Original Title: Determination of Commercial Cane Sugar (CCS) using Near Infrared Spectroscopy
Source: doi.org/10.14456/thaidoa-agres.2015.8
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការកំណត់បរិមាណស្ករអំពៅពាណិជ្ជកម្ម (CCS) ដោយប្រើប្រាស់បច្ចេកវិទ្យា Near Infrared Spectroscopy

ចំណងជើងដើម៖ Determination of Commercial Cane Sugar (CCS) using Near Infrared Spectroscopy

អ្នកនិពន្ធ៖ Kanjana Kirasak (Khon Kean Field Crop Research Center, Department of Agriculture), Taksina Sansayawichai, Werapon Ponragdee, Amarawan Thipyawat

ឆ្នាំបោះពុម្ព៖ 2015, Thai Agricultural Research Journal

វិស័យសិក្សា៖ Agricultural Science

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការវាស់វែងបរិមាណស្ករអំពៅពាណិជ្ជកម្ម (CCS) តាមវិធីសាស្ត្រគីមីទូទៅមានភាពស្មុគស្មាញ និងចំណាយពេលយូរជាង១សប្តាហ៍។ ការសិក្សានេះមានគោលបំណងវាយតម្លៃការប្រើប្រាស់បច្ចេកវិទ្យា FT-NIR ដើម្បីពិនិត្យរកមើលកម្រិតស្ករ CCS ឲ្យបានរហ័សជំនួសវិធីសាស្ត្រចាស់។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រមូលសំណាកអំពៅចំនួន ១,១៥០ សំណាកពីតំបន់ឦសាននៃប្រទេសថៃ ដើម្បីយកមកវិភាគ និងបង្កើតម៉ូដែលកាលីប្រេស៊ីន (Calibration models) សម្រាប់ប៉ាន់ស្មានតម្លៃ CCS ដោយផ្អែកលើការស្កេនទឹកអំពៅ និងសរសៃអំពៅ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
FT-NIR Spectroscopy on Sugarcane Juice
ការប្រើប្រាស់បច្ចេកវិទ្យា FT-NIR ស្កេនលើទឹកអំពៅ
មានភាពជាក់លាក់ខ្ពស់ខ្លាំង អាចប្រើសម្រាប់ការវាយតម្លៃគុណភាពកម្រិតស្តង់ដារបាន និងចំណាយពេលលឿន។ ទាមទារការកៀបនិងចម្រាញ់យកទឹកអំពៅជាមុនសិន មិនអាចវាស់កម្រិតសរសៃអំពៅ (fiber) បានដោយផ្ទាល់។ ផ្តល់លទ្ធផលល្អប្រសើរបំផុត (R=0.996, RMSEC=0.610, RMSEP=0.573) ដែលមានភាពខុសគ្នាត្រឹមតែ ៤.៤៣% ពីការវិភាគគីមី។
FT-NIR Spectroscopy on Sugarcane Fiber
ការប្រើប្រាស់បច្ចេកវិទ្យា FT-NIR ស្កេនលើសរសៃអំពៅ
អាចវាស់កម្រិតកាកសរសៃអំពៅបាន កាត់បន្ថយការប្រើប្រាស់សារធាតុគីមី និងមិនត្រូវការកៀបទឹកអំពៅ។ ភាពជាក់លាក់ទាបជាងការស្កេនលើទឹកអំពៅ ស័ក្តិសមសម្រាប់តែការវាយតម្លៃគុណភាព ឬបែងចែកចំណាត់ថ្នាក់បឋមប៉ុណ្ណោះ។ ផ្តល់លទ្ធផលមធ្យម (R=0.840, RMSEC=1.510, RMSEP=1.050) ដែលមានភាពខុសគ្នា ៤.៦១% ពីការវិភាគគីមី។
Traditional Chemical Method (Baseline)
ការវិភាគតាមវិធីសាស្ត្រគីមីប្រពៃណី
ជាវិធីសាស្ត្រស្តង់ដារដែលត្រូវបានទទួលស្គាល់ទូទៅសម្រាប់ការកំណត់តម្លៃទិញលក់អំពៅពាណិជ្ជកម្មដោយប្រើ Polarimeter និង Refractometer។ ដំណើរការមានភាពស្មុគស្មាញ ចំណាយពេលយូរ (អាចលើសពី១សប្តាហ៍) និងត្រូវការសារធាតុគីមីជាច្រើន។ ត្រូវបានប្រើប្រាស់ជាតម្លៃគោល (Baseline) សម្រាប់ផ្ទៀងផ្ទាត់ភាពត្រឹមត្រូវនៃបច្ចេកវិទ្យា NIR។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះតម្រូវឱ្យមានឧបករណ៍ Spectrometer ឯកទេស សម្ភារៈមន្ទីរពិសោធន៍ និងកម្មវិធីកុំព្យូទ័រសម្រាប់ការគណនាម៉ូដែលតំរែតំរង់។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងដោយប្រើប្រាស់សំណាកអំពៅចំនួន ១,១៥០ សំណាក (ពូជ Khon Kaen 3) ដែលប្រមូលបានពីតំបន់ភាគឦសាននៃប្រទេសថៃ ក្នុងចន្លោះឆ្នាំ ២០១៣ ដល់ ២០១៥។ ដោយសារតែប្រទេសថៃ និងកម្ពុជាមានលក្ខខណ្ឌអាកាសធាតុ ភូមិសាស្ត្រ និងការដាំដុះស្រដៀងគ្នា ទិន្នន័យនេះមានសារៈសំខាន់ និងអាចចាត់ទុកជាឯកសារយោងដ៏ល្អ ប៉ុន្តែនៅពេលអនុវត្តជាក់ស្តែងនៅកម្ពុជា គេចាំបាច់ត្រូវប្រមូលសំណាកពូជអំពៅក្នុងស្រុកបន្ថែមដើម្បីតម្រូវម៉ូដែល (Model calibration) ឱ្យកាន់តែសុក្រឹត។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

បច្ចេកវិទ្យានេះមានសក្តានុពលខ្ពស់ក្នុងការផ្លាស់ប្តូរទម្លាប់នៃឧស្សាហកម្មស្ករសនៅប្រទេសកម្ពុជា ឱ្យមានភាពរហ័ស និងជឿទុកចិត្តបាន។

ការងាកមកប្រើប្រាស់ឧបករណ៍ NIR នឹងជួយសន្សំសំចៃពេលវេលា កាត់បន្ថយថ្លៃដើមប្រតិបត្តិការ និងបង្កើនទំនុកចិត្តរវាងរោងចក្រស្ករស និងកសិករដាំអំពៅនៅកម្ពុជាបានយ៉ាងប្រសើរ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃបច្ចេកវិទ្យាអុបទិក និងការវិភាគទិន្នន័យ: និស្សិតគួរស្វែងយល់ពីគោលការណ៍នៃបច្ចេកវិទ្យា Near Infrared Spectroscopy (NIRS) និងការប្រើប្រាស់កម្មវិធីស្ថិតិដូចជា Python (Scikit-learn)R សម្រាប់ការបង្កើតម៉ូដែល Partial Least Squares Regression (PLSR)
  2. ការចុះប្រមូលទិន្នន័យ និងរៀបចំសំណាក (Data Collection): ធ្វើការសហការជាមួយរោងចក្រស្ករស ឬចម្ការអំពៅ (ឧទាហរណ៍៖ នៅស្រុកឱរ៉ាល់ ខេត្តកំពង់ស្ពឺ) ដើម្បីប្រមូលសំណាកអំពៅក្នុងស្រុក និងអនុវត្តការវាស់វែងកម្រិត Brix និង Pol តាមវិធីសាស្ត្រគីមី ដើម្បីទុកជាទិន្នន័យគោល (Ground truth)។
  3. ការអភិវឌ្ឍម៉ូដែលកាលីប្រេស៊ីន (Calibration Model Training): ប្រើប្រាស់ទិន្នន័យដែលប្រមូលបានមកបង្ហាត់ម៉ូដែល ដោយប្រៀបធៀបសញ្ញា Spectra នៃទឹកអំពៅ និងសរសៃអំពៅ ដើម្បីស្វែងរកកម្រិតលំអៀងអប្បបរមា (RMSEP និង RMSEC) និងទំនាក់ទំនង Correlation coefficient (R) ដែលខ្ពស់បំផុត។
  4. ការសាកល្បង និងផ្ទៀងផ្ទាត់ភាពត្រឹមត្រូវ (Model Validation): សាកល្បងម៉ូដែលដែលបានបង្កើតជាមួយទិន្នន័យសំណាកអំពៅថ្មី (Test set) ដើម្បីធានាថាវាអាចធ្វើការព្យាករណ៍កម្រិតស្ករ CCS បានយ៉ាងសុក្រឹតមុននឹងយកទៅដាក់ឱ្យប្រើប្រាស់ជាក់ស្តែង (Deployment) ក្នុងឧស្សាហកម្ម។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Commercial Cane Sugar (CCS) (ស្ករអំពៅពាណិជ្ជកម្ម) ជាស្តង់ដាររង្វាស់ដែលប្រើសម្រាប់កំណត់បរិមាណស្ករសុទ្ធដែលអាចចម្រាញ់ចេញពីអំពៅពិតប្រាកដ ដើម្បីយកទៅគណនាតម្លៃទិញលក់អំពៅរវាងកសិករ និងរោងចក្រស្ករស។ ដូចជារង្វាស់ដែលប្រាប់យើងថា បើយើងកៀបអំពៅ ១ តោន តើនៅទីបញ្ចប់យើងអាចផលិតបានស្ករសពិតប្រាកដប៉ុន្មានគីឡូក្រាម។
Near Infrared Spectroscopy (NIRS) (បច្ចេកវិទ្យាវិសាលគមអុបទិកកម្រិតជិតអ៊ីនហ្វ្រារ៉េដ) ជាបច្ចេកទេសវិភាគដោយប្រើប្រាស់រលកពន្លឺជិតអ៊ីនហ្វ្រារ៉េដ ដើម្បីស្កេនមើលសមាសធាតុគីមីនៅក្នុងវត្ថុណាមួយ (ដូចជាជាតិស្ករក្នុងទឹកអំពៅ) ដោយមិនចាំបាច់បំផ្លាញវត្ថុនោះ ឬប្រើប្រាស់សារធាតុគីមីរាវឡើយ។ ដូចជាការថតកាំរស្មីអ៊ិច (X-ray) ដើម្បីមើលឆ្អឹងមនុស្ស តែនេះគឺការប្រើពន្លឺពិសេសដើម្បីមើលបរិមាណជាតិស្ករដែលលាក់ខ្លួននៅក្នុងអំពៅ។
Brix (កម្រិតប្រ៊ីក ឬ ល្បាយរឹងរលាយសរុប) ជារង្វាស់ភាគរយនៃសារធាតុរឹងទាំងអស់ដែលរលាយនៅក្នុងអង្គធាតុរាវ (ដូចជាទឹកអំពៅ) ដែលភាគច្រើនតំណាងឲ្យកម្រិតជាតិស្ករសរុបបឋម និងសារធាតុរលាយផ្សេងៗទៀត។ ដូចជាការវាស់មើលថាតើមានជាតិស្ករ អំបិល និងសារធាតុផ្សេងៗប៉ុន្មានស្លាបព្រា ដែលបានរលាយចូលគ្នានៅក្នុងទឹកមួយកែវ។
Polarization (Pol) (កម្រិតរង្វាស់ប៉ូល ឬ ស៊ុយក្រូស) ជាតម្លៃដែលវាស់ដោយឧបករណ៍ Polarimeter តាមរយៈការបញ្ចាំងពន្លឺ ដើម្បីកំណត់ភាគរយនៃបរិមាណស្ករប្រភេទស៊ុយក្រូស (Sucrose) សុទ្ធដែលមាននៅក្នុងទឹកអំពៅ មិនរាប់បញ្ចូលសារធាតុផ្សេង។ ដូចជាការប្រើវ៉ែនតាការពារពន្លឺថ្ងៃ (Polarized glasses) ដើម្បីត្រងមើលតែពន្លឺណាដែលយើងចង់ឃើញ ដោយនៅទីនេះគឺចម្រាញ់វាស់រកតែស្ករស៊ុយក្រូសសុទ្ធ។
Partial Least Squares Regression (PLSR) (តំរែតំរង់ការ៉េអប្បបរមាដោយផ្នែក) ជាវិធីសាស្ត្រស្ថិតិដែលប្រើសម្រាប់វិភាគ និងបង្កើតសមីការគណនាទំនាក់ទំនងរវាងទិន្នន័យពីរក្រុមផ្សេងគ្នា (ដូចជាទិន្នន័យរលកពន្លឺ NIR និងបរិមាណគីមីជាក់ស្តែង) ដើម្បីទស្សន៍ទាយលទ្ធផលសំណាកថ្មីៗនាពេលអនាគត។ ដូចជាការបង្កើតរូបមន្តទាយពិន្ទុប្រឡងរបស់សិស្សម្នាក់ៗ ដោយផ្អែកលើទិន្នន័យប្រវត្តិម៉ោងសិក្សារបស់ពួកគេកន្លងមក។
Root Mean Square Error of Prediction (RMSEP) (កំហុសការ៉េមធ្យមនៃការព្យាករណ៍) ជាតម្លៃលេខដែលបង្ហាញពីកម្រិតលម្អៀង ឬភាពខុសគ្នារវាងតម្លៃដែលបានទស្សន៍ទាយដោយម៉ូដែលកុំព្យូទ័រ និងតម្លៃពិតប្រាកដដែលវាស់បានពីមន្ទីរពិសោធន៍។ ដូចជាការវាស់ថាតើការទាយអាយុមនុស្សម្នាក់ៗរបស់យើង មានភាពខុសឆ្គងពីអាយុពិតរបស់ពួកគេជាមធ្យមប៉ុន្មានឆ្នាំ។
Fourier transform near-infrared (FT-NIR) (ហ្វូរីយេត្រង់ស្វម នៀអ៊ីនហ្វ្រារ៉េដ) ជាប្រភេទម៉ាស៊ីន NIRS កម្រិតខ្ពស់ដែលបំពាក់បច្ចេកវិទ្យាគណិតវិទ្យា Fourier transform ដើម្បីប្រមូល បំប្លែង និងវិភាគទិន្នន័យរលកពន្លឺបានកាន់តែលឿន មានស្ថេរភាព និងច្បាស់លាស់ខ្ពស់ជាងម៉ាស៊ីនធម្មតា។ ដូចជាការប្រែក្លាយកាមេរ៉ាធម្មតា ទៅជាកាមេរ៉ាឌីជីថលជំនាន់ថ្មី ដែលអាចចាប់យករូបភាពបានរហ័ស និងច្បាស់ល្អក្នុងពេលតែមួយប៉ព្រិចភ្នែក។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖