เครื่องสแกนเนอร์ NIR แบบใช้มือถือสำหรับการระบุและการตรวจสอบตัวตนปลา

บทนำ

จากการวิจัยตลาดของ Allied Market Research ตลาดอาหารทะเลทั่วโลกคิดเป็น 125.44 พันล้านดอลลาร์ในปี 2560 และคาดว่าจะสูงถึง 155.32 พันล้านดอลลาร์ภายในปี 2023 โดยจดทะเบียน CAGR 3.6% ตั้งแต่ปี 2560 ถึง 2023การเปลี่ยนแปลงวิถีชีวิตและความชอบของผู้บริโภคเพิ่มขึ้นของรายได้ที่ใช้ได้
เพิ่มความตระหนักเกี่ยวกับประโยชน์ด้านสุขภาพที่เกี่ยวข้องกับอาหารทะเล และอย่างกว้างขวาง
ความพร้อมของเนื้อสัตว์ชนิดต่าง ๆ ได้กระตุ้นการเติบโตของตลาดอาหารทะเลทั่วโลกอย่างไรก็ตาม การหมดลงของหุ้นเนื้อสัตว์ป่าขัดขวางการเติบโตของตลาดส่วนของเฟลทฟิชคาดว่าจะลงทะเบียน CAGR ที่เร็วที่สุดที่ 4.7% ในช่วงระยะเวลาที่คาดการณ์

ความท้าทายของการติดฉลากปลาผิดและการทดแทนปลา

อย่างไรก็ตาม การหมดลงของสต็อกเนื้อสัตว์ป่าขัดขวางการเติบโตของตลาด และปัญหาเพิ่มเติมในการตลาดอาหารทะเลเกิดขึ้นเนื่องจากผลิตภัณฑ์อาหารทะเลถูกติดฉลากโดยเจตนาหรือโดยไม่ได้ตั้งใจในห่วงโซ่การเก็บเกี่ยวและการแปรรูปหรือเนื่องจากผู้ขายปลาหรือร้านอาหารแทนที่สายพันธุ์หนึ่งเป็นอีกชนิดหนึ่งในการวิเคราะห์ในปี 2013 โดยกลุ่มสนับสนุนมหาสมุทร Oceana นักวิจัยพบว่ามากถึงหนึ่งในสามของเนื้อสัตว์ที่ขายในสหรัฐอเมริกาได้รับการติดฉลากผิดพลาด

‍

แนวทางปฏิบัติในการระบุปัจจุบัน: อุปกรณ์ที่มีราคาแพงและหายาก

เป็นผลให้การวิจัยเกี่ยวกับการตรวจสอบความถูกต้องของสายพันธุ์สัตว์จึงเพิ่มขึ้นเรื่อย ๆอย่างไรก็ตาม กิจกรรมดังกล่าวดำเนินการโดยทีมวิจัยที่ผ่านการฝึกอบรมโดยใช้หนึ่งในเทคนิคสเปกโตรสโคปหลายเทคนิค ความใกล้อินฟราเรด (NIR), อินฟราเรดกลาง (MIR), รามัน, แสงหรือการดูดซึมอัลตราไวโอเลตที่มองเห็นได้ (UV—VIS) และสเปกโตรสโคปี้แม่เหล็กนิวเคลียร์ (NMR) และการถ่ายภาพไฮเปอร์สเปกตรัล (HSI) ซึ่งบางส่วนยังอยู่ในระหว่างการพัฒนา

อุปกรณ์นี้มีราคาแพงโดยทั่วไปมีเฉพาะในห้องปฏิบัติการและต้องการพนักงานที่ผ่านการฝึกอบรมอย่างเพียงพออาจสูญเสียวันในการส่งตัวอย่างไปกลับจากห้องปฏิบัติการกลางผลที่ได้คือทั้งซัพพลายเออร์และผู้บริโภคเนื้อสัตว์ไม่สามารถมั่นใจได้ว่าพวกเขาซื้อหรือบริโภคอะไรได้เสมอไป

เครื่องสแกนแบบใช้มือถือสำหรับการระบุปลาในสนาม

เมื่อเร็ว ๆ นี้มีการพัฒนาเครื่องสแกนเนอร์มือถือแบบไร้สายที่แสดงถึงความมั่นใจในภาคสนามและบนพื้นโรงงานการปรากฏตัวของเครื่องสแกนเนอร์ NIR แบบใช้มือถืออาจส่งสัญญาณถึงความสามารถในการมีผู้ตรวจสอบมากขึ้นในและรอบ ๆ พอร์ต ตลาดขนมปัง คลังสินค้า และร้านอาหารเพื่อป้องกันการติดฉลากที่ผิดพลาดการศึกษาในปี 2019 ดำเนินการโดยนักวิจัยจากภาควิชาเคมีกายภาพที่มหาวิทยาลัย Duisberg-Essen ในประเทศเยอรมนี ซึ่งทีมงานใช้เซ็นเซอร์ NeoSpectra-micro เพื่อแยกความแตกต่างของไก่คุณภาพสูงจากคุณภาพต่ำโดยใช้การวัดจากผิวหนังของสี่สายพันธุ์ที่แตกต่างกัน

ระเบียบวิธี

ทีมงานใช้ปลาแซลมอนสองคู่ที่แตกต่างกัน คือ แซมเล็ตและปลาแซลมอนเทราท์ และพื้นรองเท้าและมะนาว ซึ่งแสดงถึงสายพันธุ์ที่ถือว่าเหนือกว่าจากมุมมองของรสเลิศและราคา (แซมเล็ท, โซล) และสารทดแทนที่ถูกกว่า (ปลาเทราท์ปลาแซลมอนและพื้นมะนาว) ดูรูปที่ 1

นักวิจัยสแกนแผ่นฟิชโดยวางเซ็นเซอร์ลงบนผิวหนังโดยตรง (รูปที่ 2)การสแกนอ้างอิงดำเนินการด้วยมาตรฐานการรีเฟล็กซ์ Spectralon™ 99% ของ Labsphere มีการบันทึกสเปกตรัม 10 สเปกตรัมที่มีเวลาสแกน 10 วินาทีในการรีเฟล็กซ์แบบกระจายจากตำแหน่งที่แตกต่างกันในแต่ละฟิล์ฟฟิลทีมงานใช้ซอฟต์แวร์ Unscrambler™ สำหรับการรักษาข้อมูลล่วงหน้าและการพัฒนาโมเดล PCA (Principal Component Analysis) และ SIMCA (Soft Independent Modeling of Class Analogies)