Return to search

Uso da espectroscopia no infravermelho próximo (NIR) para a avaliação de parâmetros de qualidade de farinha de mandioca

Submitted by Danielle Karla Martins Silva (danielle.martins@ufpe.br) on 2015-03-13T14:23:26Z
No. of bitstreams: 2
DISSERTAÇÃO Thaisa Oliveira Folha.pdf: 2690188 bytes, checksum: f6f0af85773e3da36ad0aa091cc67576 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-13T14:23:26Z (GMT). No. of bitstreams: 2
DISSERTAÇÃO Thaisa Oliveira Folha.pdf: 2690188 bytes, checksum: f6f0af85773e3da36ad0aa091cc67576 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Previous issue date: 2014 / CAPES / A espectroscopia no infravermelho próximo associada à quimiometria tem sido empregada para a análise de diferentes amostras. Este trabalho teve como principal objetivo o desenvolvimento de metodologias analíticas multivariadas orientadas a análise de farinhas de mandioca de diferentes regiões do Brasil utilizando-se da espectroscopia de infravermelho próximo (NIR). Os parâmetros de qualidade: cinzas, umidade, e pH foram determinados pelos métodos físico-químicos da AOAC (1995) e do Instituto Adolf Lutz (1985). Os espectros no infravermelho próximo foram adquiridos na faixa de 10000 a 4000 cm-1. Os modelos de calibração foram desenvolvidos utilizando setenta e duas amostras de farinha correlacionando os dados físico-químicos com os espectros NIR por Regressão por Mínimos Quadrados Parciais - PLS, Regressão por Mínimos Quadrados Parciais com coeficientes de regressão selecionados pelo algoritmo Jack-Knife - PLS/JK e Regressão Linear Múltipla com seleção de variáveis pelo Algoritmo das Projeções Sucessivas - MLR/SPA. A capacidade preditiva dos modelos foi avaliada por validação externa, utilizando um conjunto de trinta e cinco amostras que não fizeram parte da modelagem. Os modelos foram testados utilizando diferentes pré-processamentos. A análise de componentes principais (PCA) não permitiu a discriminação das amostras de farinha em função do estado de origem. Quanto aos modelos de calibração e validação, para determinação do teor de umidade, o melhor modelo foi obtido utilizando a correção multiplicativa de sinal (MSC), com RMSEP igual a 0,39%. Para a determinação do pH, o melhor modelo foi obtido empregando a primeira derivada com filtro de Savitzky Golay com janela de 21 pontos, com RMSEP igual a 0,29 . Para a determinação do teor de cinzas, o melhor modelo empregou o MSC, com RMSEP igual 0,11%. As vantagens do emprego dessa técnica são a simplicidade, a rapidez e a ausência de resíduos químicos, os quais são geralmente gerados pelos métodos tradicionais de análises.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/12455
Date31 January 2014
CreatorsFolha, Thaisa Oliveira
ContributorsPaim, Ana Paula Silveira, Pereira, Claudete Fernandes
PublisherUniversidade Federal de Pernambuco
Source SetsIBICT Brazilian ETDs
LanguageBreton
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE
RightsAttribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess

Page generated in 0.0024 seconds