วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2558

งานวิจัยนี้มีจุดประสงค์เพื่อปรับปรุงสมรรถนะของเนียร์อินฟราเรดสเปกโทรสโกปีในการตรวจหาราและอะฟลาทอกซินรวมในข้าวกล้องโดยการปรับภาวะของตัวอย่าง และเพื่อตรวจสอบการเจริญของ Aspergillus flavus บนเมล็ดข้าวกล้องโดยใช้เนียร์อินฟราเรดสเปกโทรสโกปี ตัวอย่างข้าวกล้องที่ไม่ได้ปรับความชื้นและปรับความชื้นเท่ากับ 14 และ 18 เปอร์เซ็นต์ ทั้งที่มีการปนเปื้อนของราตามธรรมชาติและที่ถูกทำให้ปนเปื้อนด้วย A. flavus ถูกจัดเป็น 6 ชุดตัวอย่างเพื่อใช้สร้างแบบจำลองการวิเคราะห์เชิงปริมาณเพื่อทำนายค่าเปอร์เซ็นต์การติดเชื้อของราทั้งหมด ราสกุล Aspergillus โคโลนีสีเขียวอมเหลือง และปริมาณอะฟลาทอกซินรวม แบบจำลองถูกสร้างโดยใช้วิธีการถดถอยกำลังสองน้อยที่สุดบางส่วน (partial least square regression, PLSR) จากความสัมพันธ์ระหว่างข้อมูลทางห้องปฏิบัติการ (ค่าเปอร์เซ็นต์การติดเชื้อของรา และปริมาณอะฟลาทอกซินรวม) และข้อมูลเชิงแสง (สเปกตรัม) ที่ได้จากการสแกนตัวอย่างด้วยคลื่นเนียร์อินฟราเรด แบบจำลองที่ทำนายค่าเปอร์เซ็นต์การติดเชื้อของราทั้งหมดได้ดีที่สุดสร้างจากตัวอย่างชุดที่ 6 (ตัวอย่างทั้งหมด) โดยใช้สเปกตรัมที่ผ่านการจัดการด้วยวิธีการลบโดยเส้นตรง (straight line subtraction) ให้ค่าสัมประสิทธิ์การตัดสินใจ (coefficient of determination, R2) ค่ารากที่สองของความผิดพลาดเฉลี่ยยกกำลังสองของการทำนาย (root mean square error of prediction, RMSEP) อัตราส่วนระหว่างค่า SD ต่อ SEP (ratio of standard deviation to standard error of prediction, RPD) และค่าความผิดพลาดในการทำนาย (bias) เท่ากับ 0.92, 3.17 เปอร์เซ็นต์, 3.59 และ 0.03 เปอร์เซ็นต์ ตามลำดับ แบบจำลองที่ดีที่สุดในการทำนายค่าเปอร์เซ็นต์การติดเชื้อของราสกุล Aspergillus โคโลนีสีเขียวอมเหลืองสร้างจากสเปกตรัมผ่านการจัดการด้วยวิธีการปรับแก้การกระเจิงแบบผลคูณ (multiplicative scatter correction; MSC) ของตัวอย่างชุดที่ 4 (ตัวอย่างที่ถูกทำให้ปนเปื้อนด้วยราและปรับความชื้นเป็น 14 และ 18 เปอร์เซ็นต์) (R2 = 0.84, ค่ารากที่สองของความผิดพลาดเฉลี่ยยกกำลังสองของการพิสูจน์แบบไขว้ (root mean square error of cross validation, RMSECV) = 6.57 เปอร์เซ็นต์, RPD = 2.53 และ bias = -0.15 เปอร์เซ็นต์) และแบบจำลองที่ดีที่สุดในการทำนายปริมาณอะฟลาทอกซินรวมสร้างจากสเปกตรัมที่ผ่านการจัดการด้วยวิธีการปรับความแปรปรวนให้เป็นมาตรฐาน (vector normalization; SNV) ของตัวอย่างชุดที่ 6 (ตัวอย่างทั้งหมด) (R2 = 0.93, RMSEP = 188.00 ไมโครกรัมต่อกิโลกรัม, RPD = 3.77 และ bias = 21.20 ไมโครกรัมต่อกิโลกรัม) ผลการสร้างแบบจำลองเพื่อการวิเคราะห์เชิงคุณภาพ พบว่า แบบจำลองเพื่อการแบ่งกลุ่มการปนเปื้อนของราทั้งหมดที่สร้างจากวิธี partial least square-discriminant analysis (PLS-DA) ให้ผลการทำนายแม่นยำที่สุดด้วยค่าเปอร์เซ็นต์การแบ่งกลุ่มถูกต้องโดยรวม เท่ากับ 97.18 เปอร์เซ็นต์ สำหรับแบบจำลองเพื่อการวิเคราะห์เชิงคุณภาพเพื่อแบ่งกลุ่มข้าวเมล็ดเดี่ยวที่มีและไม่มีราเจริญที่สร้างจากวิธี PLS-DA มีค่าเปอร์เซ็นต์การแบ่งกลุ่มถูกต้องโดยรวมสูงสุด เท่ากับ 93.75 เปอร์เซ็นต์ และแบบจำลองเพื่อการแบ่งกลุ่มข้าวเมล็ดเดี่ยวที่มีและไม่มีการปนเปื้อนของอะฟลาทอกซินบี 1 จากวิธี PLS-DA มีค่าเปอร์เซ็นต์การแบ่งกลุ่มถูกต้องโดยรวมสูงสุด เท่ากับ 98.15 เปอร์เซ็นต์ งานวิจัยนี้แสดงให้เห็นว่าความหลากหลายและการกระจายของข้อมูลในตัวอย่างเป็นปัจจัยสำคัญต่อสมรรถนะของแบบจำลองเนียร์อินฟราเรดสเปกโทรสโกปี