Submitted by Erika Demachki (erikademachki@gmail.com) on 2015-01-21T18:47:40Z
No. of bitstreams: 2
Tese - Raphael Rocha de Oliveira - 2014.pdf: 1885225 bytes, checksum: 5adb0d9c490f337d13e5335be96b08f2 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Erika Demachki (erikademachki@gmail.com) on 2015-01-21T18:47:50Z (GMT) No. of bitstreams: 2
Tese - Raphael Rocha de Oliveira - 2014.pdf: 1885225 bytes, checksum: 5adb0d9c490f337d13e5335be96b08f2 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2015-01-21T18:47:50Z (GMT). No. of bitstreams: 2
Tese - Raphael Rocha de Oliveira - 2014.pdf: 1885225 bytes, checksum: 5adb0d9c490f337d13e5335be96b08f2 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5)
Previous issue date: 2014-06-28 / Near infrared reflectance spectroscopy (NIRS) has been successfully applied in
the quantitative determination of the main constituents of beef but it has been
presenting inconsistent results in determining characteristics relating to
tenderness. In addition, the various aspects related to data processing
(mathematical pre-treatments, spectral bands, sample presentation, regression
method), should be constantly evaluated, since they affect the prediction cap acity
of NIRS. In this context, the present study was developed to determine which
spectral data-processing methods make it possible, using the PLS regression
method, to obtain robust calibration models that determine the chemical
composition and tenderness characteristics of beef. The accuracy of the models
was determined by external validation, which has been little used in previously
published studies. To develop the calibration models, three spectra were collected
from each sample of the Longissimus dorsi muscle of 25 mixed-breed castrated
dairy calves, divided into five treatments (five repetitions in each) based on
supplying diets containing millet and including babassu mesocarp bran at
proportions of 0; 12; 24; 36 and 48% in the dry matter of the total diet, comprising
75 spectra. For the external validation set, samples were used from five mixedbreed castrated dairy calves fed on a diet based on maize and soybean, totalling
15 spectra. To determine the chemical composition (fat content, protein, ash
content and moisture) and the tenderness properties (water holding capacity –
WHC -, total and soluble collagen, shear force, FMI and pH), 135 calibration
models were developed with mathematical pre-treatments available on VISION
software, version 3.1, using PLS regression, from which 37 (27.41% of the total)
presented coefficients of determination considered good or excellent in their
predictive capacity. The pre-treatment with “first derivatives” made it possible to
develop more robust models for the chemical composition properties, except for
RMF, in which “Savitzky-Golay” and “second derivatives” were more efficient,
obtaining R
2
and RPD values above those available in the literature. For
determining the tenderness properties in beef, the models develope d with “first
and second derivatives” pre-treatments, in isolation or with “Savitzky -Golay” or
“multiplicative scatter correction” smoothing methods, presented the highest
values of RPD, demonstrating that themselves are efficient chemometric tools for
obtaining robust calibration models. Models were obtained with limited predictive
capacity only in the determination of total fats and total collagen quantification.
This was probably due to the low variability presented in the samples used a nd to
the low sensitivity of NIRS for total collagen. It was concluded that NIRS can be
used to replace conventional methods, being a fast and precise technique, as well
as allowing simultaneous analysis of beef quality characteristics. / A espectroscopia de reflectância no infravermelho próximo (NIRS) tem sido
aplicada com êxito na determinação quantitativa dos principais constituintes da
carne bovina, mas tem apresentado resultados inconsistentes na determinação
das características relacionadas à maciez. Além disso, os diferentes aspectos
relacionados ao processamento dos dados (pré-tratamentos matemáticos, faixas
espectrais, apresentação das amostras, método de regressão), devem ser
avaliados constantemente, já que afetam a capacidade de predição do NIRS.
Assim sendo, o presente estudo foi desenvolvido para determinar quais métodos
de processamento de dados espectrais possibilitam, com o método de regressão
PLS, a obtenção de modelos de calibração robustos para a determinação d a
composição química e das características de maciez da carne bovina, sendo a
acurácia dos modelos determinada por validação externa. Para o
desenvolvimento dos modelos de calibração, foram coletados três espectros de
cada amostra do músculo Longissimus dorsi de 25 novilhos mestiços leiteiros
castrados, divididos em cinco tratamentos, cinco repetições em cada, com base
no fornecimento de dietas contendo milheto e inclusão de farelo do mesocarpo do
babaçu nas proporções de 0; 12; 24; 36 e 48% na matéria seca da dieta total,
totalizando 75 espectros. Para o conjunto de validação externa, foram utilizadas
amostras de cinco novilhos mestiços leiteiros castrados submetidos à dieta à base
de milho e soja, totalizando 15 espectros. Para a determinação da composição
química (lipídios totais, proteína, resíduo mineral fixo e umidade ) e de
propriedades de maciez (capacidade de retenção de água, colágeno total e
solúvel, força de cisalhamento, IFM e pH), foram desenvolvidos 135 modelos de
calibração com os pré-tratamentos matemáticos disponíveis no software VISION,
versão 3.1, utilizando a regressão PLS, dos quais 37 (27,41% do total)
apresentaram valores de coeficientes de determinação considerados como boa
ou excelente capacidade preditiva. O pré-tratamento com “primeira derivada”
possibilitou o desenvolvimento de modelos mais robustos para as propriedades
de composição química, exceto para RMF, em que “Savitzky-Golay” e “segunda
derivada” foram mais eficientes, obtendo valores de R
2
e RPD superiores aos
disponíveis na literatura. Para a determinação das propriedades de maciez em
carne bovina, os modelos desenvolvidos com os pré-tratamentos com “primeira e
segunda derivadas”, isoladamente ou com a utilização dos métodos de
suavização “Savitzky-Golay” ou “correção multiplicativa de sinal”, apresentaram
os maiores valores de RPD, demonstrando ser ferramentas quimiométricas
eficientes para a obtenção de modelos de calibração robustos. Foram obtidos
modelos com capacidade preditiva limitada apenas para a determinação de
lipídios totais e quantificação do colágeno total, provavelmente, devido à baixa
variabilidade apresentada nas amostras utilizadas e à baixa sensibilidade do
NIRS para o colágeno total. Conclui-se, que a espectroscopia de reflectância no
infravermelho próximo pode s er utilizada em substituição aos métodos
convencionais, por ser uma técnica rápida, precisa, sensível e que permite a
análise simultânea das características de qualidade da carne bovina.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.bc.ufg.br:tede/3929 |
| Date | 28 June 2014 |
| Creators | Oliveira, Raphael Rocha de |
| Contributors | Lage, Moacir Evandro, Rezende, Cíntia Silva Minafra e, Prado, Cristiano Sales, Lage, Moacir Evandro, Amoril, José Gabriel, Bueno, Cláudia Peixoto, Oliveira, Jaison Pereira de, Nicolau, Edmar Soares |
| Publisher | Universidade Federal de Goiás, Programa de Pós-graduação em Ciência Animal (EVZ), UFG, Brasil, Escola de Veterinária e Zootecnia - EVZ (RG) |
| 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:Biblioteca Digital de Teses e Dissertações da UFG, instname:Universidade Federal de Goiás, instacron:UFG |
| Rights | http://creativecommons.org/licenses/by-nc-nd/4.0/, info:eu-repo/semantics/openAccess |
| Relation | 4581960685150189167, 600, 600, 600, -6217552114249094582, -7636512811479495338 |
Page generated in 0.0109 seconds