การวิเคราะห์เชิงปริมาณและเชิงคุณภาพในผลิตภัณฑ์คุกกี้ปราศจากกลูเตน โดยใช้เทคนิคสเปกโตรสโกปีย่านใกล้อินฟราเรด

Quantitative and qualitative analysis of gluten-free cookies by near-infrared spectroscopy

Name: ลัฐิกา วิมลศิริ

ThaSH: มหาวิทยาลัยเกษตรศาสตร์ -- วิทยานิพนธ์. วท.ม. (พัฒนาผลิตภัณฑ์อุตสาหกรรมเกษตร) 2560

Classification :.LCCS: TX547.2.I53

ThaSH: มหาวิทยาลัยเกษตรศาสตร์. สาขาพัฒนาผลิตภัณฑ์อุตสาหกรรมเกษตร -- วิทยานิพนธ์

ThaSH: คุกกี้ -- การวิเคราะห์

ThaSH: เนียร์อินฟราเรดสเปกโทรสโกปี

ThaSH: กลูเตน

Abstract: งานวิจัยนี้มีวัตถุประสงค์เพื่อประเมินความสามารถของเทคนิคสเปกโตรสโกปีย่านใกล้อินฟราเรด (NIR) ในการทํานายองค์ประกอบทางเคมี และตรวจสอบการปนเปื้อนกลูเตนในคุกกี้แป้งข้าวปราศจากกลูเตน โดยใช้วิธีการนําเสนอตัวอย่างที่แตกต่างกัน (ตัวอย่างแบบทั้งชิ้น และแบบบด) ใช้ตัวอย่างคุกกี้ ทั้งหมด 96 ตัวอย่าง โดยแบ่งเป็นคุกกี้ปราศจากกลูเตน (48 ตัวอย่าง)และคุกกี้มีกลูเตน (48 ตัวอย่าง) ผลิตได้จากแป้งข้าวกล้อง และข้าวขาวจากข้าว 2 สายพันธุ์ (พันธุ์ขาวดอกมะลิ 105 และ กข 31) ซึ่งมีการแทนที่เนยด้วยเวย์โปรตีนเข้มข้นที่ระดับแตกต่างกัน (100:0, 85:15, 70:30 และ55:45) วัดค่าการดูดกลืนแสงสเปกตรัม NIR แบบสะท้อนแสง โดยใช้การเตรียมตัวอย่างทั้งสองแบบ (ตัวอย่างแบบทั้งชิ้น และแบบบด) ที่ช่วงความยาวคลื่น 1100 ถึง 2500 nm และตรวจสอบปริมาณความชื้น ไขมัน โปรตีน และกลูเตน ของตัวอย่าง โดยวิธีแบบดั้งเดิม สร้างสมการแคลิเบรชันสําหรับปริมาณความชื้น ไขมัน โปรตีน และกลูเตน โดยใช้เทคนิค Partial least squares (PLS) regression ร่วมกับวิธีการปรับแต่งสเปกตรัม เพื่อทํานายองค์ประกอบทางเคมีในคุกกี้ ผลการทดลองพบว่า สมการ PLS ที่ได้จากสเปกตรัม NIR ของตัวอย่างแบบบดมีความสามารถในการทํานายปริมาณความชื้น ไขมัน โปรตีน และกลูเตนได้อย่างดีเยี่ยม โดยมีค่า Correlation coefficients (R) เท่ากับ 0.999, 0.986, 0.989 และ 0.960 และ ค่า Ratio of prediction to deviation (RPD) เท่ากับ 29.26, 4.48, 8.41 และ 3.77 ตามลําดับ นอกจากนี้ ค่า R และ RPD ที่ได้จากสเปกตรัม NIR ของตัวอย่างแบบทั้งชิ้นมีความถูกต้องในการทํานายปริมาณความชื้น (0.999, 7.92), ไขมัน (0.995, 4.40), โปรตีน (0.996, 5.14) และกลูเตน (0.996, 3.10) เช่นเดียวกัน ในการตรวจสอบการปนเปื้อนกลูเตนในคุกกี้ ได้สร้างสมการสําหรับการจําแนกกลุ่ม โดยใช้เทคนิคที่แตกต่างกัน 3 วิธี คือ วิธี Partial least squares-discriminant analysis (PLS-DA), Principal component-linear discriminant analysis (PC-LDA) และ Principal component-artificial neural networks (PC-ANN) ร่วมกับวิธีการปรับแต่งสเปกตรัม ผลการทดลองพบว่า ค่าความถูกต้องของการจําแนกกลุ่ม (%) ของสมการ PLS-DA ทั้งในตัวอย่างแบบบดและแบบทั้งชิ้น สามารถจําแนกได้ถูกต้อง 100% โดยไม่ต้องมีการปรับแต่งสเปกตรัม ผลจากงานวิจัยนี้แสดงให้เห็นว่าเทคนิค NIR เป็นวิธีที่มีความรวดเร็ว ง่าย และมีความถูกต้องในการตรวจสอบองค์ประกอบทางเคมี (ปริมาณ ความชื้น, ไขมัน, โปรตีน และกลูเตน) และสามารถตรวจสอบการปนเปื้อนกลูเตนในคุกี้แป้งข้าวปราศจากกลูเตนได้ The objectiveof this study was to evaluate the ability of near-infrared (NIR) spectroscopy to predict chemical composition and detect the gluten adulteration in gluten-free rice cookies presented in different forms (intact and milled samples). A total of ninety-six rice cookies, gluten-free cookies (n=48) and gluten cookies (n=48), were formulated with brown and white rice flours of two rice cultivars (Khao Dawk Mali 105 and RD31) in which butter was substituted with whey protein concentrated at different ratios (100:0, 85:15, 70:30, and 55:45). NIR spectra of two types of sample presentation forms (intact and milled samples) in reflectance mode at wavelength ranging from 1100 to 2500 nm were collected and then moisture, fat,protein and gluten content of samples were determined by traditional methods. In order to predict the chemical composition in cookies, NIR calibration models for moisture, fat, protein and gluten content were established individually by Partial least squares (PLS) regression with data pretreatment methods. The results indicated that PLS models developed from NIR spectra of milled samples had an excellent ability to predict moisture, fat, protein and gluten with correlation coefficients (R) of 0.999, 0.986, 0.989 and 0.960, and ratio of prediction to deviation (RPD) value of 29.26, 4.48, 8.41 and 3.77, respectively. In addition, the obtained R and RPD indicated that PLS models developed from NIR spectra of intact samples had a reasonable accuracy in predicting moisture (0.999, 7.92), fat (0.995, 4.40), protein (0.996, 5.14) and gluten (0.996, 3.10), respectively. In order to detect the gluten adulteration in cookies, three difference methods such as the Partial least squares-discriminant analysis (PLS-DA), Principal component-linear discriminant analysis (PC-LDA) and Principal component-artificial neural networks (PC-ANN) with data pretreatment methods wereused to develop the classification model. The results showed that the corrective classification rates (%) of PLS-DA models for milled and intact samples were 100% in both cases without pretreatment methods. The results indicated that NIR spectroscopy offers a fast, simple and accurate method to determine chemical composition (moisture, fat, protein and gluten content) and to detect the gluten adulteration in gluten-free rice cookies.

มหาวิทยาลัยเกษตรศาสตร์. สำนักหอสมุด

Address: กรุงเทพมหานคร

Email: tdckulib@ku.ac.th

Name: ปิติพร ฤทธิเรืองเดช

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์หลัก

Name: นันทวัน เทอดไทย

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์ร่วม

Name: ศุมาพร เกษมสำราญ

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์ร่วม

Name: วศะพร จันทร์พุฒ

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์ร่วม

Created: 2560

Modified: 2566-05-09

Issued: 2566-05-09

วิทยานิพนธ์/Thesis

application/pdf

URL: https://kasetsart.idm.oclc.org/login?url=https://www.lib.ku.ac.th/KUthesis/2560/latthika-wim-all.pdf

CallNumber: TX547.2.I53.ล113

tha

DegreeName: วิทยาศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: พัฒนาผลิตภัณฑ์อุตสาหกรรมเกษตร

Grantor: มหาวิทยาลัยเกษตรศาสตร์

©copyrights มหาวิทยาลัยเกษตรศาสตร์

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	latthika-wim-all.pdf	146.98 MB	2	2025-05-11 17:10:42

ใช้เวลา

0.037797 วินาที