Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / It was evaluate the fatty acid profile of organic and conventional milk in differen seasons, the use of spectral data obtained in the near infrared region for classification of milk (organic vs conventional) and quantification of fatty acids. The tested rating models were: support vector machine (SVM) and independent flexible modeling by analogy class (SIMCA); and quantification: regression by partial least square (PLS) by interval (iPLS), principal component regression (PCR), regression by support vectors machine (SVR) and artificial neural networks (RNA). The milk samples used tanks producing units 135 and individual cows. The database used to develop the classification models were constructed from milk samples collected every two months, from July 2011 to May 2012, from 20 units producing organic milk and 20 conventional, located in the Southern of Brazil. The reference method the quantification of fatty acids used was gas chromatography (GC/FID). Spectral recordings were made in the range of 1100 to 2500nm in both samples of fresh milk as freeze-dried. The results did not show significant difference between the production system (organic and conventional) and the content of most fatty acids, including those identified as beneficial to consumer health. The use of near infrared spectroscopy associated with chemometric classification models made it possible to differentiate between milk samples from different systems, with an accuracy of 80,93% for freeze-dried samples and 59,32% for in natura samples by MVS method. Quantification of fatty acid in milk from NIR data is possible, and the selection of wavelengths by iPLS improved prediction model regarding the use of the entire spectrum. The artificial neural network has better performance than other models. The water content interfere with the performance of the models, both as to rate the samples to quantify fatty acids with significantly superior results with lyophilized samples. / Foi avaliado operfil de ácidos graxos do leite orgânico e convencional em diferentes estações do ano e, o uso de dados espectrais obtidos na região do infravermelho proximal para classificação do leite (orgânico vs convencional) e quantificação de ácidos graxos. Os modelos de classificação testados foram: máquina de vetores de suporte (SVM) e modelagem independente flexível por analogia de classe (SIMCA); e de quantificação: regressão por mínimos quadrados parciais (PLS) por intervalo (iPLS), regressão por componentes principais (PCR), regressão por máquina de vetores de suporte (SVR) e redes neurais artificiais (RNA). As amostras de leite utilizadas para desenvolver os modelos de quantificação totalizaram 421, sendo 286 oriundas de tanques de resfriamento de unidades produtoras e 135 individuais de vacas. O banco de dados utilizado para desenvolver os modelos de classificação foi construído a partir de amostras de leite coletadas a cada 2 meses, de julho de 2011 a maio de 2012, proveniente de 20 unidades produtora de leite orgânico e 20 convencionais, localizadas na região Sul do Brasil. Utilizou-se como método de referência para quantificação de ácidos graxosa cromatografia gasosa (GC/FID). Os registros espectrais foram realizados na faixa de 1100 a 2500nm tanto nas amostras de leite in natura como liofilizada. Os resultados não acusaram diferença significativa entre o sistema de produção (orgânico e convencional) quanto ao teor da maioria dos ácidos graxos, inclusive para os identificados como benéficos à saúde do consumidor. O uso da espectroscopia no infravermelho proximal associado a modelos quimiométricos de classificação possibilitou a diferenciação entre amostras de leite de diferentes sistemas, com acurácia de 80,93% para amostras liofilizadas e 59,32% para amostras in natura pelo método SVM. A quantificação de ácidos graxos no leite a partir de dados NIR é possível, sendo que a seleção de comprimentos de onda através do iPLS melhorou a predição do modelo em relação ao uso do espectro inteiro. A rede neural artificial apresentou desempenho superior aos demais modelos. O teor de água interfere no desempenho dos modelos, tanto para classificar as amostras como para quantificar ácidos graxos, com resultados significativamente superiores com amostras liofilizadas.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsm.br:1/3417 |
| Date | 22 July 2016 |
| Creators | Milani, Marceli Pazini |
| Contributors | Nörnberg, José Laerte, Azevedo, Eduardo Bohrer de, Schafhäuser Junior, Jorge, Mello, Renius de Oliveira, Wagner, Roger |
| Publisher | Universidade Federal de Santa Maria, Programa de Pós-Graduação em Ciência e Tecnologia dos Alimentos, UFSM, BR, Ciência e Tecnologia dos Alimentos |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFSM, instname:Universidade Federal de Santa Maria, instacron:UFSM |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 500700000006, 400, 300, 300, 300, 300, 300, 300, 7ac0e6d5-9893-4fed-84ef-69171f1cb67b, 9a8900cc-1b01-4e0c-b52a-0d33c5b0dde9, b52f40e2-ce6a-418c-8cbe-21769ef865ec, ece1616d-143e-4bd0-9c3b-11bac31bb9b6, ad6a9c0b-950c-403f-ad90-446b19d685d3, 17536234-2395-4244-a37f-fcbfdb645545 |
Page generated in 0.0024 seconds