Page 44 - FoodFocusThailand No.246 October 2026
P. 44

STRONG QC & QA


              Hyperspectral Imaging:                                 ในำทางโภชินำาการ Raman ถู่กนำำาไปใชิ้ตรว่จสอบสารประกอบ
              เมื่่�อทุุกพิิกเซลบอกองค์์ประกอบของอาหาร            เฉพาะทาง เชิ่นำ แคืโรท่นำอยด์ในำผักแล้ะผล้ไม้ ซึ่่�งม่ระบบพันำธ์ะคืู่แบบ
              หากมองว่่าสเปกโทรสโกปีคืือ การว่ัดคื่าสเปกตรัม การถ่่ายภาพ           คือนำจูเกตท่�ให้สัญญาณ Raman เด่นำเป็นำพิเศษ ตล้อดจนำใชิ้ประเมินำ
              แบบไฮเปอร์สเปกตรัม (Hyperspectral Imaging; HSI) ก็คืือ                ปริมาณโปรต่นำรว่มในำเนำื�อสัตว่์ โปรต่นำแล้ะไข้มันำในำนำมผง รว่มถ่่ง
              การนำำาแนำว่คืิดนำั�นำมาผนำว่กกับกล้้องถ่่ายภาพ กล้ายเป็นำเทคืนำิคืท่�          กลู้เตนำในำแป้งแล้ะผล้ิตภัณฑ์์เบเกอร่ได้อย่างรว่ดเร็ว่แล้ะแม่นำยำา
              เก็บข้้อมูล้ทั�งเชิิงพื�นำท่�แล้ะเชิิงสเปกตรัมไปพร้อมกันำ ผล้ล้ัพธ์์ท่�ได้คืือ   ข้้อจำากัดข้อง Raman คืือสัญญาณท่�ได้ตามธ์รรมชิาติคื่อนำข้้างอ่อนำ
              “ไฮเปอร์คืิว่บ์ (Hypercube)” ซึ่่�งเป็นำข้้อมูล้สามมิติท่�สามารถ่มองเห็นำ  (แสงท่�เกิดปรากฏิการณ์ Raman ม่สัดส่ว่นำนำ้อยมากเมื�อเท่ยบกับ
              การกระจายตัว่ข้ององคื์ประกอบทางเคืม่ในำแต่ล้ะจุดข้องชิิ�นำอาหารได้   แสงท่�กระเจิงกล้ับมาทั�งหมด) จำาเป็นำต้องอาศัยเทคืนำิคืเสริม
              ไม่ใชิ่แคื่คื่าเฉล้่�ยข้องทั�งตัว่อย่างเหมือนำ NIR ทั�ว่ไป  คืว่ามไว่อย่าง Surface-Enhanced Raman Spectroscopy (SERS)
                 จุดแข้็งข้อง HSI คืือคืว่ามสามารถ่ในำการตรว่จจับคืว่ามไม่  ในำหล้ายกรณ่ แล้ะอุปกรณ์เล้เซึ่อร์ท่�ใชิ้ก็ม่ราคืาสูง ทำาให้การนำำาไปใชิ้
              สมำ�าเสมอภายในำตัว่อย่างเด่ยว่กันำ เชิ่นำ การกระจายตัว่ข้องไข้มันำ              ในำระดับอุตสาหกรรมยังไม่แพร่หล้ายเท่า NIR
              ในำชิิ�นำเนำื�อ หรือคืว่ามชิื�นำท่�ไม่เท่ากันำในำเมล้็ดธ์ัญพืชิแต่ล้ะเม็ด งานำว่ิจัย  เมื�อเท่ยบทั�งสามเทคืนำิคืกับว่ิธ์่ดั�งเดิมอย่าง Kjeldahl หรือ Soxhlet

              พบว่่า HSI สามารถ่แยกแยะเนำื�อว่ัว่สดกับเนำื�อท่�ผ่านำการแชิ่แข้็งแล้้ว่  จุดร่ว่มท่�ชิัดเจนำคืือ คืว่ามเร็ว่ท่�เพิ�มข้่�นำจากหล้ักชิั�ว่โมงเหล้ือเพ่ยงไม่
              ล้ะล้ายได้อย่างแม่นำยำาเกือบร้อยล้ะ 89  เมื�อใชิ้ร่ว่มกับเทคืนำิคื               ก่�ว่ินำาท่ถ่่งไม่ก่�นำาท่ การไม่ต้องใชิ้สารเคืม่หรือทำาล้ายตัว่อย่าง แล้ะ
                                             1
              การประมว่ล้ผล้สัญญาณท่�เหมาะสม                      ศักยภาพในำการว่ิเคืราะห์หล้ายคื่าพร้อมกันำ แม้คืว่ามแม่นำยำาในำ
                 ข้้อจำากัดสำาคืัญข้อง  HSI  คืือปริมาณข้้อมูล้ท่�มหาศาล้ในำ                บางกรณ่อาจยังไม่เท่ยบเท่าว่ิธ์่มาตรฐานำ แต่ชิ่องว่่างนำ่�กำาล้ังแคืบล้ง
              แต่ล้ะภาพ ทำาให้ต้องใชิ้พล้ังการประมว่ล้ผล้สูงแล้ะอัล้กอริท่มท่�              เรื�อยๆ  ด้ว่ยพัฒนำาการข้องการเร่ยนำรู้ข้องเคืรื�อง  (Machine
              ซึ่ับซึ่้อนำกว่่า NIR ทั�ว่ไป รว่มถ่่งต้นำทุนำอุปกรณ์ท่�ยังคื่อนำข้้างสูง แล้ะ      Learning; ML) ท่�ชิ่ว่ยปรับปรุงแบบจำาล้องการทำานำายให้แม่นำยำาข้่�นำ
              ยังม่ชิ่องว่่างระหว่่างผล้การทดล้องในำห้องปฏิิบัติการกับการนำำาไป  อย่างต่อเนำื�อง
              ประยุกต์ใชิ้จริงบนำสายการผล้ิตท่�ต้องทำางานำแบบเร่ยล้ไทม์
                                                                  อนาค์ตของเทุค์โนโลยีี Non-Destructive
              Raman Spectroscopy:                                 ทิศทางสำาคืัญข้องเทคืโนำโล้ย่กลุ้่มนำ่�คืือการผสานำ AI แล้ะ ML เข้้ากับ
              มื่องลึกถึึงระดัับโค์รงสร้างโมื่เลกุล               การว่ิเคืราะห์มากข้่�นำ โดยเฉพาะ Deep Learning (DL) แล้ะ Neural
              รามันำสเปกโทรสโกปี (Raman Spectroscopy) อาศัยหล้ักการ   Network ท่�ชิ่ว่ยต่คืว่ามข้้อมูล้สเปกตรัมซึ่ับซึ่้อนำแล้ะเพิ�มคืว่ามแม่นำยำา

              กระเจิงข้องแสงจากโมเล้กุล้ โดยการเปล้่�ยนำแปล้งพล้ังงานำข้องแสงท่�  ในำการทำานำาย
              กระเจิงสัมพันำธ์์กับการสั�นำข้องพันำธ์ะเคืม่แล้ะโคืรงสร้างข้องโมเล้กุล้   ข้ณะเด่ยว่กันำ อุปกรณ์ม่แนำว่โนำ้มท่�จะม่ข้นำาดเล้็กล้งแล้ะราคืาตำ�าล้ง
              จ่งให้รูปแบบสเปกตรัมท่�เป็นำเอกล้ักษณ์ หรือท่�เร่ยกว่่า “ล้ายนำิ�ว่มือ  จากเคืรื�องมือในำห้องปฏิิบัติการสู่อุปกรณ์พกพาแล้ะเซึ่นำเซึ่อร์ท่�ติดตั�ง
              โมเล้กุล้” จุดเด่นำข้อง Raman คืือให้แถ่บสเปกตรัมท่�แคืบแล้ะม่              บนำสายการผล้ิตหรือใชิ้งานำร่ว่มกับสมาร์ทโฟนำได้ รว่มถ่่งการผสานำ
              รายล้ะเอ่ยดเชิิงโคืรงสร้างสูง ทำาให้สามารถ่แยกแยะสารท่�ม่โคืรงสร้าง  ข้้อมูล้จากหล้ายเทคืนำิคื เชิ่นำ NIR แล้ะ HSI เพื�อเสริมคืว่ามแม่นำยำา
              ใกล้้เคื่ยงกันำได้ล้ะเอ่ยดข้่�นำ แล้ะยังสามารถ่ว่ิเคืราะห์ตัว่อย่างท่�               โดยการพัฒนำาแล้ะตรว่จสอบแบบจำาล้องให้สามารถ่ใชิ้งานำได้กับ
              เป็นำสารล้ะล้ายในำนำำ�าได้ ซึ่่�งเป็นำข้้อได้เปร่ยบเมื�อเท่ยบกับเทคืนำิคื                เคืรื�องมือแล้ะสภาว่ะท่�แตกต่างกันำจะม่คืว่ามสำาคืัญต่อการนำำาไปใชิ้
              MIR/FTIR ท่�ใชิ้อินำฟราเรดชิ่ว่งกล้างแล้ะม่ข้้อจำากัดในำการว่ิเคืราะห์  จริงในำภาคือุตสาหกรรม
              ตัว่อย่างท่�ม่นำำ�าสูง                                 ท้ายท่�สุด เมื�อเทคืโนำโล้ย่ม่คืว่ามแม่นำยำาแล้ะเชิื�อมต่อกับระบบ
                                                                  โรงงานำแบบเร่ยล้ไทม์ได้มากข้่�นำ การคืว่บคืุมคืุณภาพจะเปล้่�ยนำจาก
                                                                  การสุ่มตรว่จเป็นำการเฝ้้าระว่ังอย่างต่อเนำื�องตล้อดทั�งกระบว่นำการผล้ิต
                                                                  แล้ะนำำาอุตสาหกรรมอาหารเข้้าสู่ยุคืข้องการ “ทำานำาย” คืุณภาพ
                                                                  ล้่ว่งหนำ้า แทนำการรอ “ตรว่จสอบ” ท่�ปล้ายทาง














            44 44  FOOD FOCUS THAILAND  OCT  2026
                                  OCT  2026
                 FOOD FOCUS THAILAND
                                                                                                                     22/9/2569 BE   19:09
         42-46_Strong QC&QA_Non.indd   44
         42-46_Strong QC&QA_Non.indd   44                                                                            22/9/2569 BE   19:09
   39   40   41   42   43   44   45   46   47   48   49