ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Adulteration of freshly milled rice with rice from older sources is a fraudulent and illegal practice that exploits consumers. The purpose of this study was to develop a rapid and non-destructive technique that can detect this adulteration of milled rice, using near-infrared hyperspectral imaging (NIR-HSI) in the wavelength range of 935–1720 nm. Adulterated samples were prepared by adding old and freshly milled rice at different levels, scanning the mixed samples, and comparing the results with 100% freshly milled rice samples. All samples were divided into calibration and prediction sets for the development of classification and calibration models. Spectral pretreatment methods were tested to develop the optimum models. For qualitative prediction, the best results for differentiation between freshly milled rice and adulterated samples using partial least squares discriminant analysis (PLS-DA) yielded 96.15% accuracy, 92.86% sensitivity, and 100% specificity. For quantitative prediction, the best calibration model for determining the percentage of mixing with old rice using support vector machine regression (SVMR) yielded a coefficient of determination for prediction (R2p) = 0.90, and root mean square errors of prediction (RMSEP) = 9.10%. These findings demonstrate the potential of NIR-HSI for both qualitative and quantitative analyses in detecting the adulteration of freshly milled rice with old rice. It can be used as a rapid, nondestructive technique for assessing the authenticity of milled rice.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 70/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Spectroscopy and Chemometric Analyses · Spectroscopy Techniques in Biomedical and Chemical Research · GABA and Rice Research
บทบาทของนักวิจัยและสถาบันไทย
Saranya Workhwa · Rachit Suwapanich · Woranitta Sahachairungrueng · Sontisuk Teerachaichayut · Udon Thani Rajabhat University · King Mongkut's Institute of Technology Ladkrabang · Khon Kaen University
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง