การตรวจสอบอาการเนื้อโพรงในผลมะม่วงพันธุ์น้ำดอกไม้สีทองด้วยเนียร์อินฟราเรดสเปกโทรสโกปี

Examination of spongy tissue in 'Namdokmai Sithong' mango fruit by near-infrared spectroscopy

Name: จุฑามาส สงวนทรัพย์

ThaSH: มะม่วง -- พันธุ์น้ำดอกไม้

ThaSH: มะม่วง -- การปลูก

ThaSH: มะม่วง -- โรคและศัตรูพืช

ThaSH: เนียร์อินฟราเรดสเปกโทรสโกปี

Abstract: มะม่วงพันธุ์น้ำดอกไม้สีทองมีลักษณะเป็นที่ต้องการของผู้บริโภคต่างประเทศ จึงมีการผลิตและส่งออกปริมาณมาก โดยการส่งออกมะม่วงสดมักพบปัญหาผลผลิตไม่ได้คุณภาพ อายุการเก็บรักษาสั้น และปัจจัยที่ทำให้เกิดความเสียหายอื่น ๆ โดยสาเหตุหนึ่งที่ทำให้มะม่วงมีคุณภาพต่ำ คือ อาการเนื้อโพรง (spongy tissue) ซึ่งเป็นความผิดปกติทางสรีรวิทยาที่ไม่สามารถมองเห็นได้จากภายนอก ซึ่งส่งผลต่อคุณภาพของผลมะม่วง มูลค่าทางเศรษฐกิจ และความเชื่อมั่นของผู้บริโภค ในปัจจุบันมีการใช้เทคนิคเนียร์อินฟราเรดสเปกโทรสโกปี (near infrared spectroscopy, NIRS) ประเมินคุณภาพผลิตผลแบบไม่ทำลายตัวอย่าง (nondestructive testing) โดยใช้ตรวจสอบความผิดปกติที่เกิดขึ้นภายในผลิตผลทางการเกษตรหลายชนิด งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อใช้เทคนิคเนียร์อินฟราเรดสเปกโทรสโกปีในการตรวจสอบอาการเนื้อโพรงของผลมะม่วงพันธุ์น้ำดอกไม้สีทอง การใช้ NIRS ช่วงสเปกตรัมเลขคลื่น 12500 - 4000 cm-1 ในการสร้างแบบจำลองด้วยวิธี stepwise discriminant analysis (SDA) การถดถอยเชิงเส้นส่วนต่างกำลังสองที่น้อยที่สุดบางส่วน partial least square regression: PLSR) และโครงข่ายประสาทเทียม (artificial neural networks: ANN) เพื่อตรวจสอบอาการเนื้อโพรงในผลมะม่วงพันธุ์น้ำดอกไม้สีทอง จากการวิเคราะห์จำแนกกลุ่มด้วยวิธี stepwise discriminant analysis (SDA) พบว่า ข้อมูล training และ validating ของสเปกตรัมที่ผ่านการปรับแต่งด้วยวิธีอนุพันธ์อันดับหนึ่งสามารถจำแนกเนื้อผลปกติและเนื้อที่เป็นโพรงได้ดีที่สุด เท่ากับ 85.79 และ 80.25 เปอร์เซ็นต์ ตามลำดับ และจากการจำแนกตัวอย่างมะม่วงที่เกิดอาการเนื้อโพรงด้วยวิธี partial least square (PLS) regression พบว่า ชุดสร้างแบบจำลอง (training set) ของสเปกตรัมดั้งเดิม และสเปกตรัมดั้งเดิมผ่านการปรับแต่งด้วยวิธี first derivative, second derivative, standard normal variate (SNV) และ multiplicative scatter correction (MSC) มีค่า coefficient of determination (R2) และ root mean square of error (RMSE) ต่ำ และจากสร้างแบบจำลองด้วยวิธีโครงข่ายประสาทเทียม (artificial neural network: ANN) ของความยาวคลื่นช่วงสั้นของเนียร์อินฟราเรด (12500 - 9000 cm-1) ที่ถูกปรับแต่งด้วยอนุพันธ์อันดับหนึ่ง พบว่า ข้อมูล training และ validating สามารถทำนายเนื้อผลปกติได้ความแม่นยำ เท่ากับ 99.24 และ 98.98 เปอร์เซ็นต์ ตามลำดับ และทำนายอาการเนื้อโพรงได้ความแม่นยำ เท่ากับ 61.54 และ 73.68 เปอร์เซ็นต์ ตามลำดับ จากการวิเคราะห์คุณภาพทางกายภาพและส่วนประกอบทางเคมี พบว่า สีเนื้อของมะม่วงที่มีอาการเนื้อโพรงมีสีน้ำตาลถึงดำ น้ำหนักแห้งและปริมาณสารประกอบฟีนอลิกทั้งหมดของมะม่วงที่มีอาการเนื้อโพรงมีค่าสูง ส่วนปริมาณของแข็งทั้งหมดที่ละลายน้ำได้ และปริมาณกรดทั้งหมดที่ไทเทรตได้มีค่าต่ำ และจากการวิเคราะห์องค์ประกอบหลักของข้อมูลคุณภาพทางกายภาพและส่วนประกอบทางเคมี พบว่า สีเนื้อ น้ำหนักแห้ง ปริมาณของแข็งทั้งหมดที่ละลายน้ำได้ ปริมาณกรดทั้งหมดที่ไทเทรตได้ อัตราส่วนระหว่างปริมาณของแข็งที่ละลายน้ำได้ต่อปริมาณกรดทั้งหมดที่ไทเทรตได้ ปริมาณวิตามินซี ปริมาณแคโรทีนอยด์ และปริมาณสารประกอบฟีนอลิกทั้งหมด สามารถนำมาวิเคราะห์องค์ประกอบหลักของมะม่วงปกติและมะม่วงที่มีอาการเนื้อโพรง เพื่อให้เห็นแนวโน้มของการแบ่งกลุ่ม อีกทั้งงานวิจัยนี้ยังสามารถใช้เป็นแนวทางในการพัฒนาวิธีการตรวจสอบความผิดปกติทางสรีรวิทยาอื่น ๆ ของผลมะม่วงพันธุ์น้ำดอกไม้สีทองและผลไม้ชนิดอื่น ๆ ได้

Abstract: 'Namdokmai Sithong' mango has the characteristic needs of foreign consumers. It is produced and exported in large quantities. Exporting fresh mangoes often have problems with poor quality yield, short shelf life, and other damaging factors. One cause of low quality is spongy tissue, which is a physiological disorder that cannot be seen from the outside and affects the quality of the fruit, economic value, and consumer confidence. Currently, near infrared spectroscopy (NIRS) is used to evaluate the product quality without destroying the samples (nondestructive testing). It is used to detect abnormalities occurring within a variety of agricultural products. This research aimed to use near-infrared spectroscopy to examine the spongy tissue of 'Namdokmai Sithong' mango fruit. The NIRS spectral wave number of 12500 - 4000 cm-1 was used to build a model. The model used stepwise discriminant analysis (SDA), partial least squares linear regression (PLSR), and artificial neural networks (ANN) to examine the spongy tissue in mango fruit cv. Namdokmai Sithong. According to stepwise discriminant analysis (SDA) was found that the training and validating data of first derivative spectra can classify normal and spongy tissue with an accuracy of 85.79 and 80.25 percent, respectively. The model used the partial least square (PLS) regression method was found that the training and validating data of the original spectra, first derivative spectra, second derivative spectra, standard normal variate (SNV) spectra, and multiplicative scatter correction (MSC) spectra had a low coefficient of determination (R2) and root mean square of error (RMSE). Artificial neural network (ANN) of short wavenumber near-infrared (12500 - 9000 cm-1) modified with first derivatives. It showed that the training and validating data predicted normal tissue, with an accuracy of 99.24 and 98.98 percent, respectively. The training and validating data predicted spongy tissue, with an accuracy of 61.54 and 73.68 percent, respectively. Physical and chemical quality analysis revealed that the pulp color of the mango with spongy tissue was brown to black. The dry weight and total phenolic compounds of the spongy tissue were high. The total soluble solids (TSS) and titratable acidity (TA) were low. In the analysis of the physical and chemical quality, it was found that flesh color, texture, dry weight, TSS, TA, TSS:TA ratio, vitamin C content, carotenoid content, and total phenolic compounds can be analyzed by principal component analysis which was separated. The short-wavelength NIR spectrum can be used as a non-destructive quality evaluation of spongy tissue in 'Namdokmai Sithong' mango. The artificial neural network (ANN) model also provided 60.26 and 73.68% accuracy for predicting spongy tissues, respectively. Moreover, this research could be used as a guideline for developing methods to investigate other physiological disorders of 'Namdokmai Sithong' mango and other fruits.

มหาวิทยาลัยเชียงใหม่. สำนักหอสมุด

Address: เชียงใหม่

Email: cmulibref@cmu.ac.th

Name: ฉันทลักษณ์ ติยายน

Role: อาจารย์ที่ปรึกษา

Name: พิมพ์ใจ สีหะนาม

Role: อาจารย์ที่ปรึกษา

Created: 2566

Modified: 2567-01-10

Issued: 2566-12-25

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิทยาศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: พืชสวน

Grantor: มหาวิทยาลัยเชียงใหม่

©copyrights มหาวิทยาลัยเชียงใหม่

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	610831021.pdf	2.61 MB

ใช้เวลา

0.023769 วินาที