Métodos espectroscópicos para classificação e análise de qualidade de tomates
Carregando...
Data
2020-08-28
Autores
Borba, Karla Rodrigues [UNESP]
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Resumo
Objetivo: Durante a produção, processamento e comercialização de tomates e seus derivados é importante a avaliação de alguns atributos que irão influenciar diretamente na composição final e também na aceitação do consumidor. Teor de sólidos solúveis (SS), pH (potencial hidrogeniônico), ácidos orgânicos, açúcares, firmeza, consistência e viscosidade são alguns exemplos de parâmetros de qualidade geralmente avaliados e controlados durante toda a cadeia de produção e processamento de tomate. Os métodos utilizados, nos dias atuais, para esse controle são invasivos, demandam tempo, muitas amostras, reagentes e geram resíduos. Técnicas espectroscópicas, como a espectroscopia no infravermelho e de ressonância magnética nuclear, têm sido propostas como métodos alternativos. As principais vantagens da utilização de espectroscopia são: rapidez; possibilidade de determinação de vários atributos simultaneamente; e preparação mínima da amostra, sendo que, na maior parte do tempo não há necessidade de algum tipo de preparação prévia. Este projeto teve como objetivo: desenvolver um modelo de calibração, a partir da espectroscopia de infravermelho de médio e próximo, e ressonância magnética com o auxílio das ferramentas quimiométricas e machine learning para determinar e classificar a qualidade de tomates – frutos e pasta. Métodos: Os 3 primeiros capítulos consistem em modelos de predição e classificação desenvolvidos a partir de espectros de infravermelho e sinais de RMN-dt coletados de tomates intactos, enquanto o capítulo 4 foi realizado a partir da análise infravermelha de pasta de tomate. Capítulo 1: foi avaliada a utilização de um NIR portátil na determinação da qualidade de diferentes variedades de tomates no campo. Capítulo 2: espectros de infravermelho próximo e médio e ferramentas quimiométricas foram combinadas com o desenvolvimento de modelos de predição e classificação da qualidade de tomates destinados à indústria. Capítulo 3: Sinais de decaimento de RMN de tomates intactos juntamente com ferramentas quimiométricas de classificação e algoritmos de ‘machine learning’ foram utilizados para a criação de modelos de classificação de tomates, destinados ao processamento, de acordo com índice de maturação, SS e firmeza. Capítulo 4: Pastas de tomate, processadas por empresas na Califórnia - EUA, foram avaliadas com a utilização de um espectrômetro de infravermelho próximo portátil e os espectros foram correlacionados, por meio de PLS, com dados de qualidade (NTSS, pH, acidez titulável, consistência de Bostwick e Viscosidade) realizados por cada empresa. Resultados: Em todos os experimentos foram obtidos bons modelos de predição e/ou classificação da qualidade de tomate e pasta de tomate. No capítulo 1, modelos apresentaram boa predição, com coeficientes de correlação (r) acima de 0,81 (exceto para o modelo de determinação de glicose). A determinação de SS e firmeza (capítulo 2) resultaram em modelos com altos valores de r (0,79 e 0,93, respectivamente) e erros médios padrões baixos na determinação de pH. Os modelos de classificação do capítulo 3 apresentaram ótimos valores de acurácia (em %), próximos de 100%. Por fim, no capítulo 4, o uso de um NIR portátil combinado com PLS na análise de NTSS, consistência de Bostwick e viscosidade resultou em modelos com alta precisão (r ≥ 0,93). Conclusão: A aplicação de espectroscopia na determinação e classificação de parâmetros de qualidade mostrou-se aplicável e uma ótima alternativa para produtores e empresas de processamento de tomate na análise de qualidade. Obtendo resultados rápidos, simultâneos, precisos e sem a necessidade de preparação das amostras.
Objective: During the production, processing, and marketing of tomatoes and their processed products, it is important to control some attributes that will directly influence the final composition and consumer acceptance. Content of soluble solids (SS), pH (hydrogen potential), organic acids, sugars, texture, consistency, and viscosity are some examples of quality parameters generally evaluated and controlled during the entire tomato production and processing stage. The methods used, nowadays, for this control are invasive, require time, many samples, reagents, and generate waste. Spectroscopic techniques, such as infrared and nuclear magnetic resonance spectroscopy, have been proposed as alternative methods. The main advantages of using spectroscopy are being a fast method; possibility of determining several attributes simultaneously; and minimal sample preparation, most of the time there is no need for any prior preparation. This project aimed to develop a calibration model, using medium and near-infrared spectroscopy, and magnetic resonance with the help of chemometric tools and machine learning to determine and classify the quality of intact tomatoes and paste. Methods: The first 3 chapters consist of prediction and classification models developed from infrared spectra and td NMR signals collected from intact tomatoes, while chapter 4 was carried out from the infrared analysis of tomato paste. Chapter 1: the use of a portable NIR in determining the quality of different varieties of tomatoes in the field was evaluated. Chapter 2: near and medium infrared spectra and chemometric tools were combined and models for the prediction and quality classification of tomatoes for the industry were developed. Chapter 3: NMR decay signals from intact tomatoes along with chemometric grading tools and machine learning algorithms were used to create tomato grading models for processing according to ripeness index, SS, and firmness. Chapter 4: Tomato pastes, processed by companies in California - USA, were evaluated using a portable near-infrared spectrometer and the spectra were correlated, through PLS, with quality data (NTSS, pH, titratable acidity, consistency, and viscosity) performed by each company. Results: All experiments resulted in good models for predicting and / or classifying the quality of tomato and tomato paste. In chapter 1, models showed good prediction, with correlation coefficients (r) above 0.81 (except for the glucose determination model). The determination of SS and firmness (chapter 2) resulted in models with high values of r (0.79 and 0.93, respectively) and mean standard errors Low in pH determination. The classification models, based on NMR signals, in chapter 3 showed excellent accuracy values (in%), close 100%. Finally, in chapter 4, the use of a portable NIR combined with PLS in the analysis of NTSS, Bostwick consistency, and viscosity resulted in models with high precision (r ≥ 0.93). Conclusion: The application of spectroscopy in the determination and classification of quality parameters proved to be applicable and a great alternative for producers and companies of tomato processing in the quality analysis. Obtaining fast, simultaneous, accurate results and without the need for sample preparation.
Objective: During the production, processing, and marketing of tomatoes and their processed products, it is important to control some attributes that will directly influence the final composition and consumer acceptance. Content of soluble solids (SS), pH (hydrogen potential), organic acids, sugars, texture, consistency, and viscosity are some examples of quality parameters generally evaluated and controlled during the entire tomato production and processing stage. The methods used, nowadays, for this control are invasive, require time, many samples, reagents, and generate waste. Spectroscopic techniques, such as infrared and nuclear magnetic resonance spectroscopy, have been proposed as alternative methods. The main advantages of using spectroscopy are being a fast method; possibility of determining several attributes simultaneously; and minimal sample preparation, most of the time there is no need for any prior preparation. This project aimed to develop a calibration model, using medium and near-infrared spectroscopy, and magnetic resonance with the help of chemometric tools and machine learning to determine and classify the quality of intact tomatoes and paste. Methods: The first 3 chapters consist of prediction and classification models developed from infrared spectra and td NMR signals collected from intact tomatoes, while chapter 4 was carried out from the infrared analysis of tomato paste. Chapter 1: the use of a portable NIR in determining the quality of different varieties of tomatoes in the field was evaluated. Chapter 2: near and medium infrared spectra and chemometric tools were combined and models for the prediction and quality classification of tomatoes for the industry were developed. Chapter 3: NMR decay signals from intact tomatoes along with chemometric grading tools and machine learning algorithms were used to create tomato grading models for processing according to ripeness index, SS, and firmness. Chapter 4: Tomato pastes, processed by companies in California - USA, were evaluated using a portable near-infrared spectrometer and the spectra were correlated, through PLS, with quality data (NTSS, pH, titratable acidity, consistency, and viscosity) performed by each company. Results: All experiments resulted in good models for predicting and / or classifying the quality of tomato and tomato paste. In chapter 1, models showed good prediction, with correlation coefficients (r) above 0.81 (except for the glucose determination model). The determination of SS and firmness (chapter 2) resulted in models with high values of r (0.79 and 0.93, respectively) and mean standard errors Low in pH determination. The classification models, based on NMR signals, in chapter 3 showed excellent accuracy values (in%), close 100%. Finally, in chapter 4, the use of a portable NIR combined with PLS in the analysis of NTSS, Bostwick consistency, and viscosity resulted in models with high precision (r ≥ 0.93). Conclusion: The application of spectroscopy in the determination and classification of quality parameters proved to be applicable and a great alternative for producers and companies of tomato processing in the quality analysis. Obtaining fast, simultaneous, accurate results and without the need for sample preparation.
Descrição
Palavras-chave
Espectroscopia, Infravermelho, Ressonância magnética nuclear, Espectrômetro portátil, Tomate, Qualidade dos produtos, Quimiometria, Aprendizado de máquina, Spectroscopy, Infrared, Nuclear magnetic resonance, Portable spectrometer, Tomato, Product quality, Chemometric, Machine learning