CHNSpec Technology (Zhejiang)Co.,Ltd chnspec@colorspec.cn 86--13732210605
การศึกษาที่ตีพิมพ์ใน "Food Research International" ใช้เทคโนโลยีการถ่ายภาพไฮเปอร์สเปกตรัมที่มองเห็นได้/อินฟราเรดใกล้ เพื่อให้คาดการณ์ปริมาณกรดอะมิโนของกล้ามเนื้อในปลาคาร์พทั่วไปที่มีชีวิตได้โดยไม่ทำลาย การศึกษานี้ดำเนินการร่วมกันโดย Shanghai Ocean University, Chinese Academy of Fishery Sciences และหน่วยงานอื่นๆ กล้องไฮเปอร์สเปกตรัม FS-13 (FigSpec FS-13) ที่ให้บริการโดยเทคโนโลยี CHNSpec ถูกใช้เป็นอุปกรณ์ตรวจจับแกนกลาง Xiajun Qi วิศวกรจาก CHNSpec Technology มีส่วนร่วมอย่างลึกซึ้งในการวิจัยครั้งนี้ โดยถือเป็นแนวทางทางเทคนิคใหม่สำหรับการประเมินคุณภาพทางโภชนาการของปลามีชีวิตแบบเรียลไทม์
I. ความเป็นมาของการวิจัยและข้อกำหนดในการตรวจจับ
องค์ประกอบของกรดอะมิโนในเนื้อปลาเป็นตัวบ่งชี้สำคัญในการวัดคุณค่าทางโภชนาการและมูลค่าทางการค้า แม้ว่าวิธีการตรวจจับแบบดั้งเดิม (เช่น โครมาโตกราฟีของเหลวประสิทธิภาพสูง) จะมีความแม่นยำ แต่ก็เป็นการทำลายล้าง เนื่องจากปลาไม่สามารถขายต่อหรือนำไปใช้ในการคัดเลือกพันธุ์ภายหลังการตรวจจับได้ สำหรับสถานการณ์การใช้งานที่ต้องการรักษาสถานะความเป็นอยู่ของปลา เช่น การให้อาหารที่แม่นยำ การให้เกรดโภชนาการ และการคัดเลือกผู้ปกครอง อุตสาหกรรมนี้ยังขาดเครื่องมือตรวจจับที่รวดเร็ว ไม่ทำลาย และออนไลน์มานานแล้ว
จุดเริ่มต้นของการศึกษาครั้งนี้อยู่ที่: เกล็ดปลาทำหน้าที่เป็น "หน้าต่าง" สำหรับสัญญาณสเปกตรัมได้หรือไม่ แสงอินฟราเรดใกล้สามารถทะลุเกล็ดปลาและผิวหนัง โดยส่งข้อมูลองค์ประกอบทางเคมีจากกล้ามเนื้อกลับไปยังเครื่องตรวจจับได้หรือไม่ หากเป็นไปได้ จะช่วยแก้ปัญหาการตรวจจับโภชนาการของปลาที่มีชีวิตขั้นพื้นฐานได้
ครั้งที่สอง โปรโตคอลการทดลองและอุปกรณ์หลัก
ทีมวิจัยได้รวบรวมปลาคาร์พทั่วไปจำนวน 2 ประชากรจากปีและช่วงน้ำหนักที่แตกต่างกัน รวมเป็นปลามีชีวิต 481 ตัว สำหรับปลาแต่ละตัว จะมีการดมยาสลบในช่วงสั้นๆ โดยใช้ยาชา MS222 และพื้นผิวของเกล็ดในบริเวณครีบหลังถูกทำให้แห้งอย่างอ่อนโยนด้วยกระดาษดูดซับ จากนั้น กล้องไฮเปอร์สเปกตรัม CHNSpec Technology FS-13 (ช่วงสเปกตรัม 400-1000 นาโนเมตร ความละเอียดสเปกตรัม 2.5 นาโนเมตร) ถูกนำมาใช้เพื่อให้ได้ภาพไฮเปอร์สเปกตรัมของบริเวณครีบหลังของเกล็ด ขอบเขตที่สนใจสำหรับแต่ละตัวอย่างครอบคลุม 200 × 200 พิกเซล โดยแต่ละพิกเซลมีข้อมูลสเปกตรัมครอบคลุม 300 แบนด์
ต่อจากนั้น ทำการสุ่มตัวอย่างที่บริเวณกล้ามเนื้อหลังที่สอดคล้องกัน และปริมาณที่แท้จริงของกรดอะมิโน 17 ชนิดถูกกำหนดโดยโครมาโตกราฟีของเหลวประสิทธิภาพสูงสำหรับการสร้างแบบจำลองและการตรวจสอบความถูกต้อง
III. ผลกระทบของการสร้างโมเดลและการทำนาย
นักวิจัยได้เปรียบเทียบแบบจำลอง 5 แบบ ได้แก่ Partial Least Squares Regression (PLSR), Least Squares Support Vector Machine (LS-SVM), Extreme Learning Machine (ELM), Random Forest (RF) และ Backpropagation Artificial Neural Network (BP-ANN) การสร้างแบบจำลองดำเนินการโดยใช้สัญญาณสเปกตรัมเต็มย่านความถี่ (400-1,000 นาโนเมตร) และค่า R² ของแบบจำลองต่างๆ บนชุดการฝึกและการทำนายโดยทั่วไปจะสูงกว่า 0.95
ในบรรดาแบบจำลอง BP-ANN แสดงผลการทำนายที่ค่อนข้างเสถียรสำหรับกรดอะมิโนส่วนใหญ่ ในชุดการตรวจสอบอิสระ (ปลา 181 ตัวจากปีที่แตกต่างกันและสภาพแวดล้อมการเลี้ยงที่แตกต่างกัน) ค่าการตรวจสอบความถูกต้อง R² ของแบบจำลอง BP-ANN ทั้งหมดเกิน 0.777 การตรวจสอบความถูกต้อง R² สำหรับกรดอะมิโนที่มีปริมาณสูงสุดสามชนิด ได้แก่ กรดกลูตามิก กรดแอสปาร์ติก และไลซีน มีค่าถึง 0.848, 0.858 และ 0.858 ตามลำดับ การศึกษายังพบว่าหลังจากแทนที่ย่านความถี่ทั้งหมดด้วยความยาวคลื่นลักษณะเฉพาะ (เลือกโดยอัลกอริธึม CARS) การปรับปรุงความแม่นยำในการทำนายยังมีจำกัด (ค่าเฉลี่ย R² เพิ่มขึ้นประมาณ 0.013) ซึ่งบ่งชี้ว่าข้อมูลสเปกตรัมที่เกี่ยวข้องกับกรดอะมิโนมีการกระจายอย่างกว้างขวาง
![]()
IV. ปัจจัยสำคัญที่ส่งผลต่อความแม่นยำ
การศึกษาประเมินผลกระทบของปัจจัย 6 ประการต่อความแม่นยำในการทำนายอย่างเป็นระบบ และผลการวิจัยพบว่า: ความหลากหลายของประชากรตัวอย่างเป็นปัจจัยที่สำคัญที่สุดที่ส่งผลต่อความแม่นยำ เมื่อนำแบบจำลองไปใช้กับประชากรอิสระจากปีและน้ำหนักที่ต่างกัน ค่าเฉลี่ย R² ลดลงประมาณ 0.182 สิ่งนี้อาจเกี่ยวข้องกับความแตกต่างในการกระจายตัวของปริมาณกรดอะมิโนระหว่างประชากรทั้งสอง (เช่น ค่ามัธยฐานของกรดอะมิโนส่วนใหญ่ในประชากรกลุ่มแรกสูงกว่าประชากรกลุ่มที่สองอย่างมีนัยสำคัญ) อย่างไรก็ตาม แบบจำลอง BP-ANN ยังคงรักษาความแม่นยำที่ยอมรับได้ (R² > 0.777) ในประชากรที่ต่างกัน
ในทางตรงกันข้าม ประเภทแบบจำลอง ประเภทกรดอะมิโน วิธีการเลือกความยาวคลื่น น้ำหนักตัวปลา และความยาวของลำตัวมีผลกระทบต่อความแม่นยำน้อยกว่า (ความแปรผันของ R² โดยเฉลี่ยน้อยกว่า 0.103) ตัวอย่างเช่น หลังจากแบ่งปลาออกเป็นกลุ่มบน กลาง และล่างตามน้ำหนักตัว ความแตกต่างเฉลี่ยใน R² สำหรับรุ่น BP-ANN อยู่ที่เพียง 0.076 (เมื่อใช้ความยาวคลื่นเฉพาะ) สิ่งนี้บ่งชี้ว่าสัญญาณสเปกตรัมส่วนใหญ่ขับเคลื่อนโดยองค์ประกอบทางชีวเคมีของกล้ามเนื้อ แทนที่จะเป็นผลกระทบจากการกระเจิงขนาดทางกายภาพอย่างง่าย
![]()
ในแง่ของความยาวคลื่นลักษณะเฉพาะ อัลกอริธึม CARS เลือกแถบที่มีความไวสำหรับกรดกลูตามิกและไลซีนเข้มข้นที่ 516-584 นาโนเมตร, 707-738 นาโนเมตร, 828-834 นาโนเมตร และ 939-1032 นาโนเมตร ภูมิภาคเหล่านี้เกี่ยวข้องกับเสียงหวือหวาและความถี่การรวมกันของพันธะ CH, พันธะ OH และพันธะ NH เพื่อตรวจสอบความเป็นไปได้ของแสงอินฟราเรดใกล้ที่ทำปฏิกิริยากับโมเลกุลของกรดอะมิโนในกล้ามเนื้อหลังจากเจาะเกล็ด
![]()
V. การกระจายเชิงพื้นที่และมูลค่าการใช้งาน
ทีมวิจัยได้ใช้ข้อมูลสเปกตรัมของแต่ละพิกเซลจากกล้องไฮเปอร์สเปกตรัม FS-13 โดยแมปการกระจายแผนที่ความร้อนของปริมาณกรดอะมิโนทั้งหมดทั่วทั้งตัวปลาที่มีชีวิต ผลการวิจัยพบว่า ปริมาณกรดอะมิโนทั้งหมดในกล้ามเนื้อกรามล่าง ครีบครีบอก และช่องท้องค่อนข้างสูง ในขณะที่บริเวณครีบหลังและหางค่อนข้างต่ำ การกระจายตัวนี้ตรงกับความแตกต่างด้านการทำงานของเส้นใยกล้ามเนื้อประเภท (กล้ามเนื้อสีแดงและกล้ามเนื้อสีขาว) ในส่วนต่างๆ ครีบครีบอกและช่องท้องมีกล้ามเนื้อสีแดงออกซิเดชันที่กระตุกช้าๆ ซึ่งกระบวนการเมแทบอลิซึมของโปรตีนจะทำงานได้มากกว่า แผนที่ความร้อนนี้สามารถให้ข้อมูลอ้างอิงแบบภาพสำหรับผู้บริโภคในการเลือกชิ้นส่วนที่มีคุณค่าทางโภชนาการสูง
![]()
กล้องไฮเปอร์สเปกตรัม CHNSpec FS-13 จับคู่กับอัลกอริธึมการเรียนรู้เชิงลึกประสบความสำเร็จในการแก้ปัญหาคอขวดทางเทคนิคของการตรวจจับกรดอะมิโนในผลิตภัณฑ์สัตว์น้ำที่มีชีวิตโดยไม่ทำลาย โดยให้เครื่องมือตรวจจับน้ำหนักเบาและใช้งานได้จริงเพื่อการเพาะเลี้ยงสัตว์น้ำที่แม่นยำและการคัดกรองผลิตภัณฑ์สัตว์น้ำคุณภาพสูง ในอนาคต ด้วยการปรับปรุงฐานข้อมูลแบบจำลองอย่างต่อเนื่องและการพัฒนาอุปกรณ์พกพา โซลูชันนี้สามารถส่งเสริมเพิ่มเติมให้กับปลาน้ำจืดและปลาทะเลหลากหลายสายพันธุ์ ช่วยให้อุตสาหกรรมสัตว์น้ำยกระดับไปสู่ความฉลาด การสร้างมาตรฐาน และการสร้างภาพโภชนาการ
คำแนะนำผลิตภัณฑ์: กล้องไฮเปอร์สเปกตรัม FigSpecFS-13 (สแกนเส้น)
![]()