Submitted by Rodrigo Martins Cruz (rodrigo.cruz@ufvjm.edu.br) on 2015-02-19T13:03:29Z No. of bitstreams: 5 nathalia.pdf: 1483380 bytes, checksum: acf5f07f37d0cff8f8dc49c87a364666 (MD5) license_url: 52 bytes, checksum: 3d480ae6c91e310daba2020f8787d6f9 (MD5) license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) license.txt: 2110 bytes, checksum: b4c884761e4c6c296ab2179d378436d4 (MD5) / Approved for entry into archive by Rodrigo Martins Cruz (rodrigo.cruz@ufvjm.edu.br) on 2015-02-20T09:40:07Z (GMT) No. of bitstreams: 5 nathalia.pdf: 1483380 bytes, checksum: acf5f07f37d0cff8f8dc49c87a364666 (MD5) license_url: 52 bytes, checksum: 3d480ae6c91e310daba2020f8787d6f9 (MD5) license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) license.txt: 2110 bytes, checksum: b4c884761e4c6c296ab2179d378436d4 (MD5) / Made available in DSpace on 2015-02-20T09:40:07Z (GMT). No. of bitstreams: 5 nathalia.pdf: 1483380 bytes, checksum: acf5f07f37d0cff8f8dc49c87a364666 (MD5) license_url: 52 bytes, checksum: 3d480ae6c91e310daba2020f8787d6f9 (MD5) license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) license.txt: 2110 bytes, checksum: b4c884761e4c6c296ab2179d378436d4 (MD5) Previous issue date: 2013-02-21 / O vinho ? uma das bebidas mais antigas e tradicionais produzidas e consumidas pela humanidade. Nas ?ltimas d?cadas a busca por qualidade nos produtos aliment?cios impulsionaram a pesquisa em t?cnicas anal?ticas capazes de fornecer resultados mais r?pidos e precisos. Neste contexto, m?todos anal?ticos que possam mensurar par?metros de qualidade de forma simult?nea para um grande n?mero de amostras constitui-se ferramenta desej?vel para processo de escala industrial. A espectroscopia no infravermelho pr?ximo (NIR) aparece como uma ferramenta de consider?vel import?ncia para a ind?stria de vinhos, permitindo o estabelecimento de in?meras metodologias anal?ticas. Dessa forma, o trabalho desenvolvido nesta disserta??o teve por objetivo usar a espectroscopia no infravermelho pr?ximo e ferramentas de an?lise multivariada de dados para o estabelecimento de protocolo quimiom?trico de an?lise da qualidade f?sico-qu?mica de vinhos tintos. As amostras de vinho foram analisadas quanto a 21 par?metros f?sico-qu?micos por meio de m?todos laboratorias enol?gicos de refer?ncia e por espectroscopia na regi?o eletromagn?tica do infravermelho pr?ximo. Os dados das t?cnicas de refer?ncia e os dados espectrosc?picos foram analisados utilizando diferentes tipos de regress?o (regress?o linear m?ltipla, regress?o por componentes principais e regress?o por m?nimos quadrados parciais) e pr?-processamentos para avalia??o de correla??o entre os dados. Os par?metros de acidez total, acidez fixa, cinzas e rela??o etanol/extrato seco obtiveram excelentes modelos de calibra??o. Os par?metros de a??cares redutores totais, extrato seco, glicerol, glicose e intensidade da cor, obtiveram bons modelos de calibra??o. Os par?metros de s?lidos sol?veis totais, compostos fen?licos, a??cares redutores, taninos e tonalidade obtiveram modelos de calibra??o capazes de separar corretamente os altos, m?dios e baixos valores. Para os par?metros de pH, antocianinas, di?xido de enxofre livre, di?xido de enxofre total e sulfatos totais foram obtidos modelos de calibra??o ruins. Os dados obtidos demonstraram que a espectroscopia no infravermelho pr?ximo combinada a ferramentas de an?lise multivariada de dados aplica-se na determina??o de alguns analitos enol?gicos. / Disserta??o (Mestrado) ? Programa de P?s-Gradua??o em Qu?mica, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2012. / ABSTRACT The wine is one of the oldest beverage produced and consumed by humanity. In the last years, the research in food quality are looking for a new analytical techniques more precise, faster and accurate. In this way, the wineries demand for new analytical methods that can provide simultaneous data for a large number of analyses. The near infrared spectroscopy (NIR) is a very important analytical tool in wine industry, allowing the establishment of numerous analytical methodologies. In that way, the work developed for this dissertation aimed use near infrared spectroscopy and multivariate data analysis tools for the establishment of chemometric analysis of physicochemical quality of red wines. The wine samples was analyzed for 20 parameters using enological laboratorial methods and by using near infrared spectroscopy. The chemical an spectroscopic data was analyzed using different types of regression (multiple linear regression, principal components regression and least partial squares) and preprocessing tools to evaluate the correlation between the data. The total acidity, fixed acidity, ash, ethanol/dry extract relation had a excellent correlation model. The total reducing sugar, dry extract, glycerol, glucose and color intensity had a good correlation model. The total soluble solids, phenolic compounds, reducing sugar, tannins and tonality had a calibration model able to separate correctly the high, meddle and low values. The ethanol, pH, anthocyanins, free sulfur dioxide, total sulfur dioxide, total sulfates and volatile acidity had a bad correlation model. The results showed that near infrared spectroscopy and multivariate analysis tools can be used for determinations in enological quality control.

Made available in DSpace on 2014-12-17T15:41:56Z (GMT). No. of bitstreams: 1 AlessandraMC_DISSERT.pdf: 3533058 bytes, checksum: de92ff683335d9aa6c119013acb5b5d0 (MD5) Previous issue date: 2011-08-15 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / In this work calibration models were constructed to determine the content of total lipids and moisture in powdered milk samples. For this, used the near-infrared spectroscopy by diffuse reflectance, combined with multivariate calibration. Initially, the spectral data were submitted to correction of multiplicative light scattering (MSC) and Savitzsky-Golay smoothing. Then, the samples were divided into subgroups by application of hierarchical clustering analysis of the classes (HCA) and Ward Linkage criterion. Thus, it became possible to build regression models by partial least squares (PLS) that allowed the calibration and prediction of the content total lipid and moisture, based on the values obtained by the reference methods of Soxhlet and 105 ? C, respectively . Therefore, conclude that the NIR had a good performance for the quantification of samples of powdered milk, mainly by minimizing the analysis time, not destruction of the samples and not waste. Prediction models for determination of total lipids correlated (R) of 0.9955, RMSEP of 0.8952, therefore the average error between the Soxhlet and NIR was ? 0.70%, while the model prediction to content moisture correlated (R) of 0.9184, RMSEP, 0.3778 and error of ? 0.76% / Neste trabalho foram constru?dos modelos de calibra??o para determinar os teores de lip?dios totais e umidade em amostras de leite em p?. Para isso, utilizou-se a espectroscopia no infravermelho pr?ximo por reflect?ncia difusa, aliado ? calibra??o multivariada. Inicialmente, os dados espectrais foram submetidos ? corre??o multiplicativa do espalhamento da luz (MSC) e alisamento de Savitzsky-Golay. Em seguida, as amostras foram divididas em subgrupos por aplica??o da an?lise por agrupamento hier?rquico das classes (HCA) e crit?rio de Ward Linkage. Desta forma, tornou-se poss?vel construir modelos de regress?o por m?nimos quadrados parciais (PLS) que permitiu a calibra??o e previs?o dos teores de lip?dios e umidade, com base nos valores obtidos por m?todos de refer?ncia de Soxhlet e secagem a 105 ? C, respectivamente. Portanto, conclui-se que o NIR apresentou um bom desempenho para quantifica??o de amostras de leite em p?, principalmente pela minimiza??o do tempo das an?lises, n?o destrui??o das amostras e n?o gera??o de res?duos. Os modelos de previs?o para determina??o de lip?dios totais apresentaram correla??o (R) de 0,9955, RMSEP de 0,8952, por conseguinte, o erro m?dio entre o Soxhlet e o NIR foi ? 0,70%, enquanto o modelo de previs?o para teor de umidade apresentou correla??o (R) de 0,9184, RMSEP, 0,3778 e erro de ? 0,76%