Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
Gomes, Winston Pinheiro Claro |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://www.teses.usp.br/teses/disponiveis/64/64135/tde-30092022-094623/
|
Resumo: |
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 |
