Fenotipagem não destrutiva usando espectroscopia no infravermelho próximo e quimiometria em sementes de mamona

Detalhes bibliográficos
Autor(a) principal: Santos, Maria Betania Hermenegildo dos
Data de Publicação: 2015
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFPB
Texto Completo: https://repositorio.ufpb.br/jspui/handle/tede/7164
Resumo: In this work we used the near infrared spectroscopy (NIR) and chemometric tools to develop e classification models of two different cultivars of castor bean BRS Nordestina (N) and BRS Paraguaçu (P). It was also studied the feasibility of calibration models for ricin content in seeds prediction of three cultivars of castor bean (BRS Nordestina, BRS Paraguaçu and BRS Energia). Diffuse reflectance spectra were recorded in the region of 400-2500 nm. For classification models were used 350 intact seeds for each cultivar. In the calibration sample set was formed by 69 scarified seeds, 25 of BRS Energia, 25 of BRS Nordestina and 19 of BRS Paraguaçu. Measurements were made at four positions for each seed. The spectra are pre-processed with Savitzky-Golay algorithm with a 15 points window, first derived for baseline correction. Based on PCA (Principal Component Analysis) models, the region corresponding to the spectral range from 2110 to 2155 nm, was selected because it has good distinction between cultivars. SIMCA (Soft Independent Modeling of Class Analogy) model provided promising results in the classification of seed for the significance levels 1, 5 and 10%. The SPA-LDA (Sucessive Projections Algorithm-Linear Discriminant Analysis) was efficient, selecting only one variable in the NIR spectral range of measures, correctly classifying all samples of the test set. When evaluating the accuracy of the calibration models SPA-MLR (Sucessive Projections Algorithm- Multiple Linear Regression) and PLS (Partial Least Square) using the elliptical confidence region it is perceived that they contain the ideal point, when the technique used was the external validation, it allows us to infer, these models lack of significant systematic errors. By analyzing these models using the cross-validation technique, we note that they do not contain the ideal point according to the elliptical region of confidence. The proposed methods are promising for determining phenotypic characteristics in a nondestructively way in castor bean genotypes.
id UFPB_182587c035ffb089705a005bfdb1c803
oai_identifier_str oai:repositorio.ufpb.br:tede/7164
network_acronym_str UFPB
network_name_str Biblioteca Digital de Teses e Dissertações da UFPB
repository_id_str
spelling Fenotipagem não destrutiva usando espectroscopia no infravermelho próximo e quimiometria em sementes de mamonaSementeMamoneiraRicinaEspectroscopia NIRCalibração multivariadaSeedCastor beanRicinNIR spectroscopyMultivariate calibrationCIENCIAS EXATAS E DA TERRA::QUIMICAIn this work we used the near infrared spectroscopy (NIR) and chemometric tools to develop e classification models of two different cultivars of castor bean BRS Nordestina (N) and BRS Paraguaçu (P). It was also studied the feasibility of calibration models for ricin content in seeds prediction of three cultivars of castor bean (BRS Nordestina, BRS Paraguaçu and BRS Energia). Diffuse reflectance spectra were recorded in the region of 400-2500 nm. For classification models were used 350 intact seeds for each cultivar. In the calibration sample set was formed by 69 scarified seeds, 25 of BRS Energia, 25 of BRS Nordestina and 19 of BRS Paraguaçu. Measurements were made at four positions for each seed. The spectra are pre-processed with Savitzky-Golay algorithm with a 15 points window, first derived for baseline correction. Based on PCA (Principal Component Analysis) models, the region corresponding to the spectral range from 2110 to 2155 nm, was selected because it has good distinction between cultivars. SIMCA (Soft Independent Modeling of Class Analogy) model provided promising results in the classification of seed for the significance levels 1, 5 and 10%. The SPA-LDA (Sucessive Projections Algorithm-Linear Discriminant Analysis) was efficient, selecting only one variable in the NIR spectral range of measures, correctly classifying all samples of the test set. When evaluating the accuracy of the calibration models SPA-MLR (Sucessive Projections Algorithm- Multiple Linear Regression) and PLS (Partial Least Square) using the elliptical confidence region it is perceived that they contain the ideal point, when the technique used was the external validation, it allows us to infer, these models lack of significant systematic errors. By analyzing these models using the cross-validation technique, we note that they do not contain the ideal point according to the elliptical region of confidence. The proposed methods are promising for determining phenotypic characteristics in a nondestructively way in castor bean genotypes.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESNeste trabalho utilizaram-se a espectroscopia do infravermelho próximo (Near Infrared-NIR) e técnicas quimiométricas para desenvolver modelos de classificação de duas diferentes cultivares comerciais de mamoneira BRS Nordestina e BRS Paraguaçu. Estudou-se também a viabilidade de modelos de calibração para predição do teor de ricina em sementes de três cultivares comerciais de mamoneira (BRS Nordestina, BRS Paraguaçu e BRS Energia). Os espectros de reflectância difusa foram registrados na região de 400 a 2500 nm. Para os modelos de classificação foram utilizadas 350 sementes intactas para cada cultivar. Na calibração o conjunto de amostras foi formado por 69 sementes escarificadas, sendo 25 da BRS Energia, 25 da BRS Nordestina e 19 da BRS Paraguaçu. As leituras foram feitas em quatro posições, para cada semente. Os espectros foram pré-processados com algoritmo Savitzky-Golay com janela de 15 pontos, primeira derivada para correção de linha de base. Com base na PCA (Principal Component Analysis) a região espectral correspondente à faixa de 2110 a 2155 nm, foi selecionada por apresentar distinção entre as cultivares. O modelo SIMCA (Soft Independent Modelling of Class Analogy) forneceu resultados promissores na classificação das sementes para os níveis de significância 1, 5 e 10%. O SPA LDA (Sucessive Projections Algorithm-Linear Discriminant Analysis) foi eficiente selecionando apenas uma variável na faixa espectral NIR das medidas e classificando corretamente todas as amostras do conjunto de teste. Ao avaliar a precisão dos modelos de calibração SPA-MLR (Sucessive Projections Algorithm-Multiple Linear Regresssion) e PLS (Partial Least Square), usando-se a região elíptica de confiança percebe-se que os mesmos contêm o ponto ideal, quando a técnica utilizada foi a validação externa, isso permite inferir, nesses modelos a ausência de erros sistemáticos significativos. Ao analisar estes modelos usando a técnica de validação cruzada, nota-se que os mesmos não contêm o ponto ideal de acordo com a região elíptica de confiança. Os métodos propostos são promissores para determinar características fenotípicas de forma não destrutiva em genótipos de mamoneira.Universidade Federal da Paraí­baBRQuímicaPrograma de Pós-Graduação em QuímicaUFPBAraújo, Mário César Ugulino dehttp://lattes.cnpq.br/7281739070942782Medeiros, Everaldo Paulo dehttp://lattes.cnpq.br/0883967020061181Santos, Maria Betania Hermenegildo dos2015-05-14T13:21:44Z2018-07-21T00:30:43Z2015-01-292018-07-21T00:30:43Z2015-02-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfSANTOS, Maria Betania Hermenegildo dos. Fenotipagem não destrutiva usando espectroscopia no infravermelho próximo e quimiometria em sementes de mamona. 2015. 95 f. Tese (Doutorado em Química) - Universidade Federal da Paraí­ba, João Pessoa, 2015.https://repositorio.ufpb.br/jspui/handle/tede/7164porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFPBinstname:Universidade Federal da Paraíba (UFPB)instacron:UFPB2018-09-06T02:41:46Zoai:repositorio.ufpb.br:tede/7164Biblioteca Digital de Teses e Dissertaçõeshttps://repositorio.ufpb.br/PUBhttp://tede.biblioteca.ufpb.br:8080/oai/requestdiretoria@ufpb.br|| diretoria@ufpb.bropendoar:2018-09-06T02:41:46Biblioteca Digital de Teses e Dissertações da UFPB - Universidade Federal da Paraíba (UFPB)false
dc.title.none.fl_str_mv Fenotipagem não destrutiva usando espectroscopia no infravermelho próximo e quimiometria em sementes de mamona
title Fenotipagem não destrutiva usando espectroscopia no infravermelho próximo e quimiometria em sementes de mamona
spellingShingle Fenotipagem não destrutiva usando espectroscopia no infravermelho próximo e quimiometria em sementes de mamona
Santos, Maria Betania Hermenegildo dos
Semente
Mamoneira
Ricina
Espectroscopia NIR
Calibração multivariada
Seed
Castor bean
Ricin
NIR spectroscopy
Multivariate calibration
CIENCIAS EXATAS E DA TERRA::QUIMICA
title_short Fenotipagem não destrutiva usando espectroscopia no infravermelho próximo e quimiometria em sementes de mamona
title_full Fenotipagem não destrutiva usando espectroscopia no infravermelho próximo e quimiometria em sementes de mamona
title_fullStr Fenotipagem não destrutiva usando espectroscopia no infravermelho próximo e quimiometria em sementes de mamona
title_full_unstemmed Fenotipagem não destrutiva usando espectroscopia no infravermelho próximo e quimiometria em sementes de mamona
title_sort Fenotipagem não destrutiva usando espectroscopia no infravermelho próximo e quimiometria em sementes de mamona
author Santos, Maria Betania Hermenegildo dos
author_facet Santos, Maria Betania Hermenegildo dos
author_role author
dc.contributor.none.fl_str_mv Araújo, Mário César Ugulino de
http://lattes.cnpq.br/7281739070942782
Medeiros, Everaldo Paulo de
http://lattes.cnpq.br/0883967020061181
dc.contributor.author.fl_str_mv Santos, Maria Betania Hermenegildo dos
dc.subject.por.fl_str_mv Semente
Mamoneira
Ricina
Espectroscopia NIR
Calibração multivariada
Seed
Castor bean
Ricin
NIR spectroscopy
Multivariate calibration
CIENCIAS EXATAS E DA TERRA::QUIMICA
topic Semente
Mamoneira
Ricina
Espectroscopia NIR
Calibração multivariada
Seed
Castor bean
Ricin
NIR spectroscopy
Multivariate calibration
CIENCIAS EXATAS E DA TERRA::QUIMICA
description In this work we used the near infrared spectroscopy (NIR) and chemometric tools to develop e classification models of two different cultivars of castor bean BRS Nordestina (N) and BRS Paraguaçu (P). It was also studied the feasibility of calibration models for ricin content in seeds prediction of three cultivars of castor bean (BRS Nordestina, BRS Paraguaçu and BRS Energia). Diffuse reflectance spectra were recorded in the region of 400-2500 nm. For classification models were used 350 intact seeds for each cultivar. In the calibration sample set was formed by 69 scarified seeds, 25 of BRS Energia, 25 of BRS Nordestina and 19 of BRS Paraguaçu. Measurements were made at four positions for each seed. The spectra are pre-processed with Savitzky-Golay algorithm with a 15 points window, first derived for baseline correction. Based on PCA (Principal Component Analysis) models, the region corresponding to the spectral range from 2110 to 2155 nm, was selected because it has good distinction between cultivars. SIMCA (Soft Independent Modeling of Class Analogy) model provided promising results in the classification of seed for the significance levels 1, 5 and 10%. The SPA-LDA (Sucessive Projections Algorithm-Linear Discriminant Analysis) was efficient, selecting only one variable in the NIR spectral range of measures, correctly classifying all samples of the test set. When evaluating the accuracy of the calibration models SPA-MLR (Sucessive Projections Algorithm- Multiple Linear Regression) and PLS (Partial Least Square) using the elliptical confidence region it is perceived that they contain the ideal point, when the technique used was the external validation, it allows us to infer, these models lack of significant systematic errors. By analyzing these models using the cross-validation technique, we note that they do not contain the ideal point according to the elliptical region of confidence. The proposed methods are promising for determining phenotypic characteristics in a nondestructively way in castor bean genotypes.
publishDate 2015
dc.date.none.fl_str_mv 2015-05-14T13:21:44Z
2015-01-29
2015-02-20
2018-07-21T00:30:43Z
2018-07-21T00:30:43Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SANTOS, Maria Betania Hermenegildo dos. Fenotipagem não destrutiva usando espectroscopia no infravermelho próximo e quimiometria em sementes de mamona. 2015. 95 f. Tese (Doutorado em Química) - Universidade Federal da Paraí­ba, João Pessoa, 2015.
https://repositorio.ufpb.br/jspui/handle/tede/7164
identifier_str_mv SANTOS, Maria Betania Hermenegildo dos. Fenotipagem não destrutiva usando espectroscopia no infravermelho próximo e quimiometria em sementes de mamona. 2015. 95 f. Tese (Doutorado em Química) - Universidade Federal da Paraí­ba, João Pessoa, 2015.
url https://repositorio.ufpb.br/jspui/handle/tede/7164
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal da Paraí­ba
BR
Química
Programa de Pós-Graduação em Química
UFPB
publisher.none.fl_str_mv Universidade Federal da Paraí­ba
BR
Química
Programa de Pós-Graduação em Química
UFPB
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFPB
instname:Universidade Federal da Paraíba (UFPB)
instacron:UFPB
instname_str Universidade Federal da Paraíba (UFPB)
instacron_str UFPB
institution UFPB
reponame_str Biblioteca Digital de Teses e Dissertações da UFPB
collection Biblioteca Digital de Teses e Dissertações da UFPB
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFPB - Universidade Federal da Paraíba (UFPB)
repository.mail.fl_str_mv diretoria@ufpb.br|| diretoria@ufpb.br
_version_ 1801842921960374272