Cristiano G. Faria¹, Marcelo A. Morgano², Neura Bragagnolo³, Marco F.
 Ferrão⁴, Márcia M. C. Ferreira⁵. 1,5- IQ-UNICAMP, 2 Centro de Química de
 Alimentos e Nutrição Aplicada- ITAL, 3 - FEA-UNICAMP, 4- Depto. de
 Química e Física-UNISC

          A aplicacão com sucesso  dos  métodos  matemático-computacionais
 da   análise  multivariada   a   dados  de   natureza  química,   promoveu   o
 surgimento  de  novas  metodologias   para  caracterização   e  controle  de
 qualidade de alimentos.  O trabalho aqui apresentado  vem contribuir neste
 sentido e tem como objetivo elaborar um modelo de regressão multivariada
 capaz de,   a partir de  dados  espectroscópicos,   inferir  o teor de umidade
 presente em amostras de café cru. Ao todo foram analisados 162 espectros
 relativos a amostras de café cru de diferentes procedências.   Os espectros
 na região do infravermelho próximo  (NIR),   tomados  em triplicada,   foram
 obtidos   através   de   um   espectômetro   Bomem   DA-08,   utilizando  um
 acessório de  reflectância   difusa.   O   teor   de   umidade   das   amostras
 analisadas    foi    inicialmente    determinado    pelo    método    da   AOAC,
 apresentando valores  entre  7,45  e  12,71  g/100g.   Os espectros obtidos
 foram  submetidos  a  uma  série  de  transformações  matemáticas,   como:
 transformação   Kubelka-Munk,  correção   multiplicativa   de   sinal  (MSC),
 normalização,   alisamento por  SPLINE  e filtragem utilizando média móvel. 
 Posteriormente foi feita uma seleção de variáveis utilizando informações do
 correlograma,    reduzindo   de   2250    para   15   o  número  de  variáveis
 consideradas  no modelo.   Dentre  os  métodos  de regressão multivariada
 aplicados,  o que mostrou melhores resultados foi  o modelo PLS  (mínimos
 quadrados  parciais),   utilizando  3  variáveis  latentes,   determinadas  por
 validação  cruzada.   A  comparação  entre  os  valores  experimentais e os
 valores  preditos  pelo  modelo  no  conjunto  de  calibração  (85 espectros)
 forneceram um erro quadrático médio (MSE) igual  a  0,57 e um coeficiente
 de correlação linear (R) de 0,71 e um erro percentual médio de 6,07%. Já o
 conjunto de validação externa (72 espectros)  apresentou um MSE de 0,30,
 um  R  de  0,82  e  um  erro  percentual médio  4,50%.   Os  baixos  valores
 dos  parâmetros  de  erro,   alcançados  no  conjunto  de  previsão  externa,
 indicam  uma  boa  performance  do  modelo,   no  que  diz  respeito  à  sua
 habilidade  de   previsão.   Desta   forma,   foi   possível   estabelecer   uma
 metodologia rápida, eficiente e econômica,  para a determinação do teor de
 umidade  em  amostras  de  café cru  que  apresenta  a  vantagem  de  não
 requerer um tratamento prévio das amostras.

 EMBRAPA-CAFÉ, FUNAP
 

 Cristiano G. Faria¹, Marcelo A. Morgano², Neura Bragagnolo³, Marco F.
 Ferrão⁴, Márcia M. C. Ferreira⁵. 1,5- IQ-UNICAMP, 2 Centro de Química de
 Alimentos e Nutrição Aplicada- ITAL, 3 - FEA-UNICAMP, 4- Depto. de
 Química e Física-UNISC

          The fruitful application  of mathematical and computational methods  to 
 chemical   data   has   aided   the   emergence   of   new   methodologies  for 
 characterization and quality  control  of  food.  This  presented  work is  such 
 contribution   with   objective   to  propose  a  multivariate  regression  model 
 capable to predict humidity in samples  of  green coffee using  spectroscopic 
 data.  In total,  162  spectra of green coffee samples of different origin,  were 
 analyzed. The near-infrared (NIR) spectra were recorded in triplicate using a
 spectrometer  Bomem DA-08  with diffuse  reflectance device.  The  humidity 
 content in the samples was initialy  determined  by  the  AOAC  method,  with 
 values from 7.45 to 12.71 g/100g. The obtained spectra were submitted to a
 series   of   mathematical    transformations:   Kubelka-Munk   transformation,
 multiplicative signal correction (MSC), normalization, smoothing with SPLINE
 and filtering by moving media.  After  that,  a variable selection was made on 
 the  basis  of  information  from  correlograms,   where  2250  variables  were 
 reduced  to   only  15   for   modeling.   Among   the   multivariate  regression 
 methods,  the best results  were obtained by the  PLS  (partial least squares) 
 model    with   3   latent   variables   determined    by   cross-validation.   The 
 comparison of experimental values  with predicted ones using this model  for 
 the calibration set (85 spectra) gave medium quadratic error (MQE) equal to
 0.57, linear correlation coefficient  (R)  being 0.71,  and medium  percentage
 error of 6.07%. The external validation set (72 spectra) had MSE of 0.30,  R
 being 0.82, and the medium percentage error of  4.50%.  The low values   of 
 the   error   parameters    for   the  external  prediction  set   indicate  a  good 
 predictive power of the model.  This way,  it was possible to establish a  fast,
 efficient  and  economic  methodology   for  determination   of   the   humidity 
 content in samples of green coffee,  with advantage that there was  no  need 
 of pre-treatment of the samples.

 EMBRAPA-CAFÉ, FUNAP