Badaró, Amanda Teixeira, 1991, Barbin, Douglas Fernandes, 1980, Aleixos Borrás, María Nuria, Alamar Gavidia, María del Carmen, Benedito Fort, José Javier, Carbonell Barrachina, Angel Antonio, Saeys, Wouter, Universidade Estadual de Campinas. Faculdade de Engenharia de Alimentos, Universitat Politècnica de València, Programa de Pós-Graduação em Engenharia de Alimentos, and UNIVERSIDADE ESTADUAL DE CAMPINAS
Orientadores: Douglas Fernandes Barbin, María Nuria Aleixos Borrás Tese (doutorado) – Universidade Estadual de Campinas, Faculdade de Engenharia de Alimentos e Universitat Politècnica de València Resumo: Técnicas rápidas, não destrutivas e livres de produtos químicos estão em crescente demanda em muitas áreas da indústria. As técnicas de espectroscopia no infravermelho próximo (NIRS) e de imagem hiperespectral no infravermelho próximo (NIR-HSI) têm demonstrado grande potencial na determinação de parâmetros de qualidade de alimentos, autenticação de produtos alimentícios, detecção de fraudes alimentares, entre muitas outras aplicações. Na espectroscopia NIR, as medições são feitas em pontos específicos da amostra, detectando apenas uma pequena porção; enquanto na imagem hiperespectral, as informações espectrais e espaciais são combinadas, sendo uma escolha adequada para muitos produtos alimentícios, uma vez que são matrizes muito heterogêneas. Portanto, este estudo teve como objetivo revisar todas as aplicações de NIRS (dispersivos), Transformada de Fourier (FT) NIR e HSI na avaliação de parâmetros de qualidade da farinha de trigo e de produtos à base de trigo, bem como para a autenticação e determinação da composição desses produtos. Além disso, este trabalho teve como objetivo identificar e classificar diferentes tipos de amostras de fibras adicionadas à semolina e massas produzidas por formulações de fibras e semolina, e monitorar o processo de cozimento dessa massa enriquecida com fibras por técnicas espectrais. Além disso, este trabalho teve como objetivo a aplicação de HSI em outro produto em pó, sendo utilizada para quantificar o teor de pectina em cascas de laranja. Primeiramente, espectros NIR foram adquiridos para comparar a precisão na classificação de amostras enriquecidas com fibras, para quantificar a quantidade dessas fibras e verificar sua distribuição das fibras adicionadas à semolina. A Análise de Componentes Principais (PCA) e a Soft Independent Modelling of Class Analogy (SIMCA) foram usadas para a classificação. Modelos de regressão de mínimos quadrados parciais (PLSR) aplicados aos espectros NIR-HSI mostraram R2P entre 0,85 e 0,98, e RMSEP entre 0,5 e 1% do teor de fibra, e os modelos foram usados para construir os mapas químicos das amostras. Além disso, NIR-HIS, em conjunto com Multivariate Curve Resolution-Alternating Least Squares (MCR-ALS), foi testado para investigar a capacidade de avaliação, resolução e quantificação da distribuição de fibras em massas alimentícias enriquecidas. Os resultados mostraram coeficiente de determinação de validação (R²V) entre 0,28 e 0,89% de falta de ajuste (LOF) 0,93, RMSEP entre 6,50 e 9,16% da pectina) do que aqueles baseados em comprimentos de onda selecionados (R2 entre 0,92 e 0,94, RMSEP entre 8,03 e 9,73% de pectina). Os resultados demonstram o potencial do NIR-HSI para quantificar o conteúdo de pectina em cascas de laranja, fornecendo uma técnica valiosa para produtores de laranja e indústrias de processamento Abstract: Fast, non-destructive and chemical-free techniques are in increasing demand in many fields of the industry. Near-infrared spectroscopy (NIRS) and NIR hyperspectral imaging (NIR-HSI) techniques have shown great potential in determining food quality parameters, authenticating food products, detecting food fraud, among many other applications. While in near infrared spectroscopy, the measurements are taken at specific points on the sample, detecting only a small portion; in hyperspectral imaging, spectral and spatial information are combined, making it a suitable choice for many food products, since they are very heterogeneous matrices. Therefore, this study aimed to review all the application of (dispersive) NIRS, Fourier Transform (FT) NIR, and HSI in assessing wheat flour and wheat-based products quality parameters, as well for the authentication and determination of composition of these products. Moreover, this work aimed to identify and classify different types of fibre samples added to the semolina and pasta produced by semolina-fibre formulations, and to monitor the cooking process of this fibre-enriched pasta by spectral techniques. In addition, this work had the aim of applying HSI to other powdered product, so the pectin content in orange peels was quantified. First, NIR spectra were acquired to compare the accuracy in the classification of fibre-enriched samples, to quantify the amount of these fibres and verify their distribution on semolina samples. Principal Component Analysis (PCA) and Soft Independent Modelling of Class Analogy (SIMCA) were used for classification. Partial Least Squares Regression (PLSR) models applied to NIR-HSI spectra showed R2P between 0.85 and 0.98, and RMSEP between 0.5 and 1% of fibre content, and the models were used to construct the chemical maps to check the fibre distribution on the samples surface. Moreover, NIR-HSI together with Multivariate Curve Resolution-Alternating Least Squares (MCR-ALS), was tested to investigate the ability for the evaluation, resolution and quantification of fibre distribution in enriched pasta. Results showed coefficient of determination of validation (R²V) between 0.28 and 0.89, % of lack of fit (LOF) 0.93, RMSEP between 6.50 and 9.16% of pectin) than those based on few selected wavelengths (R2 between 0.92 and 0.94, RMSEP between 8.03 and 9.73% of pectin). The results demonstrate the potential of NIR-HSI to quantify pectin content in orange peels, providing a valuable technique for orange producers and processing industries Doutorado Engenharia de Alimentos Doutora em Engenharia de Alimentos FAPESP 2017/17628-3 CNPQ 0