Navegando por Palavra-chave "Quimiometria"

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Dissertação
    Caracterização química dos compostos majoritários em grãos verdes de café
    (Universidade de São Paulo, 2022) Gomes, Winston Pinheiro Claro; Mattos, Wanessa Melchert; http://lattes.cnpq.br/2464247110990670
    O café verde é o grão de café descascado, antes de passar pelo processo de torrefação, rico em compostos químicos que são indicativos de qualidade, permitindo a classificação em especiais ou tradicionais. O objetivo do trabalho foi determinar compostos presentes em grãos verdes de café e encontrar a diferenciação dos grãos verdes de café em especiais ou tradicionais por meio da quimiometria. Além disso, a análise multiespectral foi combinada com modelos de aprendizagem de máquina para discriminar grãos de café verde, em especiais e tradicionais. Para tanto, foram quantificados os teores de compostos fenólicos, açúcares redutores, não redutores e totais por espectrofotometria; cafeína, trigonelina, 5-hidroximetilfurfural, ácidos 3-hidroxibenzoico, 4-hidroxibenzoico, clorogênico, cafeico e nicotínico por HPLC-UV-Vis; acetaldeído, acetona, metanol, etanol e iso-amílico por HS-GC-FID. Análise de componentes principais (PCA) foi utilizada na diferenciação dos grãos de café verde por meio dos teores obtidos nas análises espectrofotométricas e cromatográficas e análise multiespectral. Para avaliação dos dados da análise multiespectral quatro algoritmos de aprendizagem de máquina (SVM, RF, XGBoost e CatBoost) foram empregados. Estatisticamente, os teores de compostos fenólicos totais, cafeína, açúcares não redutores, açúcares totais, ácido nicotínico, 5-hidroximetilfurfural, acetaldeído, etanol e etanol/metanol apresentaram diferenças significativas. A PCA possibilitou a classificação dos grãos verdes de café, em especiais e tradicionais, além do entendimento dos atributos que influenciaram na diferenciação entre os cafés. Os atributos cafeína, ácido nicotínico, ácido cafeico, trigonelina, ácido 3-hidrozibenzoico e o álcool iso-amílico foram que descreveram melhor as amostras tradicionais e estão ligadas as características indesejadas para o café. Enquanto, as amostras especiais foram descritas pelos atributos açúcares não redutores, açúcares totais, altitude, etanol/metanol, etanol, acetona, 5-hidroximetilfurfural, compostos fenólicos totais, ácido clorogênico, 4-hidroxibenzoico, acetaldeído e metanol, que conferiram características desejadas para o café. Na análise multiespectral, o modelo de aprendizagem de máquina SVM demonstrou melhor precisão para o conjunto de dados de teste (0,96) e os dados de autofluorescência usando a combinação de excitação/emissão de 405/500 nm contribuiram para discriminar o café verde especial da classe tradicional. A avaliação da composição química, utilizando a quimiometria permitiu a diferenciação das amostras especiais e tradicionais, baseando nos 19 parâmetros e também utilizando apenas os parâmetros das análises espectrofotométricas. A imagem multiespectral baseada em autofluorescência combinada com modelos SVM pode ser ferramenta potencial para futuras aplicações na indústria de alimentos para classificação não destrutiva e em tempo real de café verde especial e tradicional
  • Imagem de Miniatura
    Dissertação
    Detecção de pesticidas em cascas de alimentos por espectroscopia Raman amplificada por superfície e quimiometria
    (Universidade Federal do Paraná, 2024) Silva, Anderson Victor; Soares, Frederico Luis Felipe; Zarbin, Aldo José Gorgatti; http://lattes.cnpq.br/4008495434236758; http://lattes.cnpq.br/1064620847107189; http://lattes.cnpq.br/4602597827266974
    O desenvolvimento de metodologias eficientes para detecção, eliminação e controle de riscos à saúde causados por substâncias nocivas, como pesticidas, é um tema de grande relevância para a pesquisa científica. Neste contexto, este trabalho visa otimizar a síntese de um filme fino de óxido de grafeno reduzido com nanopartículas de prata (rGO/AgNPs) por meio da rota interfacial líquido-líquido (LLIR). A otimização busca intensificar o sinal SERS (Surface-enhanced Raman Scattering) para a detecção de 4-aminotiofenol (4-ATP) e, posteriormente, do pesticida ametrina (AMT). O 4-ATP foi empregado como sonda para identificar e avaliar os parâmetros que influenciam a variação do sinal SERS. Dessa forma, foi utilizado um planejamento fatorial fracionário e posteriormente, um planejamento Box-Behnken para investigar os seguintes fatores: concentração e massas dos reagentes, tempos de reação e velocidade de rotação. Os valores obtidos para a condição ótima foram: 7,0 mg de nitrato de prata, 1000 RPM, 60 minutos de tempo de dispersão, 150 mg de borohidreto de sódio, 0,01 mg mL-1 de óxido de grafeno e 45 minutos de tempo de redução. Com base nos resultados, foi construído um modelo de superfície de respostas empírica para determinar as condições ideais de síntese do material. O modelo apresentou um bom ajuste de dados, mas a regressão não foi considerada significativa. Houve um aumento na dispersão Raman cerca de 21500 vezes maior em relação à solução pura de 4-ATP. O material foi caracterizado por microscopia eletrônica de varredura (MEV), e espectroscopias UV-Vis e Raman. As técnicas de caracterização indicaram o crescimento e aglomeração das AgNPs sobre as folhas de grafeno, o que contribui para o aumento da intensidade SERS. Após isso, o substrato SERS foi utilizado para fazer a detecção do herbicida diretamente depositado em cascas de alimentos, sendo estes maçã e batata. Dessa forma, para garantir a reprodutibilidade da aquisição do sinal, foram realizadas medidas de imageamento hiperespectral das cascas de batata e maçã com diferentes níveis de concentração de ametrina e, a partir das imagens hiperespectrais, foi possível detectar a ametrina em concentrações baixas (1,0x10-7 mol L-1) com o mínimo de preparo de amostras