“Inteligência Artificial: A Nova Fronteira da Ciência Brasileira”

19 a 24 de outubro de 2020

Trabalho 13676

ISSN 2237-9045
Instituição Universidade Federal de Viçosa
Nível Graduação
Modalidade Pesquisa
Área de conhecimento Ciências Agrárias
Área temática Zootecnia
Setor Departamento de Zootecnia
Bolsa CNPq
Conclusão de bolsa Sim
Apoio financeiro CNPq
Primeiro autor Kellen Ribeiro de Oliveira
Orientador SEBASTIAO DE CAMPOS VALADARES FILHO
Outros membros Fernando Alerrandro Andrade Cidrini, Gilyard Angelo Pinheiro de Souza, Júlia Travassos da Silva, Pauliane Pucetti
Título Construção e validação de modelos de regressão a partir de espectros NIR para predição do teor de proteína bruta da silagem de milho
Resumo Análise por espectroscopia de infravermelho próximo (NIR) associada a técnicas quimiométricas podem substituir grande parte dos métodos convencionais de análise de alimentos. Este sistema pode oferecer análise múltipla dos constituintes em menor tempo, com menor custo e labor, além de ser um método não poluente ao não utilizar reagentes químicos. Desse modo, objetivou-se neste trabalho, desenvolver modelos de regressão para predição do teor de proteína bruta (PB) da silagem de milho. Foram coletadas 94 amostras de silagem de milho de diferentes estados do Brasil, provenientes 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. Após a coleta, as amostras foram encaminhadas para o Laboratório de Nutrição de Ruminantes (LabNur) para realização das análises laboratoriais. As amostras foram secas em estufa com ventilação forçada (55°C) por 72 horas, posteriormente moídas em moinho de facas (Tecnal, Piracicaba, São Paulo, Brasil) com peneiras de porosidade 1 mm e então analisados quanto aos teores de PB segundo método INCT - CA N-001/1 (Detmann et al., 2012). As amostras previamente moídas a 1 mm foram homogeneizadas e acondicionadas em placas de petri (dimensão 60x15mm) em três sub-amostras, sendo posteriormente feita coleta dos espectros. Estes foram registrados como log(1/R), onde R é a reflectância da amostra, na faixa de 902 e 1680nm, medidos em intervalos de 2nm. Assim, três espectros por amostra foram tomados, sendo utilizada a média de cada amostra para compor a matriz X. Os teores de PB foram denominados como vetor y, o mesmo possui número de linhas igual ao número de amostras na matriz X. Para construção dos modelos de calibração foi utilizada a regressão por quadrados mínimos parciais (PLS). Foi feita a remoção de outliers e após isso, o conjunto de dados foi dividido em conjunto de calibração e validação usando o algoritmo de Kennard-Stone (Kennard & Stone, 1969), que seleciona as amostras com base em suas distâncias. O vetor y foi centrado na média e diferentes pré-tratamentos e suas combinações foram estudadas para a matriz completa X, sendo escolhido 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 segunda derivada e correção do espalhamento multiplicativa. O modelo apresentou um alto RP com o valor de 0,84 e um baixo RMSEP de 0,405. Este resultado indica boa capacidade de predição. Assim, pode se concluir que o modelo de regressão desenvolvido para predição do teor de PB da silagem de milho estima corretamente os valores dos mesmos. Deste modo, podem substituir métodos laboratoriais convencionais.
Palavras-chave valor nutricional, análise de alimentos, nutrição animal
Forma de apresentação..... Painel
Link para apresentação Painel
Gerado em 0,69 segundos.