Aplicação de espectroscopia no infravermelho próximo e imagens hiperespectrais para quantificar o teor de óleo e classificar sementes do gênero

Autor(es)

Maria Lucimar da Silva Medeiros

• Tipo de documento: Dissertação de Mestrado
• Imprenta: Campinas, SP.
• Instituição: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia de Alimentos
• Data de defesa: 2021-01-20

Membros da banca

Douglas Fernandes Barbin; Renato Grimaldi; Raul Benito Siche Jara

• Orientador: Douglas Fernandes Barbin

Resumo

As sementes do gênero Brassica constituem uma das fontes mais importantes de óleos vegetais do mundo e possui inúmeras aplicações nas indústrias alimentícia, farmacêutica e química. O teor de óleo, principal parâmetro quantitativo para avaliar a sua adequação para o mercado, é geralmente mensurado por técnicas analíticas tradicionais, que demandam tempo, são onerosas e destroem a amostra. Técnicas vibracionais, como a espectroscopia no infravermelho próximo (NIR) e a imagem hiperespectral (NIR-HSI), possibilitam a quantificação simples, rápida e precisa de componentes químicos em alimentos, sem destruir a amostra e sem geração de resíduos químicos e podem ser aplicadas como uma alternativa aos métodos convencionais. Diante disso, o presente estudo teve como objetivo investigar o potencial de espectros adquiridos em um equipamento portátil (NIRS) (900 ¿ 1700 nm) e em uma câmera hiperespectral (NIR-HSI) (928 ¿ 2524 nm), em conjunto com ferramentas de quimiometria, na autenticação de espécies e predição do teor de óleo em sementes Brassicas intactas. A Análise de Componentes Principais (PCA) foi usada como uma análise exploratória dos dados. A análise Discriminante por mínimos quadrados parciais (PLS-DA) foi aplicada para discriminar entre as espécies Brassica napus, Brassica rapa e Brassica juncea e demonstrou ser eficiente, com acurácias entre 75,0 ¿ 93,6% e 91,0 ¿ 100% para os dados NIRS e NIR-HSI. A Regressão por mínimos quadrados parciais (PLS) foi utilizada para predizer o teor de óleo nas sementes intactas e demonstrou boa capacidade de predição, especialmente para os espectros NIR pré-processados com primeira derivada e para os espectros NIR-HSI brutos, onde foram obtidos coeficientes de determinação de 0,682 e 0,764, erros quadráticos médios na predição menores que 1,0 e RPD de 2,0 e 2,2, respectivamente. A seleção de comprimentos de onda relevantes a partir do algoritmo do intervalo PLS (iPLS) aumentou a capacidade discriminativa do modelo NIRS baseado nos espectros suavizados com Savitzky-Golay, onde foi atingida acuraria de 94,9%, e proporcionou uma melhoria nos resultados da calibração PLS para os espectros NIR-HSI, especialmente quando pré-processados com segunda derivada, atingindo RPD de 2.31. Os resultados obtidos neste estudo mostraram que ambos os dispositivos de espectroscopia NIR, combinados com ferramentas de quimiometria, podem ser aplicados para discriminar sementes das espécies Brassicas analisadas e para fornecer uma estimativa rápida do teor de óleo nas sementes (AU)

• Processo FAPESP: 19/06846-5 - Análise multivariada combinada à espectroscopia por infravermelho próximo e imagens digitais aplicada a alimentos
• Beneficiário: Maria Lucimar da Silva Medeiros
• Modalidade de apoio: Bolsas no Brasil - Mestrado