Métodos alternativos para análise rápida de parâmetros de qualidade da soja

• Main Author: Santos, Larissa da Rocha dos
• Other Authors: Março, Paulo Henrique
• Language: Portuguese
• Published: Universidade Tecnológica Federal do Paraná 2017
• Subjects: CNPQ::CIENCIAS AGRARIAS::CIENCIA E TECNOLOGIA DE ALIMENTOS; Soja; Análise espectral; Estatística - Métodos gráficos; Soybean; Spectrum analysis; Statistics - Graphic methods; Tecnologia de Alimentos
• Online Access: http://repositorio.utfpr.edu.br/jspui/handle/1/2192

CAPES; CNPQ === Dada a importância mundial da cultivar soja, é imprescindível a aplicação de metodologias para o monitoramento eficiente dos parâmetros fisíco-químicos que determinam a qualidade dos grãos com agilidade e confiabilidade adequadas. Entretanto, os métodos analíticos empregados para as análises tradicionais envolvem técnicas demoradas, utilizam vários equipamentos e reagentes, além de gerarem resíduos químicos. Desta forma, o desenvolvimento de metodologias alternativas para esta finalidade pode trazer benefícios tanto para as indústrias e órgãos reguladores quanto para os analistas. Este estudo propõe a utilização de Espectroscopia de Infravermelho Próximo (NIR) associada a métodos quimiométricos para a construção de modelos multivariados para previsão do percentual de lipídios totais, índice de acidez, teor de clorofila, proteína bruta e umidade em soja. Na construção dos modelos foram avaliadas 300 amostras de soja Glycine max (L.) Merrill. Os dados espectrais foram processados por meio do método de Mínimos Quadrados Parciais (PLS). Os resultados sugerem que os modelos desenvolvidos podem ser utilizados como uma metodologia alternativa para determinar parâmetros físico-químicos e poderiam ser aplicados no controle de qualidade em indústrias de soja. === Given the worldwide importance of soybean cultivars, it is essential to apply methodologies for the efficient monitoring of the physico-chemical parameters that determine the grain quality with adequate agility and reliability. Nonetheless, the analytical methods used in the traditional analysis involves time-consuming techniques, usage of various equipment and reagents besides generating chemical residues. Considering that, the development of alternative methodologies for this purpose can bring benefits to both industries and regulatory bodies as for the analysts. This study proposes the use of Near Infrared Spectroscopy (NIR) associated with chemometric methods for the construction of multivariate models to predict the percentage of total lipids, acidity index, chlorophyll content, crude protein and moisture in soybean. For this, 300 samples of Glycine max (L.) Merrill soybean were evaluated. The spectral data were processed by the method of Partial Least Squares (PLS). The results suggest that the developed model can be used as an alternative methodology to determine the physical-chemical parameters and could be applied in quality control in the soybean industries.