Halal Origin Pre-screening — Paano Gamitin
Isang step-by-step na gabay para sa pagbuo ng iyong pribadong reference library at pag-screen ng mga papasok na sample para sa porcine-origin tendency. Oras ng pagbabasa: humigit-kumulang 5 minuto.
Ano ang ginagawa ng workbench na ito
- Nag-iingat ng pribadong, per-team reference library ng FTIR spectra mula sa mga kwalipikadong batch na pinagkakatiwalaan mo.
- Inihahambing ang isang bagong papasok na sample laban sa library na iyon at nag-uulat kung gaano ito ka-consistent, na may ebidensya ng pagkakaiba sa peak-level.
- Gumagana para sa anumang kategorya: batay sa protina (gelatin, capsule shell, karne, surimi, dairy), batay sa taba/langis (edible oil, shortening, butter, ghee), o mga pinaghalong naprosesong produkto.
- Nagbibigay sa iyo ng isang masusubaybayang ulat na maaari mong i-print at itago kasama ng mga talaan ng batch.
Paano ginagawa ang resulta
- Ang buong spectrum ay sinusuri — ang mga literature window na ipinapakita sa pahina ay mga gabay sa pagbasa, hindi mga limitasyon sa pagsusuri.
- Ang konklusyon ay isang paghuhusga ng pagkakatulad: gaano kalaki ang pagkakatugma ng papasok na sample sa iyong kwalipikadong reference library.
- Ang pagkasulat ng resulta ay sumusunod sa iyong library tags: ang non-porcine library ay nagbibigay ng non-porcine na salita, ang porcine control library ay nagbibigay ng porcine na salita.
- Ang bawat label ay sinusuportahan ng peak-difference table na maaari mong suriin sa ulat.
Ang daloy ng trabaho sa apat na hakbang
Hakbang 1 — Gumawa ng isang reference library
Ang reference library ay isang set ng FTIR spectra mula sa mga batch na itinuturing mong katanggap-tanggap para sa materyal na ito. Ang papasok na sample ay inihahambing sa library na ito, hindi sa anumang pampublikong database.
Anong mga file ang maaari mong i-upload?
Ang mga karaniwang instrument export format ay tinatanggap, kabilang ang CSV / TXT (wavenumber, absorbance), SPA, DPT, DXD, JWS, at iba pa. Ang spectrum ay awtomatikong binabasa at ini-interpolate; hindi mo kailangang i-convert ito nang manu-mano.
Ilang batch ang kailangan mo?
Magsimula sa hindi bababa sa 3–5 batch para sa isang materyal. Ang mas maraming batch ay nagpapaganda ng paghahambing. Ang pahina ay nagpapakita ng babala sa tuwing ang napiling library ay may mas kaunti sa 5 batch.
Isang library bawat materyal
Gumawa ng hiwalay na library para sa bawat materyal na nais mong i-screen (hal. isa para sa beef sausage, isa para sa cooking oil). Ang mga library ay pribado sa iyong team account at lalabas sa kaliwang sidebar.
Uri ng matrix
Piliin ang Protein-based, Fat/oil-based, o Mixed. Binabago lamang nito kung aling mga literature discriminant window ang ipinapakita sa pahina bilang mga gabay sa pagbasa — ang pagsusuri mismo ay palaging gumagamit ng buong spectrum.
Pinagmulang species — kinakailangan, at bakit
I-tag ang bawat batch ng nakasaad nitong pinagmulan (bovine, fish, plant, porcine, ...). Depende dito ang pagkasulat ng resulta: ang library ng certified non-porcine batches ay gumagawa ng “non-porcine tendency” na salita, habang ang library na naka-tag bilang porcine positive control ay gumagawa ng “porcine tendency” na salita sa isang malapit na match. Kung walang species tags, ang ulat ay nagsasaad lamang ng library consistency.
Iba pang mga field
Ang supplier, batch number, JAKIM/cert status, scans, resolution, at ATR crystal ay naitala sa bawat reference batch at lumalabas sa mga ulat, upang manatiling buo ang traceability chain.
Hakbang 2 — I-screen ang isang papasok na sample
- Piliin ang reference library para sa materyal na ito sa dropdown na “Reference library”.
- Ilagay ang numero ng batch at ang species na idineklara ng supplier ng papasok na sample (ito ay naitala sa ulat, hindi ginagamit ng engine).
- I-upload ang papasok na FTIR file (parehong mga format tulad ng nasa itaas).
- I-click ang “Run Halal Pre-screening”. Inihahambing ng engine ang sample laban sa library at gumagawa ng ulat.
Hakbang 3 — Basahin ang ulat
Ang tendency label
Ang selyo sa itaas ay ang konklusyon ng pre-screening. Ang maaaring sabihin nito ay depende sa kung ano ang iyong reference library:
| Ang iyong library | Sample kumpara sa library | Label |
|---|---|---|
| Mga sertipikadong non-porcine batch | Consistent | Konsistente sa mga reference na hindi baboy |
| Bahagyang consistent | Nangangailangan ng karagdagang kumpirmasyon | |
| Hindi Pasok | Hindi nakumpirma ang pinagmulang hindi baboy | |
| Positibong kontrol para sa porcine | Consistent | Porcine na tendensya |
| Bahagyang consistent | Nangangailangan ng karagdagang kumpirmasyon | |
| Hindi Pasok | Hindi tumutugma sa kontrol ng baboy. | |
| Walang tag ng species | Consistent | Konsistente sa reference library |
| Bahagyang consistent | Nangangailangan ng karagdagang kumpirmasyon | |
| Hindi Pasok | Hindi konsistente sa reference library |
Ang algorithm sa likod ng label
Awtomatikong pinipili ng engine ang mode ng pagsusuri batay sa kung ilang batch ang mayroon ang library:
| Mga reference batch | Mode | Ano ang kinakalkula |
|---|---|---|
| 19 o mas kaunti | Pagkakatulad | Pearson correlation, cosine similarity, at ang mga pangunahing difference peak |
| 20 – 49 | PCA | Pagkakatulad plus PCA projection, Mahalanobis distance, Hotelling T² |
| 50 o higit pa | Modelo ng klase | PCA plus SIMCA: Q residual, class membership probability, conformity score |
Ang mga rehiyong diskriminante
Ang panel na “Discriminant regions (literature)” ay naglilista ng mga window na iniulat sa mga published origin-screening studies, na naka-match sa iyong uri ng matrix. Ang mga peak sa difference table na nasa loob ng mga window na ito ay may tag ng pangalan ng region — isang kapaki-pakinabang na priyoritisasyon para sa iyong sariling pagsusuri:
Saan nagmula ang mga window na ito
Ang mga window na Protein-based ay sumusunod sa Hashim 2010 (Food Chem) at Sci Rep 2021 — ang huli ay nag-uulat ng dominant wavenumber para sa porcine gelatin malapit sa 1470–1475 cm⁻¹ (bovine 1444–1450, fish 1496–1500). Ang mga window na Fat/oil-based ay sumusunod sa Int J Mol Sci 2020 halal-authentication review: SIMCA discriminant regions para sa lard sa ghee (3030–2785 / 1786–1680 / 1490–919 cm⁻¹) at isang pinagsamang region na nag-quantify ng lard sa virgin coconut oil sa pamamagitan ng PLSR+DA na may R² = 0.999 (3020–3000 / 1120–1000 cm⁻¹).
Ito ay mga gabay sa pagbasa para sa iyong sariling pagsusuri — sinusuri ng engine ang buong spectrum, hindi lamang ang mga window na ito. Walang iisang set ng window na balido para sa bawat materyal; ang iba＇t ibang matrices ay may iba＇t ibang literature discriminant bands.
Ang talahanayan ng pagkakaiba ng peak
“Main Difference Peaks” ay naglilista ng mga pinakamalakas na pagkakaiba sa pagitan ng sample at ng reference mean, kasama ang direksyon (mas mataas/mababa ang sample) at kung ang peak ay anomalya. Ito ang ebidensya sa likod ng label — suriin ito kapag ang label ay hindi “consistent”.
Mga Tsart
Ang spectral overlay ay gumuhit ng sample kumpara sa reference mean. Ang PCA scatter (kapag ang library ay may 20+ batches) ay nagpapakita kung saan ang sample ay nauugnay sa historical batch cloud.
AI interpretasyon
Kapag magagamit, ang AI panel ay nagbubuod ng mga pagkakaiba, naglilista ng mga posibleng sanhi, at nagmumungkahi ng mga susunod na hakbang. Ito ay suporta lamang sa desisyon: ituring ang mga kemikal na pahayag at mga salita nito bilang panimulang punto, at i-verify bago kumilos.
FAQ
- Ang aking sample ay bumalik na “non-porcine origin not confirmed”. Ibig bang sabihin nito ay naglalaman ito ng baboy?
- Hindi. Nangangahulugan ito na ang sample ay naiiba sa iyong non-porcine reference library. Ang mga pagkakaiba ay maaaring magmula sa ibang supplier, moisture, additives, mga setting ng instrumento, o normal na pagkalat mula batch-to-batch. Ituring ito bilang isang bandila upang imbestigahan — hindi bilang isang porcine detection. Kung ang presensya ng porcine ay dapat patunayan, gumamit ng DNA/PCR.
- Maaari ko bang i-screen ang mga langis at taba sa pamamagitan nito?
- Oo. Piliin ang “Fat / oil-based” bilang uri ng matrix. Ipapakita ng mga literature panel ang mga band na iniulat para sa lard adulteration screening (cis C–H malapit sa 3006, ester C=O malapit sa 1743, ang triglyceride C–O pair malapit sa 1117/1097, trans malapit sa 968), at ang AI interpretation ay nagbibigay ng gabay sa pagbasa na tiyak sa taba.
- Bakit binabalaan ng pahina na ang mga resulta ay eksploratoryo kung mas kaunti sa 5 batch?
- Ang paghahambing sa 1–4 na spectra ay may limitadong istatistikal na kahulugan. Gumagana pa rin ang engine, ngunit ituring ang output bilang direksyonal, hindi kwantitatibo. Idagdag ang mga batch habang kino-kwalipika mo ang mga ito.
- Ibinabahagi ba ang aking spectral data?
- Hindi. Ang mga reference library ay pribado sa iyong account at hindi ginagamit bilang testing reference para sa iba. Maaari mong alisin ang mga batch o buong library anumang oras.
- Kailangan ko bang gumawa ng isang library para sa bawat supplier o bawat materyal?
- Ang bawat material ay ang minimum. Kung malaki ang pagkakaiba ng iyong mga supplier, ang mga hiwalay na library bawat supplier bawat material ay nagbibigay ng pinakamalinis na paghahambing.
- Paano ito naiiba sa isang paghahanap ng mga pagkakatulad sa isang malaking spectral library?
- Dito, ang comparison set ay ang iyong sariling mga kwalipikadong batch, ang ebidensya ay mga peak-level differences na may literature windows, at ang ulat ay nagpapanatili ng supplier/batch/cert trail. Ang paghahanap sa public library ay maaaring sumagot ng “ano ang katulad ng spectrum na ito?”; ang workbench na ito ay sumasagot ng “gaano kahusay ang batch na ito sa aking kwalipikadong baseline?”.
- Maaari ko bang gawing reference batch ang isang na-screen na sample?
- Oo — sa workbench, ang bawat nakaraang screening ay may “Add” na buton na nagpo-promote nito sa reference library kapag tinanggap mo ang batch. Nananatili ang kasaysayan ng mga rekord.
- Ano ang kahulugan ng “JAKIM status” para sa mga user sa labas ng Malaysia?
- Ang field ay free-form at may label na “JAKIM / halal cert status”. Ang mga laboratoryo sa labas ng Malaysia ay maaaring magtala ng kanilang sariling certification body, o iwan itong “Unknown”.