បញ្ហា (The Problem)៖ ការវិភាគគុណភាពឈើកៅស៊ូ (Hevea brasiliensis) តាមបែបប្រពៃណីសម្រាប់ប្រើប្រាស់ជាថាមពលជីវម៉ាសមានភាពស្មុគស្មាញ ចំណាយពេលយូរ និងមានតម្លៃថ្លៃ។ ដូច្នេះ ការសិក្សានេះមានគោលបំណងបង្កើតវិធីសាស្ត្រវិភាគថ្មីមួយដែលលឿន និងមានប្រសិទ្ធភាពជាងមុនដើម្បីវាយតម្លៃលក្ខណៈសម្បត្តិជីវម៉ាស។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់បច្ចេកទេសវិសាលគមពន្លឺដើម្បីវិភាគសំណាកឈើកៅស៊ូចំនួន ១២០ សំណាក មកពី ១០ ពូជផ្សេងៗគ្នា និងបានបង្កើតម៉ូដែលគណិតវិទ្យាសម្រាប់ទស្សន៍ទាយសមាសធាតុគីមីផ្សេងៗ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Traditional Chemical Analysis (Reference Methods) ការវិភាគគីមីតាមបែបប្រពៃណី (វិធីសាស្ត្រគោល) |
ផ្តល់លទ្ធផលច្បាស់លាស់ និងត្រូវបានទទួលស្គាល់ជាស្តង់ដារអន្តរជាតិសម្រាប់ការផ្ទៀងផ្ទាត់ (ឧ. វិធីសាស្ត្រ TAPPI សម្រាប់សែលុយឡូស)។ | មានភាពស្មុគស្មាញ ចំណាយពេលវេលាយូរ ចំណាយថវិកាច្រើនទៅលើសារធាតុគីមី និងបំផ្លាញសំណាកឈើ។ | ផ្តល់ទិន្នន័យពិតប្រាកដ (Actual content) សម្រាប់ប្រើជាមូលដ្ឋានក្នុងការប្រៀបធៀប និងវាយតម្លៃម៉ូដែល PLS។ |
| Vis-NIR Spectroscopy (680-2,500 nm) ការវិភាគវិសាលគមពន្លឺ Vis-NIR ជួររលកពេញលេញ (680-2,500 nm) |
មានភាពរហ័ស មិនបំផ្លាញសំណាក និងស័ក្តិសមបំផុតសម្រាប់ទស្សន៍ទាយសមាសធាតុអាសូត កាបូន សែលុយឡូស និងសំណើម។ | ទាមទារការប្រើប្រាស់ឧបករណ៍ Spectrometer ពេញលេញដែលមានតម្លៃខ្ពស់ និងអ្នកជំនាញក្នុងការវិភាគទិន្នន័យ Chemometrics។ | ផ្តល់តម្លៃ R² ខ្ពស់បំផុតសម្រាប់អាសូត (0.847) សំណើម (0.839) កាបូន (0.664) និងសែលុយឡូស (0.596)។ |
| Vis-NIR Spectroscopy (680-1,246 nm) ការវិភាគវិសាលគមពន្លឺ Vis-NIR ជួររលកខ្លី (680-1,246 nm) |
អាចប្រើជាមួយឧបករណ៍ Spectrometer ខ្នាតតូចដែលចំណាយតិចជាង ប៉ុន្តែនៅតែមានប្រសិទ្ធភាពខ្ពស់ក្នុងការវាស់អេមីសែលុយឡូស និងអ៊ីដ្រូសែន។ | មិនសូវមានភាពត្រឹមត្រូវខ្ពស់ក្នុងការវាស់សមាសធាតុងាយរងឥទ្ធិពលពីរលកវែង ដូចជាសំណើម និងកាបូននោះទេ។ | ផ្តល់តម្លៃ R² បានល្អសម្រាប់អេមីសែលុយឡូស (0.835) និងអ៊ីដ្រូសែន (0.747)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ឯកសារនេះបានបញ្ជាក់ពីតម្រូវការឧបករណ៍មន្ទីរពិសោធន៍កម្រិតខ្ពស់ និងកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគទិន្នន័យ (Data analysis)។
ការសិក្សានេះប្រមូលសំណាកឈើកៅស៊ូចំនួន ១២០ ពី ១០ ពូជ ដែលមានអាយុ ២០ ឆ្នាំ នៅខេត្តបុរីរម្យ (Buriram) ប្រទេសថៃ។ នេះមានសារៈសំខាន់សម្រាប់កម្ពុជា ព្រោះលក្ខខណ្ឌអាកាសធាតុ និងប្រភេទពូជកៅស៊ូ (Hevea brasiliensis) មានភាពស្រដៀងគ្នានឹងចម្ការកៅស៊ូនៅកម្ពុជា ទោះបីជាភាពខុសគ្នានៃដីអាចទាមទារឱ្យមានការកែសម្រួលម៉ូដែលឡើងវិញក៏ដោយ។
បច្ចេកទេស Vis-NIR នេះមានសក្តានុពលខ្ពស់សម្រាប់កម្ពុជា ក្នុងការវាយតម្លៃគុណភាពជីវម៉ាសឈើកៅស៊ូប្រកបដោយប្រសិទ្ធភាព និងចំណាយពេលតិច។
ការចាប់យកវិធីសាស្ត្រពិនិត្យរហ័សនេះ នឹងជំរុញឱ្យការគ្រប់គ្រងគុណភាពជីវម៉ាសនៅកម្ពុជាមានស្តង់ដារ ជួយកាត់បន្ថយការបញ្ចេញឧស្ម័នផ្ទះកញ្ចក់ និងទាក់ទាញការវិនិយោគលើវិស័យថាមពលកកើតឡើងវិញ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Visible-near infrared (Vis-NIR) spectroscopy (បច្ចេកទេសវិសាលគមពន្លឺមើលឃើញ-ជិតអ៊ីនហ្វ្រារ៉េដ) | ជាបច្ចេកទេសវិភាគអុបទិកដែលប្រើប្រាស់ពន្លឺក្នុងចន្លោះរលកមើលឃើញនិងជិតអ៊ីនហ្វ្រារ៉េដ (680–2,500 nm) ដើម្បីវាស់ស្ទង់សមាសធាតុគីមីនិងលក្ខណៈរូបវន្តរបស់វត្ថុធាតុផ្សេងៗ ដោយមិនចាំបាច់បំផ្លាញសំណាកនោះទេ។ | ដូចជាការថតកាំរស្មីអ៊ិចមើលឆ្អឹង តែនេះប្រើប្រាស់ពន្លឺពិសេសដើម្បីឆ្លុះមើលធាតុផ្សំខាងក្នុងរបស់សាច់ឈើ។ |
| Partial least squares regression / PLSR (ការតំរែតំរង់ការេតិចបំផុតដោយផ្នែក) | ជាវិធីសាស្ត្រគណិតវិទ្យា (Chemometrics) ដែលប្រើសម្រាប់បង្កើតម៉ូដែលទស្សន៍ទាយទំនាក់ទំនងរវាងទិន្នន័យវិសាលគមពន្លឺ (រលកពន្លឺដែលស្រូបចូល) និងបរិមាណសមាសធាតុគីមីពិតប្រាកដក្នុងទីពិសោធន៍ ដូចជាកម្រិតសំណើម ឬសែលុយឡូស ដើម្បីអនុញ្ញាតឱ្យកុំព្យូទ័រអាចទាយលទ្ធផលសំណាកថ្មីៗបានដោយស្វ័យប្រវត្តិ។ | ដូចជាការបង្រៀនឱ្យម៉ាស៊ីនចងចាំនិងភ្ជាប់ទំនាក់ទំនងរវាងលក្ខណៈទម្រង់មុខរបស់មនុស្សនិងអាយុរបស់ពួកគេ ដើម្បីឱ្យវាអាចទាយអាយុអ្នកផ្សេងទៀតបានដោយគ្រាន់តែមើលមុខ។ |
| Root mean squares error of cross–validation / RMSECV (កំហុសមធ្យមការេនៃវ៉ាលីដេសិនខ្វែង) | ជារង្វាស់ស្ថិតិដែលបង្ហាញពីកម្រិតនៃភាពលម្អៀង ឬកំហុសនៅពេលដែលម៉ូដែលទស្សន៍ទាយ (PLSR) ត្រូវបានយកទៅប្រើប្រាស់សាកល្បងលើសំណាកទិន្នន័យដែលវាមិនធ្លាប់ជួបពីមុនមក។ តម្លៃ RMSECV កាន់តែតូច បញ្ជាក់ថាម៉ូដែរកាន់តែមានភាពជាក់លាក់ និងអាចជឿទុកចិត្តបានខ្ពស់។ | ដូចជាពិន្ទុដែលបង្ហាញពីការខុសឆ្គងរបស់អ្នកពេលប្រឡងសាកល្បង បើពិន្ទុខុសនេះកាន់តែតិច មានន័យថាអ្នកនឹងអាចធ្វើវិញ្ញាសាពិតប្រាកដបានល្អ។ |
| Coefficient of determination / R² (មេគុណកំនត់) | ជាតម្លៃស្ថិតិចាប់ពី ០ ដល់ ១ ដែលបង្ហាញពីកម្រិតភាពត្រឹមត្រូវនៃម៉ូដែលតំរែតំរង់។ បើតម្លៃ R² កៀកនឹង ១ (ឧទាហរណ៍ 0.847 សម្រាប់ទស្សន៍ទាយអាសូត) មានន័យថាម៉ូដែលនោះអាចទស្សន៍ទាយបានយ៉ាងសុក្រឹតបំផុត និងស៊ីសង្វាក់គ្នាជាមួយលទ្ធផលធ្វើតេស្តក្នុងមន្ទីរពិសោធន៍។ | ដូចជាភាគរយនៃការទាយត្រូវរបស់ហោរាទាយឆុត បើ R² ស្មើ 1 គឺមានន័យថាទាយត្រូវ 100% គ្មានខុសសោះ។ |
| Hemicellulose and Cellulose (អេមីសែលុយឡូស និងសែលុយឡូស) | ជាសមាសធាតុសរីរាង្គប៉ូលីមែរដ៏សំខាន់ដែលបង្កើតឡើងជាជញ្ជាំងកោសិការបស់រុក្ខជាតិ (រួមទាំងឈើកៅស៊ូ Hevea brasiliensis) ដែលដើរតួនាទីយ៉ាងសំខាន់ក្នុងការកំណត់បរិមាណថាមពលកម្ដៅនៅពេលគេយកវាទៅដុតធ្វើជាជីវម៉ាស។ | ដូចជាស៊ីម៉ងត៍និងដែកសរសៃដែលផ្សំគ្នាធ្វើជាសសរផ្ទះយ៉ាងរឹងមាំសម្រាប់ទ្រទ្រង់រុក្ខជាតិ ហើយផ្តល់កម្តៅខ្លាំងពេលដុត។ |
| Multiplicative scatter correction / MSC (ការកែតម្រូវការខ្ចាត់ខ្ចាយគុណធៀប) | ជាក្បួនដោះស្រាយសម្រាប់កែសម្រួលទិន្នន័យវិសាលគមមុនពេលយកទៅវិភាគ (Pretreatment) ដើម្បីកាត់បន្ថយឥទ្ធិពលរំខានដែលបណ្តាលមកពីការខ្ចាត់ខ្ចាយពន្លឺនៅពេលបាញ់ប៉ះផ្ទៃសំណាកម្សៅឈើដែលមិនស្មើគ្នា ឬមានកម្រាស់ខុសៗគ្នា។ | ដូចជាកម្មវិធីកាត់តរូបភាព ដែលជួយកែពណ៌រូបថតដែលងងឹត ឬចាំងពន្លឺខ្លាំងពេកឱ្យមើលទៅច្បាស់ល្អស្មើៗគ្នា មុននឹងយកទៅព្រីន។ |
| Standard normal variate / SNV (អថេរធម្មតាស្តង់ដារ) | ជាវិធីសាស្ត្រគណិតវិទ្យាមួយទៀតក្នុងការកែសម្រួលទិន្នន័យវិសាលគមពន្លឺ ដើម្បីបំបាត់ឥទ្ធិពលអវិជ្ជមាននៃការប្រែប្រួលទំហំភាគល្អិតតូច-ធំ (Particle size) និងកាត់បន្ថយការអានពន្លឺរំខានដែលមិនពាក់ព័ន្ធនឹងសមាសធាតុគីមីរបស់សំណាក។ | ដូចជាការសារ៉េសម្លេងអ្នកចម្រៀងច្រៀងរួមគ្នាឱ្យមានកម្រិតលឺស្មើៗគ្នា ដើម្បីងាយស្រួលស្តាប់វាយតម្លៃសំឡេងម្នាក់ៗដោយមិនឱ្យមានអ្នកណាលឺលុបលើគេ។ |
| Overtone (រលកសំឡេងបន្ទាប់បន្សំ ឬរំញ័រអូវើថូន) | នៅក្នុងវិសាលគម Spectroscopy វាសំដៅលើរំញ័របន្ទាប់បន្សំទីមួយ ឬទីពីររបស់ចំណងម៉ូលេគុល (ដូចជា C-H ឬ N-H) ដែលស្រូបយកពន្លឺក្នុងតំបន់ជិតអ៊ីនហ្វ្រារ៉េដ បង្កើតបានជាសញ្ញា (Bands) សម្រាប់កុំព្យូទ័រអាចចាប់បាននិងកំណត់អត្តសញ្ញាណសារធាតុគីមីដែលមានក្នុងនោះ។ | ដូចជាសំឡេងអេកូនៃការញ័រខ្សែហ្គីតា ដែលអ្នកមិនត្រឹមតែលឺសំឡេងគោលធំប៉ុណ្ណោះទេ តែអ្នកក៏លឺសម្លេងបន្ទររលកតូចៗបន្តបន្ទាប់ដែលជួយឱ្យអ្នកដឹងថាវាជាហ្គីតាប្រភេទអ្វី។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
