No description available.

This diploma thesis researches coffee authenticity problematice, mainly focusing on the authenticity of geographic origin. In the theoretical part of this work, botanical classification is described as well as production technology and processes. The work also includes chemical composition of coffee, describing the major components and changes during production phases. It describes major production areas of the world, in terms of general description and brief history. Problematics with coffee fraud and its identification are also described. Theoretical part also includes general geological description of 17 studied coffee growing regions. Experimental part is devoted to trace amount analysis of selected elements and volatile compounds. The element analysis was conducted using mass spectrometry or optical emission spectrometry, volatile compounds were determined using gas chromatography combined with mass spectrometry detection. Results were statistically described and analyzed, resulting in several discrimination models based on geographic origin.

Die Vorverarbeitung und Analyse von spektrometrischen und spektroskopischen Daten von Pflanzengewebe sind in den unterschiedlichsten Forschungsbereichen wie der Pflanzenbiologie, Agrarwissenschaften und Klimaforschung von großer Bedeutung. Der Schwerpunkt dieser Arbeit liegt auf der optimierten Nutzung von Daten von Pflanzengeweben, insbesondere der Daten gewonnen durch Matrix–Assistierte Laser–Desorption–Ionisierung Massenspektrometrie, Raman-Spektroskopie und Fourier-Transform-Infrarotspektroskopie. Die Klassifizierungsfähigkeit mit diesen Methoden wird insbesondere nach Kombination der Daten untereinander und mit zusätzlichen chemischen und biologischen Informationen verglichen. Die diskutierten Beispiele befassen sich mit der Untersuchung und Einordnung innerhalb einer bestimmten Pflanzenart, beispielsweise der Unterscheidung von Proben aus unterschiedlichen Populationen, Wachstumsbedingungen oder Gewebeunterstrukturen. Die Daten wurden mit sowohl mit explorativen Werkzeugen wie der Hauptkomponentenanalyse und der hierarchischen Clusteranalyse, als auch mit Methoden des maschinellen Lernens wie die Diskriminanzanalyse oder künstliche neuronale Netzwerke umfassten. Konkret zeigen die Ergebnisse, dass die Kombination der Methoden mit zusätzlichen pflanzenbezogenen Informationen in einer Konsensus-Hauptkomponentenanalyse zu einer umfassenden Charakterisierung der Proben führt. Es werden verschiedene Strategien zur Datenvorbehandlung diskutiert, um nicht relevante spektrale Information zu reduzieren, z.B. aus Karten von Pflanzengeweben oder eingebetteten Pollenkörnern. Die Ergebnisse dieser Arbeit weisen auf die Relevanz der gezielten Nutzung spektrometrischer und spektroskopischer Daten hin und lassen sich nicht nur auf pflanzenbezogene Themen, sondern auch auf andere analytische Klassifizierungsprobleme übertragen. / The pre-processing and analysis of spectrometric and spectroscopic data of plant tissue are important in a wide variety of research areas, such as plant biology, agricultural science, and climate research. The focus of the thesis is the optimized utilization of data from plant tissues, which includes data from Matrix-Assisted-Laser Desorption/Ionization time of flight mass spectrometry, Raman spectroscopy, and Fourier transform infrared spectroscopy. The ability to attain a classification using these methods is compared, in particular after combination of the data with each other and with additional chemical and biological information. The discussed examples are concerned with the investigation and classification within a particular plant species, such as the distinction of samples from different populations, growth conditions, or tissue substructures. The data were analyzed by exploratory tools such as principal component analysis and hierarchical cluster analysis, as well as by predictive tools that included partial least square-discriminant analysis and machine learning approaches. Specifically, the results show that combination of the methods with additional plant-related information in a consensus principal component analysis leads to a comprehensive characterization of the samples. Different data pre-treatment strategies are discussed to reduce non-relevant spectral information, e.g., from maps of plant tissues or embedded pollen grains. The results in this work indicate the relevance of the targeted utilization of spectrometric and spectroscopic data and could be applied not only to plant-related topics but also to other analytical classification problems.

No description available.

Tato doktorská práce je zaměřena na vývoj algoritmu ke zpracování dat naměřených zařízením pro spektrometrii laserem indukovaného plazmatu (angl. LIBS). Zařízení LIBS s tímto algoritmem by mělo být následně schopno provést třídění vzorků a kvantitativní analýzu analytu in-situ a v reálném čase. Celá experimentální část této práce byla provedena ve Spolkovém institutu pro materiálový výzku a testování (něm. BAM) v Berlíně, SRN, kde byl sestaven elementární LIBS systém. Souběžně s experimentílní prací byl vytvořen přehled literárních zdrojů s cílem podat ucelený pohled na problematiku chemometrických metod používaných k analýze LIBS měření. Použití chemometrických metod pro analýzu dat získaných pomocí LIBS měření je obecně doporučováno především tehdy, jsou-li analyzovány vzorky s komplexní matricí. Vývoj algoritmu byl zaměřen na kvantitativní analýzu a třídění vyvřelých hornin na základě měření pomocí LIBS aparatury. Sada vzorků naměřených použitím metody LIBS sestávala z certifikovaných referenčních materiálů a vzorků hornin shromážděných přímo na nalezištích mědi v Íránu. Vzorky z Íránu byly následně na místě roztříděny zkušeným geologem a množství mědi v daných vzorcích bylo změřeno na Univerzitě v Clausthalu, SRN. Výsledné kalibrační křivky byly silně nelineární, přestože byly sestaveny i z měření referenčních vzorků. Kalibrační křivku bylo možné rozložit na několik dílčích tak, že závislost intenzity měděné čáry na množství mědi se nacházela v jiném trendu pro jednotlivé druhy hornin. Rozdělení kalibrační křivky je zpravidla přisuzováno tzv. matričnímu jevu, který silně ovlivňuje měření metodou LIBS. Jinými slovy, pokud určujeme množství analytu ve vzorcích s různou matricí, je výsledná kalibrační křivka sestavená pouze z jedné proměnné (intenzity zvolené spektrální čáry analytu) nepřesná. Navíc, normalizace takto vytvořených kalibračních křivek k intenzitě spektrální čáry matrčního prvku nevedla k výraznému zlepšení linearity. Je obecně nemožné vybrat spektrální čáru jednoho matričního prvku pokud jsou analyzovány prvky s komplexním složením matric. Chemometrické metody, jmenovitě regrese hlavních komponent (angl. PCR) a regrese metodou nejmenších čtverců (angl. PLSR), byly použity v multivariační kvantitatvní analýze, tj. za použití více proměnných/spektrálních čar analytu a matričních prvků. Je potřeba brát v potaz, že PCR a PLSR mohou vyvážit matriční jev pouze do určité míry. Dále byly vzorky úspěšně roztříděny pomocí analýzy hlavních komponent (angl. PCA) a Kohonenových map na základě složení matričních prvků (v anglické literatuře se objevuje termín ‚spectral fingerprint‘) Na základě teorie a experimentálních měření byl navržen algoritmus pro spolehlivé třídění a kvantifikaci neznámých vzorků. Tato studie by měla přispět ke zpracování dat naměřených in-situ přístrojem pro dálkovou LIBS analýzu. Tento přístroj je v současnosti vyvíjen v Brně na Vysokém učení technickém. Toto zařízení bude nenahraditelné při kvantifikaci a klasifikaci vzorků pouze tehdy, pokud bude použito zároveň s chemometrickými metodami a knihovnami dat. Pro tyto účely byla již naměřena a testována část knihoven dat v zaměření na aplikaci metody LIBS do těžebního průmyslu.