รศ.ดร.ปานมนัส ศิริสมบูรณ์(www.nirsresearch.com)
ขั้นตอนการใช้เทคนิคเนียร์อินฟราเรดสเปกโทรสโกปีในการวัดองค์ประกอบทางเคมีหรือสมบัติทางกายภาพของผลผลิตเกษตรและอาหาร
ขั้นตอนการใช้เทคนิคนี้ในการวัดองค์ประกอบทางเคมีหรือสมบัติทางกายภาพของผลผลิตเกษตรและอาหารทำได้โดย
1. กำหนดตัวอย่างที่จะใช้ เช่นถ้าเป็นผลไม้ควรให้ตัวอย่างทั้งหมดครอบคลุมสมบัติที่จะวัดเป็นช่วงกว้างที่ครอบคลุมตัวอย่างที่ต้องการวัดเพื่อใช้งานจริง เช่นหากจะวัดความแน่นเนื้อเพื่อใช้งานจริงในช่วงอายุการเก็บเกี่ยวเชิงการค้าก็ควรเป็นตัวอย่างที่มีความสุกแก่จากน้อยไปหามากที่ครอบคลุมช่วงอายุการเก็บเกี่ยวเชิงการค้าไว้ด้วย โดยปกติควรใช้ตัวอย่างอย่างน้อย 200 ตัวอย่างขึ้นไป
2. นำตัวอย่างมาสแกนด้วยคลื่นเนียร์อินฟราเรดด้วยสเปกโตรมิเตอร์ที่ความยาวช่วงคลื่นที่ต้องการจะได้ข้อมูลเชิงแสง (Optical data) ในรูปของสเปกตรัมของแต่ละตัวอย่าง เมื่อได้ข้อมูลของทุกตัวอย่างให้ตรวจสอบค่านอกกลุ่ม (Outlier) โดยการสังเกตด้วยตา หากมีสเปกตรัมผิดปกติให้เอาออก และโดยใช้วิธี Principle Component Analysis (PCA) สเปกตรัมผิดปกตินี้อาจเกิดจากการสแกนที่ผิดพลาด
3. นำตัวอย่างมาวัดองค์ประกอบทางเคมีหรือสมบัติทางกายภาพที่ต้องการด้วยวิธีมาตรฐานดั้งเดิมที่ยอมรับได้ เรียกค่าที่ได้ว่าค่าอ้างอิง (Reference data) ของแต่ละตัวอย่าง เมื่อได้ข้อมูลของทุกตัวอย่างให้ตรวจสอบค่านอกกลุ่ม (Outlier) โดยใช้สมการ เมื่อ x คือค่าอ้างอิง คือค่าเฉลี่ยและ SD คือค่าเบี่ยงเบนมาตรฐาน หากเป็นตามสมการนี้แสดงว่าค่านั้นเป็นค่านอกกลุ่ม ให้เอาออก
4. นำข้อมูลเชิงแสง และค่าอ้างอิงมาวิเคราะห์โดยใช้โปรแกรมสำเร็จรูป เช่น Unscrambler, Win ISI, Opus, NIRCal เป็นต้นโดยเรียงลำดับข้อมูลตามค่าอ้างอิงจากน้อยไปหามาก แล้วแบ่งข้อมูลเป็น 2 ชุด คือชุดสร้างแบบจำลองหรือสมการนั่นเอง เรียกว่า Calibration set และชุดพิสูจน์ความแม่นยำของแบบจำลอง เรียกว่า Prediction set โดยปกติแล้วใช้อัตราส่วนให้ Calibration setมากกว่า Prediction set เช่น 7:3 หรือ 8:2 เป็นต้น ทั้งนี้เพื่อให้ง่ายให้ตัวอย่างลำดับที่ 1-8, 11-18, 21-28,.....อยู่ใน Calibration set และตัวอย่างลำดับที่ 9-10, 19-20, 29-30,..... อยู่ใน Prediction set ทั้งนี้ให้ค่าน้อยสุดและค่ามากสุดอยู่ใน Calibration set เนื่องจากแบบจำลองต้องครอบคลุมช่วงของข้อมูลทั้งหมด หากตัวอย่างน้อยกว่า 100 ตัวอย่างไม่ควรแบ่งเป็นชุด Calibration set และชุด Prediction set เนื่องจากทำให้การสร้างแบบจำลองทำจากตัวอย่างที่น้อยเกินไป ทำให้แบบจำลองไม่น่าเชื่อถือ
5. สร้างแบบจำลองโดยใช้โปรแกรมสำเร็จรูปดังกล่าวโดยใช้สเปกตรัมเริ่มต้น (Original spectrum) หรือสเปกตรัมที่ผ่านการจัดการทางคณิตศาสตร์ด้วยวิธีทางเคโมเมตริกแบบต่างๆดังที่ได้อธิบายไว้แล้ว
6. เมื่อได้แบบจำลอง สามารถพิสูจน์ความแม่นยำของแบบจำลองโดยใช้Prediction set โดยพิจารณาจากค่าที่จำเป็นในการประเมินความแม่นยำและความถูกต้องของแบบจำลองดังที่ได้อธิบายไว้แล้ว หากตัวอย่างน้อยกว่า 100 ตัวอย่างควรใช้วิธี Cross validation ดังที่ได้อธิบายไว้แล้ว
7. หากแบบจำลองมีความแม่นยำเพียงพอให้นำมาพิสูจน์อีกครั้งหนึ่งโดยใช้ตัวอย่างกลุ่มใหม่อีกจำนวนหนึ่ง โดยทำการทดลองตามข้อ 2 และข้อ 3 แล้วนำสเปกตรัมที่ได้แทนลงในแบบจำลอง (ทำโดยวิธีการของโปรแกรมสำเร็จรูป) ซึ่งจะประเมินค่าองค์ประกอบทางเคมีหรือสมบัติทางกายภาพออกมา ให้เทียบค่านี้กับค่าวัดจริง และโดยวิธีการของโปรแกรมสำเร็จรูปจะคำนวณค่าความแม่นยำและความผิดพลาดให้ทราบ
ตารางที่ 3 แสดงตัวอย่างการวัดสมบัติเนื้อสัมผัสของผลผลิตเกษตรและอาหารเชิงปริมาณด้วยเนียร์อินฟราเรดสเปกโตรสปี และตารางที่ 4 แสดงตัวอย่างการจำแนกลักษณะเนื้อสัมผัสของผลผลิตเกษตรและอาหารด้วยเนียร์อินฟราเรดสเปกโทรสโกปี
ตารางที่ 3 ตัวอย่างการวัดสมบัติเนื้อสัมผัสของผลผลิตเกษตรและอาหารเชิงปริมาณด้วยเนียร์อินฟราเรดสเปกโตรสปี
ตารางที่ 3.12 ตัวอย่างการจำแนกลักษณะเนื้อสัมผัสของผลผลิตเกษตรและอาหารด้วยเนียร์อินฟราเรดสเปกโทรสโกปี