การพัฒนาวิธีการวัดสีของภาพถ่ายสำหรับประเมินสีไข่แดงของไก่ไข่เพื่อเป็นแพลตฟอร์ม การเรียนรู้ในช่วงสถานการณ์การระบาดโควิด-19
Article Sidebar
Main Article Content
บทคัดย่อ
สีของไข่แดงเป็นคุณสมบัติที่สำคัญของไข่ที่ใช้เป็นองค์ประกอบด้านคุณภาพของไข่และผลิตภัณฑ์ที่ทำจากไข่ วัตถุประสงค์ของการศึกษานี้มุ่งทดสอบความสัมพันธ์ระหว่างค่าสีที่วัดได้จากอุปกรณ์วัดมาตรฐาน (พัดสีและเครื่องวัดสี) และค่าสีจากวิธีการวัดสีของภาพถ่ายด้วยซอฟต์แวร์ Adobe Photoshop นอกจากนี้ยังทำการศึกษาเปรียบเทียบความแม่นยำจากอุปกรณ์วัดมาตรฐานและวิธีการวัดสีของภาพถ่ายในการประเมินสีไข่แดงของไข่ไก่ในการทดลองนี้ ผลการทดลองครั้งนี้ พบว่า ค่าคะแนนสีของไข่แดงจากพัดสี มีสหสัมพันธ์เชิงบวกระหว่างกับค่า a* จากวิธีการวัดสีของภาพถ่ายด้วยซอฟต์แวร์ Adobe Photoshop (r = 0.923, P < 0.01) โดยมีรูปแบบของสมการถดถอยเชิงเส้นอย่างง่าย คือ y = 0.1033 (x) + 37.389 (R² = 0.851, P < 0.001) อีกทั้งยังพบสหสัมพันธ์ระหว่างค่า L*, a* และ b* จากเครื่องวัดสีกับค่า G, a* และ B จากวิธีการวัดสีของภาพถ่ายด้วยซอฟต์แวร์ Adobe Photoshop โดยมีสัมประสิทธิ์สหสัมพันธ์ระหว่างค่าสีของเครื่องวัดสีและสีจากวิธีการวัดสีของภาพถ่ายเท่ากับ 0.694, 0.869, และ -0.563 ตามลำดับ (P < 0.001) นอกจากนี้ยังใช้สมการถดถอยเชิงเส้นอย่างง่ายเพื่อประเมินผลการทำนายคุณลักษณะของสีไข่แดงโดยสมการถดถอยเชิงเส้นอย่างง่ายแสดงสัมประสิทธิ์การถดถอย (R2) เท่ากับ 0.481, 0.742, และ 0.317 ตามลำดับ (P < 0.001) อีกทั้งการทดลองนี้ยังแสดงให้เห็นว่าการประเมินสีไข่แดงมีความใกล้เคียงกันของค่า L*, a*, b*, องศาสี และ ความเข้มสีระหว่างวิธีการวัดสีของภาพถ่ายร่วมกับสมการถดถอยเชิงเส้นอย่างง่าย และวิธีการวัดด้วยอุปกรณ์วัดมาตรฐาน (พัดสีและเครื่องวัดสี) (P > 0.05)
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
มนต์ชัย ดวงจินดา. 2544. การใช้โปรแกรม SAS เพื่อวิเคราะห์งานวิจัยทางสัตว์. ปรับปรุงครั้งที่ 2. โรงพิมพ์คลังนานาวิทยา, ขอนแก่น.
ยุทธศักดิ์ แช่มมุ่ย ทศพล ตะเภาทอง และจิระพงษ์ เจริญลา. 2562. การใช้โทรศัพท์มือถือเป็นเครื่องมือสำหรับตรวจวัดที่รวดเร็วของโครเมียมเฮกซาวาเลน: การหาสภาวะที่เหมาะสม. น. 2687-2693. ใน: รายงานสืบเนื่องการประชุมสัมมนาวิชาการ (Proceedings) การนำเสนอผลงานวิจัยระดับชาติ เครือข่ายบัณฑิตศึกษา มหาวิทยาลัยราชภัฏภาคเหนือ ครั้งที่ 17. 21 กรกฎาคม 2560. ณ ศูนย์วัฒนธรรมภาคเหนือตอนล่าง วังจันทน์ริเวอร์วิว มหาวิทยาลัยราชภัฏพิบูลสงคราม จังหวัดพิษณุโลก.
รุจิรา เปียงใจ ปัทมาภรณ์ ทองแก้ว สราวุฒิ สมนาม และ มิกิ กัณณะ. 2562. ศึกษาการวิเคราะห์ความเป็นกรดในกาแฟโดยวิธี การไทเทรตแบบอาศัยการไหลและสังเกตสีที่จุดยุติโดยการใช้โทรศัพท์มือถือ. ภาควิชาเคมี คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏเชียงใหม่, เชียงใหม่.
สัญชัย จตุรสิทธา. 2555. เทคโนโลยีเนื้อสัตว์. ภาควิชาสัตวศาสตร์และสัตวน้ำ คณะเกษตรศาสตร์ มหาวิทยาลัยเชียงใหม่. เชียงใหม่.
สุชาดา ยอดพรม, สุวิมล เมืองชุม, สุภารักษ์ คำพุฒ, สโรช แก้วมณี และ จำเริญ เที่ยงธรรม. 2558. อิทธิพลของความหนาแน่นและกรงตับเสริมคอนต่อการแสดงพฤติกรรมในช่วงวันและประสิทธิภาพการผลิตในระบบการเลี้ยงแบบกรงตับในไก่ไข่. น. 865-872. ใน: เรื่องเต็มการประชุมทางวิชาการของมหาวิทยาลัยเกษตรศาสตร์ ครั้งที่ 53: สาขาพืช, สาขาสัตว์, สาขาสัตวแพทยศาสตร์, สาขาประมง, สาขาส่งเสริมการเกษตรและคหกรรมศาสตร์. 3-6 กุมภาพันธ์ 2558. มหาวิทยาลัยเกษตรศาสตร์ บางเขน กรุงเทพมหานคร.
อรุณทิพย์ เหมะธุลิน สกุลกานต์ สิมลา สุรศักดิ์ บุญแต่ง และสุดาทิพย์ อินทร์ชื่น. 2555. ความสัมพันธ์ระหว่างค่าสี (L*, a* และ b*) กับปริมาณแอนโทไซยานินในเชื้อพันธุกรรมข้าวโพดข้าวเหนียวสีม่วง. แก่นเกษตร. 40(ฉบับพิเศษ 4): 59-64.
อัจฉรา นิยมเดชา และมงคล คงเสน. 2556. เมทาบอลิซึมและคุณประโยชน์ของแคโรทีนอยด์ในการเพิ่มความเข้มสีไข่แดง. วารสารมหาวิทยาลัยนราธิวาสราชนครินทร์. 5: 112-121.
Anderson, K.E. 2009. Overview of natural and organic egg production: Looking back to the future. Journal of Applied Poultry Research. 18: 348–354.
Anzalone, G.C., A.G. Glover, and J.M. Pearce 2013. Open-Source Colorimeter. Sensors. 13: 5338-5346.
Barbin, D.F., Kaminishikawahara, C.M. Soares, A.L. Mizubuti, I.Y. Grespan, and M. Shimokomaki. 2015. Prediction of chicken quality attributes by near infrared spectroscopy. Food Chemistry. 168: 554-560.
Barbosa, V.C., A. Gaspar, L.F.L. Calixto, and T.S.P. Agostinho. 2011. Stability of the pigmentation of egg yolks enriched with omega-3 and carophyll stored at room temperature and under refrigeration. Revista Brasileira de Zootecnia. 40: 1540-1544.
Castellini, C., F. Perella, C. Mugnai, and A. Dal Bosco. 2006. Welfare, productivity and qualitative traits of egg in laying hens reared under different rearing systems. p.p.1-6. In: Proceedings of the 12th European conference on poultry. 10-14 September 2006. Verona Italy.
Choodum, A., K. Parabun, N. Klawach, N. N. Daeid, P. Kanatharana, and W. Wongniramaikul. 2014. Real time quantitative colorimetric test for methamphetamine detection using digital and mobile phone technology. Forensic Science International. 235: 8-13.
CIE. 1986. CIE Colorimetry. 2nd Edition. Commission Internationale de l’Eclairage, Vienna.
Dikmen, B.Y., A. Ipek, Ữ. Şahan, M. Petek, and A. Sồzcü. 2016. Egg production and welfare of laying hens kept in different housing systems (conventional, enriched cage, and free range). Poultry Science. 95: 1564–1572.
Dvořák, P., H. Musilov´, and I. Svarcovˇ. 2001. On-line measurements of colour of pork. Fleischwirtschaft. 81: 8 9–91.
Dvořák, P., J. Dolezalovˇ, and P. Suchy´. 2009. Photocolorimetric determination of yolk colour in relation to selected quality parameters of eggs. Journal of the Science of Food and Agriculture. 89: 1886–1889.
Dvořák, P., P. Suchý, E. Straková, and J. Doležalová. 2010. Variation in egg yolk colour in different systems of rearing laying hens. Acta Veterinaria Brno. 79: S13–S19.
Englmaierová, M., E. Tumová, V. Charvátová, and M. Skrivan. 2014. Effects of laying hens housing system on laying performance, egg quality characteristics, and egg microbial contamination. Animal Science. 9: 345–352.
Gábor, K., and E. Péter. 2015. Implementation of mobile phones in education. Research in Pedagogy. 5: 98-108.
Georgieva-Nikolova, M., and V. Stoykova. 2020. Application of mobile devices in distance learning. pp.1-6. In: 348-354. The 15th international conference on virtual learning ICVL. 31 October 2020. University of Bucharest, Bucharest, Romania.
Girolami, A., F. Napolitano, D. Faraone, and A. Braghieri. 2013. Measurement of meat color using a computer vision system. Meat Science. 93: 111–118.
Gómez-García, M., R. Soto-Varela, J. Morón-Marchena, and M. del Pino-Espejo. 2020. Using mobile devices for educational purposes in compulsory secondary education to improve student’s learning achievements. Sustainability. 12: 3724.
Govindasamy, P., M. Yunus, and H. Hashim. 2019. Mobile assisted vocabulary learning: examining the effects on students' vocabulary enhancement. Universal Journal of Educational Research. 7: 85-92.
Hernanz, D., Á.F. Recamales, A.J. Meléndez-Martínez, M.L. González-Miret, and F.J. Heredia. 2008. Multivariate statistical analysis of the color-anthocyanin relationships in different soilless-grown strawberry genotypes. Journal of Agricultural and Food Chemistry. 56: 2735–2741.
Krawczyk, J., and E. Gornowicz. 2010. Quality of eggs from hens kept in two different free-range systems in comparison with a barn system. European Poultry Science. 74: 151-157.
Laudadio, V., E. Ceci, N.M.B. Lastella, M. Introna, and V. Tufarelli. 2014. Low-fiber alfalfa (Medicago sativa L.) meal in the laying hen diet: Effects on productive traits and egg quality. Poultry Science. 93: 1868–1874.
Liu, D., and Q. Zhang. 2019. Mobile learning and evaluation in college teaching. Advances in Social Science, Education and Humanities Research. 351: 687-690.
Liu, Y. 2020. Use of mobile phones in the classroom by college students and their perceptions in relation to gender: A case study in China. International Journal of Information and Education Technology. 10: 320-326.
Lukanov, H., A. Genchev, and P. Kolev. 2019. Egg quality traits in WG, GG and GL Japanese quail populations. Trakia Journal of Sciences. 1: 49-55.
Mancini, R. and M. Hunt. 2005. Current research in meat color. Meat Science. 71: 100–121.
Mendoza, F., and J.M. Aguilera. 2004. Application of image analysis for classification of ripening bananas. Journal of Food Science. 69: 471-477.
Pathare, P.B., U.L. Oparaand, and F.A. Al-Said. 2013. Colour measurement and analysis in fresh and processed foods: A review. Food Bioprocess Technology. 6: 36–60.
Petracci, M., M. Betti, M. Bianchi, and C. Cavani. 2004. Color variation and characterization of broiler breast meat during processing in Italy. Poultry Science. 83: 2086–2092.
Quevedo, R. A., J. M. Aguilera, and F. Pedreschi. 2010. Color of salmon fillets by computer vision 5 and sensory panel. Food Bioprocess Technology. 3: 637-643.
R Core Team. 2020. R. A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna. Austria.
Saad, A.G., A. Iberahim, and N. El-Bialee. 2016. Internal quality assessment of tomato fruits using image colour analysis. Agricultural Engineering International: CIGR Journal. 18: 339-352.
Singh, R, K. M. Cheng, and F. G. Silversides. 2009. Production performance and egg quality of four strains of laying hens kept in conventional cages and floor pens. Poultry Science. 88: 256–264.
Steel, R.G.D., and J.H. Torrie. 1992. Principles and Procedure Statistics. 2nd Edition. McGraw-Hill Book Co., Inc., Singapore.
Sun, X., J. Young, J.H. Liu, L. Bachmeier, R.M. Somers, K.J. Chen, and D. Newman. 2016. Prediction of pork color attributes using computer vision system. Meat Science. 113: 62–64.
Titova, T., V. Nachev, and Ch. Damyanov, 2015. Non-destructive diagnosis of food products using neural-genetic algorithm. International Journal of Reasoning-based Intelligent Systems. 7: 55-61.
Tomasevic, I., V. Tomovic, B. Milovanovic, J. Lorenzo, V. Đorđević, N. Karabasil, and I. Djekic. 2019. Comparison of a computer vision system vs. traditional colorimeter for color evaluation of meat products with various physical properties. Meat Science. 148: 5-12.
Trinderup, C.H., and Y.H.B. Kim. 2015. Fresh meat color evaluation using a structured light imaging system. Food Research International. 71: 100–107.
Wan Den Brand, H., H.K. Parmentier, and B. Kemp. 2004. Effects of housing system (outdoor vs cages) and age of laying hens on egg characteristics. British Poultry Science. 45: 745-752.
Zlatev, Z., and S. Baycheva. 2017. Application of educational technical tools for analysis the color of essential oils from white oregano. p.p. 141-144. In: Proceedings of the 12th International Conference on Virtual learning (ICVL 2017), Sibiu, Romania.