Tese de Doutorado
DOI
https://doi.org/10.11606/T.11.2020.tde-04062020-111813
Documento
Autor
Nome completo
Douglas William Menezes Flores
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
Piracicaba, 2020
Orientador
Banca examinadora
Spoto, Marta Helena Fillet (Presidente)
Colnago, Luiz Alberto
Pereira, Fabiola Manhas Verbi
Vieira, Thais Maria Ferreira de Souza
Título em português
Ressonância magnética nuclear no domÃnio do tempo, infravermelho próximo e ciência de dados para análise de citros
Palavras-chave em português
Análise automática de outliers
Análise de alimentos por RMN-DT E NIR
Análise não destrutiva
Citros
Quimiometria e ciência de dados via PCA E PLS
Resumo em português
A citricultura está entre as culturas mais importantes do mundo. A colheita de laranja da Flórida, maior estado produtor de suco de laranja dos EUA foi estimada em 74 milhões de caixas, a qual corresponde a um crescimento de produção. A exportação de suco de laranja também apresenta uma alta no Brasil de 33% em 2019. Além da produção de suco, a produção de frutas cÃtricas envolve a produção de óleos essenciais. Desde a colheita dos citros até o processamento, alguns parâmetros de qualidade são controlados e monitorados, como, teor de sólidos solúveis, acidez, Ãndice de maturação, pH, óleo essencial, viscosidade, cor, entre outros. Além dos parâmetros fÃsico-quÃmicos analisados, o monitoramento dos processos como extração, filtração do suco ou a extração e centrifugação para recuperação de óleo essencial da casca são parâmetros fundamentais na indústria cÃtrica. Neste contexto, aplicações de métodos não destrutivos para monitoramento da qualidade dos alimentos têm sido amplamente estudadas. A técnica de ressonância magnética nuclear no domÃnio do tempo (RMN-DT) vem sendo estudada como alternativa de análise não destrutiva em frutas. A análise é baseada na medição dos tempos de relaxação longitudinal (T1) e transversal (T2) e que estão diretamente relacionadas à mobilidade da água nos tecidos dos frutos. Por outro lado, a espectroscopia de NIR é uma técnica que se baseia na interação das ondas eletromagnéticas em um determinado comprimento de onda com os constituintes da amostra e possuà inúmeras aplicações não destrutivas em frutas reportadas na literatura. Entretanto, a complexidade dos espectros de NIR e RMN-DT dificulta a interpretação dos resultados, o que torna abordagens estatÃsticas ou análises multivariadas ferramentas fundamentais na interpretação dos dados. Com o avanço da tecnologia os sensores produzem cada vez uma informação maior de dados e necessita de ferramentas como o Python que é uma linguagem de alto nÃvel e de código aberto que possuà diversos módulos de computação cientÃfica, visualização e processamento de dados. Desta forma, a quimiometria ou ciência de dados aliada a RMN-DT neste projeto possibilitou o desenvolvimento de uma aplicação para controle de filtração de sucos cÃtricos e monitoramento de faixas ótimas de recuperação de óleo essencial de citros. Ainda, a tecnologia NIR associada ao Python, possibilitou a criação de modelos de calibração multivariados automatizados para uso em grande escala para prever a qualidade de laranjas inteiras diretamente no campo.
Título em inglês
Time domain nuclear magnetic resonance, near infrared and data science for citrus analysis
Palavras-chave em inglês
Automatic outlier analysis
Chemometrics and data science using PCA and PLS
Citrus
Food analysis by TD-NMR and NIR
Non-destructive analysis
Resumo em inglês
Citriculture is among the most important cultures in the world. The orange harvest from the largest state producing orange juice in the US was estimated at 74 million boxes, which corresponds to a growth in production. Orange juice exports are also up 33% in Brazil in 2019. In addition to juice production, citrus production involves the production of essential oils. These are present in the peel, which represent approximately 45% of the total volume of the fruit. From citrus harvesting to processing, some quality parameters are controlled and monitored, such as soluble solids content, acidity, ripeness index, pH, essential oil, viscosity and color. In addition to the physicochemical parameters, processes monitoring such as extraction, juice filtration or extraction and centrifugation for recovery essential oil of peel are very important parameters in the citrus industry. In this context, applications of non-destructive methods for food quality monitoring have been widely studied. The TD-NMR technique has been studied as an alternative for non-destructive analysis in fruits, since it observes the nuclear spin transition when the sample is placed under the influence of a static magnetic field. On the other hand, NIR spectroscopy is an optical technique that uses the near infrared region of the electromagnetic spectrum and measures the radiation that is absorbed by the compounds to be analyzed and has numerous non-destructive applications in fruits reported in the literature. However, the complexity of NIR and TD-NMR spectra makes it difficult to interpret the results, which makes statistical approaches or multivariate analysis fundamental tools for retrieve data insights. The advancement of technology sensors producing more data information and need tools like Python which is a high level and open source language that has several modules of scientific computing, visualization and data processing. Thus, chemometrics or data science coupled with DT- NMR in this project made it possible to develop an application for citrus juice filtration control and monitoring of optimum citrus essential oil recovery ranges. In addition, Python-associated NIR technology has enabled the creation of automated multivariate calibration models for large-scale use to predict the quality of whole oranges directly in the field.
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2020-06-05