Submitted by Mario BC (mario@bc.ufrpe.br) on 2018-07-25T14:32:28Z No. of bitstreams: 1 Glaucia Ferreira de Lima.pdf: 1190943 bytes, checksum: 07121034a8d81e00cbb7ee1bb8c9aa47 (MD5) / Made available in DSpace on 2018-07-25T14:32:28Z (GMT). No. of bitstreams: 1 Glaucia Ferreira de Lima.pdf: 1190943 bytes, checksum: 07121034a8d81e00cbb7ee1bb8c9aa47 (MD5) Previous issue date: 2017-06-22 / Lactose hydrolyzed milk, produced by the conversion of this carbohydrate by galactosidases, was developed since the 1970s mainly to suit individuals with lactose intolerance. However, the analytical methods most used for the analysis of sugars are inefficient for the qualitative evaluation of lactose in products containing different sugars, such as lactose-free milk. Therefore, the use of more sophisticated methods for this analysis becomes essential for the food industry. Near Infrared Spectroscopy (NIRS) represents an emerging analytical technique for the food industry because of characteristics such as non-destructive and rapid analysis. Nevertheless, the use of multivariate data analysis is necessary to extract the encoded information in the spectra. Thus, the aim of this work was to develop and validate a methodology based on NIR spectra obtained in portable and benchtop equipments, associated with the multivariate analysis for the classification of long-life milk regarding the presence of lactose. For this purpose, 71 samples of UHT regular (30) and lactose-free milk (41) were purchased in local commerce. In the present study, the spectra in the diffuse reflectance mode were obtained on high resolution benchtop (FT-IR Spectrum Frontier from Perkin Elmer) and low resolution portable (MicroNIR 1700 from JDSU Corporation) spectrometers. The classification models using the supervised techniques PLS-DA and LDA with variables selection by genetic algorithms (GA) and successive projections (SPA) were developed from the preprocessed spectra. For both equipment, benchtop and portable, all models presented sensitivity and specificity of 100%, only SPA-LDA model for portable equipment obtained sensitivity in 80%. Therefore, NIR spectra, especially those obtained with portable equipment, combined with multivariate classification was effective for the presence identification of lactose in UHT milk. / O leite com lactose hidrolisada, produzido pela quebra desse carboidrato por enzimas galactosidases, foi desenvolvido a partir dos anos 1970 principalmente para atender aos indivíduos com intolerância à lactose. Entretanto, os métodos analíticos mais utilizados para a análise de açúcares não são eficientes para a avaliação qualitativa da lactose em produtos contendo diferentes açúcares, como no leite sem lactose. Por isso, a utilização de métodos mais precisos na identificação de lactose torna-se essencial para a indústria de alimentos. A espectroscopia no infravermelho próximo (NIRS) é uma técnica analítica emergente na indústria de processamento de alimentos devido a características como não ser destrutiva, de resposta analítica rápida, precisa e de baixo custo. Contudo, o uso de análise multivariada de dados é necessário para extrair a informação codificada no espectro. Assim, o objetivo desse trabalho foi desenvolver e avaliar uma metodologia baseada em espectros NIR, obtidos em equipamentos portátil e de bancada, associada a análise multivariada de dados para classificação de leite longa vida quanto à presença de lactose. Para isso, 71 amostras de leite UHT foram adquiridas em comércio local, sendo 30 com lactose e 41 sem lactose. No presente trabalho, os espectros no modo de reflectância difusa foram obtidos em espectrômetros de bancada (FT-IR Spectrum Frontier da marca Perkin Elmer) de alta resolução e portátil (MicroNIR 1700 da marca JDSU Corporation) de baixa resolução. Os modelos de classificação utilizando as técnicas supervisionadas PLSDA e LDA com seleção de variáveis pelos algoritmos genético (GA) e de projeções sucessivas (SPA) foram desenvolvidos a partir dos espectros pré-processados. Para ambos os equipamentos, bancada e portátil, todos os modelos apresentaram sensibilidade e especificidade de 100%, apenas o modelo SPA-LDA para o equipamento portátil obteve sensibilidade de 80%. Dessa forma, espectros NIR, em especial os obtidos com equipamento portátil, em conjunto com a classificação multivariada de dados mostrou-se eficiente para identificação da presença de lactose em leite UHT.

Submitted by Maike Costa (maiksebas@gmail.com) on 2016-05-03T14:00:03Z No. of bitstreams: 1 arquivo total.pdf: 4473867 bytes, checksum: e3130e71f9f870684d06304ce755007d (MD5) / Made available in DSpace on 2016-05-03T14:00:03Z (GMT). No. of bitstreams: 1 arquivo total.pdf: 4473867 bytes, checksum: e3130e71f9f870684d06304ce755007d (MD5) Previous issue date: 2013-08-27 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / In Brazil, ethanol fuel is marketed in the hydrated form (HEAF– Hydrated Ethyl Alcohol Fuel). The adulterations found in HEAF can generate fines, and possible risks to society. With this perspective, this work proposes developing new analytical methods based on the use of infrared spectroscopy (NIR and MIR), and Cyclic Voltammetry (copper electrode), and chemometric pattern recognition techniques, to identify HEAF adulterations (with water or methanol). A total of 184 HEAF samples collected from different gasoline stations were analyzed. These samples were divided in three classes: (1) unadulterated, (2) adulterated with water (0.5% to 10%mm-1), and (3) adulterated with methanol (2% to 13% mm-1). Principal Components Analysis (PCA) was applied, permitting verification of a tendency to form clusters for unadulterated and adulterated samples. Classification models based on Linear Discriminant Analysis (LDA), with variable selection algorithms: SPA (Successive Projections Algorithm), GA (Genetic Algorithm), and SW (Stepwise) were employed. PLS-DA (Discriminant Analysis by Partial Least Squares) was applied to the data. Assessing the MIR spectra, 100% correct classification was achieved for all models. For NIR data, SPA-LDA and LDA-SW achieved a correct classification rate (RCC) of 84.4%, and 97.8%, respectively, while PLS-DA and GALDA correctly classified all test samples. In the evaluation of voltammetric data, as SPA-LDA as PLS-DA achieved a 93% RCC, but the GA-LDA and SW-LDA models showed better results, correctly classifying all test samples. The results suggest that the proposed methods are promising alternatives for identifying HEAF samples adulterated with water or methanol both quickly and securely. / No Brasil, uma das formas de comercialização do etanol combustível é na forma hidratada (AEHC - Álcool Etílico Hidratado Combustível). As adulterações encontradas nas amostras de AEHC são preocupantes, pois podem gerar prejuízos fiscais e à sociedade. Dentro dessa perspectiva, este trabalho propõe o desenvolvimento de novas metodologias analíticas baseadas no uso da espectroscopia no infravermelho (próximo - NIR e médio - MIR) e Voltametria Cíclica (com eletrodo cobre), em conjunto com técnicas quimiométricas de reconhecimento de padrões, visando à identificação das adulterações de AEHC com água ou metanol. Um total de 184 amostras de AEHC, coletadas de diferentes postos de combustíveis foram analisadas. Estas amostras foram divididas em três classes: (1) não adulteradas; (2) adulteradas com água (0,5% a 10,0%) e (3) adulteradas com metanol (2,0% a 13,0% m.m-1). A análise por componentes principais (PCA) foi aplicada aos dados, sendo possível verificar, principalmente, uma tendência à formação de agrupamentos das classes de amostras não adulteradas e adulteradas. Modelos de classificação foram baseados na análise discriminante linear (LDA) com prévia seleção de variáveis pelos algoritmos: SPA (Algoritmo das projeções sucessivas), GA (Algoritmo genético), SW (Stepwise). A técnica de PLS-DA (Análise discriminante pelos mínimos quadrados parciais) também foi aplicada nos dados. Avaliando os espectros MIR, 100% de acerto de classificação foram alcançados com todos os modelos. Para os dados NIR, utilizando SPA-LDA e SW-LDA houve uma taxa de classificação correta (TCC) de 84,4% e 97,8%, respectivamente, enquanto em PLS-DA e GA-LDA classificaram-se corretamente todas as amostras de teste. Na avaliação dos dados voltamétricos, tanto o SPA-LDA como o PLS-DA alcançaram uma TCC de 93%, mas os modelos GA-LDA e SW-LDA apresentaram melhores resultados, classificando corretamente todas as amostras de teste. Portanto, os métodos propostos são alternativas promissoras para a identificação, de forma rápida e segura, de adulteração em amostras de AEHC com água ou metanol.

Orientador: Ronei Jesus Poppi / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Química / Made available in DSpace on 2018-08-26T16:15:02Z (GMT). No. of bitstreams: 1 Almeida_MarianaRamosde_D.pdf: 6686279 bytes, checksum: 1e1d5d53538fb99a153ff4425595e0ce (MD5) Previous issue date: 2015 / Resumo: A motivação para o desenvolvimento dessa tese foi a busca por métodos de análise não destrutivos, com nenhum ou mínimo preparo de amostra e que permitam a obtenção do máximo de informação com a realização de uma única análise na área de forense e paleontologia. Em forense, a espectroscopia Raman e o método de classificação supervisionado PLS-DA (Análise Discriminante por Mínimos Quadrados Parciais) foram empregados para construir modelos de classificação. O primeiro modelo foi construído para discriminar cédulas autênticas de cédulas falsas. A análise foi baseada na caracterização das tintas usadas na confecção das cédulas. O segundo modelo de classificação foi construído para diferenciar o óleo essencial extraído de diferentes partes (caule, folhas e galhos) da árvore amazônica Aniba Rosaeodora. A confiabilidade dos modelos foi avaliada pelo cálculo do intervalo de confiança, que foram calculados usando a técnica de reamostragem bootstrap. Os resultados obtidos mostraram que os modelos de classificação podem ser usados como método complementar à inspeção forense clássica e método de triagem. O desempenho dos modelos de classificação foi avaliado pelo cálculo de sensibilidade, especificidade, eficiência e coeficiente de Mathew. A espectroscopia Raman de imagem e o método de análise de componentes independentes (ICA) foram empregados para a identificação de explosivos em superfícies de cédulas. O método ICA foi avaliado como método de resolução de curvas para extrair os perfis espectrais e as imagens Raman dos constituintes presentes nas superfícies analisadas. Os resultados obtidos mostraram que o método ICA é adequado para resolução de curvas, uma vez que alcançou desempenho equivalente ao método clássico MCR-ALS (Resolução Multivariada de Curvas com Mínimos Quadrados Alternados). O limite de detecção da metodologia apresentada foi de 50 µg.cm-2 para o explosivo TNT. Por fim, a espectroscopia Raman de imagem foi empregada no estudo da composição química de fósseis de peixes, com o objetivo de obter informações sobre características biológicas. Os resultados mostraram informações sobre a composição química do fóssil estudado / Abstract: The motivation for the development of this thesis was to search for non-destructive testing methods, with none or minimal sample preparation and allowing them to obtain maximum information with the completion of a single analysis for forensic and paleontology. In the forensics, the Raman spectroscopy and the PLS-DA (discriminant analysis by Partial Least Squares) classification method were explored to build classification models. The first model was built to discriminate authentic and counterfeit banknotes. The analysis was based on the characterization of inks used in the confection of the banknotes. The second classification model was built to differentiate the essential oil extracted from different parts (wood, leaves and branches) of the Brazilian tree Aniba rosaeodora. The reliability of the models was evaluated by calculating the confidence interval, which was calculated using the bootstrap resampling technique. The results show that the classification models can be used as a complementary method to classical forensic inspection and a screening method. The performance of classification models was evaluated by calculating sensitivity, specificity, efficiency and Matthew coefficient. In a third application, Raman hyperspectral imaging and the independent component analysis (ICA) method were used for identification of explosives on the surfaces of banknotes. The ICA method was evaluated as curve resolution method to extract the Raman spectral profiles and the images of the constituents present in the analyzed surfaces. The results showed that the ICA method is appropriate for curves resolution, once achieved equivalent performance to the classical MCR-ALS (Multivariate Curve Resolution with Alternating Least Squares) method. The methodology presented limit of detection of 50 µg.cm-2 for the explosive TNT. Finally, the Raman hyperspectral imaging was applied in paleontology to study the chemical composition of fish fossil with the aim of obtaining information on biological characteristics. The results showed information about the chemical composition of fossil studied / Doutorado / Quimica Analitica / Doutora em Ciências

Submitted by Maike Costa (maiksebas@gmail.com) on 2016-05-11T12:40:39Z No. of bitstreams: 1 arquivo total.pdf: 6105657 bytes, checksum: 8404a0fcb54e3893c95fdfb017f0ac96 (MD5) / Made available in DSpace on 2016-05-11T12:40:39Z (GMT). No. of bitstreams: 1 arquivo total.pdf: 6105657 bytes, checksum: 8404a0fcb54e3893c95fdfb017f0ac96 (MD5) Previous issue date: 2015-08-31 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / In recent years, commercial cotton lint have been developed with better quality, presenting different characteristics, but with similar coloring. This can be a problem because these samples is identified, large-scale, performed by a visual inspection, which is a very subjective method and error prone. Another way available for classification of samples is the use of HVI system (High Volume Instruments) to determine physical quality parameters. However, this apparatus has a high cost when compared to digital imaging technique, furthermore has the need for adequate infrastructure and a trained analyst for analysis procedure. This work proposes the development of a novel analytical method based on the use of digital image and multivariate analysis to (1) naturally colored cotton plumes classification according to the type of cultivar and (2) simultaneous determination of degree of yellowness (+b), reflectance (Rd) and wax content (WAX). The acquisition of digital images of cotton lints was carried out through a webcam and histograms containing distributions in levels of colors in standard RGB (red-green-blue), grayscale and HSV system (hue-saturation-value) they were obtained. In the classification of samples, models based discriminant analysis by partial least squares (PLS-DA) and linear discriminant analysis (LDA) with variable selection by the successive projections algorithm (SPA) or stepwise (SW) were evaluated. For the determination of the parameters +b, Rd and WAX, PLS models and multiple linear regression (MLR) with variable selection by the SPA were developed and compared. The best classification results were obtained with LDA / SW model with a correct classification rate (TCC) of 96% for the test group using the HSV combination. As the calibration methods, satisfactory prediction results were obtained for both models (PLS and MLR-SPA) with values of RMSEP near repeatability of the reference method. Furthermore, no systematic error was observed and there were no significant differences between the predicted values and reference, according to a paired t-test at 95% confidence. As advantages of the method is simple, low cost, does not use reagent, does not destroy the sample and realizes analysis at short time intervals. / Nos últimos anos, plumas de algodão comerciais têm-se desenvolvido com melhor qualidade, apresentando características diferentes, mas com coloração similar. Isto pode ser um problema porque a identificação destas amostras é, em larga escala, realizada por meio de uma inspeção visual, que é um método subjetivo e sujeito a erros. Outra forma disponível para classificação dessas amostras consiste no uso do sistema HVI (High Volume Instruments) na determinação de parâmetros físicos de qualidade. Contudo, tal equipamento apresenta um alto custo, se comparado a técnica de imagens digitais, além do mais tem-se a necessidade de uma infraestrutura adequada e de um analista treinado para o procedimento de análise. Este trabalho propõe o desenvolvimento de uma nova metodologia analítica baseada na utilização de imagens digitais e análise multivariada para (1) classificação de plumas de algodão naturalmente colorido de acordo com o tipo de cultivar e (2) determinação simultânea de grau de amarelamento (+b), reflectância (Rd) e teor de cera (WAX). A aquisição das imagens digitais das plumas de algodão foi realizada por meio de uma webcam e foram obtidos os histogramas contendo as distribuições nos níveis de cores no padrão RGB (vermelho-verde-azul), escala de cinza e o sistema HSV (matiz-saturação-valor). Na classificação das amostras, modelos baseados na análise discriminante pelos mínimos quadrados parciais (PLS-DA) e análise discriminante linear (LDA) com seleção de variáveis pelo algoritmo das projeções sucessivas (SPA) ou pelo stepwise (SW) foram avaliados. Para a determinação dos parâmetros de +b, Rd e WAX, modelos PLS e regressão linear múltipla (MLR) com seleção de variáveis pelo SPA foram desenvolvidos e comparados. Os melhores resultados de classificação foram obtidos com o modelo LDA/SW, com uma taxa de classificação correta (TCC) de 96% para o conjunto de teste utilizando a combinação HSV. Quanto aos métodos de calibração, resultados de previsão satisfatórios foram obtidos para ambos os modelos (PLS e MLR-SPA), com valores de RMSEP próximos à repetitividade do método de referência. Além disso, nenhum erro sistemático foi observado e não foram encontradas diferenças significativas entre os valores previstos e de referência, de acordo com um teste t-pareado ao nível de confiança de 95%. Como vantagens o método é simples, de baixo custo, não utiliza reagente, não destrói a amostra e realiza análise em curtos intervalos de tempo.

Submitted by Luanna Matias (lua_matias@yahoo.com.br) on 2015-04-01T14:19:27Z No. of bitstreams: 2 Dissertação - Lucas de Almeida Ribeiro - 2014.pdf: 6237054 bytes, checksum: 085446421b01a7e7b9174daf3da9b192 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Luanna Matias (lua_matias@yahoo.com.br) on 2015-04-01T15:19:35Z (GMT) No. of bitstreams: 2 Dissertação - Lucas de Almeida Ribeiro - 2014.pdf: 6237054 bytes, checksum: 085446421b01a7e7b9174daf3da9b192 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2015-04-01T15:19:35Z (GMT). No. of bitstreams: 2 Dissertação - Lucas de Almeida Ribeiro - 2014.pdf: 6237054 bytes, checksum: 085446421b01a7e7b9174daf3da9b192 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2014-10-29 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / This work proposes the use of multi-objective evolutionary algorithm on tables (AEMT) for variable selection in classification problems, using linear discriminant analysis. The proposed algorithm aims to find minimal subsets of the original variables, robust classifiers that model without significant loss in classification ability. The results of the classifiers modeled by the solutions found by this algorithm are compared in this work to those found by mono-objective formulations (such as PLS, APS and own implementations of a Simple Genetic Algorithm) and multi-objective formulations (such as the simple genetic algorithm multi -objective - MULTI-GA - and the NSGA II). As a case study, the algorithm was applied in the selection of spectral variables for classification by linear discriminant analysis (LDA) of samples of biodiesel / diesel. The results showed that the evolutionary formulations are solutions with a smaller number of variables (on average) and a better error rate (average) and compared to the PLS APS. The formulation of the AEMT proposal with the fitness functions: medium risk classification, number of selected variables and number of correlated variables in the model, found solutions with a lower average errors found by the NSGA II and the MULTI-GA, and also a smaller number of variables compared to the multi-GA. Regarding the sensitivity to noise the solution found by AEMT was less sensitive than other formulations compared, showing that the AEMT is more robust classifiers. Finally shows the separation regions of classes, based on the dispersion of samples, depending on the selected one of the solutions AEMT, it is noted that it is possible to determine variables of regions split from the selected variables. / Este trabalho propõe o uso do algoritmo evolutivo multi-objetivo em tabelas (AEMT) para a seleção de variáveis em problemas de classificação, por meio de análise discriminante linear. O algoritmo proposto busca encontrar subconjuntos mínimos, das variáveis originais, que modelem classificadores robustos, sem perda significativa na capacidade de classificação. Os resultados dos classificadores modelados pelas soluções encontradas por este algoritmo são comparadas, neste trabalho, às encontradas por formulações mono-objetivo (como o PLS, o APS e implementações próprias de um Algoritmo Genético Simples) e formulações multi-objetivos (como algoritmo genético multi-objetivo simples - MULTI-GA - e o NSGA II). Como estudo de caso, o algoritmo foi aplicado na seleção de variáveis espectrais, para a classificação por análise discriminante linear (LDA - Linear Discriminant Analysis), de amostras de biodiesel/diesel. Os resultados obtidos mostraram que as formulações evolutivas encontram soluções com um menor número de variáveis (em média) e uma melhor taxa de erros (média) se comparadas ao PLS e o APS. A formulação do AEMT proposta com as funções de aptidão: risco médio de classificação, número de variáveis selecionadas e quantidade de variáveis correlacionadas presentes no modelo, encontrou soluções com uma média de erros inferior as encontradas pelo NSGA II e pelo MULTI-GA, e também uma menor quantidade de variáveis se comparado ao MULTI-GA. Em relação à sensibilidade a ruídos a solução encontrada pelo AEMT se mostrou menos sensível que as outras formulações comparadas, mostrando assim que o AEMT encontra classificadores mais robustos. Por fim, são apresentadas as regiões de separação das classes, com base na dispersão das amostras, em função das variáveis selecionadas por uma das soluções do AEMT, nota-se que é possível determinar regiões de separação a partir das variáveis selecionadas.