Tener organizadas las bases de datos es fundamental para desarrollar calibraciones con espectros. Existen diferentes campos en los softwares para que podamos poner datos que nos ayuden a saber de que muestra se trata, de su origen, variedad, proveedor, equipo en el fue tomado el espectro,.......,etc. De no hacerlo así puede dar lugar a desarrollar las calibraciones a ciegas, y a quitar como anómalos muestras que pueden ser interesantes para calibrar.
Puede que tengamos duplicados de muestras y que su ID sea diferente, en el caso de muestras de un lote de fabricación, y que el dato de laboratorio se haya puesto por igual a los dos espectros. En caso de sospechar que esto pueda ocurrir, podemos ordenar los datos por valor de alguno de sus constituyentes y comprobarlo. Una manera de hacerlo es exportando los datos a Excel, y en esa hoja podemos generar filtros y macros que nos ayuden a organizar mejor los datos.
Las muestras duplicadas pueden ser útiles para estudiar la repetibilidad de nuestro equipo para ese producto, o para esa presentación de la muestra. También puedes ser usados como ficheros de repetibilidad.
Es importante el añadir un código de producto para poder localizarlos mejor dentro de la base de datos: Por ejemplo en una base de datos de cereales, podemos dar el 01 al trigo, el 02 a la cebada, el 03 al centeno y el 04 la avena.
Indicar si la muestra esta molida y con que tamiz, con que tipo de capsula fue tomada,.....
Existen cápsulas con sensor de temperatura que incluso nos pueden indicar la temperatura a la que fue analizada la muestra.
Se podrían seguir añadiendo, por lo que animo a los que consulten esta entrada a realizar los comentarios que crean oportunos.
Que tal,
ResponderEliminarEstoy en proceso de realizar una calibración con WINisi 4, la duda es si en mi base de datos los parámetros (análisis) tienen que ser los rótulos (títulos) de columnas (es decir que los valores de esta columna serían numéricos) y las muestras las filas para poder asociar a los espectros, o si pudiera tener una columna de "tipo de análisis" (los valores de esta columna serían p. ej. fibra, humedad, proteina, etc.) y otra de valores medidos (que tomarán valores numéricos)
Si partimos de un fichero NIR donde tenemos los valores espectrales, lo podemos convertir en CAL añadiendo columnas con los escabechados de los constituyentes, o podemos añadir otras columnas para añadir variables indicadoras, que indiquen en el desarrollo de la ecuación de que equipo o de que laboratorio es ese dato.
EliminarLas columnas de constituyentes o de variables indicadoras deben de rellenarse con números, pero los encabezados de las mismas pueden hacerse con letras y números.
Buenos dias,
ResponderEliminarSoy un estudiante en Maastricht e hice un proyecto con mIR analisis. Tengo un archivo .mat con los datos espectrales de más de 420 escaneos. Los valores van de 3000 a 750 cm-1. Además, tengo 4 columnas de características de cada escaneo (son espectros de hojas, así que tengo la especie, lado de la hoja, y el árbol). Mi problema es que logré hacer todo el análisis con Unscrambler pero solo la version de prueba. Los resultados de PCA fueron tan buenos que al final he decidio intentar hacer lo mismo usando R. El problema es que no logro que R entienda mis archivos de datos. Podría ayudarme, porfavor?
Hola,
ResponderEliminar¿Dispones de los datos en modo ".txt" , .".csv" o en excel. Este tipo de ficheros los importa muy bien R y no deberías de tener problemas para trabajar con ellos.
Hay programas de conversión que pueden ayudarte. ¿Dispones del fichero de espectros de Unscrambler?.
el archivo .mat es de Unscrambler?, me suena mas a Matlab.
Si fuese un .dat no deberías de tener problemas.