Aplicação de técnicas espectroscópicas, métodos quimiométricos, fusão de dados e seleção de variáveis no controle de qualidade de blends das espécies de café arábica e robusta

Autor: Camila Assis
Přispěvatelé: Marcelo Martins de Sena, Marco Flôres Ferrão, Marcello Garcia Trevisan, Leticia Malta Costa, Bruno Gonçalves Botelho
Jazyk: portugalština
Rok vydání: 2018
Předmět:
Zdroj: Repositório Institucional da UFMG
Universidade Federal de Minas Gerais (UFMG)
instacron:UFMG
Popis: O principal objetivo desta tese foi desenvolver modelos multivariados para quantificar e caracterizar misturas de cafés Robusta e Arabica. Para este fim, 120 misturas de café moído (0-33% m/m, café Robusta em blends com café Arabica), preparadas com amostras obtidas de dez produtores diferentes, foram formuladas em três diferentes graus de torra: leve, média e escura. Diferentes técnicas instrumentais foram utilizadas: espectroscopias no infravermelho médio com refletância total atenuada (ATR-FTIR ou MIR), no infravermelho próximo (NIR), espectrometria de massas com ionização por paper spray (PS-MS) e fluorescência de raios X por reflexão total (TXRF). Modelos utilizando regressão por mínimos quadrados parciais (PLS) foram construídos individualmente para os espectros de cada técnica. Paralelamente, modelos de fusão de dados (diferentes combinações entre as técnicas) também foram construídos nos níveis baixo e médio, de forma a aproveitar a sinergia entre os conjuntos de dados. Os modelos foram otimizados por métodos de seleção de variáveis, tais como algoritmo genético (GA) e seleção de preditores ordenados (OPS). Em geral, os menores erros de previsão foram fornecidos pelo modelo de fusão de dados de nível baixo. Em todos os casos, os métodos de seleção de variáveis reduziram consideravelmente os valores de erro quadrático médio de previsão (RMSEP) e o número de variáveis, aumentando os valores de coeficiente de correlação entre valores previstos e de referência. Os modelos construídos foram interpretados através de seus vetores informativos e, de forma geral, compostos específicos presentes no café foram fundamentais para diferenciar as espécies, tais como trigonelina, açúcares e ácidos clorogênicos. Para os dados obtidos de TXRF, destacaram-se os elementos Mn e Rb como possíveis marcadores das espécies. Os melhores modelos (MIR e MIR-PSMS) foram validados e figuras de mérito adequadasvi foram estimadas, corroborando sua exatidão, linearidade, sensibilidade e ausência de viés. The main objective of this thesis was to develop multivariate models to quantify and characterize mixtures of Robusta and Arabica coffees. For this purpose, 120 blends of ground coffees (0.0-33.0% m/m), prepared with coffee samples originated from ten different farmers, were formulated at three different degrees of roasting: light, medium and dark. Different instrumental techniques were used: attenuated totalreflectance Fourier transform infrared (ATR-FTIR or MIR) spectroscopy, near infrared (NIR) spectroscopy, paper spray ionization mass spectrometry (PS-MS) and total reflection X-ray fluorescence (TXRF). Models using partial least squares regression (PLS) were built individually for the spectra from each technique. In the sequence, datafusion models (different combinations of techniques) were also built at low and medium levels, in order to take advantage of the synergy between the datasets. The models were optimized by variable selection methods, such as genetic algorithm (GA) and ordered predictors selection (OPS). In general, the smallest prediction errors wereprovided by the low-level data fusion models. In all the cases, the variable selection methods significantly reduced the mean square errors of prediction (RMSEP) and the number of variables, increasing the correlation coefficient values between predicted and reference values. PLS models were interpreted through informative vectors andspecific coffee components were detected as marker species, such as trigonelline, sugars and chlorogenic acids. For the atomic data, the elements Mn and Rb were mostly detected as possible markers of the coffee species. The best models (MIR and MIR-PSMS) were validated and proper figures of merit were estimated, corroborating their accuracy, linearity, sensitivity and absence of bias.
Databáze: OpenAIRE
Externí odkaz: