สืบค้นงานวิจัย
การพัฒนาวิธีวิเคราะห์หาปริมาณน้ำมันทั้งหมดในเมล็ดข้าวโพดน้ำมันอย่างรวดเร็วด้วยเทคนิคเนียร์อินฟราเรดสเปกโตรสโกปีและการประยุกต์ใช้ในโปรแกรมการปรับปรุงพันธุ์ข้าวโพดน้ำมัน
วิเชียร กีรตินิจกาล - มหาวิทยาลัยเกษตรศาสตร์
ชื่อเรื่อง: การพัฒนาวิธีวิเคราะห์หาปริมาณน้ำมันทั้งหมดในเมล็ดข้าวโพดน้ำมันอย่างรวดเร็วด้วยเทคนิคเนียร์อินฟราเรดสเปกโตรสโกปีและการประยุกต์ใช้ในโปรแกรมการปรับปรุงพันธุ์ข้าวโพดน้ำมัน
ชื่อเรื่อง (EN): Development of Rapid Quantitative Method for Determination of Total Oil Content in Oil Corn Seed by Using Near Infrared Spectrosopy and Its Application for Breeding Program of Oil Corn
บทคัดย่อ: งานวิจัยนี้เป็นการนำเทคนิค near infrared (NIR) spectroscopy ร่วมกับวิธีทางสถิติ partial least squares regression (PLSR) มาใช้สร้างสมการเพื่อทำนายปริมาณน้ำมันทั้งหมดในเมล็ดข้าวโพดและประยุกต์ใช้สมการในขั้นตอนการคัดเลือกประชากรในโครงการปรับปรุงพันธุ์ข้าวโพดน้ำมันสูงเพื่อทดแทนวิธีการสกัดด้วยสารเคมี (soxhlet extraction) เริ่มจากสร้างสมการเบื้องต้นจากตัวอย่างข้าวโพด 102 ตัวอย่าง นำตัวอย่างมาวัดค่าการดูดกลืนแสง NIR ในช่วง 1200–2400 nm แล้วนำไปหาปริมาณน้ำมันด้วยวิธีการสกัดด้วยสารเคมีซึ่งเป็นวิธีมาตรฐาน พบว่าตัวอย่างมีช่วงปริมาณน้ำมันตั้งแต่ 2.18-10.82 %w/w โดยสมการเบื้องต้นที่มีประสิทธิภาพสูงสุดสร้างจากสเปกตรัมที่ถูกปรับแต่งด้วยวิธีอนุพันธ์อันดับที่ (1st derivative) ให้ค่าความคลาดเคลื่อนจากการทำนาย (RMSECV) เท่ากับ 0.6810 %w/w ซึ่งต่ำที่สุด จากนั้นนำสมการเบื้องต้นไปใช้ทำนายปริมาณน้ำมันในข้าวโพด 800 ตัวอย่าง จาก 4 โปรแกรมการปรับปรุงพันธุ์ที่มี Suwan04L-336 และ Suwan04L-337 เป็นประชากรเริ่มต้น คัดเลือกข้าวโพดโปรแกรมละ 20 ตัวอย่าง นำไปหาปริมาณน้ำมันด้วยวิธีมาตรฐาน แล้วนำข้อมูลปริมาณน้ำมันและค่าการดูดกลืนแสง NIR เพิ่มเข้าไปในสมการเบื้องต้น เพื่อปรับปรุงสมการในทุกรอบของโปรแกรมการปรับปรุงพันธุ์ โดยแต่ละครั้งนำสมการที่ดีที่สุดไปใช้ทำนายปริมาณน้ำมันทั้งหมดในเมล็ดข้าวโพดจากโปรแกรมการปรับปรุงพันธุ์ในฤดูถัดไป ผลทางสถิติของสมการปรับปรุงครั้งที่ 1, 2 และ 3 มีค่าความคลาดเคลื่อนจากการทำนาย คือ 0.6052, 0.5785 และ 0.5667 % w/w ตามลำดับ แสดงให้เห็นว่าการพัฒนาสมการปรับปรุงครั้งที่ 3 มีความแม่นยำในการทำนายสูงสุด เนื่องจากมีการปรับปรุงสมการอย่างต่อเนื่อง นอกจากนี้ยังทำการศึกษาพัฒนาสมการโดยการใช้วิธีการคัดเลือกช่วงความยาวคลื่น (wavelength selection method) ที่เรียกว่า Moving Window Partial Least Squares Regression (MWPLSR) มาใช้ร่วมกับเทคนิค NIR เป็นการคำนวณหาช่วงคลื่นที่มีความสัมพันธ์กับค่าปริมาณน้ำมันทั้งหมดในเมล็ดเพื่อใช้สร้างสมการทำนายปริมาณน้ำมัน พบว่า สมการที่ดีที่สุดสร้างด้วยสเปกตรัมที่ปรับแต่งด้วยวิธี 1st derivative และใช้ความยาวคลื่นในช่วง 1200-1440 นาโนเมตร ให้ค่า RMSECV ต่ำที่สุด คือ 0.5921 %w/w และเมื่อตรวจสอบความแม่นยำของสมการที่สร้างขึ้นด้วยกลุ่มตรวจสอบความถูกต้อง (validation set) ซึ่งเป็นประชากรข้าวโพดจากโครงการปรับปรุงพันธุ์ในรอบการคัดเลือกที่ 0, 1 และ 2 ที่ปลูกในรอบการทดสอบผลผลิต (yield trial) พบว่า สมการที่ใช้ความยาวคลื่นที่คัดเลือกจาก MWPLSR ให้ค่า RMSEP เท่ากับ 0.3610 %w/w และ bias เท่ากับ -0.0162 ซึ่งต่ำกว่าสมการที่ใช้ความยาวคลื่นตลอดทั้งช่วง ดังนั้นสมการที่ใช้ความยาวคลื่นที่คัดเลือกจากวิธี MWPLSR จึงความเหมาะสมในการทำนายมากกว่า แต่เมื่อนำสมการดังกล่าวไปใช้ทำนายปริมาณน้ำมันทั้งหมดในเมล็ดข้าวโพดกลุ่มตัวอย่างอื่นนอกเหนือจากโครงการปรับปรุงพันธุ์ พบว่า ให้ค่า RMSEP และ ค่า bias สูงขึ้น เป็น 0.9147 %w/w และ 0.3220 ตามลำดับ แสดงว่าเมื่อนำสมการที่สร้างขึ้นมาใช้ทำนายปริมาณน้ำมันทั้งหมดในเมล็ดข้าวโพดที่มีฐานพันธุกรรมแตกต่างกันประสิทธิภาพในการทำนายจะลดลง สมการนี้จึงเหมาะสมที่จะใช้ทำนายตัวอย่างข้าวโพดที่มีช่วงความแปรปรวนเหมือนกับกลุ่มตัวอย่างที่นำมาใช้สร้างสมการ เช่น ฐานพันธุกรรม ลักษณะ ปริมาณน้ำมันทั้งหมดและความชื้น เป็นต้นงานวิจัยนี้เป็นการนำเทคนิค near infrared (NIR) spectroscopy ร่วมกับวิธีทางสถิติ partial least squares regression (PLSR) มาใช้สร้างสมการเพื่อทำนายปริมาณน้ำมันทั้งหมดในเมล็ดข้าวโพดและประยุกต์ใช้สมการในขั้นตอนการคัดเลือกประชากรในโครงการปรับปรุงพันธุ์ข้าวโพดน้ำมันสูงเพื่อทดแทนวิธีการสกัดด้วยสารเคมี (soxhlet extraction) เริ่มจากสร้างสมการเบื้องต้นจากตัวอย่างข้าวโพด 102 ตัวอย่าง นำตัวอย่างมาวัดค่าการดูดกลืนแสง NIR ในช่วง 1200–2400 nm แล้วนำไปหาปริมาณน้ำมันด้วยวิธีการสกัดด้วยสารเคมีซึ่งเป็นวิธีมาตรฐาน พบว่าตัวอย่างมีช่วงปริมาณน้ำมันตั้งแต่ 2.18-10.82 %w/w โดยสมการเบื้องต้นที่มีประสิทธิภาพสูงสุดสร้างจากสเปกตรัมที่ถูกปรับแต่งด้วยวิธีอนุพันธ์อันดับที่ (1st derivative) ให้ค่าความคลาดเคลื่อนจากการทำนาย (RMSECV) เท่ากับ 0.6810 %w/w ซึ่งต่ำที่สุด จากนั้นนำสมการเบื้องต้นไปใช้ทำนายปริมาณน้ำมันในข้าวโพด 800 ตัวอย่าง จาก 4 โปรแกรมการปรับปรุงพันธุ์ที่มี Suwan04L-336 และ Suwan04L-337 เป็นประชากรเริ่มต้น คัดเลือกข้าวโพดโปรแกรมละ 20 ตัวอย่าง นำไปหาปริมาณน้ำมันด้วยวิธีมาตรฐาน แล้วนำข้อมูลปริมาณน้ำมันและค่าการดูดกลืนแสง NIR เพิ่มเข้าไปในสมการเบื้องต้น เพื่อปรับปรุงสมการในทุกรอบของโปรแกรมการปรับปรุงพันธุ์ โดยแต่ละครั้งนำสมการที่ดีที่สุดไปใช้ทำนายปริมาณน้ำมันทั้งหมดในเมล็ดข้าวโพดจากโปรแกรมการปรับปรุงพันธุ์ในฤดูถัดไป ผลทางสถิติของสมการปรับปรุงครั้งที่ 1, 2 และ 3 มีค่าความคลาดเคลื่อนจากการทำนาย คือ 0.6052, 0.5785 และ 0.5667 % w/w ตามลำดับ แสดงให้เห็นว่าการพัฒนาสมการปรับปรุงครั้งที่ 3 มีความแม่นยำในการทำนายสูงสุด เนื่องจากมีการปรับปรุงสมการอย่างต่อเนื่อง นอกจากนี้ยังทำการศึกษาพัฒนาสมการโดยการใช้วิธีการคัดเลือกช่วงความยาวคลื่น (wavelength selection method) ที่เรียกว่า Moving Window Partial Least Squares Regression (MWPLSR) มาใช้ร่วมกับเทคนิค NIR เป็นการคำนวณหาช่วงคลื่นที่มีความสัมพันธ์กับค่าปริมาณน้ำมันทั้งหมดในเมล็ดเพื่อใช้สร้างสมการทำนายปริมาณน้ำมัน พบว่า สมการที่ดีที่สุดสร้างด้วยสเปกตรัมที่ปรับแต่งด้วยวิธี 1st derivative และใช้ความยาวคลื่นในช่วง 1200-1440 นาโนเมตร ให้ค่า RMSECV ต่ำที่สุด คือ 0.5921 %w/w และเมื่อตรวจสอบความแม่นยำของสมการที่สร้างขึ้นด้วยกลุ่มตรวจสอบความถูกต้อง (validation set) ซึ่งเป็นประชากรข้าวโพดจากโครงการปรับปรุงพันธุ์ในรอบการคัดเลือกที่ 0, 1 และ 2 ที่ปลูกในรอบการทดสอบผลผลิต (yield trial) พบว่า สมการที่ใช้ความยาวคลื่นที่คัดเลือกจาก MWPLSR ให้ค่า RMSEP เท่ากับ 0.3610 %w/w และ bias เท่ากับ -0.0162 ซึ่งต่ำกว่าสมการที่ใช้ความยาวคลื่นตลอดทั้งช่วง ดังนั้นสมการที่ใช้ความยาวคลื่นที่คัดเลือกจากวิธี MWPLSR จึงความเหมาะสมในการทำนายมากกว่า แต่เมื่อนำสมการดังกล่าวไปใช้ทำนายปริมาณน้ำมันทั้งหมดในเมล็ดข้าวโพดกลุ่มตัวอย่างอื่นนอกเหนือจากโครงการปรับปรุงพันธุ์ พบว่า ให้ค่า RMSEP และ ค่า bias สูงขึ้น เป็น 0.9147 %w/w และ 0.3220 ตามลำดับ แสดงว่าเมื่อนำสมการที่สร้างขึ้นมาใช้ทำนายปริมาณน้ำมันทั้งหมดในเมล็ดข้าวโพดที่มีฐานพันธุกรรมแตกต่างกันประสิทธิภาพในการทำนายจะลดลง สมการนี้จึงเหมาะสมที่จะใช้ทำนายตัวอย่างข้าวโพดที่มีช่วงความแปรปรวนเหมือนกับกลุ่มตัวอย่างที่นำมาใช้สร้างสมการ เช่น ฐานพันธุกรรม ลักษณะ ปริมาณน้ำมันทั้งหมดและความชื้น เป็นต้น
บทคัดย่อ (EN): This study is to develop the calibration model for determine of total oil content in corn seeds by using near infrared (NIR) spectroscopic technique in combination with the partial least squares regression (PLSR) method and to apply the optimized model as a criterion to evaluate corn population in breeding program for high oil. Pre-calibration model was developed from 102 corn samples. The NIR spectra were collected in the region of 1200 to 2400 nm and the total oil content was determined by soxhlet extraction as reference method. The range of total oil content in 102 corn samples is 2.1792–10.8233 % w/w. The optimized pre-calibration model was built by the use of first derivative pretreated NIR spectra. It showed the lowest root mean square error of cross-validation; RMSECV of 0.6810 %w/w. Subsequently, this pre-calibration model was employed to predict the total oil content in corn seeds from 4 breeding programs, in which Suwan04L-336 and Suwan04L-337 were used as base populations. From the NIR prediction results of total oil content, 20 corn samples of each breeding program were selected for re-calculation of the next calibration model. The pre-calibration model was re-calculated by adding NIR spectral and total oil content data of 20 corn samples of each program, in which the pre-calibration model was updated following 1st, 2nd and 3rd re-calibration models, respectively. The RMSECV of 1st, 2nd and 3rd re-calibration models were 0.6052, 0.5785 and 0.5667 % w/w, respectively. By continue re-calibration procress, the 3rd calibration model yielded the best statistic performance for prediction of total oil content in corn. Moreover, we applied a wavelength selection method named Moving window partial least squares regression (MWPLSR) to select the informative region for building the high performance calibration model for prediction of total oil content in corn. The best MWPLSR calibration model developed from 1st derivative pretreated NIR spectra in the region of 1200-1440 nm which provided the lowest RMSECV of 0.5921 %w/w. The MWPLSR calibration model was evaluated by using a validation set which is a corn population from breeding program in yield trail season. The RMSEP and bias of MWPLSR calibration model were 0.3676 %w/w and -0.0162, respectively, which were lower results than those obtained from the 3rd re-calibration model. We also tried to use this model for prediction oil content in a validation set which is different corn variety. The results showed that the RMSEP and bias values became higher of 0.9147 %w/w and 0.3220, respectively. Therefore, to obtain high predictive performance, this calibration model is suggested to apply to sample within the variations of those used in the calibration (i.e. genetic, type, total oil range and moisture)This study is to develop the calibration model for determine of total oil content in corn seeds by using near infrared (NIR) spectroscopic technique in combination with the partial least squares regression (PLSR) method and to apply the optimized model as a criterion to evaluate corn population in breeding program for high oil. Pre-calibration model was developed from 102 corn samples. The NIR spectra were collected in the region of 1200 to 2400 nm and the total oil content was determined by soxhlet extraction as reference method. The range of total oil content in 102 corn samples is 2.1792–10.8233 % w/w. The optimized pre-calibration model was built by the use of first derivative pretreated NIR spectra. It showed the lowest root mean square error of cross-validation; RMSECV of 0.6810 %w/w. Subsequently, this pre-calibration model was employed to predict the total oil content in corn seeds from 4 breeding programs, in which Suwan04L-336 and Suwan04L-337 were used as base populations. From the NIR prediction results of total oil content, 20 corn samples of each breeding program were selected for re-calculation of the next calibration model. The pre-calibration model was re-calculated by adding NIR spectral and total oil content data of 20 corn samples of each program, in which the pre-calibration model was updated following 1st, 2nd and 3rd re-calibration models, respectively. The RMSECV of 1st, 2nd and 3rd re-calibration models were 0.6052, 0.5785 and 0.5667 % w/w, respectively. By continue re-calibration procress, the 3rd calibration model yielded the best statistic performance for prediction of total oil content in corn. Moreover, we applied a wavelength selection method named Moving window partial least squares regression (MWPLSR) to select the informative region for building the high performance calibration model for prediction of total oil content in corn. The best MWPLSR calibration model developed from 1st derivative pretreated NIR spectra in the region of 1200-1440 nm which provided the lowest RMSECV of 0.5921 %w/w. The MWPLSR calibration model was evaluated by using a validation set which is a corn population from breeding program in yield trail season. The RMSEP and bias of MWPLSR calibration model were 0.3676 %w/w and -0.0162, respectively, which were lower results than those obtained from the 3rd re-calibration model. We also tried to use this model for prediction oil content in a validation set which is different corn variety. The results showed that the RMSEP and bias values became higher of 0.9147 %w/w and 0.3220, respectively. Therefore, to obtain high predictive performance, this calibration model is suggested to apply to sample within the variations of those used in the calibration (i.e. genetic, type, total oil range and moisture)
บทคัดย่อ: ไม่พบข้อมูลจากหน่วยงานต้นทาง
ภาษา (EN): th
เผยแพร่โดย: มหาวิทยาลัยเกษตรศาสตร์
เจ้าของลิขสิทธิ์: สำนักงานคณะกรรมการวิจัยแห่งชาติ
หากไม่พบเอกสารฉบับเต็ม (Full Text) โปรดติดต่อหน่วยงานเจ้าของข้อมูล

การอ้างอิง

วิเชียร กีรตินิจกาล. "การพัฒนาวิธีวิเคราะห์หาปริมาณน้ำมันทั้งหมดในเมล็ดข้าวโพดน้ำมันอย่างรวดเร็วด้วยเทคนิคเนียร์อินฟราเรดสเปกโตรสโกปีและการประยุกต์ใช้ในโปรแกรมการปรับปรุงพันธุ์ข้าวโพดน้ำมันDevelopment of Rapid Quantitative Method for Determination of Total Oil Content in Oil Corn Seed by Using Near Infrared Spectrosopy and Its Application for Breeding Program of Oil Corn". มหาวิทยาลัยเกษตรศาสตร์. 2552

วิเชียร กีรตินิจกาล. "การพัฒนาวิธีวิเคราะห์หาปริมาณน้ำมันทั้งหมดในเมล็ดข้าวโพดน้ำมันอย่างรวดเร็วด้วยเทคนิคเนียร์อินฟราเรดสเปกโตรสโกปีและการประยุกต์ใช้ในโปรแกรมการปรับปรุงพันธุ์ข้าวโพดน้ำมันDevelopment of Rapid Quantitative Method for Determination of Total Oil Content in Oil Corn Seed by Using Near Infrared Spectrosopy and Its Application for Breeding Program of Oil Corn". มหาวิทยาลัยเกษตรศาสตร์. 2552. Print.



TARR Wordcloud:
การพัฒนาวิธีวิเคราะห์หาปริมาณน้ำมันทั้งหมดในเมล็ดข้าวโพดน้ำมันอย่างรวดเร็วด้วยเทคนิคเนียร์อินฟราเรดสเปกโตรสโกปีและการประยุกต์ใช้ในโปรแกรมการปรับปรุงพันธุ์ข้าวโพดน้ำมัน
วิเชียร กีรตินิจกาล
มหาวิทยาลัยเกษตรศาสตร์
30 กันยายน 2552
การใช้เนียร์อินฟราเรดสเปกโตรสโกปีในโปรแกรมปรับปรุงพันธุ์ข้าวโพดที่ให้น้ำมันสูง การปรับปรุงคุณภาพของน้ำมันมะพร้าวด้วยน้ำมันจากเมล็ดมะม่วง การปรับปรุงพันธุ์ปาล์มน้ำมันให้มีผลผลิตน้ำมันสูง (ระยะที่ 3) การปรับปรุงพันธุ์ปาล์มน้ำมันให้มีผลผลิตน้ำมันสูง (ระยะที่ 2) การใช้เทคนิคเนียร์อินฟราเรดสเปกโทรสโกปีและเครื่องหมายโมเลกุลเอสเอสอาร์ในการประเมินคุณภาพเมล็ดพันธุ์ข้าวโพดหวาน การศึกษาเทคนิคการวัดเปอร์เซ็นต์น้ำมันปาล์มในทะลายปาล์มน้ำมันอย่างรวดเร็วโดยใช้ความสัมพันธ์ของเปอร์เซ็นต์น้ำมันกับค่าทางไฟฟ้า การศึกษาเทคนิคการวัดเปอร์เซ็นต์น้ำมันปาล์มในทะลายปาล์มน้ำมันอย่างรวดเร็วโดยใช้ความสัมพันธ์ของเปอร์เซ็นต์น้ำมันกับค่าทางไฟฟ้า การใช้น้ำมันเมล็ดในมะม่วงเพื่อรักษาคุณภาพของน้ำมันปาล์มที่ใช้ทอดปาท่องโก๋ การปรับปรุงพันธุ์สบู่ดำเพื่อเพิ่มผลผลิตเมล็ดและปริมาณน้ำมันโดยการใช้เครื่องหมายโมเลกุล การปรับปรุงพันธุ์ข้าวโพดเพื่อการประยุกต์ใช้ในเชิงธุรกิจ
คัดลอก URL
กระทู้ของฉัน
ผลการสืบค้นทั้งหมด โพสต์     เรียงลำดับจาก
พัฒนาระบบโดยศูนย์ความรู้เฉพาะด้านวิศวกรรมความรู้และวิศวกรรมภาษาDeveloped by Center of Excellence for Unified Knowledge and Language Engineering
สนับสนุนโดยสำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน)Supported by the Agricultural Research Development Agency (Public Organization)
แบบสำรวจความพึงพอใจQuestionair