Corpo Discente - Egressos

Francisco dos Santos Panero
TítuloANÁLISE NÃO DESTRUTIVA UTILIZANDO INFRAVERMELHO PRÓXIMO E QUIMIOMETRIA EM SEMENTES DE GERGELIM E GRÃOS DE ARROZ DO ESTADO DE RORAIMA
Data da Defesa26/11/2020
DownloadDocumento não anexado.
Banca

ExaminadorInstituiçãoAprovadoTipo
Dr. Anselmo Fortunato Ruiz RodriguezUFACSimPresidente
Dr. Antonio Alves de Melo FilhoUFRRSimMembro
Dr. Antonio Romero da Costa PinheiroUFACSimMembro
Dr. Endler Marcel Borges de SouzaFURBSimMembro
Dr. Ricardo Carvalho dos SantosUFRRSimMembro
Palavras-ChavesOryza sativa; Sesamum indicum; NIR; PCA; HCA; KNN; SIMCA;
ResumoNeste 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 gergelim (Sesamum indicum): BRS Anahí e BRS Seda e mais 3 diferentes linhagens. Estudou-se, também, a viabilidade de modelos de discriminação e autenticação de grãos de arroz (Oryza sativa) do estado de Roraima de diferentes tipos (polido, integral e parboilizado) e da Venezuela: Faccio-branco polido, Prato Chic-branco polido, Faccio-integral, Raris-integral, Tio Ivo-integral, Raris-integral, Brilhanteparboilizado, Tio João-parboilizado, Biju-parboilizado e Cristal-branco polido da Venezuela, utilizando a espectroscopia NIR. Os espectros de reflectância difusa foram registrados na região de 700 a 2500 nm. Para os modelos de classificação de gergelim foram utilizados 45 frascos de 20 mL de sementes intactas para cada cultivar e linhagem e 30 frascos de 30 mL de grãos de arroz para cada tipo e marca comercial. Os espectros foram pré-processados com centragem na média, MSC, SNV e primeira derivada. Com base na aplicação das técnicas exploratórias de dados (PCA – Principal Component Analysis e HCA – Hierarchical Cluster Analysis) e a utilização de técnicas de Reconhecimento de Padrão Supervisionado (KNN- K th Nearest Neighbor e SIMCA- Soft Independent Modeling of Class Analogy), através dos espectros de infravermelho na região próximo, foi possível realizar a fenotipagem de duas cultivares de gergelim (BRS Seda e BRS Anahí) e classificação destas cultivares com mais 3 diferentes linhagens de gergelim, obtendo-se resultados 100% precisos. Também foi possível separar amostras de diferentes marcas de arroz branco polido, arroz parboilizado e arroz integral. Esta combinação sugere a aplicação desta metodologia como alternativa para discriminação de diferentes marcas de arroz pertencentes ao mesmo tipo (1), mesma classe (longo fino) e subgrupo (polido, parboilizado e integral) em grãos inteiros. Devido aos bons resultados obtidos com os modelos implementados, ficou evidente a potencialidade dos métodos para uma possível realização de autenticação forense, rápida e não-destrutiva, em grãos de arroz intactos oriundo de outro país como, por exemplo, a Venezuela.
AbstractIn this work, near infrared spectroscopy (Near Infrared-NIR) and chemometric techniques were used to develop classification models for two different commercial sesame cultivars (Sesamum indicum): BRS Anahí and BRS Seda and 3 different strains. The viability of discrimination and authentication models of rice grains (Oryza sativa) from the state of Roraima of different types (polished, integral and parboiled) and from Venezuela were also studied: Polished white faccio, Polished white chic plate, Faccio -integral, Raris-integral, Uncle Ivo-integral, Raris-integral, Brilliant-parboiled, Uncle João-parboiled, Biju-parboiled and polished white crystal from Venezuela, using NIR spectroscopy. The diffuse reflectance spectra were recorded in the region of 700 to 2500 nm. For the sesame classification models, 45 vials of 20mL of intact seeds were used for each cultivar and strain and 30 vials of 30 mL of rice grains for each type and trademark. The spectra were pre-processed with centering on the mean, MSC, SNV and first derivative. Based on the application of exploratory data techniques: PCA - Principal Component Analysis and HCA - Hierarchical Cluster Analysis and the use of Supervised Pattern Recognition techniques: KNN- K th Nearest Neighbor and SIMCA- Soft Independent Modeling of Class Analogy through the spectra of infrared in the nearby region it was possible to carry out the phenotyping of two sesame cultivars (BRS Seda and BRS Anahí) and classification of these cultivars with 3 different sesame strains and 100% accurate results were obtained. It was also possible to separate samples of different brands of polished white rice, parboiled rice and brown rice. This combination suggests the application of this methodology as an alternative for discriminating different brands of rice belonging to the same type: 1, same class: long thin and sub-group: polished, parboiled and whole grain. Furthermore, in view of the good results obtained with the implemented models, it is evident the potential of the methods for a possible realization of forensic, fast and non-destructive authentication, in intact rice grains from another country, such as, for example, Venezuela.
Parceiros