การคัดแยกความสดและทำนายคุณภาพของข้าวโพดหวานแบบไม่ทำลายโดยใช้เทคนิคการวิเคราะห์พหุตัวแปรทางไฟฟ้า : รายงานการวิจัยฉบับสมบูรณ์

Non-destructive freshness classification and quality prediction of sweet corn using multivariate analysis of electrical variables

Name: สนธิสุข ธีระชัยชยุติ

Email : sontisuk.te@kmitl.ac.th

ThaSH: ข้าวโพดหวาน -- คุณภาพ -- วิจัย

ThaSH: ข้าวโพดหวาน -- พยากรณ์ -- วิจัย

ThaSH: การวิเคราะห์ตัวแปรพหุ -- วิจัย

Abstract: ข้าวโพดหวานพันธุ์อินทรี 2 เป็นพืชเศรษฐกิจที่สําคัญของประเทศ อีกทั้งยังสามารถแปรรูปออกมาเป็น ผลิตภัณฑ์ได้อีกหลายชนิด แต่ในปัจจุบันพบว่ายังมีปัญหาในการคัดแยกคุณภาพและมาตรฐานที่แน่นอน การทดลองนี้อาศัยการพิจารณาคุณสมบัติภายนอกและทางเคมีเพื่อสร้างสมการทํานายค่าของแข็งทั้งหมดที่ละลายได้ (TSS) ค่าเปอร์เซ็นความชื้นในอาหาร (moisture content) และค่าความแน่นเนื้อ (texture) โดยพิจารณาจากคุณสมบัติทางไฟฟ้าที่ความถี่ต่างๆ (0.012, 0.05, 0.1, 0.5, 1, 5 ,10, 50, 100 และ 200 kHz) ได้แก่ capacitance, inductance, impedance, resistance primary, resistance secondary, dissipation factor, quality factor และ phase angle และพิจารณาคุณสมบัติทางกายภาพ ได้แก่ ค่าความหนาแน่น, ค่า chroma, ค่า GMD และค่าการดูดกลืนแสงของข้าวโพดหวาน เพื่อนํามาวิเคราะห์จากข้อมูลทางสถิติที่ได้ทําการทดลองในห้องปฏิบัติการ โดยใช้วิธีกําลังสองน้อยที่สุดบางส่วน (partial least squares regression, PLSR) ทําการวิเคราะห์ข้อมูลโดยใช้ข้าวโพดหวานนับจากเก็บเกี่ยวข่าวโพดหวานได้ 6 ชั่วโมง และหาค่าทางไฟฟ้ารวมถึงค่าทางกายภาพอื่นๆ ทุก 6 ชั่วโมง เป็นเวลา 36 ชั่วโมง เพื่อสร้างสมการที่ทํานายผลดีที่สุดโดยพบว่าตัวแปรอิสระที่เหมาะสมที่สร้างสมการได้แม่นยําที่สุดคือค่าทางไฟฟ้าและค่าทางกายภาพ ซึ่งสามารถสร้างสมการทํานายค่าของแข็งทั้งหมดที่ละลายได้ (TSS) ของข้าวโพดหวานมีเปลือก เมื่อพิจารณาจากค่า R2 สามารถทํานายตัวแปรได้ 0.868, สร้างสมการทํานายค่าของแข็งทั้งหมดที่ละลายได้ (TSS) ของข้าวโพดหวานไม่มีเปลือก เมื่อพิจารณาจากค่า R2 สามารถทํานายตัวแปรได้ 0.972, สร้างสมการทํานาย texture ของข้าวโพดหวานมีเปลือก เมื่อพิจารณาจากค่า R2 สูงสุดสามารถทํานายตัวแปรได้ 0.750, สร้างสมการทํานาย texture ของข้าวโพดหวานไม่มีเปลือก เมื่อพิจารณาจากค่า R2 สูงสุดสามารถทํานายตัวแปรได้ 0.961, สร้างสมการทํานายค่าเปอร์เซ็นความชื้นในอาหาร เมื่อพิจารณาจากค่า R2 สูงสุดสามารถทํานายตัวแปรได้ 0.530 และจากการทํานายความสด ไม่สด พิจารณาจากคุณสมบัติทางไฟฟ้าและคุณสมบัติทางกายภาพ โดยวิธี partial least squares discriminant analysis (PLS-DA) เพื่อทํานายตัวแปรตาม ได้แก่ ความสด (0=สด, เวลาหลังการเก็บเกี่ยวน้อยกว่าหรือเท่ากับ 24 ชั่วโมง และ 1=ไม่สด, เวลาหลังการเก็บเกี่ยวมากกว่า 24 ชั่วโมง) ผลการทดลองแสดงให้เห็นว่าข้าวโพดหวานมีเปลือกของกลุ่มสดสามารถทํานายได้ถูกต้อง 100% กลุ่มไม่สดสามารถทํานายได้ถูกต้อง 68.75% รวมทั้งสองกลุ่มสามารถทํานายได้ถูกต้อง 89.58% และข้าวโพดหวานไม่มีเปลือกของกลุ่มสดสามารถทํานายได้ถูกต้อง 90.63% กลุ่มไม่สดสามารถทํานายได้ถูกต้อง 87.5% รวมทั้สองกลุ่มสามารถทํานายได้ถูกต้อง 89.58% ค่าที่ทํานายได้ถูกต้องมีค่ามากสามารถทํานายได้ อย่างแม่นยํา แสดงว่าการทํานายมีความผิดพลาดน้อยและมีความน่าเชื่อถือ

Abstract: Sweet corn (cultivar “Incee2”) is an important crop in Thailand. It can be processed to many kinds of products. The current problem is the method for sorting under an exacting standard. This experiment aimed to use the external features and chemical equations to predict the total soluble solid (TSS), the percentage of moisture and Texture. By considering electrical properties at various frequencies (0.012, 0.05, 0.1, 0.5, 1, 5, 10, 50, 100 and 200 KHz), it such as capacitance, inductance, impedance, resistance primary, resistance secondary, dissipation factor, quality factor, phase angle and the physical properties such as density, chroma, GMD and absorbance by photo sensor of sweet corn. Partial least squares regression (PLSR) was used to develop the calibration models. Samples were measured after harvest in every 6 hour. Independent variables were considered for establishment the models. The equation for total soluble solid (TSS) and texture of sweet corn with husk obtained R2 = 0.868, 0.750 by cross-validation, respectively. The equation for the total soluble solid (TSS), texture, moisture content (MC) of sweet corn without husk obtained R2 = 0.972, 0.961 and 0.530 by cross-validation, respectively. The results showed that the qualities of the sweet corn could be predicted by using the models from multivariate technique. Prediction of fresh or not fresh was considering electrical properties and physical properties. The partial least squares discriminant analysis (PLS-DA) was used to classify the freshness (0 = fresh, after harvesting time was less or equal than 24 hours and 1 = not fresh, after harvesting time was more than 24 hours). The classification models were developed and tested by cross validation. The results shows accuracy of classification for fresh sweet corn with husk obtained 100% and for unfresh sweet corn with husk obtained 68.75%. Total accuracy was 89.58%. The accuracy of classification for fresh sweet corn without husk obtained 90.63% and for unfresh sweet corn without husk obtained 87.5%. Total accuracy was 89.58%.

สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: Lifelong@kmitl.ac.th

Name: สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง. คณะอุตสาหกรรมเกษตร

Role: ผู้ให้ทุน

Created: 2561

Modified: 2564-08-11

Issued: 2564-08-11

งานวิจัย/Research report

application/pdf

tha

©copyrights สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	Fulltext RC00254.pdf	10.03 MB	2	2025-07-14 13:11:54

ใช้เวลา

0.030403 วินาที