Charakterisierung von Möhren und Weizen aus ökologischem und konventionellem Anbau anhand ihrer Carotinoid- und Polyphenolkonzentration

Kurzfassung: Der Markt für ökologische Lebensmittel wächst stark. Verbraucher kaufen Produkte aus ökologischem Landbau aus einer Vielzahl von Gründen. Ein Teil dieser Gründe lässt sich nicht auf die Produktqualität zurückführen, sondern beruht auf der Annahme, dass sich der Produktionsprozess des Ökologischen Landbaus hinsichtlich der Schonung von Umweltressourcen, der Nachhaltigkeit der Produktion und sozialen Komponenten vom konventionellen Anbau unterscheidet. Daneben spielt der Wunsch nach einer gesunden Ernährung eine Rolle. Ökologische Lebensmittel können als Vertrauensgüter verstanden werden. Lebensmittelskandale machten in den vergangenen Jahren auch vor ökologischen Lebens¬mitteln nicht Halt. Folgerichtig erschütterte dies das Vertrauen der Verbraucher in ökologische Produkte. Mit steigender Produktion könnte die Gefahr, das weitere solche Ereignisse auftreten, steigen. Daher besteht Bedarf für Methoden, die die ökologische Produktqualität im Sinne einer Authentizitätsprüfung prüfen. Eine solche Prüfung könnte sich auf die Analyse sekundärer Pflanzenstoffe stützen. Diese Gruppe von Pflanzeninhaltsstoffen spielt bei der Diskussion um die besondere Qualität ökologischer Pflanzenprodukte eine große Rolle. Postuliert wird, dass ökologisch angebaute Pflanzen mangels mineralischer Düngung und mangels Schädlingsbekämpfung mit synthetischen Pestiziden einem erhöhten Stress ausgesetzt sind. Dies soll sich in einem höheren Niveau der mit den Selbstverteidigungsmechanismen der Pflanze eng verbundenen sekundären Pflanzenstoffe ausdrücken. Wichtige Untergruppen der sekundären Pflanzenstoffe sind Carotinoide und Polyphenole. An Weizen (Triticum aestivum L. und Triticum durum L.) und Möhre (Daucus carota L.) als für den ökologischen Landbau wichtigen Produkten wurden Messungen der Carotinoid- und Polyphenolkonzentration mit dem Ziel durchgeführt, die potentielle Eignung dieser Pflanzenstoffe als Biomarker zur Authentizitätsprüfung ökologischer Produkte zu evaluieren. Dazu wurden Proben aus ökologischem und konventionellem Anbau (Paarvergleich) untersucht. Diese stammten aus Langzeit-Feldversuchen (Weizen aus dem DOK- und dem MASCOT-Versuch), Feldversuchen und von Betriebspaaren untersucht. Ein generell höheres Niveau sekundärer Pflanzenstoffe in Möhren bzw. Weizen aus ökologischem Anbau gegenüber Proben aus konventionellem Anbau wurde nicht gefunden. Die Carotinoide waren weder bei der Möhre noch beim Weizen zur Authentizitätsprüfung geeignet. Die Konzentration der Carotinoide wurde stark durch die nicht dem Anbau¬verfahren zuzuordnenden Faktoren Klima, Sorte und Standort beeinflusst. Die Luteinkonzentration war das einzige durch das Anbauverfahren systematisch beeinflusste Carotenoid bei Weizen und Möhre. Die Unterschiede der Luteinkonzentration waren aber im Paarvergleich von Proben (ökologischer versus konventioneller Anbau) nicht durchgängig signifikant. Die Eignung von Polyphenolen als potentielles Authentizitätskriterium wurde nur an Möhren geprüft. Im Paarvergleich unterschieden sich die Konzentrationen einzelner Polyphenole signifikant und konsistent über Probenjahre und Standorte, nicht jedoch über Sorten hinweg. Wie bei den Carotinoiden konnte auch hier ein starker Einfluss von Probenjahr, Standort und Sorte gezeigt werden. Trotz der Variation durch diese nicht dem Anbau zuzuordnenden Faktoren war eine korrekte Klassifizierung der Proben nach Anbauverfahren möglich. Dies wurde mittels Diskriminanzanalyse getestet. Die Polyphenole sind daher potentiell als Authentizitätskriterium geeignet.

Development of thermo-analytical prediction and classification models for food in thermal devices using a multi sensor system and artificial neural networks

Die thermische Verarbeitung von Lebensmitteln beeinflusst deren Qualität und ernährungsphysiologischen Eigenschaften. Im Haushalt ist die Überwachung der Temperatur innerhalb des Lebensmittels sehr schwierig. Zudem ist das Wissen über optimale Temperatur- und Zeitparameter für die verschiedenen Speisen oft unzureichend. Die optimale Steuerung der thermischen Zubereitung ist maßgeblich abhängig von der Art des Lebensmittels und der äußeren und inneren Temperatureinwirkung während des Garvorgangs. Das Ziel der Arbeiten war die Entwicklung eines automatischen Backofens, der in der Lage ist, die Art des Lebensmittels zu erkennen und die Temperatur im Inneren des Lebensmittels während des Backens zu errechnen. Die für die Temperaturberechnung benötigten Daten wurden mit mehreren Sensoren erfasst. Hierzu kam ein Infrarotthermometer, ein Infrarotabstandssensor, eine Kamera, ein Temperatursensor und ein Lambdasonde innerhalb des Ofens zum Einsatz. Ferner wurden eine Wägezelle, ein Strom- sowie Spannungs-Sensor und ein Temperatursensor außerhalb des Ofens genutzt. Die während der Aufheizphase aufgenommen Datensätze ermöglichten das Training mehrerer künstlicher neuronaler Netze, die die verschiedenen Lebensmittel in die entsprechenden Kategorien einordnen konnten, um so das optimale Backprogram auszuwählen. Zur Abschätzung der thermische Diffusivität der Nahrung, die von der Zusammensetzung (Kohlenhydrate, Fett, Protein, Wasser) abhängt, wurden mehrere künstliche neuronale Netze trainiert. Mit Ausnahme des Fettanteils der Lebensmittel konnten alle Komponenten durch verschiedene KNNs mit einem Maximum von 8 versteckten Neuronen ausreichend genau abgeschätzt werden um auf deren Grundlage die Temperatur im inneren des Lebensmittels zu berechnen. Die durchgeführte Arbeit zeigt, dass mit Hilfe verschiedenster Sensoren zur direkten beziehungsweise indirekten Messung der äußeren Eigenschaften der Lebensmittel sowie KNNs für die Kategorisierung und Abschätzung der Lebensmittelzusammensetzung die automatische Erkennung und Berechnung der inneren Temperatur von verschiedensten Lebensmitteln möglich ist.

Improving Multi-class Text Classification with Naive Bayes

There are numerous text documents available in electronic form. More and more are becoming available every day. Such documents represent a massive amount of information that is easily accessible. Seeking value in this huge collection requires organization; much of the work of organizing documents can be automated through text classification. The accuracy and our understanding of such systems greatly influences their usefulness. In this paper, we seek 1) to advance the understanding of commonly used text classification techniques, and 2) through that understanding, improve the tools that are available for text classification. We begin by clarifying the assumptions made in the derivation of Naive Bayes, noting basic properties and proposing ways for its extension and improvement. Next, we investigate the quality of Naive Bayes parameter estimates and their impact on classification. Our analysis leads to a theorem which gives an explanation for the improvements that can be found in multiclass classification with Naive Bayes using Error-Correcting Output Codes. We use experimental evidence on two commonly-used data sets to exhibit an application of the theorem. Finally, we show fundamental flaws in a commonly-used feature selection algorithm and develop a statistics-based framework for text feature selection. Greater understanding of Naive Bayes and the properties of text allows us to make better use of it in text classification.

Gait Analysis for Classification

This thesis describes a representation of gait appearance for the purpose of person identification and classification. This gait representation is based on simple localized image features such as moments extracted from orthogonal view video silhouettes of human walking motion. A suite of time-integration methods, spanning a range of coarseness of time aggregation and modeling of feature distributions, are applied to these image features to create a suite of gait sequence representations. Despite their simplicity, the resulting feature vectors contain enough information to perform well on human identification and gender classification tasks. We demonstrate the accuracy of recognition on gait video sequences collected over different days and times and under varying lighting environments. Each of the integration methods are investigated for their advantages and disadvantages. An improved gait representation is built based on our experiences with the initial set of gait representations. In addition, we show gender classification results using our gait appearance features, the effect of our heuristic feature selection method, and the significance of individual features.

Experimental Markets for Product Concepts

Market prices are well known to efficiently collect and aggregate diverse information regarding the value of commodities and assets. The role of markets has been particularly suitable to pricing financial securities. This article provides an alternative application of the pricing mechanism to marketing research - using pseudo-securities markets to measure preferences over new product concepts. Surveys, focus groups, concept tests and conjoint studies are methods traditionally used to measure individual and aggregate preferences. Unfortunately, these methods can be biased, costly and time-consuming to conduct. The present research is motivated by the desire to efficiently measure preferences and more accurately predict new product success, based on the efficiency and incentive-compatibility of security trading markets. The article describes a novel market research method, pro-vides insight into why the method should work, and compares the results of several trading experiments against other methodologies such as concept testing and conjoint analysis.

Multiclass Classification of SRBCTs

A novel approach to multiclass tumor classification using Artificial Neural Networks (ANNs) was introduced in a recent paper cite{Khan2001}. The method successfully classified and diagnosed small, round blue cell tumors (SRBCTs) of childhood into four distinct categories, neuroblastoma (NB), rhabdomyosarcoma (RMS), non-Hodgkin lymphoma (NHL) and the Ewing family of tumors (EWS), using cDNA gene expression profiles of samples that included both tumor biopsy material and cell lines. We report that using an approach similar to the one reported by Yeang et al cite{Yeang2001}, i.e. multiclass classification by combining outputs of binary classifiers, we achieved equal accuracy with much fewer features. We report the performances of 3 binary classifiers (k-nearest neighbors (kNN), weighted-voting (WV), and support vector machines (SVM)) with 3 feature selection techniques (Golub's Signal to Noise (SN) ratios cite{Golub99}, Fisher scores (FSc) and Mukherjee's SVM feature selection (SVMFS))cite{Sayan98}.

Improving Multiclass Text Classification with the Support Vector Machine

We compare Naive Bayes and Support Vector Machines on the task of multiclass text classification. Using a variety of approaches to combine the underlying binary classifiers, we find that SVMs substantially outperform Naive Bayes. We present full multiclass results on two well-known text data sets, including the lowest error to date on both data sets. We develop a new indicator of binary performance to show that the SVM's lower multiclass error is a result of its improved binary performance. Furthermore, we demonstrate and explore the surprising result that one-vs-all classification performs favorably compared to other approaches even though it has no error-correcting properties.

Visual Segmentation without Classification in a Model of the Primary Visual Cortex

Stimuli outside classical receptive fields significantly influence the neurons' activities in primary visual cortex. We propose that such contextual influences are used to segment regions by detecting the breakdown of homogeneity or translation invariance in the input, thus computing global region boundaries using local interactions. This is implemented in a biologically based model of V1, and demonstrated in examples of texture segmentation and figure-ground segregation. By contrast with traditional approaches, segmentation occurs without classification or comparison of features within or between regions and is performed by exactly the same neural circuit responsible for the dual problem of the grouping and enhancement of contours.

From Regression to Classification in Support Vector Machines

We study the relation between support vector machines (SVMs) for regression (SVMR) and SVM for classification (SVMC). We show that for a given SVMC solution there exists a SVMR solution which is equivalent for a certain choice of the parameters. In particular our result is that for $epsilon$ sufficiently close to one, the optimal hyperplane and threshold for the SVMC problem with regularization parameter C_c are equal to (1-epsilon)^{- 1} times the optimal hyperplane and threshold for SVMR with regularization parameter C_r = (1-epsilon)C_c. A direct consequence of this result is that SVMC can be seen as a special case of SVMR.

A FRAMEWORK FOR ACHIEVING LIFECYCLE VALUE IN AEROSPACE PRODUCT DEVELOPMENT

Creation of lifecycle value - a balance of performance with cost and other attributes - represents a challenge for the development of aerospace products in the twenty-first century. This paper examines the concept of lifecycle value that stems from existing approaches of value management and analysis, lifecycle costing, and systems engineering. To ascertain common characteristics of lifecycle value creation, case studies were done for four aircraft programs: F/A- 18E/F, JAS 39 Gripen, F-16C/D, and B-777. A lifecycle value creation framework is introduced, comprised of three phases: value identification, value proposition, value delivery. Based upon observed practices in the four case studies, six value creation attributes were identified. Capability maturity models for the six attributes and three value creation phases are presented. The resulting framework represents a starting point for programs seeking to create lifecycle value for aerospace products.

Lifecycle Value Framework for Tactical Aircraft Product Development

Due to a dramatic reduction in defense procurement, the benchmark for developing new defense systems today is performance at an affordable cost. In an attempt to encircle a more holistic perspective of value, lifecycle value has evolved as a concept within the Lean Aerospace Initiative, LAI. The implication of this is development of products incorporating lifecycle and long-term focus instead of a shortsighted cost cutting focus. The interest to reduce total cost of ownership while still improving performance, availability, and sustainability, other dimensions taken into account within the lifecycle value approach, falls well within this context. Several factors prevent enterprises from having a holistic perspective during product development. Some important aspects are increased complexity of the products and significant technological uncertainty. The combination of complexity in system design and the limits of individual human comprehension typically prevent a best value solution to be envisioned. The purpose of this research was to examine relative contributions in product development and determine factors that significantly promote abilities to consider and achieve lifecycle value. This paper contributes a maturity matrix based on important practices and lessons learned through extensive interview based case studies of three tactical aircraft programs, including experiences from more than 100 interviews.

Measuring Value in Product Development

“What is value in product development?” is the key question of this paper. The answer is critical to the creation of lean in product development. By knowing how much value is added by product development (PD) activities, decisions can be more rationally made about how to allocate resources, such as time and money.

Output from the 1998 Product Development Value Stream Workshop: A Framework for Understanding Information Flow in the Product Development Process

The descriptions below and the attached diagrams are outputs of the 1998 LAI Product Development Focus Team workshop on the Value Chain in Product Development. A working group at that workshop was asked to model the product development process: in terms of the phases of product development and their interfaces, boundaries and outputs. Their work has proven to be generally useful to LAI researchers and industry members, and so is formalized here.

Strategies for Lean Product Development

The essence of lean is very simple, but from a research and implementation point of view overwhelming. Lean is the search for perfection through the elimination of waste and the insertion of practices that contribute to reduction in cost and schedule while improving performance of products. This concept of lean has wide applicability to a large range of processes, people and organizations, from concept design to the factory floor, from the laborer to the upper management, from the customer to the developer. Progress has been made in implementing and raising the awareness of lean practices at the factory floor. However, the level of implementation and education in other areas, like product development, is very low.