Use este identificador para citar ou linkar para este item:
https://repositorio.ufpb.br/jspui/handle/123456789/36229
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Ramo, Luciano Bernardo | - |
dc.date.accessioned | 2025-10-10T19:22:16Z | - |
dc.date.available | 2024-09-19 | - |
dc.date.available | 2025-10-10T19:22:16Z | - |
dc.date.issued | 2024-08-28 | - |
dc.identifier.uri | https://repositorio.ufpb.br/jspui/handle/123456789/36229 | - |
dc.description.abstract | Powdered chicken eggs are used in various food formulations in the bakery and confectionery industries, mainly due to their long shelf life, ease of storage and transportation, and their gelling, foaming and emulsifying properties. Assessing their quality is important to ensure food safety for consumers. Therefore, this work aimed to develop fast, labor-free and accessible methods to assess the quality of powdered chicken eggs using near-infrared (NIR) spectra, digital images, data fusion and calibration and authentication techniques. Digital images were captured using a scanner, while NIR spectra were recorded using benchtop and portable spectrometers. In the first study, new strategies were developed to determine moisture and total protein and phosphorus contents in powdered chicken eggs. Multivariate calibration methods to predict total protein content, in terms of correlation coefficient (r) and ratio performance deviation (RPD), were better using digital images (r = 0.995 and RPD = 9.55) than those using NIR spectra from bench and portable equipment. On the other hand, in predicting humidity (r = 0.974 and RPD = 4.35) and total phosphorus content (r = 0.98 and RPD = 4.3), the benchtop NIR achieved better analytical performance. When applying data fusion techniques, the results obtained were slightly inferior to the best methods developed using pre-processed NIR spectra or digital images separately. In the second study, new strategies were devised to authenticate powdered chicken eggs for adulteration with soy protein and corn starch. To this end, classification techniques were applied using data-driven Independent and Flexible Modeling of Class Analogy (DD-SIMCA). The best method was the one using portable NIR spectra when compared with digital images, in which all adulterated samples were classified correctly and only one pure sample was classified as adulterated in the test set, achieving sensitivity of 95.7%, specificity of 100%, and accuracy 99.4%. Therefore, the methods proposed in this thesis work proved to be a good alternative tool for destructive chemical analysis since samples of powdered chicken eggs could be analyzed without using chemicals and without generating waste harmful to health and the environment, following the basic principles of Green Chemistry. | pt_BR |
dc.description.provenance | Submitted by Jackson R. L. A. Nunes (jackson@biblioteca.ufpb.br) on 2025-10-10T19:22:16Z No. of bitstreams: 2 license_rdf: 805 bytes, checksum: c4c98de35c20c53220c07884f4def27c (MD5) LucianoBernardoRamo_Tese.pdf: 5518028 bytes, checksum: 510f20903cc07b3d8dea77109fa01bc5 (MD5) | en |
dc.description.provenance | Made available in DSpace on 2025-10-10T19:22:16Z (GMT). No. of bitstreams: 2 license_rdf: 805 bytes, checksum: c4c98de35c20c53220c07884f4def27c (MD5) LucianoBernardoRamo_Tese.pdf: 5518028 bytes, checksum: 510f20903cc07b3d8dea77109fa01bc5 (MD5) Previous issue date: 2024-08-28 | en |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal da Paraíba | pt_BR |
dc.rights | Acesso aberto | pt_BR |
dc.rights | Attribution-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nd/3.0/br/ | * |
dc.subject | Espectrometria NIR | pt_BR |
dc.subject | Imagens digitais | pt_BR |
dc.subject | Calibração multivariada | pt_BR |
dc.subject | Classificação multivariada | pt_BR |
dc.subject | Ovos de galinha em pó | pt_BR |
dc.subject | Análise de alimentos | pt_BR |
dc.subject | NIR spectrometry | pt_BR |
dc.subject | Digital images | pt_BR |
dc.subject | Multivariate calibration | pt_BR |
dc.subject | Multivariate classification | pt_BR |
dc.subject | Powdered chicken eggs | pt_BR |
dc.subject | Food analysis | pt_BR |
dc.title | Novos métodos para autenticação e determinação de umidade e dos teores totais de proteínas e fósforo em ovos de galinha em pó usando imagens digitais, espectrometria NIR e quimiometria | pt_BR |
dc.type | Tese | pt_BR |
dc.contributor.advisor1 | Araújo, Mário César Ugulino de | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7281739070942782 | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/8960538199966924 | pt_BR |
dc.description.resumo | Os ovos de galinha em pó são empregados em várias formulações de alimentos nas indústrias de panificação e confeitaria, principalmente devido à sua longa vida útil, facilidade de armazenamento, transporte, além de possuir propriedades gelificantes, espumantes e emulsificantes. A avaliação de sua qualidade é importante para garantir a segurança alimentar dos consumidores. Sendo assim, este trabalho objetivou desenvolver métodos rápidos, não trabalhosos e acessíveis para avaliar a qualidade de ovos de galinha em pó a partir da utilização de espectros infravermelho próximo (NIR, do inglês near-infrared), imagens digitais, fusão de dados e técnicas de calibração e autenticação. As imagens digitais foram capturadas utilizando um scanner, enquanto os espectros NIR foram registrados usando espectrômetros de bancada e portátil. No primeiro estudo, novas estratégias foram desenvolvidas para determinar umidade e teores de proteínas e fosforo totais em ovos de galinha em pó. Os métodos de calibração multivariada para prever o teor de proteínas totais, em termos do coeficiente de correlação (r) e razão do desvio de desempenho da predição (RPD, do inglês ratio performance deviation), foram melhores utilizando imagens digitais (r = 0,995 e RPD = 9,55) do que aqueles utilizando os espectros NIR provenientes do equipamento de bancada e portátil. Por outro lado, na predição de umidade (r = 0,974 e RPD = 4,35) e teor de fósforo total (r = 0,98 e RPD = 4,3), o NIR de bancada obteve uma melhor performance analítica. Na aplicação das técnicas de fusão de dados, os resultados obtidos foram ligeiramente inferiores aos melhores métodos desenvolvidos utilizando espectros NIR pré-processados ou imagens digitais separadamente. No segundo estudo, novas estratégias foram concebidas para autenticar ovos de galinha em pó quanto a sua adulteração com proteína de soja e amido de milho. Para isso, aplicou-se técnicas de classificação utilizando a Modelagem Independente e Flexível por Analogia de Classes direcionada pelos dados (DD-SIMCA, do inglês Data-Driven – Soft Independent Modelling of Class Analogy). O melhor método foi aquele utilizando os espectros NIR portátil quando comparado com as imagens digitais, o qual todas as amostras adulteradas foram classificadas corretamente e apenas 1 amostra pura foi classificada como adulterada no conjunto de teste, alcançando sensibilidade de 95,7%, especificidade de 100% e acurácia 99,4%. Portanto, métodos propostos neste trabalho de tese mostraram-se uma boa ferramenta alternativa para análises químicas destrutivas, visto que amostras de ovos de galinha em pó poderiam ser analisadas sem utilização de produtos químicos e sem gerar resíduos prejudiciais à saúde e ao meio ambiente, seguindo os princípios básicos da Química Verde. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Química | pt_BR |
dc.publisher.program | Programa de Pós-Graduação em Química | pt_BR |
dc.publisher.initials | UFPB | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::QUIMICA | pt_BR |
Aparece nas coleções: | Centro de Ciências Exatas e da Natureza (CCEN) - Programa de Pós-Graduação em Química |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
LucianoBernardoRamo_Tese.pdf | 5,39 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma
Licença Creative Commons