“Inteligência Artificial: A Nova Fronteira da Ciência Brasileira”

19 a 24 de outubro de 2020

Trabalho 13576

ISSN 2237-9045
Instituição Universidade Federal de Viçosa
Nível Graduação
Modalidade Pesquisa
Área de conhecimento Ciências Agrárias
Área temática Zootecnia
Setor Departamento de Zootecnia
Conclusão de bolsa Não
Apoio financeiro CNPq
Primeiro autor Julia Gabriela Baroni Alves
Orientador SEBASTIAO DE CAMPOS VALADARES FILHO
Outros membros Júlia Travassos da Silva, Kellen Ribeiro de Oliveira, Lucas Germano Hollerbach, Pauliane Pucetti
Título Construção e validação de modelos de regressão a partir de espectros NIR para predição da fibra insolúvel em detergente neutro da silagem de milho
Resumo As análises realizadas por espectroscopia de infravermelho próximo (NIR) podem ser utilizadas para mensurar a composição das amostras de alimentos de forma mais rápida e econômica quando comparadas aos métodos convencionais. Contudo, não foi encontrado na literatura modelos de calibração disponíveis para predizer a composição de silagem de milho adequadas as condições brasileiras. Dessa forma, objetivou-se construir e validar modelos de regressão, utilizando a espectroscopia NIR para predizer os teores de fibra insolúvel em detergente neutro corrigido para cinzas e proteína (FDNcp) da silagem de milho (SM).As análises laboratoriais foram realizadas pelo Laboratório de Nutrição de Ruminantes (LabNUR), pertencente ao departamento de Zootecnia da Universidade Federal de Viçosa (UFV). Foram coletadas 94 amostras de SM advindas da Bahia, Goiás, Minas Gerais, Mato Grosso, Pernambuco, Paraná, Rio Grande do Sul e São Paulo, a fim de garantir suficiente variação da composição para construir e validar modelos. As amostras foram secas em estufa com ventilação forçada (55ºC) por 72 horas e moídas em moinho de facas (Tecnal, Piracicaba, São Paulo, Brasil) com peneira de 1mm. As análises de fibra insolúvel em detergente neutro foram realizadas seguindo o método INCT - CA F-001/1, e as correções para cinza e proteína foram de acordo com INCT - CA N-004/1 e INCT - CA M002/1, respectivamente. As amostras foram subdivididas em três e alocadas em placas de petri (dimensão 60x15mm), os espectros foram então mensurados em log (1/R), em que R corresponde à refletância da amostra medida na faixa 902 e 1680nm, com intervalos de 2nm. Foi utilizada a média do espectro das três leituras de cada amostra para compor a matriz X, que representa as variáveis independentes do modelo. Os teores de FDNcp foram denominados como vetor y, representando estes as variáveis dependentes do modelo. Para a construção dos modelos foi utilizada a regressão por quadrados mínimos parciais (PLS). Foi realizada a remoção de outliers e os dados foram então divididos em conjunto de calibração e validação com a utilização do algoritmo de Kennard-Stone (Kennard & Stone, 1969),o qual seleciona as amostras baseado em suas distâncias. O vetor y foi centrado na média, e diferentes pré-tratamentos e suas combinações foram estudados para a matriz completa X, sendo escolhidos aqueles que apresentaram um menor valor da raiz quadrada do erro quadrático médio da validação cruzada (RMSECV). Os valores da raiz quadrada do erro quadrático médio da predição (RMSEP) e o coeficiente da correlação dos valores medidos e preditos pelo modelo (RP) foram utilizados para avaliar o ajuste do modelo.Os pré-tratamentos aplicados a matriz X foram normalização e segunda derivada. O modelo apresentou um RP de 0,91 e um RMSEP de 1,387. Estes resultados indicam um bom ajuste do modelo. Assim podemos concluir que o mesmo estima corretamente o teor de FDNcp da silagem de milho e pode substituir o método convencional.
Palavras-chave nutrição de ruminantes, espectroscopia, amostras
Forma de apresentação..... Painel
Link para apresentação Painel
Gerado em 0,66 segundos.