Please use this identifier to cite or link to this item: http://cuir.car.chula.ac.th/handle/123456789/50849
Title: การประยุกต์เนียร์อินฟราเรดสเปกโทรสโกปีเพื่อการตรวจวัดการปนเปื้อนของราและอะฟลาทอกซินบี 1 ในข้าวกล้อง
Other Titles: APPLICATION OF NEAR INFRARED SPECTROSCOPY FOR DETERMINATION OF FUNGAL AND AFLATOXIN B1 CONTAMINATION IN BROWN RICE
Authors: ชลธิชา สีเหนี่ยง
Advisors: ชีวานันท์ เดชอุปการ ศิริสมบูรณ์
ปานมนัส ศิริสมบูรณ์
Other author: จุฬาลงกรณ์มหาวิทยาลัย. คณะวิทยาศาสตร์
Advisor's Email: Cheewanun.D@chula.ac.th,Cheewanun.D@chula.ac.th
kspanman@kmitt.ac.th
Issue Date: 2558
Publisher: จุฬาลงกรณ์มหาวิทยาลัย
Abstract: งานวิจัยนี้มีวัตถุประสงค์เพื่อประยุกต์ใช้เนียร์อินฟราเรดสเปกโทรสโกปีในการตรวจสอบปริมาณความชื้น การปนเปื้อนของราที่มีความสามารถผลิตอะฟลาทอกซินบี 1 และอะฟลาทอกซินบี 1 ในข้าวกล้อง แบบจำลองเพื่อทำนายปริมาณความชื้นและการปนเปื้อนของรา สร้างโดยหาความสัมพันธ์ระหว่างข้อมูลทางห้องปฏิบัติการของตัวอย่างข้าวกล้อง (ค่าเปอร์เซ็นต์ความชื้น ค่าเปอร์เซ็นต์การติดเชื้อของราทั้งหมด และค่าเปอร์เซ็นต์การติดเชื้อของราสกุล Aspergillus โคโลนีสีเขียวอมเหลือง) และข้อมูลเชิงแสงที่ได้จากการสแกนตัวอย่างข้าวกล้องด้วยเครื่องฟูเรียร์ทรานสฟอร์มเนียร์อินฟราเรดสเปกโตรมิเตอร์ โดยวิธีการถดถอยกำลังสองน้อยที่สุดบางส่วน (Partial Least Square Regression, PLSR) แบบจำลองที่ดีที่สุดสำหรับทำนายปริมาณความชื้นในตัวอย่างเมล็ดข้าวกล้อง สร้างจากเส้นสเปกตรัมที่มีการจัดการเบื้องต้นด้วยวิธีการปรับลบโดยเส้นตรง (straight line subtraction) ให้ค่าสัมประสิทธิ์การตัดสินใจ (coefficient of determination, R2) เท่ากับ 0.93 ค่ารากที่สองของความผิดพลาดเฉลี่ยยกกำลังสองของกลุ่มทดสอบแบบจำลอง (root mean square error of prediction, RMSEP) เท่ากับ 0.205 เปอร์เซ็นต์ และค่าความผิดพลาดเฉลี่ยในการทำนาย (bias) เท่ากับ 0.0219 เปอร์เซ็นต์ แบบจำลองทำนายปริมาณการปนเปื้อนของราทั้งหมดที่สร้างจากเส้นสเปกตรัมที่มีการจัดการเบื้องต้นด้วยวิธีการแปลงค่าอนุพันธุ์อันดับที่หนึ่ง ทุกๆ 17 จุดร่วมกับการปรับลบโดยเส้นตรง (first derivative + straight line subtraction (17 Pts.)) ของตัวอย่างข้าวกล้องที่มีการปนเปื้อนราตามธรรมชาติ ให้ผลการทำนายดีที่สุด (R2 = 0.63, RMSEP = 5.66 เปอร์เซ็นต์, bias = 1.81 เปอร์เซ็นต์) แบบจำลองทำนายปริมาณการปนเปื้อนของราสกุล Aspergillus โคโลนีสีเขียวอมเหลืองที่สร้างจากเส้นสเปกตรัมที่มีการจัดการเบื้องต้นด้วยวิธีการแปลงค่าอนุพันธุ์อันดับที่หนึ่ง ทุกๆ 17 จุด (first derivative (17 Pts.)) ของตัวอย่างข้าวกล้องที่ปนเปื้อนราตามธรรมชาติและถูกทำให้ปนเปื้อน เป็นแบบจำลองที่ให้ผลการทำนายดีที่สุด (R2 = 0.67, RMSEP = 18.4 เปอร์เซ็นต์, bias = -0.431 เปอร์เซ็นต์) สำหรับแบบจำลองเพื่อทำนายปริมาณการปนเปื้อนของอะฟลาทอกซินบี 1 ในตัวอย่างข้าวกล้อง สร้างจากความสัมพันธ์ของค่าความเข้มข้นของอะฟลาทอกซินบี 1 ในตัวอย่างข้าวกล้องที่วิเคราะห์ทางห้องปฏิบัติการ และข้อมูลเชิงแสงที่ได้จากการสแกนตัวอย่างข้าวกล้องที่ผ่านการเตรียมตัวอย่าง 3 แบบ (เมล็ดข้าวกล้องทั้งเมล็ด เมล็ดข้าวกล้องที่บดแล้ว และสารสกัดหยาบเมล็ดข้าวกล้อง) แบบจำลองที่ดีที่สุดได้จากการใช้ตัวอย่างเมล็ดข้าวกล้องทั้งเมล็ดและสร้างแบบจำลองโดยใช้เส้นสเปกตรัมที่มีการจัดการเบื้องต้นด้วยวิธีการแปลงค่าอนุพันธุ์อันดับที่หนึ่ง ทุกๆ 17 จุด (R2 = 0.94, RMSEP = 0.921 ไมโครกรัมต่อกิโลกรัม, bias = -0.181 ไมโครกรัมต่อกิโลกรัม) สำหรับแบบจำลองเพื่อการวิเคราะห์เชิงคุณภาพ แบบจำลองเพื่อการแบ่งกลุ่มที่สร้างด้วยวิธี Partial Least Square Discriminant Analysis (PLS-DA) ให้ค่าเปอร์เซ็นต์การแบ่งกลุ่มถูกต้องโดยรวมสูงกว่าวิธี Soft Independent Modeling of Class Analog (SIMCA) โดยผลการทำนายการแบ่งกลุ่มของค่าเปอร์เซ็นต์การติดเชื้อของราทั้งหมด การแบ่งกลุ่มตัวอย่างที่มีและไม่มีการปนเปื้อนของราสกุล Aspergillus โคโลนีสีเขียวอม และการแบ่งกลุ่มตามปริมาณการปนเปื้อนของอะฟลาทอกซินบี 1 ในตัวอย่างข้าวกล้อง ให้ค่าเปอร์เซ็นต์การแบ่งกลุ่มถูกต้องโดยรวมที่สูงที่สุด เท่ากับ 78.98, 86.36 และ 85.31 เปอร์เซ็นต์ ตามลำดับ
Other Abstract: The objective of this research was to apply near infrared spectroscopy (NIRS) for the determination of moisture content, aflatoxigenic fungal and aflatoxin B1 contaminations in brown rice. Models for predicting moisture content and fungal contamination were developed from the relationship between the laboratory data of brown rice samples (percentage of moisture content, percentage of total fungal infection and percentage of yellow-green Aspergillus infection) and the optical data obtained from brown rice sample scanning with Fourier Transform-Near infrared spectrometer (FT-NIR) by using Partial Least Square Regression (PLSR). The best model for predicting moisture content in brown rice was developed from NIR spectra pretreated by the straight line subtraction. The model gave the coefficient of determination (R2) of 0.93, a root mean square error of prediction (RMSEP) of 0.205% and a bias of 0.0219%. The model for predicting total fungal contamination developed from pretreated spectra by the first derivative (17 Pts.) and straight line subtraction of naturally contaminated brown rice samples provided the greatest prediction (R2 = 0.63, RMSEP = 5.66%, bias = 1.81%). The most predictive model for predicting yellow-green Aspergillus contamination was generated using the first derivative (17 Pts.) pretreated spectra from naturally and artificially contaminated brown rice samples (R2 = 0.67, RMSEP = 18.4%, bias = -0.431%). The model for predicting aflatoxin B1 contamination in brown rice was developed from the relationship between aflatoxin B1 concentrations in brown rice and optical data obtained by NIR scanning of brown rice samples prepared by 3 different sample preparations (whole brown rice grains, grounded brown rice grains and crude extract of brown rice grains). The best model was developed from the first derivative (17 Pts.) pretreated spectra of whole brown rice grains (R2 = 0.94, RMSEP = 0.921 µg/kg, bias = -0.181 µg/kg). For qualitative analysis, the classification models developed from Partial Least Square Discriminant Analysis (PLS-DA), provided a higher percentage of overall correct classification than Soft Independent Modeling of Class Analog (SIMCA). The model to classify brown rice samples according to the percentage of total fungal infection, yellow-green Aspergillus contamination and aflatoxin B1 contamination provided the highest percentage of overall correct classification of 78.98, 86.36 and 85.31%, respectively.
Description: วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2558
Degree Name: วิทยาศาสตรมหาบัณฑิต
Degree Level: ปริญญาโท
Degree Discipline: จุลชีววิทยาและเทคโนโลยีจุลินทรีย์
URI: http://cuir.car.chula.ac.th/handle/123456789/50849
Type: Thesis
Appears in Collections:Sci - Theses

Files in This Item:
File Description SizeFormat 
5671941123.pdf5.61 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.