สืบค้นงานวิจัย
การตรวจสอบการปนเปื้อนของเชื้อราในข้าวแบบรวดเร็วและไม่ทําลายตัวอย่างโดย ใช้ Near infrared spectroscopic-Chemical imaging
อุบลรัตน์ สิริภัทราวรรณ - สำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน)
ชื่อเรื่อง: การตรวจสอบการปนเปื้อนของเชื้อราในข้าวแบบรวดเร็วและไม่ทําลายตัวอย่างโดย ใช้ Near infrared spectroscopic-Chemical imaging
ชื่อเรื่อง (EN): Rapid and non-destructive detection of fungal contamination in rice using Near infrared spectroscopic-Chemical imaging
ผู้แต่ง / หัวหน้าโครงการ: อุบลรัตน์ สิริภัทราวรรณ
หน่วยงานสังกัดผู้แต่ง:
  1. จุฬาลงกรณ์มหาวิทยาลัย
บทคัดย่อ: งานวิจัยนี้พัฒนาการตรวจสอบการปนเปื้อนของเชื้อราในข้าวแบบรวดเร็วและไม่ทำลายตัวอย่างโดยใช้ เทคนิค hyperspectral imaging (HSI) เตรียมตัวอย่างโดยเติมเชื้อรา Aspergillus ลงในข้าวกล้องและ ข้าวสาร (Oryza sativa L. cv. Khao Dawk Mali 105) และเก็บที่อุณหภูมิ 30 C ความชื้นสัมพัทธ์ 85% RH ติดตามการเปลี่ยนแปลงทางกายภาพ เคมี และจุลินทรีย์ของข้าว รวมทั้งวิเคราะห์ด้วย HSI ที่ความยาว คลื่น 400-1000 nm ระหว่างการเก็บรักษา เพื่อเก็บข้อมูลทั้งเชิงคลื่นและเชิงพื้นที่ ปรับแต่งค่า reflectance spectra โดยใช้ Savitzky-Golay filter for smoothing จากนั้นวิเคราะห์ข้อมูลโดยใช้ chemometrics ได้แก่ principal component analysis (PCA) เพื่อลดจำนวนข้อมูลและ linear discriminant analysis (LDA) เพื่อจัดกลุ่มตัวอย่างที่มีความแตกต่างกัน จากผลการวิเคราะห์ พบว่า PCA ลดจำนวนตัวแปรจาก 126 ความยาวคลื่นได้เป็น 3 PCs ซึ่งสามารถอธิบายความแปรปรวนของข้อมูลได้ 97% สำหรับข้าวกล้อง และ 99% สำหรับข้าวสาร และพบว่า LDA สามารถจัดกลุ่มข้าวที่มีการเจริญของเชื้อราที่แตกต่างกันได้ถูกต้อง 81.82 % ในข้าวกล้อง และ 81 % ในข้าวสาร การหาความสัมพันธ์ระหว่างจำนวนโคโลนีของเชื้อราและค่า reflectance ท าโดยใช้ partial least square regression (PLSR) พบว่า ให้ค่า coefficient of determination (R 2 ) = 0.97 และ 0.95 และ root mean square error of validation (RMSEV) = 0.39 และ 0.41 Log (CFU/g) สำหรับข้าวกล้องและข้าวสาร ตามลำดับ ขั้นตอนต่อมาใช้HSI ในการตรวจข้าวกล้องที่มีการปนเปื้อนเชื้อราที่ระดับต่างๆ โดยผสมข้าวที่มีการ เจริญของเชื้อรา ลงในข้าวคุณภาพดีคิดเป็นร้อยละ 0 5 10 25 50 75 และ 100 โดยน้ำหนัก ปรับแต่งค่า reflectance spectra โดยใช้normalization จากนั้นวิเคราะห์ข้อมูลโดยใช้ PCA เพื่อลดจำนวนตัวแปรจาก 126 ความยาวคลื่น ได้เป็น 2 PCs ซึ่งสามารถอธิบายความแปรปรวนของข้อมูลได้ 99% และ LDA สามารถจัดกลุ่มข้าวที่มีระดับการปนเปื้อนที่แตกต่างกันได้ถูกต้อง 94 % และพบว่าการสร้างสมการทำนาย โดยใช้ PLSR ให้ค่า R 2 = 0.96 และ RMSEV = 4.41 % w/w จากผลการวิเคราะห์จะเห็นได้ว่า HSI สามารถจำแนก ข้าว และทำนายการเจริญของเชื้อราบนข้าว และข้าวที่มีระดับการปนเปื้อนของข้าวมีเชื้อราที่ระดับแตกต่างกันได้ เทคนิคที่พัฒนาขึ้นสามารถบ่งชี้การ ปนเปื้อนของเชื้อราในข้าวได้ก่อนที่จะสังเกตเห็นการเจริญได้ด้วยตาเปล่า การใช้วิธี hyperspectral imaging ร่วมกับ chemometrics ในการติดตามการเจริญของเชื้อราในข้าวในระหว่างการเก็บรักษา และสามารถแยก ข้าวดีจากข้าวที่มีการปนเปื้อนที่ระดับต่างๆ ได้อย่างรวดเร็ว ง่ายและไม่สิ้นเปลืองแรงงานเมื่อเทียบวิธีดั้งเดิม โดยการตรวจทางจุลินทรีย์โดยใช้การนับจำนวนโคโลน
บทคัดย่อ (EN): A rapid and nondestructive method based on hyperspectral imaging (HSI) for detection of fungal contamination in rice was developed. Brown and milled rice (Oryza sativa L. cv. Khao Dawk Mali 105) were inoculated with Aspergillus and incubated at 30 C and 85% RH. All samples were analyzed on the first day of inoculation during storage using chemical and microbiological analysis, as well as hyperspectral imaging at 400-1000 nm. The hyperspectral imaging was used to collect both spectral and spatial data to obtain the multidimensional data having 126 wavelength variables. The reflectance spectra of all samples were mathematically pretreated using Savitzky-Golay filter for smoothing in order to correct effects from non-uniformity of light scattering and random noise. Chemometrics including principal component analysis (PCA) and linear discriminant analysis (LDA) were used to analyze the spectral data. The PCA was used for data reduction. The results indicated that 3 PCs could be used to explain total variance of all samples up to 97% and 99%, respectively, for brown rice and milled rice. The LDA was then used to classify the samples. The results suggested that HSI coupled with chemometrics could classify samples with and without fungal contamination with accuracy of 81.82% for brown rice and 81% for milled rice. In this study, partial least square regression (PLSR) was used to correlate fungal growth with the HSI reflectance. The results suggested that the PLSR model could accurately predict fungal growth and gave the coefficient of determination (R 2 ) = 0.97 and 0.95 and root mean square error of validation (RMSEV) of 0.39 and 0.41 Log (CFU/g) for brown rice and milled rice, respectively. In the next experiment, HSI was used to examine brown rice contaminated with different percentages (0, 5, 10, 25, 50, 75, and 100 % w/w) of fungal infected rice. The HSI reflectance spectra were pretreated using normalization before analyzed using chemometrics. PCA was used for data reduction and LDA could correctly classify different sample groups with 94% accuracy. The PLSR model was used to predict the percentage of rice contamination and the optimum model gave R 2 = 0.96 and RMSEV = 4.41 % w/w. The developed technique could also be used to indicate the fungal contamination before the fungal growth was visually observed with naked eyes. The hyperspectral imaging has been proved to be rapid, easy, and non-laborious when compared to the conventional colony counting methods.
บทคัดย่อ: ไม่พบข้อมูลจากหน่วยงานต้นทาง
ภาษา (EN): th
เผยแพร่โดย: สำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน)
คำสำคัญ: คีโมเมตริกซ์
คำสำคัญ (EN): imaging
เจ้าของลิขสิทธิ์: สำนักงานคณะกรรมการวิจัยแห่งชาติ
หากไม่พบเอกสารฉบับเต็ม (Full Text) โปรดติดต่อหน่วยงานเจ้าของข้อมูล

การอ้างอิง

อุบลรัตน์ สิริภัทราวรรณ. "การตรวจสอบการปนเปื้อนของเชื้อราในข้าวแบบรวดเร็วและไม่ทําลายตัวอย่างโดย ใช้ Near infrared spectroscopic-Chemical imagingRapid and non-destructive detection of fungal contamination in rice using Near infrared spectroscopic-Chemical imaging". สำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน) . 2558

อุบลรัตน์ สิริภัทราวรรณ. "การตรวจสอบการปนเปื้อนของเชื้อราในข้าวแบบรวดเร็วและไม่ทําลายตัวอย่างโดย ใช้ Near infrared spectroscopic-Chemical imagingRapid and non-destructive detection of fungal contamination in rice using Near infrared spectroscopic-Chemical imaging". สำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน) . 2558. Print.



TARR Wordcloud:
การตรวจสอบการปนเปื้อนของเชื้อราในข้าวแบบรวดเร็วและไม่ทําลายตัวอย่างโดย ใช้ Near infrared spectroscopic-Chemical imaging
อุบลรัตน์ สิริภัทราวรรณ
สำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน)
27 ตุลาคม 2558
การตรวจสอบการปนเปื้อนของเชื้อราในข้าวแบบรวดเร็วและไม่ทำลายตัวอย่าง โดยใช้ Near infrared spectroscopic-Chemical imaging การตรวจสอบการปนเปื้อนของเชื้อราในข้าวแบบรวดเร็วและไม่ทำลายตัวอย่างโดยใช้ Near infrared spectroscopic-Chemical imaging การตรวจสอบการปนเปื้อนของเชื้อราในข้าวแบบรวดเร็วและไม่ทำลายตัวอย่าง โดยใช้ Near infrared spectroscopic-Chemical imaging การประยุกต์ใช้ไอโซโทปเทคนิคในการศึกษาประสิทธิภาพของการใส่ปุ๋ยเพื่อการปลูก ข้าวในพื้นที่ภาคกลางของประเทศไทย การใช้ค่าวิเคราะห์ดิน ผลผลิตที่คาดหวัง และธาตุอาหารหลักในผลผลิตเพื่อกำหนดอัตราการใส่ปุ๋ยสำหรับข้าว ตำบลบ้านกร่าง อำเภอเมือง จังหวัดพิษณุโลก การคัดเลือกเชื้อจุลินทรีย์ที่สามารถควบคุมเชื้อรา ที่ปนเปื้อนบนแผ่นยางพารา การปรับใช้เทคโนโลยีเพื่อลดต้นทุนการผลิตข้าว การลดการปนเปื้อนของแคดเมียมในข้าวโดยใช้วัสดุเหลือทิ้งเป็นตัวดูดซับ การปนเปื้อนของแคดเมียมในปูจักจั่น (Ranina ranina Linn) วิทยาศาสตร์เชิงโอมิกส์เพื่อการศึกษาลักษณะการทนทานความเค็มในข้าว (Oryza sativa L.) ไทย (ปีที่ 4)
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