สืบค้นงานวิจัย
การใช้เนียร์อินฟราเรดสเปกโตรสโกปีในโปรแกรมปรับปรุงพันธุ์ข้าวโพดที่ให้น้ำมันสูง
วิเชียร กีรตินิจกาล - มหาวิทยาลัยเกษตรศาสตร์
ชื่อเรื่อง: การใช้เนียร์อินฟราเรดสเปกโตรสโกปีในโปรแกรมปรับปรุงพันธุ์ข้าวโพดที่ให้น้ำมันสูง
ชื่อเรื่อง (EN): The Application of Near Infrared Spectroscopy for High-Oil Corn Breeding Program
บทคัดย่อ: According to previous research number of ว-ท(ด)142.51, we succeed in employed near- infrared (NIR) spectroscopic techniques in the selection process of the population in the breeding program for high oil corn. It can substitute for analysis of total oil in corn by means of chemical extraction (soxhlet method) that is a time consuming method. So, time in breeding programs can be reduced. The results showed progress in the amount of oil higher. The current population SW04L-336 with averaged total oil content increased from 5.45% to 7.18% and 7.50% w/w by mass selection and full sib recurrent selection methods, respectively, and the population SW04L-337 with averaged total oil content increased from 4.38% to 6.69% and 6.79% w/w by mass selection and Full sib recurrent selection methods, respectively. In the present study, we focus to study the factors that can increase the effectiveness of an NIR equation to predict the amount of total oil in corn by studying two factors. First factor is 1) the preparation of corn for the NIR scanning. Two preparations, whole grains and ground grains are investigated. Their PLSR models were developed using the absorption NIR spectra in the region of 1200-2400 and the total oil content analyzed by chemical extraction method. From the results, PLSR model for prediction of total oil content in corn was developed from ground grains have predictive performance higher than the whole grains. The correlation coefficient (Rc) and the root mean square error of prediction (RMSEP) was 0.775 and 0.434% w/w, respectively. The second factor is 2) the appropriate number of added samples for each update prediction equation. The modified PLSR calibration models were developed from a primary PLSR model by re-model calculating for the data adding of 5%, 10%, 15% and 20% of corn samples selected from breeding program. The results show that increasing the number of samples of 15% was the most appropriate for both the models for total oil analysis in corn prepared by whole and ground samples.According to previous research number of ว-ท(ด)142.51, we succeed in employed near- infrared (NIR) spectroscopic techniques in the selection process of the population in the breeding program for high oil corn. It can substitute for analysis of total oil in corn by means of chemical extraction (soxhlet method) that is a time consuming method. So, time in breeding programs can be reduced. The results showed progress in the amount of oil higher. The current population SW04L-336 with averaged total oil content increased from 5.45% to 7.18% and 7.50% w/w by mass selection and full sib recurrent selection methods, respectively, and the population SW04L-337 with averaged total oil content increased from 4.38% to 6.69% and 6.79% w/w by mass selection and Full sib recurrent selection methods, respectively. In the present study, we focus to study the factors that can increase the effectiveness of an NIR equation to predict the amount of total oil in corn by studying two factors. First factor is 1) the preparation of corn for the NIR scanning. Two preparations, whole grains and ground grains are investigated. Their PLSR models were developed using the absorption NIR spectra in the region of 1200-2400 and the total oil content analyzed by chemical extraction method. From the results, PLSR model for prediction of total oil content in corn was developed from ground grains have predictive performance higher than the whole grains. The correlation coefficient (Rc) and the root mean square error of prediction (RMSEP) was 0.775 and 0.434% w/w, respectively. The second factor is 2) the appropriate number of added samples for each update prediction equation. The modified PLSR calibration models were developed from a primary PLSR model by re-model calculating for the data adding of 5%, 10%, 15% and 20% of corn samples selected from breeding program. The results show that increasing the number of samples of 15% was the most appropriate for both the models for total oil analysis in corn prepared by whole and ground samples.
บทคัดย่อ: ไม่พบข้อมูลจากหน่วยงานต้นทาง
ภาษา (EN): th
เผยแพร่โดย: มหาวิทยาลัยเกษตรศาสตร์
เจ้าของลิขสิทธิ์: สำนักงานคณะกรรมการวิจัยแห่งชาติ
หากไม่พบเอกสารฉบับเต็ม (Full Text) โปรดติดต่อหน่วยงานเจ้าของข้อมูล

การอ้างอิง

วิเชียร กีรตินิจกาล. "การใช้เนียร์อินฟราเรดสเปกโตรสโกปีในโปรแกรมปรับปรุงพันธุ์ข้าวโพดที่ให้น้ำมันสูงThe Application of Near Infrared Spectroscopy for High-Oil Corn Breeding Program". มหาวิทยาลัยเกษตรศาสตร์. 2553

วิเชียร กีรตินิจกาล. "การใช้เนียร์อินฟราเรดสเปกโตรสโกปีในโปรแกรมปรับปรุงพันธุ์ข้าวโพดที่ให้น้ำมันสูงThe Application of Near Infrared Spectroscopy for High-Oil Corn Breeding Program". มหาวิทยาลัยเกษตรศาสตร์. 2553. Print.



TARR Wordcloud:
การใช้เนียร์อินฟราเรดสเปกโตรสโกปีในโปรแกรมปรับปรุงพันธุ์ข้าวโพดที่ให้น้ำมันสูง
วิเชียร กีรตินิจกาล
มหาวิทยาลัยเกษตรศาสตร์
30 กันยายน 2553
การพัฒนาวิธีวิเคราะห์หาปริมาณน้ำมันทั้งหมดในเมล็ดข้าวโพดน้ำมันอย่างรวดเร็วด้วยเทคนิคเนียร์อินฟราเรดสเปกโตรสโกปีและการประยุกต์ใช้ในโปรแกรมการปรับปรุงพันธุ์ข้าวโพดน้ำมัน การทำนายส่วนประกอบทางเคมีของหญ้าแพงโกล่า ด้วยเครื่องเนียร์อินฟราเรดสเปกโตรสโกปี การใช้เทคนิคเนียร์อินฟราเรดสเปกโทรสโกปีและเครื่องหมายโมเลกุลเอสเอสอาร์ในการประเมินคุณภาพเมล็ดพันธุ์ข้าวโพดหวาน การหาปริมาณความชื้นอย่างแม่นยำสูงในข้าวสารพันธุ์ขาวดอกมะลิ 105 ด้วยเนียร์อินฟราเรดสเปกโทรสโกปี การปรับปรุงพันธุ์ปาล์มน้ำมันให้มีผลผลิตน้ำมันสูง (ระยะที่ 2) การปรับปรุงพันธุ์ปาล์มน้ำมันให้มีผลผลิตน้ำมันสูง (ระยะที่ 3) การปรับปรุงพันธุ์ข้าวโพดเพื่อการประยุกต์ใช้ในเชิงธุรกิจ การปรับปรุงพันธุ์ข้าวโพดข้าวเหนียวคุณภาพโปรตีนสูง การควบคุมคุณภาพของยางก้อนถ้วยด้วยเทคนิคเนียร์อินฟราเรดสเปกโทรสโกปี การปรับปรุงพันธุ์ข้าวโพดข้าวเหนียวและข้าวโพดเทียน
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