Sistemas não invasivos para classificação de laranjas por meio de parâmetros físico-químicos

• Autor(a) principal: Flores, Douglas William Menezes
• Data de Publicação: 2015
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: http://www.teses.usp.br/teses/disponiveis/11/11141/tde-28092015-124148/
• topic: Análise sensorial; Análises não invasivas; Chemometrics; Classificação de laranjas; MIR; MIR; NIR; NIR; NMR; Non-invasive analysis; Oranges rating; Quimiometria; RMN; Sensory analysis

O controle de qualidade de laranjas desde a colheita até a comercialização é realizado com base em análises físico-químicas. Todavia, estas análises são destrutivas. Neste cenário, sistemas não invasivos para aferir a qualidade, são alternativas promissoras. O objetivo do trabalho foi avaliar os métodos de análises não destrutivas como a Ressonância Magnética em baixo campo (RMN) e espectroscopias de infravermelho médio (MIR) e próximo (NIR), associadas à quimiometria, para analisar parâmetros de qualidade de laranjas de forma não invasiva. O experimento ocorreu na unidade da Embrapa Instrumentação em São Carlos, SP. Foram coletadas 470 laranjas, obtidas em cultivos comerciais no interior do estado de São Paulo. As frutas passaram pelas etapas de seleção, higienização e sanitização. Em seguida, foram submetidas à análise não invasiva pelos equipamentos de RMN, NIR e MIR. Os parâmetros de qualidade avaliados foram, massa fresca, diâmetros longitudinal e transversal do fruto, teor de sólidos solúveis (SST), pH, acidez total titulável (ATT), índice de maturação (ratio) e rendimento de suco. Para os sinais de RMN foi aplicada a suavização de Savitzky-Golay com largura de janela de 21 pontos. Para os sinais de NIR foi aplicado a variação normal padrão (SNV) e para os sinais de MIR foi aplicada a normalização (0-1), seguido da segunda derivada. O modelo de predição foi construído utilizando a regressão por mínimos quadrados parciais (PLS) para cada parâmetro de qualidade. Os modelos desenvolvidos por RMN-PLS validados para predição foram: massa fresca; coeficiente de Pearson da predição (r) = 0,97, erro padrão da predição (SEP) = 13,57. Diâmetro longitudinal; r = 0,91 e SEP = 3,37. Diâmetro transversal; r = 0,92 e SEP = 2,73. SST; r = 0,81 e SEP = 0,88. Rendimento de suco; r = 0,78 e SEP = 3,26 e pH r = 0,74 e SEP = 0,17. Os parâmetros de índice de maturação e ATT não puderam ser validados utilizando RMN-PLS. Os modelos de NIR-PLS validados foram: SST; r = 0,92 e SEP = 0,71. ATT; r = 0,92 e SEP = 0,30. Os demais parâmetros não puderam ser validados por NIR-PLS. Para os modelos de MIR-PLS, o melhor resultado encontrado foi para validação interna do modelo de pH, r Validação = 0,80 e erro padrão da validação (SEV) de 0,16. A classificação desenvolvida utilizando os modelos de parâmetros físicos de RMN-PLS apresentaram acurácia para diâmetro transversal de 80,00%. As classificações por parâmetros químicos, como teor de sólidos solúveis revelou acurácia de 81,10% e para pH de 61,11%. Para as classificações por PLS-NIR para o ratio a acurácia foi igual a 87,95%. Os frutos classificados de forma não invasiva para a análise sensorial no teste de comparação pareada, apresentaram respostas significativas para sucos classificados pelos modelos de RMN-PLS a nível de p=0,05. Para os frutos classificados pelo NIR-PLS de forma não invasiva, a resposta ao segundo teste sensorial foi significativa a nível de p=0,05. Estes resultados comprovam a aplicabilidade destas técnicas como análises não invasivas para mensurar a qualidade de laranjas e classifica-las por parâmetros físico-químicos percebidos por provadores.