สืบค้นงานวิจัย
การทํานายคุณค่าทางโภชนะของพืชอาหารสัตว์วัสดุเหลือใช้และผลพลอยได้ทางการเกษตรและอุตสาหกรรมด้วยเทคนิค Near Infrared Reflectance Spectroscopy (NIRS)
จันทกานต์ อรณนันท์ - สำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน)
ชื่อเรื่อง: การทํานายคุณค่าทางโภชนะของพืชอาหารสัตว์วัสดุเหลือใช้และผลพลอยได้ทางการเกษตรและอุตสาหกรรมด้วยเทคนิค Near Infrared Reflectance Spectroscopy (NIRS)
ชื่อเรื่อง (EN): Prediction of nutrient content using Near Infrared Reflectance Spectroscopy (NIRS) in forages, crop and agro-industrial residues.
ผู้แต่ง / หัวหน้าโครงการ: จันทกานต์ อรณนันท์
ผู้แต่ง / หัวหน้าโครงการ (EN): Jantakarn Arananant
หน่วยงานสังกัดผู้แต่ง:
  1. สำนักพัฒนาอาหารสัตว์ กรมปศุสัตว์
บทคัดย่อ: การวิจัยในครั้งนี้มีวัตถุประสงค์เพื่อสร้างสมการสําหรับเครื่อง Near Infrared Reflectance Spectroscopy(NIRS) ในทํานายคุณค่าทางโภชนะ ได้แก่ ค่า Dry matter (DM) Crude protein (CP) Ether extract (EE) AshNeutral detergent fiber (NDF) Acid detergent fiber (ADF) Acid detergent lignin (ADL) Neutraldetergent fiber digestibility (NDFD) และ In vitro dry matter digestibility (IVTDMD) ในพืชอาหารสัตว์4ชนิด ได้แก่ หญ้ากินี(Megathyrsus maximus) หญ้าเนเปียร์(Cenchrus purpureus) หญ้าแพงโกลา (Digitariaeriantha) กระถิน (Leucaena leucocephala) และสมการทํานายค่า DM CP EE Ash NDF ADF และADLในต้นข้าวโพดพร้อมฝักก่อนหมัก ต้นข้าวโพดพร้อมฝักหมัก รวมทั้งวัสดุเหลือใช้และผลพลอยได้จากการเกษตรและอุตสาหกรรม จํานวน 12 ชนิด ได้แก่ กากเบียร์กากเนื้อในปาล์มสกัดน้ํามัน กากเนื้อในปาล์มอัดน้ํามันต้นข้าวโพดหวานหลังเก็บฝัก ต้นข้าวโพดหลังเก็บฝักอ่อน เปลือกฝักข้าวโพดอ่อน เปลือกฝักข้าวโพดแห้ง ซังข้าวโพดเปลือกสับปะรดป่น เปลือกสับปะรดแผ่น กากเหง้าสับปะรด และฟางข้าว ด้วยวิธีเชิงสถิต คือ PLS (Partial least squaresregression) และ MPLS (Modified Partial least squares regression) ที่มีการปรับแต่งสเปกตรัมเบื้องต้นแบบใช้และไม่ใช้SNV(Standard normal variate)-detrend ร่วมกับderivative, gap, smoothing, secondsmoothing10 ชด ได้แก่ (1,4,4,1) (2,4,4,1) (1,8,4,1) (2,8,4,1) (1,8,8,1) (2,8,8,1) (1,5,5,1) (2,5,5,1) (1,10,10,1) (2,10,10,1)ตัวอย่างในวัตถุดิบอาหารสัตว์แต่ละชนิดจะถูกแบ่งออกเป็น 2 กลุ่ม ด้วย odd-even selectionเพื่อเป็นกลุ่มcalibration set และกลุ่ม validation set เมื่อสร้างสมการเทียบมาตรฐานแล้วจะคัดเลือกสมการที่เหมาะสมที่สุดมาทําการตรวจสอบความถูกต้อง โดยพิจารณาเลือกสมการจาก ค่า Coeffcient of determination(R 2 )และค่าRatioof Performance to Deviation (RPD) ผลการทดลอง พบว่า ได้สมการเทียบมาตรฐานสําหรับทํานายค่า DM CP EE Ash NDF ADFและADLจํานวน 161 และสมการทํานายค่า NDFD และ IVTDMD จํานวน 10 สมการ รวมทั้งสิ้น 171 สมการ โดยสมการที่ได้มีค่า R 2 SEP อยู่ในช่วง 0.37-1.00 และ 0.03-4.27% ตามลําดับ และมีค่า RPD อยู่ในช่วง 1.27-26.72 ซึ่งสามารถใช้ทํานายค่า DM CP EE Ash NDF ADF และ ADL ได้ในระดับดีถึงยอดเยี่ยม (RPD ≥3) คิดเป็น 15 (65.21%) 20(83.96%) 15 (65.22%) 19 (82.60%) 18 (78.26%) 14 (60.87%) และ 14 (60.87%) สมการ จากจํานวนรายการละ 23 สมการ ตามลําดับ และเป็นสมการที่ยังต้องมีการพัฒนาต่อไป (RPD <3) สําหรับทํานายค่า DMCPEEAshNDF ADF และ ADLจํานวน 8 3 8 4 5 5 และ 9 สมการ ตามลําดับ ขณะที่สมการทํานายค่า NDFDและIVTDMDพบว่า สมการที่ทํานายค่า NDFD ในหญ้ากินีสามารถใช้ทํานายได้ในระดับดี(3≤ RPD ≤3.4) และสมการรวมหญ้า3ชนิด คือ หญ้ากินีหญ้าเนเปียร์และหญ้าแพงโกลา สามารถทํานายได้ในระดับพอใช้(2.5≤ RPD ≤2.9) ส่วนสมการทํานายค่า IVTDMD ในหญ้ากินีหญ้า 3 ชนิด และกระถิน พบว่า ทํานายได้ระดับดีมาก ดีและพอใช้ตามลําดับเมื่อประเมินศักยภาพตามมาตรฐาน ISO12099:2017 พบว่า ค่า bias SEP และ slope ผ่านมาตรฐานดังกล่าวแสดงว่าสมการเทียบมาตรฐานที่สร้างขึ้นมีความแม่นยําและมีประสิทธิภาพเพียงพอที่จะนําไปวิเคราะห์ประจําวันเพื่อทํานายคุณค่าทางโภชนะของวัตถุดิบอาหารสัตว
บทคัดย่อ (EN): The purpose of this study was to create equations for Near Infrared ReflectanceSpectroscopy (NIRS) to predict nutritional values -Dry matter (DM), Crude protein (CP), Ether extract(EE), Ash, Neutral detergent fiber (NDF), Acid detergent fiber (ADF), Acid detergent lignin(ADL), Neutral detergent fiber digestibility (NDFD) and In vitro dry matter digestibility (IVTDMD) in4typeofforages such as Napier grass(Cenchrus purpureus), , Guinea grass(Megathyrsus maximus), Pangolagrass (Digitaria eriantha) and Leuceana (Leucaena leucocephala). Moreover, to createpredictiveequations for DM, CP, EE, Ash, NDF, ADF and ADL in corn stalk (before ensilling) andcornsilageincluding of 12 crop and agro-industry residue such as brewer’s grain residue, extractedpalmkernel meal, express palm kernel meal, sweet corn stover, baby corn stover, baby cornhusk, drycorn husk, corn cob, pineapple peel, pineapple mill, pineapple stemresidue andricestraw. Calibration model were developed using PLS (Partial least squares regression) and MPLS(ModifiedPartial least squares regression with and without the SNV(Standard normal variate)-detrend. Forscatter correction, we used pre-treatments derivatives to optimized calibration model, 10setsofderivative, gap, smoothing, second smoothing (1,4,4,1) (2,4,4,1) (1,8,4,1) (2,8,4,1) (1,8,8,1) (2,8,8,1)(1,5,5,1) (2,5,5,1) (1,10,10,1) (2,10,10,1). The samples in each feed material were dividedinto2groups (calibration set groups and validation set groups) by odd-even selection. Oncethecalibration equation is created, the most suitable equation is selected for validation. by selectingthe equation from Coefficient of determination (R 2 ) and Ratio of Performance to Deviation(RPD). The result showed that 171 NIRS equations were established in this study. Amongthem, 161 equations could be used to predict DM, CP, EE, Ash, NDF, ADF and ADL, with R2 andSEPbetween 0.37 – 1.00 and RPD between 1.27 – 26.72. Each analyzed parameter consistedof 23equations, the equation that showed good to excellent level (RPD ≥3) as followed; DM15equations (65.21%), CP 20 equations (83.96%), EE 15 (65.22%), Ash 19 equations (82.60%), NDF18equations (78.26%), ADF 14 equations (60.87%) and ADL 14 equations (60.87%). Remaining 8, 3, 8, 4, 5, 5 and 9 equations for predict DM, CP, EE, Ash, NDF, ADF and ADL which showedfair topoollevel (RPD: <3) need some improvement in further. For prediction NDFD, the equationfor Guineagrass could be used to predict in good level (3≤ RPD ≤3.4) while the equation for mixed3grasses(Guinea grass, Napier grass and Pangola grass) was predicted at fair level (2.5≤ RPD ≤2.9). Moreover, the equation to predict IVTDMD in Guinea, mix 3 grasses and Leucaena showed that it could be used to predict in very good, good and fair level, respectively. All NIRS equations were usedtothepotential evaluation following to ISO12099: 2017. Result showed that bias, SEP and slopeof theseequations pass to the standard, indicating to these equations are accurate andenoughperformance for using in routine analysis of nutritive values.
บทคัดย่อ: ไม่พบข้อมูลจากหน่วยงานต้นทาง
ภาษา (EN): th
เผยแพร่โดย: สำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน)
คำสำคัญ: เทคนิค Near Infrared Reflectance Spectroscopy (NIRS)
คำสำคัญ (EN): Near Infrared Reflectance Spectroscopy (NIRS)
เจ้าของลิขสิทธิ์: สำนักพัฒนาอาหารสัตว์ กรมปศุสัตว์
หากไม่พบเอกสารฉบับเต็ม (Full Text) โปรดติดต่อหน่วยงานเจ้าของข้อมูล

การอ้างอิง

จันทกานต์ อรณนันท์. "การทํานายคุณค่าทางโภชนะของพืชอาหารสัตว์วัสดุเหลือใช้และผลพลอยได้ทางการเกษตรและอุตสาหกรรมด้วยเทคนิค Near Infrared Reflectance Spectroscopy (NIRS)Prediction of nutrient content using Near Infrared Reflectance Spectroscopy (NIRS) in forages, crop and agro-industrial residues. ". สำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน). 2563

จันทกานต์ อรณนันท์. "การทํานายคุณค่าทางโภชนะของพืชอาหารสัตว์วัสดุเหลือใช้และผลพลอยได้ทางการเกษตรและอุตสาหกรรมด้วยเทคนิค Near Infrared Reflectance Spectroscopy (NIRS)Prediction of nutrient content using Near Infrared Reflectance Spectroscopy (NIRS) in forages, crop and agro-industrial residues. ". สำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน). 2563. Print.



TARR Wordcloud:
การทํานายคุณค่าทางโภชนะของพืชอาหารสัตว์วัสดุเหลือใช้และผลพลอยได้ทางการเกษตรและอุตสาหกรรมด้วยเทคนิค Near Infrared Reflectance Spectroscopy (NIRS)
จันทกานต์ อรณนันท์
สำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน)
2563
การพัฒนาดีเอ็นเอไบโอเซนเซอร์เพื่อการตรวจหาเชื้อลิสทีเรียในผลิตภัณฑ์อาหาร การพัฒนาดีเอ็นเอไบโอเซนเซอร์เพื่อการตรวจหาเชื้อซัลโมเนลลาในผลิตภัณฑ์อาหาร การพัฒนาผลิตภัณฑ์แปรรูปข้าวอนิทรีย์ผงเพื่อเป็นส่วนผสมอาหารในอุตสาหกรรมและผลิตภัณฑ์น้ํานมข้าวอินทรีย์อัดเม็ด การคัดเลือกระยะปลูกและสายพันธุ์ถั่วลิสงที่เหมาะสมต่อการผลิตเมล็ดและต้นถั่วลิสงแห้งอาหารสัตว์บนพื้นที่นาของภาคตะวันออกเฉียงเหนือ การใช้เศษเหลือจากการผลิตลำไยเพื่อผลิตเป็นอาหารเสริมทดแทนการขาดแคลนอาหารในธรรมชาติสำหรับเลี้ยงผึ้งพันธุ์ (Apis mellifera L.) การพัฒนาระบบอาหาร (Food system) ของประเทศไทย : ระบบการผลิตสินค้าเกษตรและการแปรรูปอาหาร ระบบการจําแนกจระเข้โดยใช้ปัญญาประดิษฐ์ การวิจัยต่อยอดด้านความปลอดภัยของอาหารจากเชื้อแบคทีเรียก่อโรคอาหารเป็นพิษ: จากตลาดสู่โต๊ะอาหาร การวิจัยต่อยอดด้านความปลอดภัยของอาหารจากเชื้อแบคทีเรียก่อโรคอาหารเป็นพิษ: จากตลาดสู่โต๊ะอาหาร2 การวิจัยต่อยอดด้านความปลอดภัยของอาหารจากเชื้อแบคทีเรียก่อโรคอาหารเป็นพิษ: จากตลาดสู่โต๊ะอาหาร (ปีที่ 3)
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