02883nam a2200241 a 450000100080000000500110000800800410001910000170006024502120007726000240028930000100031352021170032365300280244065300120246865300300248065300090251065300310251970000180255070000160256870000170258470000180260170000220261911273092018-06-19       2018    bl uuuu  t   00u1 u    #d1 aRECH, ??. F.  aDESENVOLVIMENTO DE MODELOS DE CALIBRA????O PARA DETERMINA????O DA QUALIDADE NUTRICIONAL DE GRAM??NEAS C3 POR MEIO DE ESPECTROSCOPIA DE INFRAVERMELHO PR??XIMO (NIRS) (Relat??rio final).h[electronic resource]  aLages: Epagric2018  a19 p.  aA Espectroscopia no Infravermelho Pr??ximo (NIRS) ?? uma importante t??cnica que pode ser utilizada na determina????o da composi????o qu??mica de v??rias forrageiras. O m??todo n??o utiliza reagente qu??mico, n??o ?? destrutivo e ?? extremamente r??pido, por??m, a precis??o do m??todo NIRS ?? dependente de uma boa curva de calibra????o. O software de calibra????o Software NIRCal?? 5.5 BUCHI foi utilizado para correlacionar os espectros NIR com os resultados das an??lises de refer??ncia e desenvolver curvas de calibra????es robustas e confi??veis. Um modelo deve ser desenvolvido para cada aplica????o (alimento) e para cada propriedade (componente). Neste presente estudo foram desenvolvidas propostas de modelos de calibra????o multivariada empregando m??todo de regress??o dos m??nimos quadrados parciais (PLS) para a predi????o dos teores de mat??ria seca (MS), mat??ria org??nica (MO), prote??na bruta (PB), fibra em detergente neutro (FDN), fibra em detergente ??cido (FDA), digestibilidade in vitro da mat??ria org??nica (DIVMO) em amostras de azev??ns, por meio do NIRS. Utilizou-se de 131 a 227 amostras de azev??m entre as etapas de calibra????o e valida????o interna (2/3 para a calibra????o e 1/3 para valida????o interna). O desempenho dos modelos desenvolvidos foi avaliado com base nos valores do vi??s, erro-padr??o de calibra????o (SEC), erro-padr??o de valida????o (SEP) coeficientes de determina????o (r2) e valor Q. Foram testados mais de um modelo de calibra????o para cada propriedade e, ap??s a retirada de outliers, foram obtidos os seguintes valores de r2 nos modelos de MS: 0,83 a 0,88; MO: 0,86 e 0,87; PB: 0,98 a 0,99; FDN: 0,91 e 0,92; FDA: 0,92 e 0,93; e DIVMO: 0,85 a 0,89; e valores de SEP nos modelos de MS: 0,78 a 0,88; MO: 0,85 e 0,87; PB: 0,59 a 0,80; FDN: 1,26 e 1,30; FDA: 0,68 e 0,72; DIVMO: 1,66 a 1,95. Os modelos com melhor capacidade preditiva foram os de PB e FDA. Ainda ser?? feito um estudo de valida????o externa de todos os modelos desenvolvidos, onde novas amostras ser??o analisadas no laborat??rio, lidas no NIR e os resultados analisados estatisticamente.  aan??lise bromatol??gica  aazev??m  acalibra????o multivariada  aNIRS  apredi????o de composi????o1 aWERNER, S. S.1 aRECH, T. D.1 aPINTO, C. E.1 aFAVARO, V. R.1 aBALDISSERA, T. C.