hybrydowy elektroniczny język stosowany w analizie jakościowej

HYBRYDOWY ELEKTRONICZNY JĘZYK STOSOWANY
W ANALIZIE JAKOŚCIOWEJ EKSTRAKTÓW JABŁKOWYCH
1
Wesoły ,
Małgorzata
Anna Kutyła –
Małgorzata Nowacka2, Patrycja Ciosek1
1
Olesiuk ,
Zakład Mikrobioanalityki, Wydział Chemiczny, Politechnika Warszawska
ul. Noakowskiego 3, 00-664 Warszawa, [email protected]
2 Wydział Nauk o Żywności, Szkoła Główna Gospodarstwa Wiejskiego
ul. Nowoursynowska 159, 02-776 Warszawa
1
Elektroniczny język
Eksperyment
PROCEDURY
KLASYFIKACYJNE
(ROZPOZNAWANIE
OBRAZU)
"JABŁKO"
Rysunek 1. Schemat działania elektronicznego języka
Analiza jakościowa
Stworzony EJ
potencjometria
POT
woltamperometria
WOLT
potencjometria + woltamperometria
POT + WOLT
potencjometria + woltamperometria +
biosensory + konduktometria + pH +
spektrofotometria
ALL
Tabela 1. Utworzone systemy typu elektroniczny język
a) WOLT
b) POT
Rozróżnianie próbek z wykorzystaniem PLS
1
5
4
LV 1
-5 8
4
0
-4
LV 2
-12
1
-1
8
-8
2
-2
0
LV
-16
0
0
-1
1
1
-2
2
c) POT + WOLT
d) ALL
8
LV 24
0
-4
-8
10
5
8
Procent poprawnej klasyfikacji
0
-5
4
-15
0
-20
-4
-8
-12
-8
0
-4
-4
LV 1
0
4
0
-8
4
3
-8
-16
-4
8
4
LV
dane testujące
75
75
100
100
LV
dane uczące
100
95,83
100
100
LV 3
-10
Tabela 2. Procent poprawnej klasyfikacji badanych próbek otrzymany za pomocą PLS
Wnioski:
-4
0
-1
-2
LV 1
POT
WOLT
POT + WOLT
ALL
0
3
-8
Sposób w jaki PLS klasyfikuje próbki zależy od użytkownika.
Stworzone zostają dwie macierze: ucząca i testująca. PLS
bazująca na macierzy uczącej analizuje związki pomiędzy danymi
uczącymi, a istniejącymi klasami i przyporządkowuje do nich
próbki. Natomiast macierz testująca sprawdza poprawność tego
przyporządkowania.
Stworzony elektroniczny język
LV
PLS jako klasyfikator
10
LV 3
W trakcie analizy następuje korelacja danych pomiarowych z
macierzą celu, w której zawarte są informacje o przynależności
próbki do danej klasy. Pierwsze trzy zmienne zobrazowane są w
formie wykresów trójwymiarowych. Na rysunku 2 przedstawiono
na wykresach 3D rozróżnienie próbek ze względu na technikę
suszenia.
SUR
MIKRO
KONW
PROM
2
WSTĘPNA
OBRÓBKA
DANYCH
Technika pomiarowa
2
MATRYCA
SENSORÓW
CHEMICZNYCH
Analizie chemometrycznej poddano dane pochodzące z pomiarów
próbek biologicznych. Wykorzystano pomiary potencjometryczne,
woltamperometryczne, amperometryczne, konduktometryczne, pH i
spektrofotometryczne ekstraktów surowych jabłek (SUR) oraz suszy
jabłkowych uzyskanych trzema technikami suszenia: mikrofalowego
(MIKRO), konwekcyjnego (KONW) oraz promiennikowego (PROM).
Stworzono elektroniczne języki wykorzystujące jedną technikę
pomiarową oraz układy hybrydowe bazujące na kilku technikach
pomiarowych (tzw. hybrydowy elektroniczny język). W tabeli 1
przedstawiono utworzone systemy typu elektroniczny język i
zastosowane symbole do ich oznaczenia.
LV
Elektroniczny język służy do analizy próbek cieczy o złożonym
i skomplikowanym składzie oraz do określenia ich cech
charakterystycznych. Wykorzystuje on matrycę zawierającą
czujniki chemiczne o zróżnicowanej selektywności, które pełnią
rolę receptorów. Funkcję bloku rozpoznawania obrazów pełnią
metody numeryczne np. Metoda Częściowych Najmniejszych
Kwadratów (PLS, ang. Partial Least Squares), przetwarzające
oraz interpretujące dane pomiarowe. W celu pełniejszej analizy
próbek i poprawy zdolności rozpoznawania oraz klasyfikacji
stworzono systemy łączące kilka technik pomiarowych. Układy
hybrydowe umożliwiają dokładniejszą analizę próbki, ponieważ
za pomocą jednego urządzenia możliwe jest uzyskanie wielu
informacji chemicznych o różnym charakterze, co nie byłoby
możliwe w układzie wykorzystującym jedną techniką
pomiarową. Schemat działania elektronicznego języka
przedstawiony jest na rysunku 1.
8
Rysunek 2. Wykresy 3D – PLS dla próbek, których obrazy chemiczne otrzymano za pomocą
pomiarów: a) POT b) WOLT c) POT + WOLT d) ALL
Połączenie różnych technik pomiarowych, czyli utworzenie hybrydowego elektronicznego języka, znacznie poprawia analizę jakościową.
Na podstawie przedstawionych wyników analizy zaobserwowano że próbki, których dane pomiarowe uzyskano za pomocą kilku technik
analitycznych (hybrydowy EJ) tworzyły na wykresach 3D charakterystyczne skupiska. Nawet dla układu zawierającego dane z potencjometrii
udało się wyróżnić 4 grupy próbek. Należy jednak pamiętać o dalszej analizie, która wykorzystuje wyniki uzyskane przez PLS i nie wyciągać
wniosków o wystarczającym rozróżnieniu za pomocą jednej techniki. Największy procent poprawnej klasyfikacji, a tym samym najlepszy wynik
uzyskano za pomocą PLS już dla układu łączącego dwie techniki (POT+WOLT). Dla układów, w których wykorzystano wszystkie dostępne
dane pomiarowe udało się osiągnąć całkowicie poprawną klasyfikację.
Niniejsza praca jest współfinansowana z programu LIDER (Nr LIDER/17/202/L-1/09/NCBiR/2010).