← Baza wiedzy
Modele spektralne4 sierpnia 2026 · 7 min czytania

Preprocessing widm: SNV, pochodne i wygładzanie Savitzky-Golay

Cztery przekształcenia, które decydują o jakości modelu bardziej niż wybór algorytmu. Kiedy każde z nich pomaga, a kiedy usuwa informację potrzebną do predykcji.

Cztery przekształcenia wstępne — SNV, MSC, pochodne i wygładzanie Savitzky-Golay — decydują o jakości modelu kalibracyjnego częściej niż sam wybór algorytmu regresji. Ten artykuł jest placeholderem: uzupełnij go opisem, kiedy każde z przekształceń pomaga, a kiedy usuwa informację potrzebną do predykcji.

Do uzupełnienia

  • Kiedy stosować SNV, a kiedy MSC.
  • Wpływ rzędu i okna wygładzania Savitzky-Golay na stosunek sygnału do szumu.
  • Pierwsza i druga pochodna widma — co pokazują, a co ukrywają.
  • Przykład „przed / po” na realnym widmie ScanSpectrum.

Treść w przygotowaniu.

Chcesz zbudować model dla swojego materiału?

Przeprowadzamy kalibrację razem z klientem: od doboru próbek referencyjnych po gotowy model w aplikacji.

contact@scanspectrum.ai