បញ្ហា (The Problem)៖ ផ្លែមង្ឃុត (Garcinia mangostana L.) តែងជួបប្រទះនូវបញ្ហាសំបកក្រៀមរឹងដោយសារការប៉ះទង្គិច ដែលបច្ចុប្បន្នទាមទារការវះកាត់ផ្លែដើម្បីពិនិត្យ ដែលជាវិធីសាស្ត្របំផ្លាញគុណភាពផ្លែឈើទាំងស្រុង។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់បច្ចេកវិទ្យាគ្មានការបំផ្លាញ ដើម្បីវាយតម្លៃគុណភាពខាងក្នុងរបស់ផ្លែមង្ឃុត ដោយប្រមូលទិន្នន័យពីគំរូចំនួន ១១០០ ផ្លែ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Destructive Testing (Cutting / Texture Analyzer) ការសាកល្បងបែបបំផ្លាញ (ការវះកាត់ផ្លែ / ម៉ាស៊ីនវាស់ភាពរឹង) |
ផ្តល់ទិន្នន័យជាក់ស្តែងនិងសុក្រឹតខ្ពស់អំពីកម្រិតភាពរឹងរបស់សំបកផ្លែឈើ។ | បំផ្លាញផ្លែឈើទាំងស្រុង និងទាមទារពេលវេលាយូរ មិនអាចប្រើប្រាស់សម្រាប់ការតម្រៀបផ្លែឈើក្នុងបរិមាណច្រើនបានទេ។ | ប្រើជាវិធីសាស្ត្រគោល (Baseline) សម្រាប់ផ្ទៀងផ្ទាត់ |
| Vis/NIRS + PLS-DA (Smoothing + 2nd derivative, 400-2500 nm) ការប្រើប្រាស់បច្ចេកវិទ្យា Vis/NIRS ជាមួយម៉ូដែល PLS-DA សម្រាប់ចំណាត់ថ្នាក់ |
មិនបំផ្លាញផ្លែឈើ មានល្បឿនលឿន និងមានសមត្ថភាពខ្ពស់ក្នុងការបែងចែកផ្លែមានសំបកធម្មតា និងសំបករឹងបានយ៉ាងច្បាស់លាស់។ | ទាមទារការវិនិយោគលើឧបករណ៍ Spectrometer ដែលមានតម្លៃថ្លៃ និងចំណេះដឹងផ្នែកវិភាគទិន្នន័យ។ | អត្រាភាពត្រឹមត្រូវនៃការចាត់ថ្នាក់សម្រេចបាន ៩២,៩២% |
| Vis/NIRS + PLSR (SNV pretreatment, 400-1100 nm) ការប្រើប្រាស់បច្ចេកវិទ្យា Vis/NIRS ជាមួយម៉ូដែល PLSR សម្រាប់ប៉ាន់ស្មានភាពរឹង |
អាចទស្សន៍ទាយកម្រិតនៃភាពរឹងជារង្វាស់បរិមាណបានយ៉ាងល្អ និងប្រើប្រាស់រលកពន្លឺខ្លីដែលស័ក្តិសមបំផុតសម្រាប់វិភាគសំបកមង្ឃុត។ | ភាពសុក្រឹតនៃម៉ូដែលអាស្រ័យខ្លាំងទៅលើការកំណត់រលកពន្លឺ និងវិធីសាស្ត្រធ្វើការកែសម្រួលទិន្នន័យជាមុន (Pretreatments)។ | មេគុណទំនាក់ទំនង (R) = ០,៨៩ និងកំហុសរង្វាស់ (RMSECV) = ២,៨៣ N |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រនេះទាមទារនូវឧបករណ៍មន្ទីរពិសោធន៍កម្រិតខ្ពស់ និងកម្មវិធីកុំព្យូទ័រឯកទេសសម្រាប់ការវិភាគទិន្នន័យ (Chemometrics)។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងខេត្តនគរនាយក (Nakornnayok) ប្រទេសថៃ ដោយប្រើប្រាស់គំរូផ្លែមង្ឃុតដែលមានទំហំនិងអាយុកាលជាក់លាក់នៅពេលប្រមូលផល។ ទិន្នន័យនេះអាចមានកម្រិតក្នុងការយកមកអនុវត្តផ្ទាល់នៅកម្ពុជា ដោយសារលក្ខខណ្ឌអាកាសធាតុ ដី និងការថែទាំនៅកម្ពុជា (ឧទាហរណ៍៖ មង្ឃុតកំពត ឬកោះកុង) អាចធ្វើឱ្យកម្រិតទឹកនិងលីកនីន (Lignin) ក្នុងសំបកមានភាពខុសប្លែកគ្នា ដែលតម្រូវឱ្យមានការប្រមូលទិន្នន័យក្នុងស្រុកដើម្បីថ្លឹងថ្លែងម៉ូដែលឡើងវិញ។
វិធីសាស្ត្រនេះមានសក្តានុពលខ្ពស់ និងមានប្រយោជន៍ខ្លាំងសម្រាប់ការលើកកម្ពស់ខ្សែសង្វាក់តម្លៃផ្លែមង្ឃុតនៅកម្ពុជា ជាពិសេសសម្រាប់ការនាំចេញ។
ការទាញយកបច្ចេកវិទ្យា Vis/NIRS មកប្រើប្រាស់ នឹងជួយលើកកម្ពស់ស្តង់ដារគុណភាពកសិផលកម្ពុជា ផ្តល់ទំនុកចិត្តដល់ទីផ្សារអន្តរជាតិ និងកាត់បន្ថយការខាតបង់សេដ្ឋកិច្ចដែលបណ្តាលមកពីការខូចគុណភាពផ្លែឈើ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Visible-Near Infrared Reflectance Spectroscopy / Vis/NIRS (វិសាលគមពន្លឺដែលអាចមើលឃើញ និងក្បែរអ៊ីនហ្វ្រារ៉េដចាំងត្រឡប់) | វាជាបច្ចេកទេសប្រើប្រាស់ពន្លឺ (ទាំងពន្លឺធម្មតា និងពន្លឺក្បែរអ៊ីនហ្វ្រារ៉េដ) បញ្ចាំងទៅលើផ្ទៃវត្ថុណាមួយ ហើយវាស់ស្ទង់បរិមាណពន្លឺដែលចាំងត្រឡប់មកវិញ ដើម្បីវិភាគសមាសធាតុគីមី និងគុណភាពខាងក្នុងដោយមិនបាច់វះកាត់ឬបំផ្លាញវត្ថុនោះឡើយ។ | ដូចជាការប្រើពិលបញ្ចាំងកាត់បាតដៃ ដើម្បីមើលសរសៃឈាមខាងក្នុងដោយមិនបាច់មុតស្បែក។ |
| Hardening pericarp (វិបត្តិសំបកក្រៀមរឹង) | គឺជាបញ្ហាខូចគុណភាពកសិផលដែលសំបកផ្លែមង្ឃុត (Garcinia mangostana L.) ប្រែជារឹងខុសធម្មតា និងប្រែពណ៌ត្នោតចាស់ ដោយសារការរងការប៉ះទង្គិច ដែលធ្វើឱ្យកោសិកាបាត់បង់ជាតិទឹក និងរំញោចការផលិតសារធាតុរឹង។ | ដូចជាស្បែកមនុស្សដែលឡើងក្រិន ឬដំបៅក្រៀមរឹងបន្ទាប់ពីមុតឬប៉ះទង្គិច។ |
| Partial least squares-discriminant analysis / PLS-DA (ការវិភាគគុណភាពដោយការបែងចែកក្រុម) | ជាក្បួនអាល់កូរីតទឹមគណិតវិទ្យា (Machine Learning) សម្រាប់បែងចែកចំណាត់ថ្នាក់ទិន្នន័យទៅជាក្រុមផ្សេងៗគ្នា ដោយទាញយកលក្ខណៈសំខាន់ៗពីទិន្នន័យដែលមានភាពស្មុគស្មាញ (ដូចជាទិន្នន័យវិសាលគមពន្លឺ) ដើម្បីញែកផ្លែល្អ និងផ្លែខូច។ | ដូចជាប្រព័ន្ធកាមេរ៉ាសុវត្ថិភាពវៃឆ្លាតដែលអាចមើលរូបរាងមនុស្ស ហើយបែងចែកភ្លាមៗថាអ្នកណាជាបុគ្គលិក និងអ្នកណាជាភ្ញៀវ។ |
| Partial least squares regression / PLSR (ការវិភាគបរិមាណដោយសមីការតម្រែតម្រង់) | ជាវិធីសាស្ត្រស្ថិតិដែលបង្កើតម៉ូដែលទំនាក់ទំនងរវាងអថេរពីរក្រុម (ឧទាហរណ៍៖ ទិន្នន័យពន្លឺ Vis/NIR និងកម្រិតភាពរឹងជាក់ស្តែង) ដើម្បីយកទៅទស្សន៍ទាយតម្លៃកម្រិតភាពរឹងរបស់ផ្លែឈើដែលមិនទាន់បានវាស់ដោយស្វ័យប្រវត្តិ។ | ដូចជាការទស្សន៍ទាយទម្ងន់របស់មនុស្សដោយគ្រាន់តែវាស់ទំហំចង្កេះ បន្ទាប់ពីធ្លាប់ថ្លឹងមនុស្សដែលមានចង្កេះប៉ុនៗគ្នាជាច្រើននាក់រួចមកហើយ។ |
| Lignification (ការកកើតសារធាតុលីកនីន) | គឺជាដំណើរការជីវសាស្រ្តការពារខ្លួនរបស់រុក្ខជាតិ ដែលរុក្ខជាតិផលិតសារធាតុគីមីម្យ៉ាងឈ្មោះថា លីកនីន (Lignin) ទៅតោងជាប់ជញ្ជាំងកោសិកា ដើម្បីការពារមុខរបួសពេលមានការប៉ះទង្គិច ដែលជាហេតុធ្វើឱ្យជាលិកាសំបកប្រែជារឹង។ | ដូចជាការកកឈាមក្លាយជាក្រមររឹង ដើម្បីបិទមុខរបួសលើស្បែករបស់យើងកុំឱ្យមេរោគចូល។ |
| Standard normal variate transformation / SNV (ការបំប្លែងអថេរធម្មតាស្តង់ដារ) | ជាបច្ចេកទេសកែសម្រួលទិន្នន័យមុនការវិភាគ (Preprocessing) នៅក្នុងវិទ្យាសាស្ត្រទិន្នន័យ ដើម្បីកាត់បន្ថយសំឡេងរំខាន (Noise) និងកំហុសឆ្គងដែលបណ្តាលមកពីការខ្ចាត់ខ្ចាយនៃពន្លឺលើផ្ទៃសំបកមង្ឃុតដែលមិនរាបស្មើ។ | ដូចជាការលៃតម្រូវកម្រិតពន្លឺរូបថតដែលងងឹតពេក ឬភ្លឺពេក ឱ្យមកជាច្បាស់ល្មម ដើម្បីងាយស្រួលប្រៀបធៀបរូបភាពគ្នា។ |
| Scanning Electron Microscopy / SEM (ការពិនិត្យដោយមីក្រូទស្សន៍អេឡិចត្រុង) | ជាបច្ចេកវិទ្យាប្រើប្រាស់កាំរស្មីអេឡិចត្រុងបាញ់ទៅលើវត្ថុ ដើម្បីថតយករូបភាពរចនាសម្ព័ន្ធកោសិកាខ្នាតតូចបំផុត (Microscale) ដែលផ្តល់ជារូបភាពបង្ហាញពីការខូចខាតឬការប្រែប្រួលជញ្ជាំងកោសិកាសំបកផ្លែឈើ។ | ដូចជាការប្រើវ៉ែនតាពង្រីកវេទមន្តដែលអាចស៊ូមមើលកាត់ស្បែក រហូតដល់ឃើញរចនាសម្ព័ន្ធល្អិតៗបំផុតដែលភ្នែកទទេមិនអាចមើលឃើញ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
