Construção e validação de modelos de regressão a partir de espectros NIR para predição da composição da cana-de-açúcar, farelo de soja e fubá de milho

Autores

DOI:

https://doi.org/10.5433/1679-0359.2023v44n2p859

Palavras-chave:

Espectroscopia, Quimiometria, Regressão por mínimos quadrados parciais.

Resumo

Objetivou-se desenvolver e avaliar modelos de regressão para a predição da composição química da cana-de-açúcar, farelo de soja e fubá de milho por NIR portátil aliado a técnicas quimiométricas. Foram utilizadas 95 amostras de cana-de-açúcar, 92 amostras de farelo de soja e 120 amostras de fubá de milho. Após a moagem das amostras, foi realizada aquisição dos espectros de cada amostra. Os valores referência foram obtidos através de análises químicas convencionais. Para construção dos modelos, foi utilizada a regressão por quadrados mínimos parciais e a validação cruzada leave one out. Os modelos com menor raiz quadrada do erro quadrático médio da validação cruzada foram submetidos a validação externa. Para avaliar a qualidade de ajuste dos modelos, os valores preditos foram comparados com os valores obtidos pelos métodos laboratoriais convencionais. Os modelos construídos estimaram corretamente todos os constituintes avaliados para a cana-de-açúcar, farelo de soja e fubá de milho (P ≥ 0,056). Os modelos construídos para predição dos teores de amostra seca em estufa a 55°C (ASA) e a 105°C (ASE), matéria seca total (MS), matéria orgânica (MO), fibra insolúvel em detergente neutro (FDN), FDN corrigida para cinzas e proteína (FDNcp), proteína insolúvel em detergente neutro (PIDN), fibra insolúvel em detergente ácido (FDA), proteína bruta (PB), carboidratos não fibrosos (CNF) e nutrientes digestíveis totais (NDT) da cana-de-açúcar; ASE, MO, FDN, FDA, FDN indigestível (FDNi), PB, NDT e amido de farelo de soja; e ASE, PB do fubá de milho apresentaram elevada acurácia e precisão (R2 ≥ 0,50 e CCC ≥ 0,60). Contudo os modelos construídos para predição dos teores de cinzas insolúveis em detergente neutro (CIDN) da cana-de-açúcar; extrato etéreo (EE) e CIDN do farelo de soja; e FDN, FDNi, CIDN, CNF e EE do fubá de milho foram acurados, porém pouco precisos (R2 ≥ -0,04 e CCC ≥ 0,03). Conclui-se que os modelos de regressão por NIR portátil estimaram acuradamente e, portanto, são recomendados para estimar a composição química da cana-de-açúcar, farelo de soja e fubá de milho.

Métricas

Carregando Métricas ...

Biografia do Autor

Nathália Veloso Trópia, Universidade Federal de Viçosa

Doutoranda do Programa de Pós-Graduação em Zootecnia, Departamento de Zootecnia, Universidade Federal de Viçosa, UFV, Viçosa, MG, Brasil.

Flávia Adriane de Sales Silva, Universidade Federal de Minas Gerais

Pesquisadora, Departamento de Zootecnia, UFV, Viçosa, MG, Brasil.

Dhones Rodrigues Andrade, Universidade Federal de Viçosa

Doutorando do Programa de Pós-Graduação em Zootecnia, Departamento de Zootecnia, Universidade Federal de Viçosa, UFV, Viçosa, MG, Brasil.

Fernando Alerrandro Andrade Cidrini, Universidade Federal de Viçosa

Aluno de Graduação em Zootecnia, Departamento de Zootecnia, Viçosa, UFV, MG, Brasil.

Yuri Cesconetto Ebani, Universidade Federal de Viçosa

Aluno de Graduação em Zootecnia, Departamento de Zootecnia, Viçosa, UFV, MG, Brasil.

Éllem Maria de Almeida Matos, Universidade Federal de Viçosa

Doutoranda do Programa de Pós-Graduação em Zootecnia, Departamento de Zootecnia, Universidade Federal de Viçosa, UFV, Viçosa, MG, Brasil.

Karen Melo Borges, Universidade Federal de Viçosa

Mestranda do Programa de Pós-Graduação em Zootecnia, Departamento de Zootecnia, UFV, Viçosa, MG, Brasil.

Jussara Valente Roque, Universidade Federal de Goiás

Pesquisadora, Instituto de Química, Universidade Federal de Goiás, UFG, Goiânia, GO, Brasil.

Diego Zanetti, Instituto Federal do Sul de Minas Gerais

Prof. Dr., Departamento de Zootecnia, Instituto Federal do Sul de Minas Gerais, IFSMG, Machado, MG, Brasil.

Sebastião de Campos Valadares Filho, Universidade Federal de Viçosa

Prof. Dr., Departamento de Zootecnia, UFV, Viçosa, MG, Brasil.

Referências

Ciurczak, E. W., Igne, B., Workman, J., Jr., & Burns, D. A. (2021). Handbook of near-infrared analysis. CRC Press. DOI: https://doi.org/10.1201/b22513

Companhia Nacional de Abastecimento (2021). Boletim da safra de grãos, 3o Levantamento - Safra 2020/21. https://www.conab.gov.br/info-agro/safras/graos/boletim-da-safra-de-graos

Detmann, E., Silva, L. F. C., Rocha, G. C., Palma, M. N. N., & Rodrigues, J. P. P. (2021). Métodos para análise de alimentos. Suprema.

Ferreira, M. M. C. (2015). Quimiometria: conceitos, métodos e aplicações. Editora da Unicamp. DOI: https://doi.org/10.7476/9788526814714

Kennard, R. W., & Stone, L. A. (1969). Computer aided design of experiments. Technometrics, 11(1), 137-148. doi: 10.1080/00401706.1969.10490666 DOI: https://doi.org/10.1080/00401706.1969.10490666

Kobayashi, K., & Salam, M. U. (2000). Comparing simulated and measured values using mean squared deviation and its components. Agronomy Journal, 92(2), 345-352. doi: 10.2134/agronj2000.922345x DOI: https://doi.org/10.2134/agronj2000.922345x

Montgomery, D. C. (2009). Introdução ao controle estatístico da qualidade. Grupo Gen-LTC.

Ozaki, Y., Huck, C., Tsuchikawa, S., & Engelsen, S. B. (2021). Near-infrared spectroscopy: theory, spectral analysis, instrumentation, and applications. Springer. DOI: https://doi.org/10.1007/978-981-15-8648-4

Peternelli, L. A., Gonçalves, M. T. V., Fernandes, J. G., Brasileiro, B. P., & Teófilo, R. F. (2020). Selection of sugarcane clones via multivariate models using near-infrared (NIR) spectroscopy data. Australian Journal of Crop Science, 14(6), 889-895. doi: 10.21475/ajcs.20.14.06.p2099 DOI: https://doi.org/10.21475/ajcs.20.14.06.p2099

Pinto, A. C. J., & Millen, D. D. (2019). Nutritional recommendations and management practices adopted by feedlot cattle nutritionists: the 2016 Brazilian survey. Canadian Journal of Animal Science, 99(2), 392-407. doi: 10.1139/cjas-2018-0031 DOI: https://doi.org/10.1139/cjas-2018-0031

Porep, J. U., Kammerer, D. R., & Carle, R. (2015). On-line application of near infrared (NIR) spectroscopy in food production. Trends in Food Science & Technology, 46(2), 211-230. doi: 10.1016/j.tifs.2015.10.002 DOI: https://doi.org/10.1016/j.tifs.2015.10.002

Sarraguça, M. C., & Lopes, J. A. (2009). Quality control of pharmaceuticals with NIR: from lab to process line. Vibrational Spectroscopy, 49(2), 204-210. doi: 10.1016/j.vibspec.2008.07.013 DOI: https://doi.org/10.1016/j.vibspec.2008.07.013

Silva, B. C., Godoi, L. A., Valadares, S. C., Fº., Zanetti, D., Benedeti, P. D. B., & Detmann, E. (2019a). A suitable enzymatic method for starch quantification in different organic matrices. MethodsX, 6(2019), 2322-2328. doi: 10.1016/j.mex.2019.09.040 DOI: https://doi.org/10.1016/j.mex.2019.09.040

Silva, D. P., Pedroso, A. M., Pereira, M. C. S., Bertoldi, G. P., Watanabe, D. H. M., Melo, A. C. B., & Millen, D. D. (2019b). Survey of management practices used by brazilian dairy farmers and recommendations provided by 43 dairy cattle nutritionists. Canadian Journal of Animal Science, 99(4), 890-904. doi: 10.1139/cjas-2018-0004 DOI: https://doi.org/10.1139/cjas-2018-0004

Silvestre, A. M., & Millen, D. D. (2021). The 2019 brazilian survey on nutritional practices provided by feedlot cattle consulting nutritionists. Revista Brasileira de Zootecnia, 50(9), 1-25. doi: 10.37496/RBZ5020200189 DOI: https://doi.org/10.37496/rbz5020200189

Souza, R. C., Reis, R. B., Lopez, F. C. F., Mourthe, M. H. F., Lana, A. M. Q., Barbosa, F. A., & Sousa, B. M. (2015). Efeito da adição de teores crescentes de ureia na cana-de-açúcar em dietas de vacas em lactação sobre a produção e composição do leite e viabilidade econômica. Arquivo Brasileiro de Medicina Veterinária e Zootecnia, 67(2-3), 564-572. doi: 10.1590/1678-7799 DOI: https://doi.org/10.1590/1678-7799

Tedeschi, L. O. (2006). Assessment of the adequacy of mathematical models. Agricultural Systems, 89(1-2), 225-247. doi: 10.1016/j.agsy.2005.11.004 DOI: https://doi.org/10.1016/j.agsy.2005.11.004

Thomson, A. L., Humphries, D. J., Rymer, C., Archer, J. E., Grant, N. W., & Reynolds, C. K. (2018). Assessing the accuracy of current near infra-red reflectance spectroscopy analysis for fresh grass-clover mixture silages and development of new equations for this purpose. Animal Feed Science and Technology, 239(2018) 94-106. doi: 10.1016/j.anifeedsci.2018.03.009 DOI: https://doi.org/10.1016/j.anifeedsci.2018.03.009

Valadares, S. C., F., Lopes, S. A., Silva, B. C., & Chizzotti, M. L. L. Z. B. (2018). Tabelas brasileiras de composição de alimentos para ruminantes (CQBAL 4.0).

Valadares, S. C. F., L., Silva F. C., Gionbelli, M. P., Rotta, P. P., Marcondes, M. I., Chizzotti, M. L., & Prados, L. F. (2016). Exigências Nutricionais de Zebuínos Puros e Cruzados - BR-CORTE. Editora Federal de Viçosa. DOI: https://doi.org/10.5935/978-85-8179-111-1.2016B001

Downloads

Publicado

2023-06-26

Como Citar

Trópia, N. V., Silva, F. A. de S., Andrade, D. R., Cidrini, F. A. A., Ebani, Y. C., Matos, Éllem M. de A., Borges, K. M., Roque, J. V., Zanetti, D., & Valadares Filho, S. de C. (2023). Construção e validação de modelos de regressão a partir de espectros NIR para predição da composição da cana-de-açúcar, farelo de soja e fubá de milho. Semina: Ciências Agrárias, 44(2), 859–880. https://doi.org/10.5433/1679-0359.2023v44n2p859

Edição

Seção

Artigos

Artigos mais lidos pelo mesmo(s) autor(es)