Máquinas de vetores de suporte e espectroscopia vibracional para autenticação e classificação de alimentos

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Cardoso, Victor Gustavo Kelis, 1996-
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: [s.n.]
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Máquina de vetores de suporte
Alimentos - Análise
Espectroscopia Raman
Espectroscopia de infravermelho
Aprendizado de máquina
Quimiometria
Química analítica
Support vector machines
Food - Analysis
Raman spectroscopy
Machine learning
Chemometrics
Chemistry, Analytic
Link de acesso: https://hdl.handle.net/20.500.12733/1639245
Resumo: Orientador: Ronei Jesus Poppi
id UNICAMP-30_993416b7fa6442db657218379e5af0ee
oai_identifier_str oai::1129265
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Máquinas de vetores de suporte e espectroscopia vibracional para autenticação e classificação de alimentosSupport vector machines and vibrational spectroscopy for food authentication and classificationMáquina de vetores de suporteAlimentos - AnáliseEspectroscopia RamanEspectroscopia de infravermelhoAprendizado de máquinaQuimiometriaQuímica analíticaSupport vector machinesFood - AnalysisRaman spectroscopyMachine learningMachine learningChemometricsChemistry, AnalyticOrientador: Ronei Jesus PoppiDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de QuímicaResumo: Essa Dissertação de Mestrado possuiu como foco o tratamento de dados de análise de alimentos por espectroscopia vibracional utilizando máquina de vetores de suporte (SVM). Foram realizadas duas aplicações, sendo que na primeira foi proposto um método para identificar a presença de farinha de trigo, que contém glúten em sua constituição, em tapioca usando espectroscopia Raman e classe única por SVM (OC-SVM). O modelo de classe única por SVM pode discriminar as amostras com adulteração maior que 2% (m/m). Já o modelo SIMCA, a ferramenta mais aplicada para este tipo de análise, pode discriminar amostras com adulterações maiores que 5% (m/m) de farinha de trigo. Alguns outros adulterantes também foram avaliados para verificar a eficiência do modelo de classe única na identificação de substâncias desconhecidas, onde foram facilmente discriminados. A segunda aplicação visou propor um método não-invasivo para identificação de quatro blends comerciais de chá verde utilizando espectroscopia no infravermelho próximo (NIR), análise discriminante por SVM (SVM-DA) e otimização Bayesiana. As amostras foram analisadas por espectrômetros portátil e de bancada, analisando a erva dentro e fora do sachê e o sachê vazio. Foi observado que o sachê vazio não apresenta sinais que auxiliem na discriminação das classes, mas atua como interferente, especialmente para o equipamento portátil, devido às limitações instrumentais. Os modelos SVM-DA apresentaram 90 e 93% de exatidão na discriminação dos chás dentro e fora dos sachês, respectivamente. Já os modelos PLS-DA, a ferramenta mais aplicada para este tipo de análise, puderam discriminar os mesmos conjuntos com 87 e 83% de exatidão respectivamente. Portanto, foi constatado que a máquina de vetores de suporte possui uma excelente performance no tratamento de dados de análise de alimentos por espectroscopia vibracional, inclusive superando os algoritmos que são normalmente empregados em quimiometriaAbstract: This Master¿s Dissertation focuses on data treatment of food analysis by vibrational spectroscopy using support vector machines (SVM). Two studies were performed. The first one aimed at developing a method to identify wheat flour content, which is a high-in-gluten food, in cassava starch by Raman spectroscopy and one-class SVM (OC-SVM). OC- SVM could discriminate adulterated samples with wheat flour content over 2% (w/w). On the other hand, SIMCA, the most applied tool in this type of analysis, could discriminate adulterated samples with wheat flour content over 5% (w/w). Other adulterants were also applied to evaluate the one-class classifier performance in identifying non-target samples with unknown substances, which were easily identified. The second study aimed at proposing a non-invasive method to identify four commercial blends of green tea using near infrared (NIR) spectroscopy, SVM discriminant analysis (SVM-DA) and Bayesian optimization. Handheld and benchtop spectrometers were used to analyze green tea samples inside and outside teabag and empty teabag. Teabag did not provide bands that helped in class discrimination, but acted as interfering, especially in analyses performed in handheld instrument due to its instrumental limitations. SVM-DA provided 90 and 93% of accuracy in tea discrimination analyzed inside and outside teabags, respectively. PLS-DA, the most used tool in this type of analysis, could discriminate the classes of the same dataset with 87 and 83% of accuracy. Therefore, support vector machine may provide exceptional performances in data treatment of food analysis by vibrational spectroscopy, outperforming several algorithms largely used in chemometric analysesMestradoQuímica AnalíticaMestre em QuímicaCAPES88882.329166/2019-01[s.n.]Poppi, Ronei Jesus, 1961-2020Breitkreitz, Márcia CristinaFilgueiras, Paulo RobertoUniversidade Estadual de Campinas. Instituto de QuímicaPrograma de Pós-Graduação em QuímicaUNIVERSIDADE ESTADUAL DE CAMPINASCardoso, Victor Gustavo Kelis, 1996-20202020-02-19T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (146 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1639245CARDOSO, Victor Gustavo Kelis. Máquinas de vetores de suporte e espectroscopia vibracional para autenticação e classificação de alimentos. 2020. 1 recurso online (146 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Química, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1639245. Acesso em: 26 abr. 2024.https://repositorio.unicamp.br/acervo/detalhe/1129265Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2020-07-14T15:23:36Zoai::1129265Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2020-07-14T15:23:36Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Máquinas de vetores de suporte e espectroscopia vibracional para autenticação e classificação de alimentos
Support vector machines and vibrational spectroscopy for food authentication and classification
title Máquinas de vetores de suporte e espectroscopia vibracional para autenticação e classificação de alimentos
spellingShingle Máquinas de vetores de suporte e espectroscopia vibracional para autenticação e classificação de alimentos
Cardoso, Victor Gustavo Kelis, 1996-
Máquina de vetores de suporte
Alimentos - Análise
Espectroscopia Raman
Espectroscopia de infravermelho
Aprendizado de máquina
Quimiometria
Química analítica
Support vector machines
Food - Analysis
Raman spectroscopy
Machine learning
Machine learning
Chemometrics
Chemistry, Analytic
title_short Máquinas de vetores de suporte e espectroscopia vibracional para autenticação e classificação de alimentos
title_full Máquinas de vetores de suporte e espectroscopia vibracional para autenticação e classificação de alimentos
title_fullStr Máquinas de vetores de suporte e espectroscopia vibracional para autenticação e classificação de alimentos
title_full_unstemmed Máquinas de vetores de suporte e espectroscopia vibracional para autenticação e classificação de alimentos
title_sort Máquinas de vetores de suporte e espectroscopia vibracional para autenticação e classificação de alimentos
author Cardoso, Victor Gustavo Kelis, 1996-
author_facet Cardoso, Victor Gustavo Kelis, 1996-
author_role author
dc.contributor.none.fl_str_mv Poppi, Ronei Jesus, 1961-2020
Breitkreitz, Márcia Cristina
Filgueiras, Paulo Roberto
Universidade Estadual de Campinas. Instituto de Química
Programa de Pós-Graduação em Química
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Cardoso, Victor Gustavo Kelis, 1996-
dc.subject.por.fl_str_mv Máquina de vetores de suporte
Alimentos - Análise
Espectroscopia Raman
Espectroscopia de infravermelho
Aprendizado de máquina
Quimiometria
Química analítica
Support vector machines
Food - Analysis
Raman spectroscopy
Machine learning
Machine learning
Chemometrics
Chemistry, Analytic
topic Máquina de vetores de suporte
Alimentos - Análise
Espectroscopia Raman
Espectroscopia de infravermelho
Aprendizado de máquina
Quimiometria
Química analítica
Support vector machines
Food - Analysis
Raman spectroscopy
Machine learning
Machine learning
Chemometrics
Chemistry, Analytic
description Orientador: Ronei Jesus Poppi
publishDate 2020
dc.date.none.fl_str_mv 2020
2020-02-19T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/1639245
CARDOSO, Victor Gustavo Kelis. Máquinas de vetores de suporte e espectroscopia vibracional para autenticação e classificação de alimentos. 2020. 1 recurso online (146 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Química, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1639245. Acesso em: 26 abr. 2024.
url https://hdl.handle.net/20.500.12733/1639245
identifier_str_mv CARDOSO, Victor Gustavo Kelis. Máquinas de vetores de suporte e espectroscopia vibracional para autenticação e classificação de alimentos. 2020. 1 recurso online (146 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Química, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1639245. Acesso em: 26 abr. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1129265
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (146 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1797405523304251392

Registros relacionados