Please use this identifier to cite or link to this item:
http://nuir.lib.nu.ac.th/dspace/handle/123456789/5342
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor | Phongsatorn Taithong | en |
dc.contributor | พงศธร ต่ายทอง | th |
dc.contributor.advisor | Panomkhawn Riyamongkol | en |
dc.contributor.advisor | พนมขวัญ ริยะมงคล | th |
dc.contributor.other | Naresuan University | en |
dc.date.accessioned | 2023-04-18T02:57:02Z | - |
dc.date.available | 2023-04-18T02:57:02Z | - |
dc.date.created | 2564 | en_US |
dc.date.issued | 2564 | en_US |
dc.identifier.uri | http://nuir.lib.nu.ac.th/dspace/handle/123456789/5342 | - |
dc.description.abstract | Microbial food quality testing is an important procedure. In Thailand, the Food and Drug Administration operates as the food quality controller. Recently, the Ministry of Agriculture and Cooperatives that oversees the quality control of agricultural products issued a notification on the purchase standard of cow milk. Several steps must be followed to prepare standardized inoculum for quality control within the testing laboratory. These are complicated, time-consuming, and require many different chemical reagents. A more efficient and accurate method was developed to count colonies on Petri dishes, and estimate turbidity content and colony-forming units using an algorithm. The new procedure was developed and tested against four microorganisms found in raw milk as Bacillus cereus, Escherichia coli, Enterobacter aerogenes, and Lactic acid bacteria. Analytical steps included color transformation, projection profile, and object detection image processing techniques. Machine learning algorithms are based on regression analysis. The new system counted colonies with 87.35% accuracy, estimated opacity at 83.96% accuracy, and estimated colony-forming units with 85.13 accuracy. Compared to the traditional microbial food quality test preparation method, our proposed technique reduced analysis time by approximately 48 hours. | en |
dc.description.abstract | การทดสอบคุณภาพอาหารทางด้านจุลินทรีย์มีความสำคัญต่อการควบคุมคุณภาพอาหาร ซึ่งในประเทศไทยมีสํานักงานคณะกรรมการอาหารและยาเป็นผู้ควบคุมคุณภาพอาหาร ปัจจุบันกระทรวงเกษตรและสหกรณ์ได้ออกประกาศมาตรฐานการรับซื้อน้ำนมโคซึ่งเป็นการควบคุมคุณภาพสินค้าทางการเกษตรรูปแบบหนึ่ง ก่อนการทดสอบคุณภาพอาหารต้องเตรียมจุลินทรีย์เพื่อใช้เป็นเกณฑ์มาตรฐานในการเปรียบเทียบ การเตรียมจุลินทรีย์ที่ได้มาตรฐานสำหรับการควบคุมคุณภาพอาหาร ต้องเตรียมภายในห้องปฏิบัติการ ซึ่งการเตรียมมีความซับซ้อน ใช้ระยะเวลานานและใช้สารเคมีจำนวนมาก การศึกษาครั้งนี้จึงพัฒนาวิธีการที่มีประสิทธิภาพและมีความแม่นยำเพื่อนับโคโลนีบนจานเพาะเชื้อ ประมาณปริมาณความขุ่นและโคโลนีฟอร์มมิ่งยูนิตจากความขุ่นแบบอัตโนมัติ วิธีการที่พัฒนาใช้ทดสอบกับจุลินทรีย์ที่พบในน้ำนมดิบ จำนวน 4 ชนิด ได้แก่ บาซิลลัส ซีเรียส เอสเชอริเชีย โคไล แบคทีเรียโคลิฟอร์มและแบคทีเรียกรดแลคติก เทคนิคการประมวลผลภาพที่ใช้ในแต่ละขั้นตอนประกอบด้วย การแปลงสี การทำโปรเจคชันโปรไฟล์ การตรวจหาวัตถุจากภาพ เป็นต้น การวิเคราะห์การเรียนรู้ของเครื่องจักรใช้สำหรับการวิเคราะห์สมการถดถอยเป็นหลัก ความถูกต้องในการนับโคโลนีเฉลี่ยร้อยละ 87.35 ความถูกต้องในการประมาณปริมาณความขุ่นเฉลี่ยร้อยละ 83.96 ความถูกต้องในการประมาณโคโลนีฟอร์มมิ่งยูนิตเฉลี่ยร้อยละ 85.13 ซึ่งเมื่อเปรียบเทียบกับวิธีการเตรียมการทดสอบคุณภาพอาหารด้านจุลินทรีย์แบบเดิม วิธีการที่นำเสนอใช้ระยะเวลาน้อยกว่าประมาณ 48 ชั่วโมง | th |
dc.language.iso | th | en_US |
dc.publisher | Naresuan University | en_US |
dc.rights | Naresuan University | en_US |
dc.subject | การประมาณความทึบแสง | th |
dc.subject | การประมาณโคโลนีฟอร์มมิ่งยูนิต | th |
dc.subject | การนับโคโลนี | th |
dc.subject | ประมวลผลภาพ | th |
dc.subject | เครื่องจักรเรียนรู้ | th |
dc.subject | Opacity estimation | en |
dc.subject | Colony forming unit estimation | en |
dc.subject | Counting colonies | en |
dc.subject | Image processing | en |
dc.subject | Machine learning | en |
dc.subject.classification | Computer Science | en |
dc.subject.classification | Information and communication | en |
dc.subject.classification | Computer science | en |
dc.title | แอปพลิเคชันตรวจนับจำนวนจุลินทรีย์ในจานเพาะเชื้อและประมาณปริมาณจุลินทรีย์จากความขุ่น | th |
dc.title | Application for the microbial count on plate and estimate count from turbidity | en |
dc.type | Thesis | en |
dc.type | วิทยานิพนธ์ | th |
dc.contributor.coadvisor | Panomkhawn Riyamongkol | en |
dc.contributor.coadvisor | พนมขวัญ ริยะมงคล | th |
dc.contributor.emailadvisor | panomkhawnr@nu.ac.th | en_US |
dc.contributor.emailcoadvisor | panomkhawnr@nu.ac.th | en_US |
dc.description.degreename | Master of Engineering (M.Eng.) | en |
dc.description.degreename | วิศวกรรมศาสตรมหาบัณฑิต (วศ.ม.) | th |
dc.description.degreelevel | Master's Degree | en |
dc.description.degreelevel | ปริญญาโท | th |
dc.description.degreediscipline | Department of Electrical and Computer Engineering(ECPE) | en |
dc.description.degreediscipline | ภาควิชาวิศวกรรมไฟฟ้าและคอมพิวเตอร์ | th |
Appears in Collections: | คณะวิศวกรรมศาสตร์ |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
PhongsatornTaithong.pdf | 11.25 MB | Adobe PDF | View/Open |
Items in NU Digital Repository are protected by copyright, with all rights reserved, unless otherwise indicated.