Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/30978
Type: Tese
Title: Aplicação de técnicas espectroscópicas vibracionais e imagens hiperespectrais na detecção de fraudes em carnes bovinas in natura
Authors: Karen Monique Nunes
First Advisor: Marcelo Martins de Sena
First Co-advisor: Mariana Ramos de Almeida
First Referee: Jez Willian Batista Braga
Second Referee: Rafael Scorsatto Ortiz
Third Referee: Clésia Cristina Nascentes
metadata.dc.contributor.referee4: Bruno Gonçalves Botelho
Abstract: Grandes escândalos de fraudes em carnes têm aumentado a preocupação com a segurança alimentar. A adição de soluções de sais e de outros adulterantes, como carragena (polissacarídeo linear sulfatado obtido de algas marinhas vermelhas) e maltodextrina (polissacarídeo de rápida absorção) aumentam a capacidade de retenção de água na peça de carne, propiciando uma fraude econômica. Esta tese teve como principal objetivo a detecção e identificação de adulterações em amostras de carne bovina in natura empregando a análise por espectroscopia de absorção no infravermelho médio (FTIR), espectroscopia Raman e espectroscopia Raman de Imagem. Os dados de FTIR e espectroscopia Raman foram tratados usando métodos quimiométricos de classificação supervisionada (análise discriminante por mínimos quadrados parciais, PLS-DA). Foram analisadas amostras de lagarto bovino (M. semitendinosus). Na primeira aplicação (FT-Raman), o modelo global de previsão de amostras adulteradas de carne foi considerado um modelo ruim para a detecção sistemática da fraude em estudo com taxa de confiabilidade (TCONF) de 67%. Entretanto, a análise da purga apresentou-se satisfatória (TCONF de 80%). Intervalos de confiança foram estimados para os valores de previsão individuais utilizando o algoritmo bootstrap. Na segunda aplicação (FTIR), os melhores resultados foram obtidos para o modelo global de detecção de fraudes com TCONF acima de 91%. A otimização do modelo, produzindo uma versão soft PLS-DA, foi realizada pela detecção de outliers obtendo-se TCONF igual a 93% e previsão correta de 100% das amostras fraudadas com um adulterante não modelado inicialmente, maltodextrina. A detecção de outliers foi feita através do cálculo de limites de confiança para o valor de y/classe previsto e pela análise do gráfico T2 de Hotelling por Resíduos Q. Métodos empregando a espectroscopia Raman de imagem e o método de resolução de curvas mostraram-se eficientes para a detecção de fraudes em carnes bovinas in natura (terceira aplicação). Modelos de previsão individual, previsão por classe (sais e polissacarídeos) e um modelo global foram obtidos com resultados promissores.
Abstract: Large and recent meat fraud scandals have raised concerns about food security in Brazil. The addition of salts solutions and others adulterants, such as carrageenan (a linear sulphated polysaccharide extracted from red edible seaweeds) and maltodextrin (rapidly absorbing polysaccharide) increase the meat's water-holding capacity, leading to economic fraud. The Thesis had as main objective the detection and identification of adulterations in samples of bovine meat in natura using mid-infrared absorption spectroscopy (FTIR) and Raman spectroscopy. Data were processed using supervised classification chemometric methods (partial least squares discriminant analysis, PLS-DA). In the first application (FT-Raman), the global model for prediction adulterated meat samples was considered a poor model for the systematic detection of fraud in study with reliability rate (RLR) equal 67%. However, the purge analysis was satisfactory (RLR = 80%). Confidence intervals were estimated for individual prediction values using the bootstrap algorithm. In the second application (FTIR), the best results were obtained for the global fraud detection model with RLR above 91%. The model optimization, producing a soft version PLS-DA, was performed by outliers detection with RLR equal to 93% and correct prediction of 100% of the fraudulent samples with an unmodulated adulterant, maltodextrin. Outliers detection was performed by calculating confidence limits for y/class predicted values and by analyzing of the Hotelling’s T2 plot versus Q residues. Methods employing Raman image spectroscopy and curve resolution method were shown proved to be efficient for detecting fraud in meat in natura (third application). Individual prediction models, class prediction (salts and polysaccharides) and a global model were obtained with promising results.
Subject: Química analítica
Quimica legal
Espectroscopia
Espectroscopia de infravermelho
Raman, Espectroscopia de
Quimiometria
language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal de Minas Gerais
Publisher Initials: UFMG
metadata.dc.publisher.department: ICX - DEPARTAMENTO DE QUÍMICA
metadata.dc.publisher.program: Programa de Pós-Graduação em Química
Rights: Acesso Aberto
URI: http://hdl.handle.net/1843/30978
Issue Date: 25-Sep-2019
Appears in Collections:Teses de Doutorado

Files in This Item:
File Description SizeFormat 
TESE_Karen_Nunes_Versão_Final.pdf6.84 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.