调查这个项目允许其直接实现在现实生活中的应用。建议平均几个收集的近红外光谱特征样本,以最小化的异质性影响复杂的碎料板表面。光谱获得那样的指纹被认为是不同的批处理和记录在数据库中进行进一步分析。使用光谱是双重的。首先,它适用于最优化模型的进一步改进提供了新的数据。其次,它用于未来生产过程中跟踪和识别的元素以及最终产品。

未知样品的近红外光谱在专家系统的第一级与广泛的类代表不同的碎料板制造商或面板类型。在成功识别的情况下,同样的频谱是一个二级最优化模型的输入,在关联的特定批次记录之前评估。这样的数值工具可能非常有用的质量控制小组到达生产地板,以及用于身份验证的来源和构成。示范的实施提出专家系统执行在这个研究项目。歧视的成功率的统计评价,表现在系统两个层面,提出了以下部分。

3.2。碎料板识别专家系统原型

上述专家系统实现的概念演示的可行性提出了图3。它由五个最优化模型实现在两个水平的歧视。模型# 1用于屏幕未知谱并确定最可能的类对应于颗粒板类型。因此四类被定义在专家系统的第一级对应“样本来源”中总结表的第一列1。第二个和更具体的歧视是执行之后通过实现一个二级模型(# 2 # 5)。这些模型的类的数量在每一个对应于之前定义批次的数量。必须提到至关重要,不断为专家系统与新批次的最近的光谱以保证歧视体系的持续改进和适当的颗粒板批量使用的所有历史上的识别。

专家系统质量控制方法在工业规模提出了Paladini [31日]。他描述了三步质量控制方法,包括预先控制活动,检查和决策阶段。Liukkonen et al。32)描述电子产品生产的智能优化和模拟系统。他们提出了三个模块组成的合适的数学工具特别适合每个任务:预处理、变量选择和优化。提出了一种数据驱动的方法实现积极的生产过程的质量改进。Hobballah et al。33)提出了一个休闲地图展示变量应该包括在设计优化和组件如何交互有关。这种方法已成功用于绝缘的初步设计根据木材纤维复合垫。

3.3。判别分析

四种分类方法:资讯、PLS-DA SVM,和SIMCA检测最佳的近红外光谱数据分类。所有这些方法都是监督技术,使用预定义的类成员的信息对所有样本选择模型校准。,该模型可以适应各种新的未知样本的已知的类进行分类的基础上,其个人模式(26]。识别技术通常构建模型基于所有的类别有关的歧视。因此,样品可以分为预定义的类别之一,即使实际上他们不属于任何一个26]。这是有可能的,然而,为关联定义某一阈值的任何类。在这种情况下,样本可分为非通过阈值定义。

碎料板生产者水平面板歧视(模型# 1)分化类的生产条件(实验室或工业规模),不同的资源用于面板制造(工业粒子,增加回收木材,快速增长的木材品种,农业废弃物等),或不同的粘合剂用于面板生产。不同面板供应商之间的歧视成功得分表进行了总结2,选择算法提出了光谱预处理和多样化的歧视。四个在24测试组合导致100%正确的分类。最优组合PLS-DA和SIMCA 2^nd导数光谱和SVM SNV和EMSC预处理。此外,歧视精密PLS-DA和SVM高(> 99%),即使没有任何光谱预处理。

第二层次的专家系统被设计用来识别特定的批次。25很多碎料板是由四个独立的最优化建模模型(# 2 # 5),分别为每个面板供应商开发。SVM算法分类SNV预处理NIR光谱实现。模型的总结的表现呈现在图4,混乱表显示每个模型正确分类的能力(或分类)实验验证样本集。所有的样本面板生产商生产的年代和G正确分类。工业面板由不同制造厂的生产者P分类有98.9%成功和电池板生产商生产的D有63.7%成功。提到是很重要的,在生产者D的情况下,同样的基质(工业颗粒包含回收木材的25%)被用于制造所有调查面板。唯一的区别是胶系统,0,10,15种,20%的份额液化木材的UF树脂。

3.4。原型专家系统的实现

专家系统在现实条件的实现是一项非常具有挑战性的任务。钱等。34提出了四个步骤的过程,包括以下:(我)知识表示(包括所有变量描述生产过程)(2)数据库开发(包括所有决策规则、功能和元数据)(3)机界面设计(影响故障诊断专家系统的质量和系统的实时响应)(iv)知识维护(包括更新、验证和修正错误的知识库)

获得的经验在开发最优化模型识别不同颗粒板刺激扩展这项研究原型专家系统为测试在实际应用程序做好准备。使用的硬件原型(便携式近红外光谱仪和计算机)类似于实验室检测。软件中的差异,原始代码是定制的。它包括集成的工具控制的传感器的设置、数据采集、光谱处理,判别分析。所需的最优化模型(# 1至# 5)计算离线PLS_toolbox和出口作为虚拟仪器的Matlab脚本。算法原型专家系统的批量识别呈现在图5。软件允许收购新的喂养NIR光谱数据库以及评估未知的频谱的一个预定义的类。

4所示。结论

碎料板的可追溯性是一个重要的现实问题影响家具生产商和相关行业的经济性能。它允许控制材料的质量,确保高标准的最终产品。采用近红外光谱法作为先锋专家系统工具,发展适合协助这样的可追溯性。25批颗粒板,每个都包含至少三个独立副本,用于原系统的开发和性能评估。开发的硬件和软件工作正常,这是作为现成的原型系统实现。

两级专家系统似乎是碎料板的最佳实施歧视因为它允许一个粗略的(第一阶段)和碎料板的详细(第二阶段)分类样本到单个批处理的水平。在两种情况下(两个生产商),100%在第二阶段实现正确分类。

必须提到的系统方法的一个缺点是之前样品测量的必要性条件。它包括清爽温和的表面砂光和调节样品的定义良好的气候条件。正是由于近红外光谱学是极其敏感的水分子在测量样品。然而,实现近红外光谱对产品的可追溯性和质量控制可能影响该行业由于高通用性的碎料板的生产和广泛使用。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者感谢这样Fuczek, Grzegorz Kowaluk,埃克哈德•布朗和提供试验样品的一部分。特别鸣谢是由于成本行动FP1306 (LIGNOVAL)资助一个STSM导致这项工作。工作期间进行的一部分BIO4ever (RBSI14Y7Y4)项目资助在意大利教育部先生打电话,大学和研究(MIUR)。作者欣然承认欧洲委员会资助InnoRenew CoE计划(批准协议# 739574)下Horizon2020 Widespread-Teaming程序。法定项目”中的研究进行了液化木材的木质材料的应用技术,第3部分。使用液化木质纤维素的废物作为碎料板的粘结剂”(ST-2-BMD / 2015 / K)和项目盖/ 14/0174 / L-7/15 / NCBR / 2016”新生物聚合物胶粘剂改性硅烷和离子液体应用于木质材料技术”由NCBR下盖七世计划。

引用

1. 编译空气污染物排放的因素,第十章:木制品行业木制品行业,2002年,https://www3.epa.gov/ttn/chief/ap42/ch10/index.html, 2018年。
2. 生物能源系统规划者Handbook-BISY计划,http://bisyplan.bioenarea.eu/, 2018年。
3. a . Taramian k . Dooshoseini s . a . Mirshokraii和m . Faezipour“芯板材制造业:一种创新的方式回收纸污泥,”废物管理,27卷,不。12日,第1746 - 1739页,2007年。视图:出版商的网站|谷歌学术搜索
4. j . Fiorelli r·g·加s l·卡斯特罗Jr .)美国l . Belini p . r . o .套索和h Savastano Jr .)“多层碎料板生产与农业的和工业的废物和亚马逊植物纤维,”浪费和生物量稳定物价,9卷,不。7,1151 - 1161年,2017页。视图:出版商的网站|谷歌学术搜索
5. l . s .华z Ashaari, l . w . Chen等人“碎料板的性质与油棕树干核心层三层橡胶木材碎料板相比,“油棕研究杂志》上,27卷,不。1,第74 - 67页,2015。视图:谷歌学术搜索
6. m . c . n . Yemele p .睡衣,a .克劳蒂尔在和a . Koubaa“树皮的影响内容的物理和机械性能和粒子几何碎料板由黑云杉和颤抖的白杨树皮,”森林产品杂志,卷。58岁的没有。11日,48-56,2008页。视图:谷歌学术搜索
7. h . Kalaycioglu和g . Nemli”生产从洋麻纤维复合颗粒板(木槿cannabinusl .)茎”,工业作物和产品,24卷,不。2、177 - 180年,2006页。视图:出版商的网站|谷歌学术搜索
8. x Mo, d, e . Cheng和x美国太阳,“物理性质的中密度麦秸碎料板使用不同的粘合剂、”工业作物和产品,18卷,不。1,47-53,2003页。视图:出版商的网站|谷歌学术搜索
9. g . Nemli s Yildiz和e·d·基色”潜在的使用窝苏格兰松树针(抗旱性l .)作为芯板材的原料制造”生物资源技术,卷99,不。14日,第6058 - 6054页,2008年。视图:出版商的网站|谷歌学术搜索
10. g . a . Ntalos和a . h . Grigoriou”特征,利用葡萄修剪代替木材碎料板生产,”工业作物和产品,16卷,不。1,59 - 68年,2002页。视图:出版商的网站|谷歌学术搜索
11. p . Lertsutthiwong s Khunthon k . Siralertmukul k . Noomun和s . Chandrkrachang”新绝缘芯板材准备从混合固体废物薄纸制造业和玉米皮,”生物资源技术,卷99,不。11日,第4845 - 4841页,2008年。视图:出版商的网站|谷歌学术搜索
12. n .Čuk m . Kunaver, s . Medved”属性的碎料板由使用一个与添加液化木材胶粘剂,”材料和技术,45卷,不。3、241 - 245年,2011页。视图:谷歌学术搜索
13. 斯特维斯,j·马丁斯,j .马丁斯l . Cruz-Lopes j .韦森特和多明戈,“液化木材代替部分melamine-urea-formaldehyde和脲醛树脂,”马德拉。Ciencia y tecnologia,17卷,不。2、277 - 284年,2015页。视图:谷歌学术搜索
14. a . Ugovsek m . Kariz和m . Sernek”结合木材与粘合剂混合制成的液化木材结合单宁或酚醛树脂”未来的森林r . Ristić,m . Medarević和z . Popović,Eds。,First Serbian Forestry congress, Beograd, Serbia, 2010.视图:谷歌学术搜索
15. m . Kunaver s Medved n .Čuk e . JasiukaitytėPoljanšek,和t . Strnad”液化木材作为一种新的刨花板胶粘剂的应用系统中,“生物资源技术,卷101,不。4、1361 - 1368年,2010页。视图:出版商的网站|谷歌学术搜索
16. d . Janiszewska i Frąckowiak, k . Mytko“剥削绑定的液化木材废料回收木材碎料板,“Holzforschung,卷70,不。12日,第1138 - 1135页,2016年。视图:出版商的网站|谷歌学术搜索
17. d . Janiszewska i Frąckowiak, n . Bielejewska”的应用选择代理对木材液化和碎料板生产的一些性质与液化木材的使用,“Drewno卷,59号197年,第230 - 223页,2016年。视图:谷歌学术搜索
18. j . Sandak a Sandak R地中海,“评估树木,木材和衍生产品与近红外光谱学:提示和技巧,“近红外光谱学杂志》上,24卷,不。6,485 - 505年,2016页。视图:出版商的网站|谷歌学术搜索
19. r .地中海,w·斯塔尔,p .沃伯顿et al .,“行验证过程分析技术方法的质量控制melamine-urea-formaldehyde树脂复合木板生产使用近红外光谱,”分析和分析化学,卷409,不。3、763 - 771年,2017页。视图:出版商的网站|谷歌学术搜索
20. a·泰勒和b . k .通过“潜在的可见光和近红外光谱学量化取向strandboard苯酚甲醛树脂含量,”欧洲木材和木材产品杂志》上,卷67,不。1、3 - 5,2009页。视图:出版商的网站|谷歌学术搜索
21. a·c·m·坎波斯p·r·g·海因r·f·门德斯l·m·门德斯和g . Chaix“近红外光谱评估组成agro-based碎料板,“生物资源,4卷,不。3、1058 - 1069年,2009页。视图:谷歌学术搜索
22. d . Janiszewska a . Sandak j . Sandak Frąckowiak,和k . Mytko”影响原材料性能的液化木材化学成分,”nnal的WULS、林业和木材技术卷,94年,第303 - 298页,2016年。视图:谷歌学术搜索
23. m . Bevilacqua r . Nescatelli r . Bucci公元Magri, a . l . Magri f·马里尼,“最优化分类技术在分析化学作为解决问题的工具,”采用AOAC公认的国际期刊,卷97,不。1,19-28,2014页。视图:出版商的网站|谷歌学术搜索
24. x y, z . Wang, h·侯和r .郑”的比较调查偏最小二乘判别分析和支持向量机对地质岩屑识别使用激光诱导击穿光谱,”Spectrochimica学报B部分:原子光谱学卷。102年,52-57,2014页。视图:出版商的网站|谷歌学术搜索
25. d . a . Adeniyi z,和y .涌泉,“自动化web使用数据挖掘和推荐系统使用再分类方法(资讯),“应用计算和信息,12卷,不。1,第108 - 90页,2016。视图:出版商的网站|谷歌学术搜索
26. 洛杉矶Berrueta、r . m . Alonso-Salces和k . Heberger监督模式识别在食品分析中,“杂志的色谱,卷1158,不。1 - 2、196 - 214年,2007页。视图:出版商的网站|谷歌学术搜索
27. t·j·j . Liu, y和z,“增量支持向量机结合紫外-可见光谱快速判别分析的红酒,“《光谱学卷,2018篇文章ID 4230681, 5页,2018。视图:出版商的网站|谷歌学术搜索
28. j . Sandak a . Sandak s Hiziroglu,美国Bosak,也是“表面表征颗粒板板制造使用多传感器的方法,从东部redcedar”国际板产品研讨会学报》上页27-37 Llandudno,北威尔士,英国,2015年10月。视图:谷歌学术搜索
29. Frąckowiak, d . Fuczek, g . Kowaluk”影响不同的木质纤维原料中使用的核心颗粒板弹性模量和弯曲强度,”Drewno,51卷,不。180年,为5 - 14,2008页。视图:谷歌学术搜索
30. j·h·布拉德利和r·d·豪泽,“一个专家系统的实现框架,”专家系统与应用程序,8卷,不。1,第167 - 157页,1995。视图:出版商的网站|谷歌学术搜索
31. e . p . Paladini“专家系统质量控制方法,”专家系统与应用程序,18卷,不。2、133 - 151年,2000页。视图:出版商的网站|谷歌学术搜索
32. m . Liukkonen e . Havia h . Leinonen, y Hiltunen,”专家系统质量分析的电子产品的生产,”专家系统与应用程序,38卷,不。7,8724 - 8729年,2011页。视图:出版商的网站|谷歌学术搜索
33. m·h·Hobballah a . Ndiaye f . Michaud和m . Irle”制定初步设计优化问题使用专业知识:应用木基绝缘材料,”专家系统与应用程序卷,92年,第105 - 95页,2018年。视图:出版商的网站|谷歌学术搜索
34. 李x, y钱,l .徐,l·林和a . Kraslawski”LUBRES:一个实时故障诊断专家系统开发和实现润滑油精制过程,”专家系统与应用程序,35卷,不。3、1252 - 1266年,2008页。视图:出版商的网站|谷歌学术搜索

版权

版权©2018年安娜Sandak et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。