Evaluation of different models for non-destructive detection of Profenofos residue

การประเมินแบบจำลองสำหรับการตรวจจับสารตกค้างของ Profenofos แบบไม่ทำลายโครงสร้าง

Name: Wahyu Nurkholis Hadi Syahputra

LCSH: Pesticides

ThaSH: Agricultural chemicals

LCSH: Artificial intelligence

MeSH: Hyperspectral imaging

MeSH: Spectral imaging

LCSH: Photography -- Digital techniques

Abstract: Pesticides are widely used in agricultural practices to protect crops from pests and diseases. However, their usage can also pose a risk to human health and the environment, especially when their residues remain in food products. Therefore, the development of accurate and efficient detection methods for pesticide residues is crucial for food safety. The aim of this study was to investigate the effectiveness of an artificial intelligence approach utilizing a machine learning algorithm to detect the presence of profenofos residue in samples using hyperspectral imaging-based image processing. Hyperspectral imaging is a non-destructive method that can rapidly acquire spectral information over a wide range of wavelengths, providing a unique spectral signature for each sample. A portable UV-VIS-NIR spectrometer was utilized to measure treated filter papers and the reflectance values of the sample were analyzed at specific wavelengths. Six machine learning algorithms were evaluated. The inputs used in the ANN model were RGB values and intensity of the tested samples. The results showed that ANN was the most accurate algorithm, with 74.4% accuracy in 64 MP camera, 69.9% in 32 MP camera and 66.7% in 13 MP camera. Additionally, the study found that a higher camera resolution, such as 64 MP, produced better processing results due to its ability to capture more detailed images. Overall, this research highlights the potential of machine learning and hyperspectral imaging for the detection of pesticide residues in food products.

Abstract: สารกำจัดศัตรูพืช (Pesticides) นิยมใช้กันอย่างแพร่หลายในการปฏิบัติทางการเกษตรเพื่อป้องกันพืชผลจากศัตรูและโรคพืช อย่างไรก็ตามการใช้สารกำจัดศัตรูพืชอาจก่อให้เกิดผลเสียต่อสุขภาพของมนุษย์และสิ่งแวดล้อมโดยเฉพาะอย่างยิ่งเมื่อสารเคมีตกค้างอยู่ในผลิตภัณฑ์อาหาร ดังนั้นการพัฒนาวิธีการตรวจจับสารเคมีตกค้างที่แม่นยำและมีประสิทธิภาพจึงมีความสำคัญอย่างยิ่งต่อความปลอดภัยของอาหาร ในการศึกษาครั้งนี้จึงมีวัตถุประสงค์เพื่อตรวจสอบประสิทธิภาพของวิธีการทางปัญญาประดิษฐ์ (Artificial intelligence) โดยใช้อัลกอริธึมการเรียนรู้ของเครื่องเพื่อตรวจวัดสารตกค้างของ profenofos ในตัวอย่าง โดยใช้วิธีการประมวลผลภาพแบบไฮเปอร์สเปกตรัม ซึ่งเป็นวิธีการวิเคราะห์สารตกค้างในตัวอย่างโดยไม่จำเป็นต้องทำลายโครงสร้างของตัวอย่าง และยังเป็นวิธีการที่สามารถรับข้อมูลสเปกตรัมในช่วงความยาวคลื่นที่หลากหลายได้อย่างรวดเร็ว ทำให้ได้ลายเซ็นสเปกตรัมที่ไม่ซ้ำกันของแต่ละตัวอย่าง การวัดค่าของกระดาษกรองที่ผ่านการพ่นสาร และค่าการสะท้อนของตัวอย่างที่ความยาวคลื่นเฉพาะโดยใช้สเปกโตรมิเตอร์ UV-VIS-NIR แบบพกพา จากผลการประเมินอัลกอริทึมการเรียนรู้ของเครื่อง 6 อัลกอริทึม แสดงให้เห็นว่า ANN เป็นอัลกอริทึมที่แม่นยำที่สุด โดยมีความแม่นยำ เท่ากับ 74.4% ในกล้องความละเอียด 64 MP 69.9% ในกล้องความละเอียด 32 MP และ 66.7% ในกล้องความละเอียด 13 MP ซึ่งปัจจัยต่าง ๆ ที่ใช้ในแบบจำลอง ANN ได้แก่ ค่า RGB และความเข้มของตัวอย่างที่ทดสอบ นอกจากนี้จากการศึกษา ยังพบว่า ถ้าความละเอียดของกล้องเพิ่มสูงขึ้น เช่น 64 MP การประมวลผลที่ได้ก็จะดีขึ้นตามไปด้วย เนื่องจากความสามารถในการจับภาพมีรายละเอียดมากขึ้น โดยรวมแล้วงานวิจัยนี้เป็นการเน้นให้เห็นถึงศักยภาพของการเรียนรู้ของเครื่องและการถ่ายภาพไฮเปอร์สเปกตรัมสำหรับการตรวจจับยาฆ่าแมลงที่ตกค้างในผลิตภัณฑ์อาหาร

Chiang Mai University. Library

Address: CHIANG MAI

Email: cmulibref@cmu.ac.th

Name: Chatchawan Chaichana

Role: Advisor

Created: 2023

Modified: 2024-01-12

Issued: 2023-11-30

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Master of Engineering

Level: Master's Degree

Descipline: Agricultural Engineering

Grantor: Chiang Mai University

©copyrights Chiang Mai University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	640631112.pdf	1.65 MB	12	2026-05-26 18:16:01

ใช้เวลา

0.029385 วินาที