250

samples

1,586

wavelengths

sources

targets

metadata

NIR

family

Dataset property explorer

Mean profile risk0.53

Highest axisArtefacts locaux · 1.00

Diagnostics9

Sources profiled2

Profile axes

Intégrité	0.00
Artefacts locaux	1.00
Bruit	0.07
Outliers PCA	0.48
Distance à la référence	1.00
Répétabilité	0.00
Baseline / forme	0.97
Structure multi-régimes	0.70

Diagnostic	Score	Force	Signaux	Interprétation probable
Splice / raccord détecteursX_AvaSpec_ULS2048L_USB2	0.87	forte	Spike rate 1.00, Jump rate 1.00, RMS/SAM référence 1.00	Rupture aux jonctions de détecteurs, calibration locale ou sonde différente.
Erreur calibration / référence blancheX_AvaSpec_ULS2048L_USB2	0.75	forte	RMS/SAM référence 1.00, artefacts locaux 1.00, Baseline/mean/area 0.94	Décalage systématique entre campagnes, instruments ou référence blanche.
Fond différentX_AvaSpec_ULS2048L_USB2	0.69	moyenne	RMS/SAM référence 1.00, Baseline/mean/area 0.94, PCA Q 0.64	Effet systématique du support, blanc/noir, transflectance ou environnement de mesure.
Erreur interpolation / rééchantillonnageX_AvaSpec_ULS2048L_USB2	0.67	moyenne	Spike rate 1.00, Jump rate 1.00, SNR normal/élevé 1.00	Artefacts numériques ou traitement spectral incorrect.
Signature VERA25-likeX_AvaSpec_ULS2048L_USB2	0.66	moyenne	Spike rate 1.00, Jump rate 1.00, RMS/SAM référence 1.00	Combinaison possible changement de sonde + splice, amplifiée par géométrie, fond ou calibration.
Différence de sonde / géométrieX_AvaSpec_ULS2048L_USB2	0.61	moyenne	RMS/SAM référence 1.00, Baseline/mean/area 0.94, PCA Q 0.64	Modification de l'illumination, collecte, angle ou distance sonde-échantillon.
Dataset multi-régimesX_AvaSpec_ULS2048L_USB2	0.60	moyenne	Structure PCA 1.00, RMS/SAM référence 1.00, PCA Q 0.64	Mélange de campagnes, opérateurs, lots, setups ou sous-populations spectrales.
Spectre hors domaine valideX_AvaSpec_ULS2048L_USB2	0.59	moyenne	RMS/SAM référence 1.00, Structure PCA 1.00, Mahalanobis / T2 0.62	Variété, espèce, lot ou condition différente mais physiquement plausible.

Spectral sources

X_AvaSpec_NIR256_2_5_HSC

X_AvaSpec_NIR256_2_5_HSC · NIR

Sampling

Wavelengths	243
Axis range	943.8–2497 nm
Mean spacing	6.42 nm
Grid	irregular
Observations	250

Signal & quality

Value range	0.0869 – 5.59
Mean range	0.493 – 3.68
Mean level	1.897
Area	2938
PTP	3.192
Noise RMS	0.019674
SNR	96
SNR dB	4e+01 dB
Dynamic range	3.19
Smoothness	1.025
Saturated	0.0%
X-outliers	52

Integrity & artefacts

NaN ratio	0.00%
Inf count	0
Zero ratio	0.00%
Spike count	14,679
Spike rate	24.36%
Jump count	10,250
Jump rate	16.94%
Clip fraction	0.00%

Shape & reference

Baseline slope	2.939
Curvature RMS	1.0319
D1 RMS	0.59714
RMS to mean	0.43695
RMS p95	0.54002
SAM to mean	0.19013
SAM p95	0.2227
Affine offset p95	0.35083
Affine gain p95 Δ	0.2145
Affine residual p95	0.46358
Xcorr lag p95	1

Outliers & repeatability

PCA Q p95/median	1.4
Hotelling T2 p95/median	1.8
Mahalanobis H p95/median	1.3
Repeat groups	0

Dimensionality (PCA)

Effective rank	19
Top-10 cum. var	59.4%

Computed metric scores 29worst 1.00

Famille	Métrique calculée	Valeur	Score	Niveau	Interprétation dataset	Causes typiques	Calcul / scoring
Intégrité des données	`NaN ratio`integrity.nan_ratio	0%	0.00	faible	Spectre complet	Erreur acquisition/export	count(isnan(X)) / X.sizealert = min(1, nan_ratio / 0.05)
Intégrité des données	`Inf count`integrity.inf_count	0	0.00	faible	Normal	Calculs invalides	count(isinf(X))alert = min(1, inf_count / 1)
Intégrité des données	`Zero ratio`integrity.zero_ratio	0%	0.00	faible	Normal	Export, saturation	count(X == 0) / count(finite X)alert = min(1, zero_ratio / 0.05)
Amplitude globale	`Mean reflectance`amplitude.mean_reflectance	1.8966	1.00	fort	Valeur atypique: Trop clair / fond visible ou Trop sombre	Fond, géométrie	mean(X finite)alert reuses baseline/shape drift because absolute reflectance ranges are technology-dependent
Amplitude globale	`Area under curve`amplitude.area_under_curve	2937.9	1.00	fort	Valeur atypique: Différence d'éclairement ou Normal	Distance sonde	trapezoid(mean_spectrum, spectral_axis)alert reuses baseline/shape drift because area scale depends on axis and units
Amplitude globale	`Peak-to-peak (PTP)`amplitude.peak_to_peak	3.1917	0.00	faible	Variabilité forte	Saturation	max(mean_spectrum) - min(mean_spectrum)alert increases when dynamic range is abnormally flat
Amplitude globale	`Variance`amplitude.variance	1.1886	0.00	faible	Normal ou hétérogène	Mauvais contact	var(X finite)alert increases when variance/dynamic range is abnormally flat
Bruit	`Noise RMS`noise.noise_rms	0.019674	0.12	faible	Stable	Lampe, détecteur	median MAD(second derivative) * 1.4826 / sqrt(6)alert = noise_rms / signal_scale, saturated at 5%
Bruit	`SNR`noise.snr	96.399	0.01	faible	Bon signal	Acquisition	mean(abs(X)) / noise_rmsalert decreases with SNR dB; >=40 dB is treated as low alert
Bruit	`Bandwise SNR`noise.bandwise_snr_min	1.3938	0.92	fort	Zone problématique	Détecteur	min(abs(mean_spectrum) / local second-derivative noise)alert decreases with worst-band SNR dB; >=35 dB is treated as low alert
Artefacts locaux	`Spike count`artefacts.spike_count	14,679	1.00	fort	Artefacts	Cosmic rays, splice	count robust outliers in second derivativealert follows spike_rate, saturated at 1%
Artefacts locaux	`Spike rate`artefacts.spike_rate	24.4%	1.00	fort	Spectre suspect	Interpolation	spike_count / (n_samples * (n_features - 2))alert = min(1, spike_rate / 0.01)
Artefacts locaux	`Jump count`artefacts.jump_count	10,250	1.00	fort	Raccord détecteur	Splice	count robust outliers in first derivativealert follows jump_rate, saturated at 1%
Artefacts locaux	`Jump rate`artefacts.jump_rate	16.9%	1.00	fort	Problème spectral	Calibration	jump_count / (n_samples * (n_features - 1))alert = min(1, jump_rate / 0.01)
Artefacts locaux	`Clip fraction`artefacts.clip_fraction	0.00329%	0.00	faible	Normal	Détecteur saturé	fraction of finite cells equal to repeated min/max extremaalert = min(1, clip_fraction / 0.01)
Forme spectrale	`Baseline slope`shape.baseline_slope	2.939	1.00	fort	Dérive	Éclairement	linear slope of mean_spectrum over normalized axisalert = abs(slope / signal_scale), saturated at 0.5
Forme spectrale	`Curvature RMS`shape.curvature_rms	1.0319	1.00	fort	Forme inhabituelle	Fond, splice	median RMS(second derivative per spectrum)alert = curvature_rms / signal_scale, saturated at 1%
Forme spectrale	`D1 RMS`shape.d1_rms	0.59714	1.00	fort	Spectre structuré	Biologie ou artefact	median RMS(first derivative per spectrum)alert = d1_rms / signal_scale, saturated at 5%
Outliers multivariés	`PCA Q (SPE)`outliers.pca_q_ratio	1.4183	0.18	faible	Conforme	Artefact, mélange	p95(Q/SPE residual) / median(Q/SPE residual)alert = min(1, pca_q_ratio / 8)
Outliers multivariés	`Hotelling T²`outliers.hotelling_t2_ratio	1.765	0.22	faible	Central	Variabilité naturelle	p95(Hotelling T2) / median(Hotelling T2)alert = min(1, hotelling_t2_ratio / 8)
Outliers multivariés	`Mahalanobis H`outliers.mahalanobis_h_ratio	1.3285	0.33	faible	Population normale	Domaine différent	p95(sqrt(T2)) / median(sqrt(T2))alert = min(1, mahalanobis_h_ratio / 4)
Comparaison à référence	`RMS to mean spectrum`reference.rms_to_mean_spectrum_p95	0.54002	0.68	moyen	Spectre différent	Domain shift	p95 RMS distance to dataset mean spectrumalert = RMS_p95 / signal_scale, saturated at 25%
Comparaison à référence	`Spectral Angle Mapper (SAM)`reference.sam_to_mean_spectrum_p95	0.2227	0.64	moyen	Forme différente	Fond, géométrie	p95 spectral angle to dataset mean spectrumalert = min(1, SAM_p95 / 0.35 rad)
Répétabilité	`RMS intra-ID`repeatability.rms_intra_id	—	0.00	faible	Stable	Positionnement	median RMS distance to repeated-sample centroidalert = RMS_intra_ID / signal_scale, saturated at 10%
Répétabilité	`SAM intra-ID`repeatability.sam_intra_id	—	0.00	faible	Stable	Acquisition	median SAM to repeated-sample centroidalert = min(1, SAM_intra_ID / 0.15 rad)
Répétabilité	`CV intra-ID`repeatability.cv_intra_id	—	0.00	faible	Stable	Opérateur	median within-ID band CValert = min(1, CV_intra_ID / 0.25)
Structure du dataset	`PCA score density`structure.pca_score_density	0.24528	0.40	faible	Homogène	Lots différents	1 / median kNN distance in PCA score spacealert follows density_cv/profile structure complexity, not raw density alone
Structure du dataset	`Local Outlier Factor (LOF)`structure.local_outlier_factor_p95	1.2128	0.11	faible	Population normale	Cas rares	p95 approximate LOF from PCA-score kNN distancesalert = min(1, max(0, LOF_p95 - 1) / 2)
Structure du dataset	`Isolation Forest score`structure.isolation_forest_score_p95	0.49104	0.40	faible	Normal	Diverses causes	p95 IsolationForest anomaly score on PCA scoresalert follows structure complexity; raw score is implementation-dependent

X-Y spectral correlation 20

Target	max \|r\|	axis @ max	mean \|r\|	\|r\| ≥ .5
Phase difference 0.1 Hz	0.795	2.5e+03	0.415	27.2%
Phase difference 0.5 Hz	0.811	2.5e+03	0.452	40.3%
Phase difference 1 Hz	0.768	2.02e+03	0.504	67.1%
Dynamic modulus 0.1 Hz	0.824	2.41e+03	0.472	55.1%
Dynamic modulus 0.5 Hz	0.825	2.41e+03	0.472	54.7%
Dynamic modulus 1 Hz	0.827	2.41e+03	0.471	55.1%
Young's modulus	0.746	2.41e+03	0.259	5.3%
A	0.827	2.41e+03	0.482	60.1%
B	0.828	2.47e+03	0.253	9.5%
C	0.805	2.01e+03	0.394	38.3%
D	0.959	2.34e+03	0.583	75.7%
F	0.85	2.38e+03	0.564	70.0%
Linear region length	0.772	2.47e+03	0.192	4.1%
Toe region strain	0.899	2.34e+03	0.472	62.6%
Toe region stress	0.84	2.34e+03	0.3	7.0%
Yield strain	0.903	2.34e+03	0.5	65.4%
Yield stress	0.703	944	0.184	2.9%
Toughness at yield	0.712	944	0.158	4.9%
Ultimate strain	0.832	2.43e+03	0.547	74.1%
Ultimate strength	0.723	944	0.187	2.9%

X_AvaSpec_ULS2048L_USB2

X_AvaSpec_ULS2048L_USB2 · NIR

Sampling

Wavelengths	1,343
Axis range	319.4–1093 nm
Mean spacing	0.576 nm
Grid	irregular
Observations	250

Signal & quality

Value range	0.177 – 1.1
Mean range	0.349 – 0.559
Mean level	0.4592
Area	353.9
PTP	0.21
Noise RMS	0.00024212
SNR	1.9e+03
SNR dB	7e+01 dB
Dynamic range	0.21
Smoothness	0.006293
Saturated	0.0%
X-outliers	65

Integrity & artefacts

NaN ratio	0.00%
Inf count	0
Zero ratio	0.00%
Spike count	28,177
Spike rate	8.40%
Jump count	24,015
Jump rate	7.16%
Clip fraction	0.00%

Shape & reference

Baseline slope	0.21547
Curvature RMS	0.0059358
D1 RMS	0.0041752
RMS to mean	0.055309
RMS p95	0.13542
SAM to mean	0.055702
SAM p95	0.13705
Affine offset p95	0.45402
Affine gain p95 Δ	1.0781
Affine residual p95	0.021994
Xcorr lag p95	50

Outliers & repeatability

PCA Q p95/median	5.1
Hotelling T2 p95/median	4.9
Mahalanobis H p95/median	2.2
Repeat groups	0

Dimensionality (PCA)

Effective rank	1.8
PCs → 95% var	2
PCs → 99% var	4
Top-10 cum. var	99.7%

Computed metric scores 29worst 1.00

Famille	Métrique calculée	Valeur	Score	Niveau	Interprétation dataset	Causes typiques	Calcul / scoring
Intégrité des données	`NaN ratio`integrity.nan_ratio	0%	0.00	faible	Spectre complet	Erreur acquisition/export	count(isnan(X)) / X.sizealert = min(1, nan_ratio / 0.05)
Intégrité des données	`Inf count`integrity.inf_count	0	0.00	faible	Normal	Calculs invalides	count(isinf(X))alert = min(1, inf_count / 1)
Intégrité des données	`Zero ratio`integrity.zero_ratio	0%	0.00	faible	Normal	Export, saturation	count(X == 0) / count(finite X)alert = min(1, zero_ratio / 0.05)
Amplitude globale	`Mean reflectance`amplitude.mean_reflectance	0.4592	0.94	fort	Valeur atypique: Trop clair / fond visible ou Trop sombre	Fond, géométrie	mean(X finite)alert reuses baseline/shape drift because absolute reflectance ranges are technology-dependent
Amplitude globale	`Area under curve`amplitude.area_under_curve	353.92	0.94	fort	Valeur atypique: Différence d'éclairement ou Normal	Distance sonde	trapezoid(mean_spectrum, spectral_axis)alert reuses baseline/shape drift because area scale depends on axis and units
Amplitude globale	`Peak-to-peak (PTP)`amplitude.peak_to_peak	0.20998	0.00	faible	Variabilité forte	Saturation	max(mean_spectrum) - min(mean_spectrum)alert increases when dynamic range is abnormally flat
Amplitude globale	`Variance`amplitude.variance	0.010668	0.00	faible	Normal ou hétérogène	Mauvais contact	var(X finite)alert increases when variance/dynamic range is abnormally flat
Bruit	`Noise RMS`noise.noise_rms	0.00024212	0.01	faible	Stable	Lampe, détecteur	median MAD(second derivative) * 1.4826 / sqrt(6)alert = noise_rms / signal_scale, saturated at 5%
Bruit	`SNR`noise.snr	1896.6	0.00	faible	Bon signal	Acquisition	mean(abs(X)) / noise_rmsalert decreases with SNR dB; >=40 dB is treated as low alert
Bruit	`Bandwise SNR`noise.bandwise_snr_min	32.127	0.14	faible	Zone fiable	Détecteur	min(abs(mean_spectrum) / local second-derivative noise)alert decreases with worst-band SNR dB; >=35 dB is treated as low alert
Artefacts locaux	`Spike count`artefacts.spike_count	28,177	1.00	fort	Artefacts	Cosmic rays, splice	count robust outliers in second derivativealert follows spike_rate, saturated at 1%
Artefacts locaux	`Spike rate`artefacts.spike_rate	8.4%	1.00	fort	Spectre suspect	Interpolation	spike_count / (n_samples * (n_features - 2))alert = min(1, spike_rate / 0.01)
Artefacts locaux	`Jump count`artefacts.jump_count	24,015	1.00	fort	Raccord détecteur	Splice	count robust outliers in first derivativealert follows jump_rate, saturated at 1%
Artefacts locaux	`Jump rate`artefacts.jump_rate	7.16%	1.00	fort	Problème spectral	Calibration	jump_count / (n_samples * (n_features - 1))alert = min(1, jump_rate / 0.01)
Artefacts locaux	`Clip fraction`artefacts.clip_fraction	0.000596%	0.00	faible	Normal	Détecteur saturé	fraction of finite cells equal to repeated min/max extremaalert = min(1, clip_fraction / 0.01)
Forme spectrale	`Baseline slope`shape.baseline_slope	0.21547	0.94	fort	Dérive	Éclairement	linear slope of mean_spectrum over normalized axisalert = abs(slope / signal_scale), saturated at 0.5
Forme spectrale	`Curvature RMS`shape.curvature_rms	0.0059358	1.00	fort	Forme inhabituelle	Fond, splice	median RMS(second derivative per spectrum)alert = curvature_rms / signal_scale, saturated at 1%
Forme spectrale	`D1 RMS`shape.d1_rms	0.0041752	0.18	faible	Plat	Biologie ou artefact	median RMS(first derivative per spectrum)alert = d1_rms / signal_scale, saturated at 5%
Outliers multivariés	`PCA Q (SPE)`outliers.pca_q_ratio	5.0887	0.64	moyen	Spectre atypique	Artefact, mélange	p95(Q/SPE residual) / median(Q/SPE residual)alert = min(1, pca_q_ratio / 8)
Outliers multivariés	`Hotelling T²`outliers.hotelling_t2_ratio	4.9217	0.62	moyen	Extrême mais cohérent	Variabilité naturelle	p95(Hotelling T2) / median(Hotelling T2)alert = min(1, hotelling_t2_ratio / 8)
Outliers multivariés	`Mahalanobis H`outliers.mahalanobis_h_ratio	2.2185	0.55	moyen	Outlier global	Domaine différent	p95(sqrt(T2)) / median(sqrt(T2))alert = min(1, mahalanobis_h_ratio / 4)
Comparaison à référence	`RMS to mean spectrum`reference.rms_to_mean_spectrum_p95	0.13542	1.00	fort	Spectre différent	Domain shift	p95 RMS distance to dataset mean spectrumalert = RMS_p95 / signal_scale, saturated at 25%
Comparaison à référence	`Spectral Angle Mapper (SAM)`reference.sam_to_mean_spectrum_p95	0.13705	0.39	faible	Similaire	Fond, géométrie	p95 spectral angle to dataset mean spectrumalert = min(1, SAM_p95 / 0.35 rad)
Répétabilité	`RMS intra-ID`repeatability.rms_intra_id	—	0.00	faible	Stable	Positionnement	median RMS distance to repeated-sample centroidalert = RMS_intra_ID / signal_scale, saturated at 10%
Répétabilité	`SAM intra-ID`repeatability.sam_intra_id	—	0.00	faible	Stable	Acquisition	median SAM to repeated-sample centroidalert = min(1, SAM_intra_ID / 0.15 rad)
Répétabilité	`CV intra-ID`repeatability.cv_intra_id	—	0.00	faible	Stable	Opérateur	median within-ID band CValert = min(1, CV_intra_ID / 0.25)
Structure du dataset	`PCA score density`structure.pca_score_density	2.5485	1.00	fort	Sous-populations	Lots différents	1 / median kNN distance in PCA score spacealert follows density_cv/profile structure complexity, not raw density alone
Structure du dataset	`Local Outlier Factor (LOF)`structure.local_outlier_factor_p95	3.1988	1.00	fort	Spectre isolé	Cas rares	p95 approximate LOF from PCA-score kNN distancesalert = min(1, max(0, LOF_p95 - 1) / 2)
Structure du dataset	`Isolation Forest score`structure.isolation_forest_score_p95	0.57131	1.00	fort	Spectre atypique	Diverses causes	p95 IsolationForest anomaly score on PCA scoresalert follows structure complexity; raw score is implementation-dependent

X-Y spectral correlation 20

Target	max \|r\|	axis @ max	mean \|r\|	\|r\| ≥ .5
Phase difference 0.1 Hz	0.796	382	0.243	16.7%
Phase difference 0.5 Hz	0.78	391	0.301	15.0%
Phase difference 1 Hz	0.602	391	0.31	3.6%
Dynamic modulus 0.1 Hz	0.552	384	0.255	1.4%
Dynamic modulus 0.5 Hz	0.55	384	0.256	1.4%
Dynamic modulus 1 Hz	0.547	384	0.253	1.4%
Young's modulus	0.466	376	0.132	0.0%
A	0.549	384	0.267	1.3%
B	0.635	376	0.207	3.6%
C	0.823	337	0.6	76.1%
D	0.71	391	0.477	54.4%
F	0.627	1.09e+03	0.389	35.7%
Linear region length	0.536	331	0.224	0.1%
Toe region strain	0.735	1.05e+03	0.493	56.6%
Toe region stress	0.57	332	0.368	24.6%
Yield strain	0.73	1.05e+03	0.485	53.9%
Yield stress	0.512	331	0.172	0.1%
Toughness at yield	0.583	332	0.257	0.2%
Ultimate strain	0.712	391	0.436	43.8%
Ultimate strength	0.494	331	0.16	0.0%

Metric interpretation reference

Metric catalog 29

Famille	Métrique	Ce qu’elle détecte	Forte valeur =	Faible valeur =	Causes typiques	Calcul / score
Intégrité des données	`NaN ratio`	Données manquantes	Spectre corrompu	Spectre complet	Erreur acquisition/export	count(isnan(X)) / X.sizealert = min(1, nan_ratio / 0.05)
Intégrité des données	`Inf count`	Valeurs infinies	Corruption	Normal	Calculs invalides	count(isinf(X))alert = min(1, inf_count / 1)
Intégrité des données	`Zero ratio`	Colonnes ou cellules nulles	Spectre tronqué	Normal	Export, saturation	count(X == 0) / count(finite X)alert = min(1, zero_ratio / 0.05)
Amplitude globale	`Mean reflectance`	Niveau moyen	Trop clair / fond visible	Trop sombre	Fond, géométrie	mean(X finite)alert reuses baseline/shape drift because absolute reflectance ranges are technology-dependent
Amplitude globale	`Area under curve`	Intensité globale	Différence d'éclairement	Normal	Distance sonde	trapezoid(mean_spectrum, spectral_axis)alert reuses baseline/shape drift because area scale depends on axis and units
Amplitude globale	`Peak-to-peak (PTP)`	Dynamique	Variabilité forte	Spectre plat	Saturation	max(mean_spectrum) - min(mean_spectrum)alert increases when dynamic range is abnormally flat
Amplitude globale	`Variance`	Variabilité spectrale	Normal ou hétérogène	Spectre plat	Mauvais contact	var(X finite)alert increases when variance/dynamic range is abnormally flat
Bruit	`Noise RMS`	Bruit haute fréquence	Bruité	Stable	Lampe, détecteur	median MAD(second derivative) * 1.4826 / sqrt(6)alert = noise_rms / signal_scale, saturated at 5%
Bruit	`SNR`	Qualité signal	Bon signal	Mauvais signal	Acquisition	mean(abs(X)) / noise_rmsalert decreases with SNR dB; >=40 dB is treated as low alert
Bruit	`Bandwise SNR`	Bruit localisé	Zone fiable	Zone problématique	Détecteur	min(abs(mean_spectrum) / local second-derivative noise)alert decreases with worst-band SNR dB; >=35 dB is treated as low alert
Artefacts locaux	`Spike count`	Pics étroits	Artefacts	Spectre propre	Cosmic rays, splice	count robust outliers in second derivativealert follows spike_rate, saturated at 1%
Artefacts locaux	`Spike rate`	Densité de pics	Spectre suspect	Normal	Interpolation	spike_count / (n_samples * (n_features - 2))alert = min(1, spike_rate / 0.01)
Artefacts locaux	`Jump count`	Discontinuités	Raccord détecteur	Continu	Splice	count robust outliers in first derivativealert follows jump_rate, saturated at 1%
Artefacts locaux	`Jump rate`	Fréquence de sauts	Problème spectral	Normal	Calibration	jump_count / (n_samples * (n_features - 1))alert = min(1, jump_rate / 0.01)
Artefacts locaux	`Clip fraction`	Saturation	Clipping	Normal	Détecteur saturé	fraction of finite cells equal to repeated min/max extremaalert = min(1, clip_fraction / 0.01)
Forme spectrale	`Baseline slope`	Pente globale	Dérive	Stable	Éclairement	linear slope of mean_spectrum over normalized axisalert = abs(slope / signal_scale), saturated at 0.5
Forme spectrale	`Curvature RMS`	Courbure	Forme inhabituelle	Lisse	Fond, splice	median RMS(second derivative per spectrum)alert = curvature_rms / signal_scale, saturated at 1%
Forme spectrale	`D1 RMS`	Variabilité locale	Spectre structuré	Plat	Biologie ou artefact	median RMS(first derivative per spectrum)alert = d1_rms / signal_scale, saturated at 5%
Outliers multivariés	`PCA Q (SPE)`	Non expliqué par PCA	Spectre atypique	Conforme	Artefact, mélange	p95(Q/SPE residual) / median(Q/SPE residual)alert = min(1, pca_q_ratio / 8)
Outliers multivariés	`Hotelling T²`	Extrême dans PCA	Extrême mais cohérent	Central	Variabilité naturelle	p95(Hotelling T2) / median(Hotelling T2)alert = min(1, hotelling_t2_ratio / 8)
Outliers multivariés	`Mahalanobis H`	Distance au nuage	Outlier global	Population normale	Domaine différent	p95(sqrt(T2)) / median(sqrt(T2))alert = min(1, mahalanobis_h_ratio / 4)
Comparaison à référence	`RMS to mean spectrum`	Distance moyenne	Spectre différent	Typique	Domain shift	p95 RMS distance to dataset mean spectrumalert = RMS_p95 / signal_scale, saturated at 25%
Comparaison à référence	`Spectral Angle Mapper (SAM)`	Différence de forme	Forme différente	Similaire	Fond, géométrie	p95 spectral angle to dataset mean spectrumalert = min(1, SAM_p95 / 0.35 rad)
Répétabilité	`RMS intra-ID`	Reproductibilité	Mauvaise répétabilité	Stable	Positionnement	median RMS distance to repeated-sample centroidalert = RMS_intra_ID / signal_scale, saturated at 10%
Répétabilité	`SAM intra-ID`	Variation de forme	Instable	Stable	Acquisition	median SAM to repeated-sample centroidalert = min(1, SAM_intra_ID / 0.15 rad)
Répétabilité	`CV intra-ID`	Variabilité interne	Mauvais contrôle	Stable	Opérateur	median within-ID band CValert = min(1, CV_intra_ID / 0.25)
Structure du dataset	`PCA score density`	Clusters	Sous-populations	Homogène	Lots différents	1 / median kNN distance in PCA score spacealert follows density_cv/profile structure complexity, not raw density alone
Structure du dataset	`Local Outlier Factor (LOF)`	Anomalie locale	Spectre isolé	Population normale	Cas rares	p95 approximate LOF from PCA-score kNN distancesalert = min(1, max(0, LOF_p95 - 1) / 2)
Structure du dataset	`Isolation Forest score`	Anomalie globale	Spectre atypique	Normal	Diverses causes	p95 IsolationForest anomaly score on PCA scoresalert follows structure complexity; raw score is implementation-dependent

Technology-specific extensions

Technologie	Adaptations / métriques	Anomalies ciblées	Commentaire pratique
UV-Vis 300-1000 nm	Baseline, pente globale, dérive aux bords 300-350 et 900-1000; métriques par zones	Lumière parasite, mauvais blanc, saturation, faible signal aux extrémités	Les bords sont souvent instables; calculer aussi des scores edge/middle.
UV-Vis 300-1000 nm	Saturation / clipping proche absorbance max ou réflectance max	Signal écrêté	Très important si absorption forte.
UV-Vis 300-1000 nm	Red-edge, position de maximum, ratios de bandes si végétal	Décalage biologique ou artefact optique	Aide à distinguer changement réel et problème d'acquisition.
UV-Vis 300-1000 nm	Smoothness / roughness index	Bruit haute fréquence	Souvent plus informatif que le SNR seul.
MIR / ATR-FTIR	ATR contact quality index: intensité globale, aire totale, profondeur des bandes clés	Mauvais contact cristal-échantillon	Crucial: beaucoup d'anomalies viennent du contact ATR.
MIR / ATR-FTIR	CO2 / H2O atmospheric bands	Mauvaise correction atmosphérique	Pics parasites fréquents.
MIR / ATR-FTIR	Baseline curvature / rubber-band residual	Diffusion, contact, dérive baseline	Très utile avant PCA.
MIR / ATR-FTIR	Peak position shift	Mauvais alignement spectral / calibration	Important en FTIR car de petits shifts comptent.
MIR / ATR-FTIR	Band area ratios sur bandes connues	Spectre chimiquement incohérent	À adapter par matrice: polysaccharides, protéines, lipides, etc.
HS-MS	Total Ion Current (TIC), Base Peak Intensity (BPI)	Injection faible, ionisation instable	Équivalent MS du niveau global spectral.
HS-MS	Nombre de pics détectés	Spectre pauvre ou trop bruité	Trop peu = mauvais signal; trop = bruit/contamination.
HS-MS	Mass accuracy / m/z drift	Problème calibration masse	Fondamental en HRMS.
HS-MS	Retention time drift si LC/GC-MS	Dérive chromatographique	À suivre sur standards/QC pools.
HS-MS	Blank contamination score	Contaminants / carry-over	Comparer échantillons vs blancs.
HS-MS	Internal standard CV	Variabilité instrumentale	Très robuste si standards disponibles.
HS-MS	Missingness par feature	Instabilité de détection	Crucial pour filtrer les variables.
Avec répétitions	RMS intra-échantillon	Répétabilité globale	Applicable à toutes les technologies.
Avec répétitions	SAM / corrélation intra-échantillon	Répétabilité de forme	Très utile pour spectres.
Avec répétitions	CV intra-échantillon par bande / feature	Répétabilité locale	Détecte les zones instables.
Avec répétitions	ICC ou variance components	Part variance échantillon vs technique	Très utile si plusieurs répétitions par sample.
Avec répétitions	Distance au centroïde intra-ID	Répétition aberrante	Permet de flagger la mauvaise répétition plutôt que le sample entier.

Bug-hunting / supervised audits

Famille de bug potentiel	Méthodes à ajouter	Ce que ça détecte	État dans l’explorateur
Shift spectral global	Corrélation spectre moyen inter-dataset, DTW, cross-correlation, comparaison positions de pics	Décalage en longueur d'onde, mauvais alignement, interpolation différente	Partiellement calculé: cross-correlation lag et dispersion des positions de pics vs spectre moyen.
Baseline / offset / gain	Régression chaque spectre vs spectre moyen: x = a + b ref + residual; suivi de a, b, RMS résiduel	Offset additif, effet multiplicatif, dérive de baseline	Calculé dans reference.affine_*.
Mélange de lignes / mauvais appariement X-M-Y	Vérification index, hash des lignes, duplication ID, distance spectrale intra-ID, labels incohérents	Lignes mélangées, metadata mal alignées, Y attribué au mauvais spectre	Partiellement couvert par répétabilité intra-ID; checks index/hash à ajouter au pipeline canonical.
Fuite d'information / répétitions mal splitées	GroupKFold par sample_id vs StratifiedKFold random; audit des partitions par sample_id	Performance artificiellement bonne due aux répétitions	Nécessite splits et benchmark modèle; non calculé par la carte descriptive.
Label bugs	Échantillons proches en X mais Y différents, confident learning, erreurs systématiques FP/FN	Y inversés, erreurs de saisie, classes ambiguës	Nécessite Y et/ou modèle; recommandé pour l'explorateur supervisé.
Sous-domaines cachés	PCA/UMAP/t-SNE + clustering non supervisé + association avec dataset/Y/date/operator	Lots, campagnes, sondes, backgrounds non renseignés	Partiellement calculé par structure PCA/LOF; UMAP/t-SNE hors carte statique.
Artefacts localisés inconnus	Carte wavelength x dataset: différence moyenne, différence variance, KS par longueur d'onde	Régions spectrales anormales non anticipées	À calculer au niveau banque quand plusieurs datasets partagent un axe spectral.
Ruptures instrumentales	Discontinuités dans dérivées, changepoint detection	Splice, raccord détecteur, saut local non prévu	Calculé par jump/spike rates; changepoint plus avancé à ajouter.
Mélange / contamination spectrale	NMF / unmixing / reconstruction par convex hull	Composante externe: fond, plastique, sol	Non calculé automatiquement; nécessite hypothèses de composants ou grande bibliothèque.
Features instables mais prédictives	Importance modèle vs instabilité QC par variable	Modèle qui apprend un artefact plutôt qu'un signal biologique	Nécessite modèle supervisé; recommandé pour rapports de benchmark.

Variables

Targets 28

Phase difference 0.1 Hz

target · numeric

n / missing	250 / 225
Mean ± SD	4.741 ± 1.3
Median	4.628
Range	3.143 – 6.921
CV	0.274
Skew / kurtosis	0.59 / -0.65
Normal?	yes

Phase difference 0.5 Hz

target · numeric

n / missing	250 / 225
Mean ± SD	5.628 ± 1.78
Median	4.971
Range	3.438 – 8.03
CV	0.316
Skew / kurtosis	0.23 / -1.7
Normal?	no

Phase difference 1 Hz

target · numeric

n / missing	250 / 225
Mean ± SD	7 ± 1.97
Median	6.273
Range	4.923 – 10.39
CV	0.281
Skew / kurtosis	0.83 / -0.65
Normal?	yes

Dynamic modulus 0.1 Hz

target · numeric

n / missing	250 / 225
Mean ± SD	164 ± 148
Median	88.56
Range	76.08 – 450.8
CV	0.9
Skew / kurtosis	1.5 / 0.48
Normal?	no

Dynamic modulus 0.5 Hz

target · numeric

n / missing	250 / 225
Mean ± SD	167.6 ± 149
Median	91.05
Range	78.16 – 457.8
CV	0.892
Skew / kurtosis	1.5 / 0.47
Normal?	no

Dynamic modulus 1 Hz

target · numeric

n / missing	250 / 225
Mean ± SD	168.5 ± 151
Median	91.67
Range	75.21 – 461.8
CV	0.897
Skew / kurtosis	1.5 / 0.46
Normal?	no

Young's modulus

target · numeric

n / missing	250 / 225
Mean ± SD	197.6 ± 127
Median	195.5
Range	58.44 – 410.7
CV	0.645
Skew / kurtosis	0.63 / -0.8
Normal?	yes

A

target · numeric

n / missing	250 / 225
Mean ± SD	961.5 ± 891
Median	576.7
Range	383.2 – 2685
CV	0.927
Skew / kurtosis	1.5 / 0.43
Normal?	no

B

target · numeric

n / missing	250 / 225
Mean ± SD	3.722 ± 5.18
Median	6.96
Range	-5.329 – 8.184
CV	1.39
Skew / kurtosis	-0.96 / -0.67
Normal?	yes

C

target · numeric

n / missing	250 / 225
Mean ± SD	0.2217 ± 0.115
Median	0.1491
Range	0.1287 – 0.4288
CV	0.518
Skew / kurtosis	1.1 / -0.37
Normal?	yes

D

target · numeric

n / missing	250 / 230
Mean ± SD	1.188 ± 0.296
Median	1.214
Range	0.8253 – 1.497
CV	0.25
Skew / kurtosis	-0.11 / -2
Normal?	no

F

target · numeric

n / missing	250 / 230
Mean ± SD	25.45 ± 12.6
Median	20.9
Range	13.89 – 46.1
CV	0.496
Skew / kurtosis	1 / -0.67
Normal?	yes

Linear region length

target · numeric

n / missing	250 / 225
Mean ± SD	11.49 ± 0.622
Median	11.61
Range	10.5 – 12.16
CV	0.0541
Skew / kurtosis	-0.5 / -1.2
Normal?	yes

Toe region strain

target · numeric

n / missing	250 / 225
Mean ± SD	6.923 ± 3.79
Median	5.522
Range	2.609 – 12.8
CV	0.548
Skew / kurtosis	0.48 / -1.3
Normal?	no

Toe region stress

target · numeric

n / missing	250 / 225
Mean ± SD	4.643 ± 2.9
Median	4.89
Range	0.5984 – 7.866
CV	0.625
Skew / kurtosis	-0.19 / -1.6
Normal?	no

Yield strain

target · numeric

n / missing	250 / 225
Mean ± SD	18.41 ± 3.71
Median	17.68
Range	14.64 – 23.94
CV	0.202
Skew / kurtosis	0.37 / -1.5
Normal?	no

Yield stress

target · numeric

n / missing	250 / 225
Mean ± SD	24.23 ± 13.4
Median	27.87
Range	6.929 – 43.1
CV	0.554
Skew / kurtosis	0.012 / -1.4
Normal?	no

Toughness at yield

target · numeric

n / missing	250 / 225
Mean ± SD	1.817 ± 0.933
Median	2.379
Range	0.4717 – 2.644
CV	0.513
Skew / kurtosis	-0.5 / -1.7
Normal?	no

Ultimate strain

target · numeric

n / missing	250 / 225
Mean ± SD	21.1 ± 3.66
Median	22.45
Range	16.12 – 24.82
CV	0.174
Skew / kurtosis	-0.34 / -1.8
Normal?	no

Ultimate strength

target · numeric

n / missing	250 / 225
Mean ± SD	26.02 ± 13.5
Median	30.32
Range	10 – 45.17
CV	0.519
Skew / kurtosis	0.054 / -1.5
Normal?	no

Toughness at failure

target · numeric

n / missing	250 / 225
Mean ± SD	2.345 ± 1.09
Median	2.912
Range	0.9599 – 3.408
CV	0.463
Skew / kurtosis	-0.37 / -1.9
Normal?	no

Water content

target · numeric

n / missing	250 / 225
Mean ± SD	78.66 ± 5
Median	80.16
Range	69.11 – 83.03
CV	0.0636
Skew / kurtosis	-1.4 / 0.31
Normal?	no

Hydroxyproline content of wet weight

target · numeric

n / missing	250 / 225
Mean ± SD	28.45 ± 6.39
Median	27.23
Range	22.44 – 39.59
CV	0.225
Skew / kurtosis	0.86 / -0.58
Normal?	yes

Hydroxyproline content of dry weight

target · numeric

n / missing	250 / 225
Mean ± SD	133.7 ± 10.5
Median	132.3
Range	121.2 – 152
CV	0.0783
Skew / kurtosis	0.79 / -0.35
Normal?	yes

Uronic acid content of wet weight

target · numeric

n / missing	250 / 225
Mean ± SD	0.4092 ± 0.152
Median	0.3911
Range	0.2465 – 0.6049
CV	0.371
Skew / kurtosis	0.14 / -1.8
Normal?	no

Uronic acid content of dry weight

target · numeric

n / missing	250 / 225
Mean ± SD	2.1 ± 1.05
Median	1.938
Range	0.7983 – 3.565
CV	0.498
Skew / kurtosis	0.18 / -1.5
Normal?	no

Elastin content of wet weight

target · numeric

n / missing	250 / 225
Mean ± SD	9.29 ± 2.65
Median	10.2
Range	5.973 – 12.64
CV	0.286
Skew / kurtosis	-0.16 / -1.7
Normal?	no

Elastin content of dry weight

target · numeric

n / missing	250 / 225
Mean ± SD	41.28 ± 10.9
Median	36.04
Range	29.9 – 60.08
CV	0.264
Skew / kurtosis	0.85 / -0.67
Normal?	yes

Metadata 2

site

metadata · numeric

n / missing	250 / 0
Mean ± SD	3 ± 1.42
Median	3
Range	1 – 5
CV	0.472
Skew / kurtosis	0 / -1.3
Normal?	no

ligament_type

metadata · categorical

n / missing	250 / 225
Classes	5
Balance (entropy)	1
Imbalance ratio	1
Top class	ACL (5)

Constant metadata 6

knee_identifier10.0
manual_downloadTrue
manual_download_source_dirD:\VS projects\nirs_db_vf\manual_download\bovine knee
manual_download_file925999ad-8127-4428-b7cc-c03c12e62d3c_ovzjey37.zip::Ristaniemi_et_al._Biomechanical_biochemical_and_near_infrared_spectral_data_of_bovine_knee_ligaments_and_patellar_tendon/Data_NIRS.xlsx
official_source_urlhttps://etsin.fairdata.fi/dataset/925999ad-8127-4428-b7cc-c03c12e62d3c/data
standardization_batchv0.8.57

Alignment

Alignment level	sample
Sample id available	no
Samples	250
Observations (total)	500
Reps per sample	min 1 · mean 1 · max 1

Provenance & citation

Contributor	Data In Brief / Fairdata bovine knee joint ligament
Origin · url [open]	https://etsin.fairdata.fi/dataset/925999ad-8127-4428-b7cc-c03c12e62d3c/data
Origin · script [manual]	source_to_standard.py — standardization script (maintainer-only)

Governance & integrity

Tier	public
License	CC-BY-4.0
Permitted use	Research and benchmarking.
Access policy	Open per source license.
Redistribution	Fairdata API license was recorded as CC BY 4.0 in the blocked inventory; files were supplied manually.
Content version	1.0.0
Schema / protocol	2.0
Content hash	`4cf4c77c7711cd0c…`
Processing hash	`a5ff19808819ff94…`
Metadata hash	`eb57bf6ac074978f…`

Load this dataset

# pip install nirs4all-datasets
from nirs4all_datasets import get

ds = get("fairdata_bovine_knee_ligament_nir_manual")            # DOI-pinned, checksum-verified, cached
X, y = ds.x(), ds.y()
print(X.shape, y.shape)

card.json croissant.jsonIdentity metadata only — the dataset bytes live at the origin / DOI.

Bovine knee ligament multi-instrument NIR data

Dataset property explorer

Profile axes

Spectral sources

X_AvaSpec_NIR256_2_5_HSC

Sampling

Signal & quality

Integrity & artefacts

Shape & reference

Outliers & repeatability

Dimensionality (PCA)

X_AvaSpec_ULS2048L_USB2

Sampling

Signal & quality

Integrity & artefacts

Shape & reference

Outliers & repeatability

Dimensionality (PCA)

Metric interpretation reference

Variables

Targets 28

Phase difference 0.1 Hz

Phase difference 0.5 Hz

Phase difference 1 Hz

Dynamic modulus 0.1 Hz

Dynamic modulus 0.5 Hz

Dynamic modulus 1 Hz

Young's modulus

A

B

C

D

F

Linear region length

Toe region strain

Toe region stress

Yield strain

Yield stress

Toughness at yield

Ultimate strain

Ultimate strength

Toughness at failure

Water content

Hydroxyproline content of wet weight

Hydroxyproline content of dry weight

Uronic acid content of wet weight

Uronic acid content of dry weight

Elastin content of wet weight

Elastin content of dry weight

Metadata 2

site

ligament_type

Alignment

Provenance & citation

Governance & integrity

Load this dataset