ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Proximate analysis is essential for assessing the nutritional composition of legumes. Near-Infrared Spectroscopy (NIRS) is widely used as a rapid, non-destructive method. However, commercial NIRS calibration models are primarily developed using major commercial legumes and may not represent the spectral variability of underutilised legumes, limiting their transferability across species. This study aimed to evaluate the proximate composition of local market legumes and adjust existing NIR equations for predicting proximate constituents. Twenty-six dry seed legume samples, representing four genera and multiple species from northern Thailand and southern China, were analysed using standard wet-chemistry methods. Reference analyses showed that soybeans contained the highest protein and fat levels among the legumes studied. Partial Least Squares regression was used to adjust prediction models, with 5–7 newly acquired samples per model. Model performance was evaluated using leave-two-out cross-validation. The adjusted models yielded root mean square error values of 0.987, 0.586, 0.671, 0.363, and 0.976 for protein, fat, moisture, ash, and fibre, respectively. Spectral adjustment improved agreement between predicted and reference values, particularly for protein, fat, and ash. This study demonstrated the initial potential of adapting existing NIRS calibration models to diverse legumes. Future work must prioritise independent external validation with expanded sample cohorts to establish operational robustness.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 75/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Spectroscopy and Chemometric Analyses · Remote Sensing in Agriculture · Spectroscopy Techniques in Biomedical and Chemical Research
บทบาทของนักวิจัยและสถาบันไทย
Patipon Teerakitchotikan · Sarana Rose Sommano · Tibet Tangpao · Chiang Mai University
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง