Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/82854
Title: | Use of near-infrared spectroscopy for analysis of mixed rice bran and parboiled rice bran |
Other Titles: | การใช้สเปกโทรสโกปีแบบอินฟราเรดย่านใกล้สำหรับการวิเคราะห์รำข้าวผสมรำข้าวนึ่ง |
Authors: | Wirongrong Maksawasd |
Advisors: | Jirarat Anuntagool |
Other author: | Chulalongkorn University. Faculty of Sciences |
Issue Date: | 2017 |
Publisher: | Chulalongkorn University |
Abstract: | Both rice bran and parboiled rice bran can be used for rice bran oil production. Parboiled rice is more desirable than rice bran due to its higher oil content and lower acid value compared to rice bran, hence higher price. The difference in price of raw materials may motivate suppliers to mix raw rice bran in parboiled rice bran. As a result, rice bran oil manufacturers frequently come across parboiled rice bran samples that have higher acid value and lower oil content. Currently, Near Infrared Spectroscopy (NIR) is widely used in rice bran oil production plant as a rapid and non-destructive method to analyze food components. At present, there are separate NIR databases for rice bran and parboiled rice bran. None of these two database can be used to accurately read or analyze the properties of mixed rice bran. Therefore, this research aimed to develop the NIR database of mixed rice bran. The research recruited 10 lots of rice bran and parboiled rice bran from the mills in Chai Nat, Phichit, Nakhon Sawan, Phitsanulok, Kamphaengphet and Nakhon Pathom. The mixed rice brans were prepared by mixing rice bran and parboiled rice bran in the 0: 10 to 10: 0 ratio. The properties of mixed rice bran were determined by using NIR spectroscopy, analyses of chemical composition and physical properties, e.g. the content of moisture, protein, fat, crude fiber, phytic acid, acid value, bulk density (tapped), bulk density (untapped), and color (whiteness index). The result showed that parboiled rice has higher protein and crude fiber content than rice bran, whereas rice bran had higher moisture content, acid value, phytic acid, whiteness index, and bulk density (p <0.05). Measurement of NIRS properties of the samples was carried out in the range of 12,500 cm-1 - 3,600 cm-1 in diffuse reflection mode. The relationship between NIR spectrum and chemical - physical properties of the samples were done by using Partial least square (PLS) regression, with the sample data for calibration, internal validation, and external validation of 165, 55, and 60, respectively. The results showed that raw NIR spectral data could be used to correlate with fat content and bulk density (tapped) with the coefficient of determination (R2) of 0.98 and 0.91, respectively, and root mean square error (RMSE) of 0.36 and 0.01, respectively. Moisture content, fiber, and whiteness index were correlated well with the pretreated spectra using normalization method with an R2 of 0.91, 0.91, and 0.91, and RMSE of 0.13, 0.36, and 0.48, respectively. Acid value and bulk density (untapped) were correlated with the pretreated spectra using baseline method with an R2 of 0.94 and 0.92, and RMSE of 1.53 and 0.01, respectively. Protein and phytic acid were correlated with the pretreated spectra using smoothing moving average and smoothing median filter method, respectively, with an R2 of 0.92 and 0.96, and RMSE of 0.20 and 0.15, respectively. Internal validation showed that moisture content, protein, fat, fiber, phytic acid, acid value, bulk density (tapped), bulk density (untapped), and whiteness index could be predicted using NIRS readings with an R2 of 0.87 to 0.97, where the R2 for bulk density (tapped) prediction was the lowest (0.87) and the R2 for fat prediction was the highest (0.97). Further confirmation using external validation samples showed that NIRS could be used to predict the properties of mixed rice bran in the descending order for R2; fat content (0.97), phytic acid (0.89), bulk density tapped (0.87), fiber content (0.86), whiteness index (0.80), protein content (0.78), and bulk density untapped (0.75). |
Other Abstract: | การผลิตน้ำมันรำข้าวสามารถใช้รำข้าวนึ่งหรือรำข้าวดิบ โดยรำข้าวนึ่งมีสมบัติที่เป็นที่ต้องการมากกว่ารำข้าวดิบ เนื่องจากมีปริมาณน้ำมันสูงและมีค่ากรดต่ำกว่า จึงทำให้รำข้าวนึ่งมีราคาสูงกว่า จากความแตกต่างด้านราคาของวัตถุดิบอาจเป็นเหตุจูงใจให้ผู้จำหน่ายวัตถุดิบผสมรำข้าวดิบในรำข้าวนึ่ง ส่งผลให้วัตถุดิบมีค่ากรดสูงและมีปริมาณน้ำมันที่สกัดได้น้อยกว่าที่ควรจะเป็น ในปัจจุบันมีการใช้เทคนิค Near Infrared Spectroscopy (NIR) ในการวิเคราะห์องค์ประกอบของอาหาร ซึ่งสามารถวิเคราะห์ได้อย่างแม่นยำ รวดเร็ว ไม่ใช้สารเคมี และไม่ทำลายตัวอย่าง ในปัจจุบันมีฐานข้อมูล NIR ของรำข้าวดิบและรำข้าวนึ่งแยกกัน งานวิจัยนี้จึงสนใจที่จะพัฒนาฐานข้อมูล NIR ของรำข้าวผสม โดยตัวอย่างที่ใช้ในการวิจัยเป็นรำข้าวผสมระหว่างรำข้าวดิบและรำข้าวนึ่งที่แปรสัดส่วนรำข้าวดิบ: รำข้าวนึ่ง 11 สัดส่วน ตั้งแต่ 0: 10 จนถึง 10: 0 จำนวน 10 ล็อต จากโรงสีในเขตพื้นที่จังหวัดชัยนาท พิจิตร นครสวรรค์ พิษณุโลก กำแพงเพชร และนครปฐม ตรวจวัดสมบัติของรำข้าวผสมโดยการใช้ NIR และศึกษาองค์ประกอบทางเคมี ได้แก่ ปริมาณความชื้น โปรตีน ไขมัน เส้นใยหยาบ กรดไฟติก ค่ากรด ความหนาแน่นรวมทั้งแบบเคาะและไม่เคาะ และค่าสี (ค่าดัชนีสีขาว) จากการศึกษาพบว่า รำข้าวนึ่งมีปริมาณไขมัน โปรตีน และเส้นใยหยาบสูงกว่ารำข้าวดิบ ในขณะที่ปริมาณความชื้น ค่ากรด กรดไฟติก ค่าดัชนีสีขาวและค่าความหนาแน่นรวมในรำข้าวดิบมีปริมาณสูงกว่าอย่างมีนัยสำคัญ (p<0.05) และการติดตามสัดส่วนของรำดิบและรำนึ่ง พบว่าทุกพารามิเตอร์สามารถใช้เป็นตัวชี้วัดสัดส่วนของรำดิบและรำนึ่งได้ดี การวัดสมบัติ NIRS ของตัวอย่างใช้ข้อมูลการสะท้อนกลับในช่วงเลขคลื่น 12,500 cm-1 – 3,600 cm-1 และสร้างความสัมพันธ์ระหว่าง NIR spectrum กับสมบัติทางเคมีและกายภาพ โดยใช้ Partial least square (PLS) regression สร้างสมการสอบเทียบ ตรวจสอบสมการแบบใช้ชุดข้อมูลเดิม และแบบใช้ชุดข้อมูลภายนอกโดยใช้ตัวอย่างจำนวน 165, 55 และ 60 ตัวอย่าง ตามลำดับ ผลการศึกษาแสดงให้เห็นว่าสามารถใช้ข้อมูล Raw NIR spectrum ในการสร้างความสัมพันธ์กับปริมาณไขมันและค่าความหนาแน่นรวมแบบเคาะ ได้สมการทำนายที่มีค่า Coefficient of determination (R2) เท่ากับ 0.98 และ 0.91 ตามลำดับ มีค่า Root mean square error (RMSE) เท่ากับ 0.36 และ 0.01 ตามลำดับ ความชื้น เส้นใยหยาบ และค่าสี (ดัชนีสีขาว) มีความสัมพันธ์กับข้อมูลสเปกตรัมที่แปลงด้วยวิธี Normalization ได้สมการที่ใช้ทำนายที่มีค่า R2 เท่ากับ 0.91 0.91 และ 0.91 ตามลำดับ มีค่า RMSE เท่ากับ 0.13 0.36 และ 0.48 ตามลำดับ ค่ากรดและค่าความหนาแน่นรวมแบบไม่เคาะมีความสัมพันธ์กับข้อมูลสเปกตรัมที่แปลงด้วยวิธี Baseline ซึ่งได้สมการที่ใช้ทำนายที่มีค่า R2 เท่ากับ 0.94 และ 0.92 ตามลำดับ มีค่า RMSE เท่ากับ 1.53 และ 0.01 ตามลำดับ ในขณะที่โปรตีนและกรดไฟติกมีความสัมพันธ์กับข้อมูลสเปกตรัมที่แปลงด้วยวิธี Smoothing moving average และ smoothing median filter ตามลำดับ ได้สมการที่ใช้ทำนายที่มีค่า R2 เท่ากับ 0.92 และ 0.96 ตามลำดับ มีค่า RMSE เท่ากับ 0.20 และ 0.15 ตามลำดับ จากนั้นทดสอบความใช้ได้ของสมการแบบใช้ข้อมูลชุดเดิม (internal validation) พบว่าการใช้ข้อมูล NIR สามารถทำนายปริมาณความชื้น โปรตีน ไขมัน เส้นใยหยาบ กรดไฟติก ค่ากรด ค่าความหนาแน่นรวมทั้งแบบเคาะและไม่เคาะ และค่าดัชนีสีขาวได้ดี โดยมีค่า R2 ในช่วง 0.87 – 0.97 โดยการทำนายค่าความหนาแน่นรวมแบบเคาะมีค่า R2 ต่ำที่สุด (0.87) ส่วนการทำนายปริมาณไขมันให้ค่า R2 สูงที่สุด (0.97) และจากการทดสอบความใช้ได้ของสมการแบบใช้ข้อมูลชุดภายนอก (external validation) พบว่าการใช้ข้อมูล NIR สามารถทำนายปริมาณไขมันได้ดีที่สุด รองลงมาคือ กรดไฟติก ค่าความหนาแน่นรวมแบบเคาะ เส้นใยหยาบ ค่าสี (ดัชนีสีขาว) โปรตีน และค่าความหนาแน่นรวมแบบไม่เคาะ ตามลำดับ ซึ่ง R2 เท่ากับ 0.97, 0.89, 0.87, 0.86, 0.80, 0.78 และ 0.75 ตามลำดับ |
Description: | Thesis (M.Sc.)--Chulalongkorn University, 2017 |
Degree Name: | Master of Science |
Degree Level: | Master's Degree |
Degree Discipline: | Food Technology |
URI: | https://cuir.car.chula.ac.th/handle/123456789/82854 |
URI: | http://doi.org/10.58837/CHULA.THE.2017.263 |
metadata.dc.identifier.DOI: | 10.58837/CHULA.THE.2017.263 |
Type: | Thesis |
Appears in Collections: | Sci - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
5772288323.pdf | 4.38 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.