Discriminação de espécies de peixes da costa amazônica e predição da composição centesimal usando um espectrofotômetro NIR portátil | Discrimination of fish species from the Amazon coast and prediction of proximate composition using a portable NIR spectrophotometer

Vibrational spectroscopy in the near infrared (NIR) has many applications in industry, particularly in quality control, discrimination and determination of the chemical composition of different foods because of the speed and ease of application in routine analysis when compared to traditional physical and chemical methods. This work aims to use this technique to discriminate five fish species from the Amazonian coast (Genyatremus luteus , Lutjanus purpureus , Macrodon ancylodon , Cynoscion acoupa, Micropogonias furnieri) and predict major components (water content, lipids and proteins). A portable low-resolution spectrometer (1600-2400 nm) was used for obtaining spectral measures of fish samples (intact, crushed and lyophilized muscle tissue). The spectra were preprocessed by means of derivatives using the Savitzky-Golay algorithm for smoothing of spectral noises, when constructing both prediction and discrimination models. The PCA and SIMCA models were applied for species discrimination, while PCR and PLS were used in the prediction of the major components. Using PCA, it was observed the formation of well-defined groups of the species G. luteus and L. purpureus in intact and lyophilized samples. With SIMCA, it was observed the formation of groups of the five species, which were confirmed by the distance between groups in the range from 4.16 to 13.31 and 2.90 to 57.05 for intact and lyophilized samples, respectively. The PLS regression model showed a small positive variation values for r2 and R2 , and the lyophilized samples showed better results for the three studied parameters: water content ( r2: 0.58 , RMSEPcv: 1.11 and RDP: 1.40 ), lipids (r2 : 0.96 , RMSEPcv : RDP 1.09 and 4.82 ), and crude protein (r2: 0.86 , RMSEPcv : RDP and 1.96 : 2.60). A good correlation between proximate composition data and those predicted by PLS regression was obtained.

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior

A espectroscopia vibracional no infravermelho próximo (NIR) tem muitas aplicações na indústria, particularmente no controle da qualidade, discriminação e determinação da composição química em diversos alimentos, devido à rapidez e facilidade de aplicações em análises de rotina em relação aos métodos físicos e químicos tradicionais. Este trabalho tem como objetivo utilizar esta técnica para discriminar espécies de peixes oriundos da costa amazônica (Genyatremus luteus, Lutjanus purpureus, Macrodon ancylodon, Cynoscion acoupa, Micropogonias furnieri) e predizer componentes majoritários (teor de água, lipídios e proteínas). Foi utilizado um espectrômetro portátil de baixa resolução (1600-2400 nm) para obtenção de medidas espectrais em amostras (filés) intactas, trituradas e liofilizadas. Os espectros foram pré-processados através de derivadas utilizando-se o algoritmo de Savitzky-Golay para suavização de ruídos espectrais, tanto para o emprego dos modelos de predição como para os de discriminação. Os modelos de PCA e SIMCA foram aplicados para a discriminação de espécies, enquanto que PCR e PLS foram utilizados na predição dos componentes. Utilizando PCA observou-se a formação de grupos referentes às espécies de G. luteus e L. purpureus em amostras intactas e liofilizadas, e quando se aplicou o SIMCA, observou-se a formação de grupos referente às cinco espécies, confirmados através da distancia entre os grupos na faixa de 4,16 a 13,31 e 2,90 a 57,05 para amostras intactas e liofilizadas, respectivamente. O modelo de regressão PLS apresentou uma pequena variação positiva para os valores r2 e R2, sendo que as amostras liofilizadas apresentaram melhores resultados para os três parâmetros estudados: umidade (r2: 0,58, RMSEPcv: 1,11 e RDP: 1,40), lipídios (r2: 0,96, RMSEPcv: 1,09 e RDP: 4,82), e proteína bruta (r2: 0,86, RMSEPcv: 1,96 e RDP: 2,60). Foi obtida uma boa correlação entre os dados obtidos por métodos AOAC e aqueles preditos pela regressão PLS.