Spektroskopie und Chemometrie Neuigkeiten Wöchentlich #25-30, 2017

Leider ist der Eintrag nur auf English verfügbar.

Spektroskopie und Chemometrie Neuigkeiten Wöchentlich #10, 2017

Near Infrared

ウィスキーの分光とかめっちゃ面白い論文 Near infrared spectroscopic analysis of single malt Scotch whisky on an optofluidic LINK

Applications of near-infrared spectroscopy (NIRS) in biomass energy conversion processes: A review LINK

โครงการวิจัยเรื่อง การวิเคราะห์คุณภาพมะละกอเพื่อการบริโภคด้วย Near Infrared (NIR) Spectroscopy, … LINK

Simultaneous quantitative analysis of 3 components in mixture samples based on NIR spectra with temperature effect LINK

Non-Destructive Evaluation of the Leaf Nitrogen Concentration by In-Field Visible/Near-Infrared Spectroscopy in Pear LINK

Combination of near infrared spectroscopy & EEG lead to best brain computer interface. Another step in neuro restoratio… LINK



Equipment

Meta-Lenses Bring Benchtop Performance to Small, Hand-Held Spectrometer | Spectrometer LINK



Other

IBM adds new API to quantum computing cloud service | Via LINK



CalibrationModel.com

How to improve near-infrared Spectroscopy analysis? Get the free White Paper | Laboratory ExaminingFood petfood LINK

Rapid development of robust quantitative methods for near-infrared spectroscopy Instruments NIRS mills oilandgas LINK

Service for Professional development of NIR calibrations | NIRS NearInfrared Spectroscopy Pittcon2017 Lab LINK

Spectroscopy and Chemometrics News Weekly 7-9, 2017 | NearInfrared Spectroscopy NIRS Chemometrics Raman LINK

Spektroskopie und Chemometrie Neuigkeiten Wöchentlich 7-9, 2017 | NIRS NahInfraRot Spektroskopie Chemometrie LINK

Spettroscopia e Chemiometria Weekly News 7-9, 2017 | NIRS vicinoinfrarosso Spettroscopia Chemiometria LINK

Timesaving NIRS Calibration for nearinfrared spectroscopy | protein fat LINK



Spektroskopie und Chemometrie Neuigkeiten Wöchentlich #44+45, 2016

Chemometrics (Data Analysis)

NIRS wavelength range & calibration algorithms on prediction of crushing strength of pharmaceutical tablets LINK

“The chemometrics revolution re‐examined” | DataAnalysis PredictiveAnalytics LINK

Chemical Variability and Calibration Algorithms on Prediction of Solid Fraction of RCR Using NIR Spectroscopy LINK


Near Infrared (NIR, NIRS)

Exploring process dynamics by near infrared spectroscopy in lactic fermentations | fermentation via LINK

Modular open hardware for Near Infrared Spectroscopy fNIRS via LINK

NIR spectroscopy is a new accurate & fast method of solid waste characterization anaerobicdigestion LINK

Specim announces the world’s smallest and fastest NIR hyperspectral camera for industry hyperspectralcamera | NIRS LINK

Assessing wine sensory attributes using Vis/NIR | NIRS via LINK

Osram presents first broadband infrared LED – Compound Semiconductor | NIRspectroscopy NIRS via LINK

“Advancements in Feed Analysis by NIR Set to Deliver Greater Benefits to Feed Formulation” | NIRS FeedAnalysis ag LINK

“Real time monitoring under harsh conditions” – New Food (blog) | sensor VisNIR sugarcontent contamination LINK

SCiO: Instant Animal Feed Analysis | IoT tech NIRS sensor via LINK


Hyperspectral

Classification of individual cotton seeds with respect to variety using near-infrared hyperspectral imaging LINK


Spectroscopy

Molecular Spectroscopy Market Size, Analysis, and Forecast Report 2015-2025 | Spectroscopy via LINK


Facts

THE FUTURE OF DATA ANALYSIS – Eduard Tufte | DataAnalysis MachineLearning DataScience LINK


CalibrationModel.com

Advertise Your NIR Spectrometer With Us! Reach your target audience We offer Banner advertising | … LINK

Spectroscopy and Chemometrics News Weekly 43, 2016 | NIRS Raman Spectroscopy LINK

Spektroskopie und Chemometrie Neuigkeiten Wöchentlich 43, 2016 | NIRS Spektroskopie Chemometrie news LINK

Spettroscopia e Chemiometria Weekly News 43, 2016 | NIRS Spettroscopia Chemiometria news LINK



Spektroskopie und Chemometrie Neuigkeiten Wöchentlich #33, 2016

Chemometrics

Quality assessment of refined oil blends during repeated deep frying monitored by SPME–GC–EIMS, GC and chemometrics LINK


Near Infrared

The use of portable near infrared spectroscopy in elite sport. PhD thesis, 2012 | Rio2016 spectroscopy LINK

Saphenous vein graft near-infrared spectroscopy imaging insights from the lipid core plaque association with… LINK

Corn Quality Variation Demonstrates Benefits of NIRS Analysis LINK


Raman

Raman-Test für Photovoltaik: Raman-Spektroskopie erlaubt kontaktfreie Analyse von Siliziumwafern. LINK

The new themed issue dedicated to SERS is now published! LINK


Spectral Imaging

Nondestructive inspection of insects in chocolate using near infrared multispectral imaging LINK


Facts

Machine Intelligence 2.0 in Charts and Graphs ArtificialIntelligence machineintelligence MachineLearning Swiss LINK


Equipment

Raman spectroscopy could help identify life in Martian rocks | fossil LINK


Food & Feed

IR Spectroscopy Market Worth 1.26 Billion USD by 2022 – Biological, Pharmaceuticals, Chemicals, Food & Beverages LINK


Laboratory

XRF and Raman spectroscopy to identify pigments in early Irish manuscripts LINK

Laboratory Spectroscopy Assessments of Rainfed Paddy Soil Samples on Visible and Near-Infrared Spectroscopy LINK

Benefits of latest NIR developments – laboratory-based feed analysis LINK


Other

“Companies don’t have ideas. Only people do.” LINK



Chemometrie und Spektroskopie Neuigkeiten Wöchentlich #9, 2015

Holen Sie sich die Chemometrie und Spektroskopie Nachrichten in Echtzeit auf Twitter @ CalibModel

 

Chemometrics

Improvement of NIR model by Fractional order Savitzky-Golay derivation (FOSGD) coupled with wavelength selection LINK

Near Infrared

Near-infrared nanolaser : GaAs–AlGaAs nano laser featured in LINK
Near‐Infrared (NIR) Analysis Provides Efficient Evaluation of Biomass Samples | bioenergy LINK
A new alcohol and extract meter for beer : Anton Paar Alex 500 | NIR spectroscopy LINK
Combining NIR Spectroscopy & Machine Vision for Rapid Grain Inspection | NIRS LINK
Near-Infrared Spectroscopy (NIR): In-depth focus 2015 – European Pharmaceutical Review LINK
NIR measuring Asphaltenes in in crude oil. | NIRS LINK
CytoViva Enhanced Darkfield Hyperspectral Microscope Webinar | Nanoparticles VNIR LINK
Tellspec Food Scanner | Handheld Spectrometer TedxZowlle | NIRS LINK
Rapid phosphorous test with NIR helps to hit a moving target in feed formulation: LINK
The future of waste: five things to look for by 2025 | NIRS near-infrared spectroscopy LINK

Raman

Using Raman Spectroscopy in Forensic Science LINK
Raman Spectroscopy in-depth focus 2014 LINK
Surprising behavior benzoic acid raman LINK

Equipment

New compact NIR spectrometer – Avaspec-NIR 256-HSC – Avantes LINK
Bottle Analyzer Performs Within Seconds – industrial FT/NIR spectrometer – LINK
A simple way of making optical spectrometers – TI DLP® technology for spectroscopy – CES2015 LINK

Laboratory

Multivariate Exploratory Data Analysis (MEDA) Toolbox for Matlab LINK
TacticID handheld spectral analysis instrument for non-contact forensic analysis LINK

Other

Explore the spectrometry market that is set to surpass USD 19.6 billion LINK

CalibrationModel.com

Develop & Optimize NIR chemometric methods for Chemical Analysis with ease LINK
Develope analytical methods for FT-NIR spectroscopy and optimize for accurate prediction model | NIRS NIR FTNIR LINK
Development of quantitative Multivariate Prediction Models for Near Infrared Analyzers | NIRS NIR NIT SWIR LINK
Efficient development of new quantitative prediction equations for multivariate NIR spectra data NIRS NIR NIT LINK
Improve your NIR Analysis Results for ProcessControl with optimized Models | PAT Pharma pauto LINK
Increase Your Profit with optimized NIRS Accuracy QA QC Food Feed Lab PetCare vitamins LINK
News: Chemiometria e Spettroscopia Weekly News 8, 2015 | NIRS Spettroscopia Chemiometria news LINK
News: Chemometrics and Spectroscopy News Weekly 8, 2015 | NIRS Spectroscopy Chemometrics news LINK
News: Chemometrie und Spektroskopie Neuigkeiten Wöchentlich 8, 2015 | NIRS Spektroskopie Chemometrie news LINK
Nine Reasons why near-Infrared Spectroscopy Applications need periodic Calibration Maintenance | NIR NIRS Infrared LINK
Quantitative Analytical NIR Method Development for Quality Control Laboratory & Analytical Laboratories | pauto QAQC LINK
Reduce Workload and Response Time of NIRS Analytical Laboratory Method Development | NIRS NIR NIT LINK
Sie verwenden Nah-Infrarot Spektrometer mit Chemometrischen Methoden? Sparen Sie Zeit | pharma food feed NIR LINK
Stop Paying Too Much Time for NIRS Chemometrics Calibration Method development | accuracy measure NIR LINK

Wir machen NIR Chemometrie einfach

Hi, we’re CalibrationModel. Our aim is to transform your NIR data to superior calibration models. We do this by using knowledge driven software applying good practices and rules from literature, publications, regulatory guidelines and more. Our service is used by NIR specialists to deliver a valuable model for their NIR analysis measurements. With CalibrationModel services, NIR specialists can find out how their NIR Data can be robust and optimally modeled by which data preprocessing and wavelength selection, etc. You can implement CalibrationModel in a matter of minutes using our contact form and send your NIR data to receive optimized model settings as a blueprint.
NIR specialists (Spectroscopist, Chemometricians) love perfect models. They’re curious about how to improve their models even further, because all NIR models need continuous maintenance and updates.
Using CalibrationModel services, NIR Specialists can deliver real value to their measurement results through powerful model optimization capabilities.
CalibrationModel We make NIR Chemometrics easy. Near-Infrared Data Modeling Calibration Service

Arbeitsweisen zur NIR Kalibrierung – Erstellung von NIRS-Spektroskopie Kalibrierungskurven

Kennen Sie den Effekt, dass Sie bevorzugt ihre Lieblings-Datenvorbehandlungen in Kombination durchprobieren und oft die gleichen Wellenlängen-Selektionen anhand der visualisierten Spektren ausprobieren?

Man probiert z.B. sechs bis zehn Kombinationen aus, bis man davon sein favorisiertes Kalibrationsmodell auswählt, um es dann weiter zu optimieren. Da fallen dann plötzlich Ausreisser (Outlier) auf, weil man in die Tiefe geht, also mit den Daten vertraut ist, man kennt mittlerweile die Spektren-Nummern der Ausreisser und ist mit den Extremwerten vertraut.

Jetzt fokussiert man sich auf die Hauptkomponenten (Principal Components, Latent Variables, Faktoren) und achtet darauf nicht zu über-fitten und nicht zu unter-fitten. Das ganze dauert ein paar Stunden und schliesslich begnügt man sich mit dem gefundenen Modell.

Was wäre nun, wenn man in all den zu Beginn ausprobierten Varianten, die gefundenen Ausreisser entfernt und nochmals berechnet und vergleicht? Wären die Ergebnisse besser als die von der bisherigen Modell Wahl? Man probiert es nicht aus? Weil es mühsam ist und wieder Stunden dauert?

Wir haben eine Software entwickelt die dies so vereinfacht, dass auch die Anzahl der Modell Variationen beliebig erhöht werden kann. Die Varianten Erzeugung läuft automatisiert mit einem intelligenten Regelsystem, so auch die Optimierung und das Vergleichen der Modelle und schliesslich die finale Auswahl des Besten Kalibrations Modell.

Unsere Software beinhaltet alle üblichen bekannten Datenvorbehandlungs Methoden (Preteatments) und kann diese sinnvoll kombinieren. Da viele Preteatments direkt abhängig sind von der Wellenlängen Selektion, so z.B. die Normalisierungen die innerhalb eines Wellenlängen-Bereiches die Skalierungsfaktoren ermittelt, um die Spektren damit zu normieren, werden die Pretreatments mit dem Wellenlängen-Bereichen kombiniert. So kommt eine Vielzahl von sinnvollen Modell Einstellungen zusammen die alle berechnet und optimiert werden.

Für die automatische Auswahl der relevanten Wellenlängen Bereiche kommen verschiedene Methoden zum Einsatz, die sich an den Spektren Intensitäten orientieren. So werden z.B. Bereiche mit Totalabsorption nicht verwendet, oftmals störende Wasserbanden entfernt oder beibehalten.

Über all die berechneten Modell Variationen können so zusammenfassende Outlier Analysen gemacht werden. Werden durch die gefahrenen Versuche neue Outlier (Hidden Outlier) entdeckt, können alle bisherigen Modelle automatisch ohne diese Ausreisser nachberechnet, optimiert und verglichen werden.

Aus dieser Vielzahl berechneter Modelle mit deren Statistischen Güte Bewertungen (Prediction Performance) kann nun die optimale Kalibration ausgewählt werden. Dazu wird nicht einfach nach dem Vorhersage Fehler (Prediction Error, SEP, RMSEP) oder nach dem Bestimmtheitsmaß (Coefficient of Determination r2) sortiert, sondern mehrere Statistik- und Testwerte gemeinsam zur umfänglichen Beurteilung der optimalen Kalibration herangezogen.

Somit haben wir eine Plattform geschaffen, die es ermöglicht hochgradig automatisiert das zu tun, was ein Mensch niemals mit einer handelsüblichen Software tun kann.

Wir bieten damit die grösste Anzahl auf Ihr Applikations-Problem angepasste Modellierungs-Berechnungen und wählen die beste Kalibration für Sie aus!

Das heisst, unsere Ergebnisse sind schneller, genauer, robuster und objektiv ausgewählt (Personen unabhängig) und für Sie ganz einfach anzuwenden.

Die Kontrolle über die von uns gelieferten Modelle haben Sie vollumfänglich, denn wir liefern einen klar strukturierten und detaillierten Bauplan der  kompletten Kalibration, mit allen Einstellungen und Parametern, mit allen notwendigen Statistischen Kenngrössen und Grafiken.

Anhand dieses Bauplans können Sie das quantitative Kalibrations Modell selbst in der von Ihnen verwendeten Software nachstellen, nachvollziehen und vergleichen. Sie haben so alles im Griff, für die Modell-Validierung und die Modellpflege.

Der Datenschutz ist uns sehr wichtig. Die NIR Daten, die Sie uns für die Kalibrations-Erstellung kurzzeitig zu Verfügung stellen bleiben selbstverständlich Ihr Eigentum. Ihre NIR Daten werden nach Abschluss des Auftrags bei uns gelöscht.

Interessiert, dann zögern Sie nicht uns zu kontaktieren.

Einzigartigkeit


Es ist ganz einfach
1. Sie senden NIR Daten (wir sammeln, verteilen oder verkaufen diese nicht)
2. Sie erhalten den optimalen Modell Bauplan
3. Sie bauen das Modell nach, validieren es, verwenden es

Wir haben Chemometrie Software nicht um Chemometrie zu machen,
wir haben die Lösung um das optimale Modell für Ihre NIR Daten zu erstellen
damit Sie bessere NIR Messergebnisse erhalten.

Darum nennen wir es nicht “Chemometrie Software”.
Es ist ein Service, benannt nach dem was er liefert, ein Calibration Model.
Es gibt Ihnen ein optimales chemometrisches Modell für Ihre NIR Daten.
Das ist es was Sie erreichen wollen.

Also mühen Sie sich nicht ab mit Chemometrie und verbringen Sie nicht Ihre Zeit mit den endlosen Möglichkeiten die chemometrische Software bietet mit klicken und warten wenn Sie ein optimales Modell für Ihre Daten via einen Service erhalten können!

Es gibt keine Sperren oder Abhängigkeiten,
da keine Software installiert werden muss.

Sie erhalten keine Black-Box.
Da das Modell wird als detaillierte und vollständige Blaupause in menschenlesbarer Form geliefert.

Sie bleiben unabhängig.
Sie haben immer die Wahl:
- Sie können es immer noch tun, wie Sie es bisher getan haben.
- Sie werden erleben, dass Sie mit dem Service die besseren Modelle schneller und preiswerter erstellen.

Lassen Sie uns einen Versuch
Bitte kontaktieren Sie uns, so können wir Ihnen helfen!

Wie werden Nahinfrarotspektroskopie Kalibrierungen im 21. Jahrhundert entwickelt?


The Problem

Calibration modeling is a complex and very important part of NIR spectroscopy, especially for quantitative analysis. If the model is badly designed the best instrument precision and highest data quality does not help getting good and robust measurement results. And NIR Spectroscopy requires periodically recalibration and validation.


How are NIR models built today?

In a typical usage in industry, a single person is responsible to develop the models (see survey). He or she uses a Chemometric software that has a click-and-wait working process to adjust all the possible settings for the used algorithms in dialogs and wait for calculations and graphics and then to think about the next modeling steps and the time is limited to do so. Do we expect to find the best use-able or optimal model that way? How to develop near-infrared spectroscopy calibrations in the 21st Century?


Our Solution

Why not put all the knowledge a good model builder is using into software and let the machines do the possibilities of calculations and presenting the result? Designing the software that way, that the domain knowledge is built-in, not just only the algorithms for machine learning and make it possible to scale the calculations to multi-core computers and up to cloud servers. Extend the Chemometric Software with the Domain Knowledge and make as much computer power available as needed.

As it was since the beginning

User → Chemometric Software → one Computer → some results to choose from

==> User’s time needed to click-and-wait for creating results

Our Solution

User → (Domain Knowledge → automatized Chemometric Software) → many Computers → the best models

==> User’s time used to study the best models and reasoning about his product / process

Note that the “Domain Knowledge” here does perfectly support the User’s product and process knowledge to get the things done right and efficient.


Scaling at three layers

  • Knowledge : use the domain knowledge to drive the Chemometric Software
  • Chemometric Software : support many machine learning algorithms and data pre-processings and make it automatic
  • Computer : support multi-core calculations and scale it to the cloud

The hard part in doing this, is of course the aggregation of the needed domain knowledge and transform it into software. The Domain Knowledge for building Chemometric NIR Spectroscopic models is well known and it’s huge and spreads multiple disciplines. Knowledge-driven software for computing helps to find the gold needle in the haystacks. It’s all about scaling that makes it possible. See Proof of Concept.


New possibilities

  • NIR users can get help working more efficient and getting better models.
  • New types of applications for NIR can be discovered.
  • Evaluation of NIR Applications to replace conventional analytical methods.
  • Hopeless calibrations development efforts can be re-started.
  • Higher model accuracy and robustness can be delivered.
  • Automate the experimental data part of your application study.
  • Person independent optimization will show new solutions, because it’s not limited by a single mindset => combining all the aggregated knowledge and its combinations.
  • Software independent optimization will show new solutions, because none of vendor specific limitations and missing algorithms are present => combining all open available algorithms and there permutations.
  • Computing service is included.

Contact us for trial

Your NIR data is modeled by thousands of different useful calibration models and you get the best of them! That was not possible before in such a easy and fast way! See How it works

Proof of Concept

Chemometric software competitions (aka shootouts) are a good way to check algorithms, software and knowledge against all other experts in the field.

Imagine that the prediction results can be produced with any kind of software and newest algorithms.

And we just use PLS right to generate models that can be used on all NIR software systems, because PLS is a quasi standard, supported in all major chemometrics software.

Our software framework reached very good results, got gold (rank #1) and silver (rank #2) during well known international NIR Chemometric software shootouts* so far, the competitions are held bi-annual.

Rank / competitors Competition / Conference Year
#1 / 1 ** Kaji / ANSIG 2014
#1 / 150 Kaji / ANSIG 2012
#2 / ??? IDRC / IDRC 2012
The Kaji Competition

A set of NIR spectral data will be available for downloading from the ANISG website and contestants will be asked to find and explain a “best” chemometric model to robustly predict samples of the same type.
A panel will select the three “best” entries based on the predicted results and spectroscopic explanation of the products and attributes of interest.

http://www.anisg.com.au/the-kaji-competition


The IDRC Competition

The Software Shootout has been a staple of the IDRC. It is a competition amongst participants of the conference that aims at determining the person who developed the best model and obtained the lowest prediction error for a particular problem.
Every IDRC, a new challenge is proposed to participants. The challenge consists of a data set with calibration, test and a validation set.
Participants are given target values for the calibration and test sets but must do their best to develop a model that will predict the validation set as accurately and precisely as possible. Challenges from all sorts of fields of NIRS have been used (agriculture, biomedical, pharmaceutical, soil, …).

IDRC


*) The author was unable to present the results at the conferences, so this ranking was not official but confirmed by the shootout organizers. Thanks go to Benoit Igne, IDRC 2012 shootout organizer and Steve Holroyd, Kaji Competition organizer at ANISG Conference 2012.

Conclusion

Our chemometric software framework can significantly reduce the time spent for NIR method development and fine optimization. The time saving can be achieved through highly automated experiments and the usage of cloud computing. Calibrations are built and evaluated using automated good practices protocols resulting in useful, precise and robust Calibrations. The high number of experiments enables a deep screening of the solution domain to find the optimum calibration settings, something currently unavailable in standard chemometric software.

**) We were the only participator that got the 4 competition tasks (4-times more than usual) completed in that short time and submitted the fully documented results. After the competition, the information was given, that the data was originated from forages and the constituents were dry matter, organic matter digestibility, protein and ash. Thanks go to Daniel Cozzolino, Kaji 2014 Competition organizer.