???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: http://tede.biblioteca.ufpb.br:8080/handle/tede/7164
???metadata.dc.type???: Tese
Title: Fenotipagem não destrutiva usando espectroscopia no infravermelho próximo e quimiometria em sementes de mamona
???metadata.dc.creator???: Santos, Maria Betania Hermenegildo dos 
???metadata.dc.contributor.advisor1???: Araújo, Mário César Ugulino de
First advisor-co: Medeiros, Everaldo Paulo de
???metadata.dc.description.resumo???: Neste trabalho utilizaram-se a espectroscopia do infravermelho próximo (Near Infrared-NIR) e técnicas quimiométricas para desenvolver modelos de classificação de duas diferentes cultivares comerciais de mamoneira BRS Nordestina e BRS Paraguaçu. Estudou-se também a viabilidade de modelos de calibração para predição do teor de ricina em sementes de três cultivares comerciais de mamoneira (BRS Nordestina, BRS Paraguaçu e BRS Energia). Os espectros de reflectância difusa foram registrados na região de 400 a 2500 nm. Para os modelos de classificação foram utilizadas 350 sementes intactas para cada cultivar. Na calibração o conjunto de amostras foi formado por 69 sementes escarificadas, sendo 25 da BRS Energia, 25 da BRS Nordestina e 19 da BRS Paraguaçu. As leituras foram feitas em quatro posições, para cada semente. Os espectros foram pré-processados com algoritmo Savitzky-Golay com janela de 15 pontos, primeira derivada para correção de linha de base. Com base na PCA (Principal Component Analysis) a região espectral correspondente à faixa de 2110 a 2155 nm, foi selecionada por apresentar distinção entre as cultivares. O modelo SIMCA (Soft Independent Modelling of Class Analogy) forneceu resultados promissores na classificação das sementes para os níveis de significância 1, 5 e 10%. O SPA LDA (Sucessive Projections Algorithm-Linear Discriminant Analysis) foi eficiente selecionando apenas uma variável na faixa espectral NIR das medidas e classificando corretamente todas as amostras do conjunto de teste. Ao avaliar a precisão dos modelos de calibração SPA-MLR (Sucessive Projections Algorithm-Multiple Linear Regresssion) e PLS (Partial Least Square), usando-se a região elíptica de confiança percebe-se que os mesmos contêm o ponto ideal, quando a técnica utilizada foi a validação externa, isso permite inferir, nesses modelos a ausência de erros sistemáticos significativos. Ao analisar estes modelos usando a técnica de validação cruzada, nota-se que os mesmos não contêm o ponto ideal de acordo com a região elíptica de confiança. Os métodos propostos são promissores para determinar características fenotípicas de forma não destrutiva em genótipos de mamoneira.
Abstract: In this work we used the near infrared spectroscopy (NIR) and chemometric tools to develop e classification models of two different cultivars of castor bean BRS Nordestina (N) and BRS Paraguaçu (P). It was also studied the feasibility of calibration models for ricin content in seeds prediction of three cultivars of castor bean (BRS Nordestina, BRS Paraguaçu and BRS Energia). Diffuse reflectance spectra were recorded in the region of 400-2500 nm. For classification models were used 350 intact seeds for each cultivar. In the calibration sample set was formed by 69 scarified seeds, 25 of BRS Energia, 25 of BRS Nordestina and 19 of BRS Paraguaçu. Measurements were made at four positions for each seed. The spectra are pre-processed with Savitzky-Golay algorithm with a 15 points window, first derived for baseline correction. Based on PCA (Principal Component Analysis) models, the region corresponding to the spectral range from 2110 to 2155 nm, was selected because it has good distinction between cultivars. SIMCA (Soft Independent Modeling of Class Analogy) model provided promising results in the classification of seed for the significance levels 1, 5 and 10%. The SPA-LDA (Sucessive Projections Algorithm-Linear Discriminant Analysis) was efficient, selecting only one variable in the NIR spectral range of measures, correctly classifying all samples of the test set. When evaluating the accuracy of the calibration models SPA-MLR (Sucessive Projections Algorithm- Multiple Linear Regression) and PLS (Partial Least Square) using the elliptical confidence region it is perceived that they contain the ideal point, when the technique used was the external validation, it allows us to infer, these models lack of significant systematic errors. By analyzing these models using the cross-validation technique, we note that they do not contain the ideal point according to the elliptical region of confidence. The proposed methods are promising for determining phenotypic characteristics in a nondestructively way in castor bean genotypes.
Keywords: Semente
Mamoneira
Ricina
Espectroscopia NIR
Calibração multivariada
Seed
Castor bean
Ricin
NIR spectroscopy
Multivariate calibration
???metadata.dc.subject.cnpq???: CIENCIAS EXATAS E DA TERRA::QUIMICA
Language: por
???metadata.dc.publisher.country???: BR
Publisher: Universidade Federal da Paraí­ba
???metadata.dc.publisher.initials???: UFPB
???metadata.dc.publisher.department???: Química
???metadata.dc.publisher.program???: Programa de Pós-Graduação em Química
Citation: SANTOS, Maria Betania Hermenegildo dos. Fenotipagem não destrutiva usando espectroscopia no infravermelho próximo e quimiometria em sementes de mamona. 2015. 95 f. Tese (Doutorado em Química) - Universidade Federal da Paraí­ba, João Pessoa, 2015.
???metadata.dc.rights???: Acesso Aberto
URI: http://tede.biblioteca.ufpb.br:8080/handle/tede/7164
Issue Date: 20-Feb-2015
Appears in Collections:Programa de Pós-Graduação em Química

Files in This Item:
File SizeFormat 
arquivototal.pdf3.5 MBAdobe PDFDownload/Open Preview


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