CARACTERIZAÇÃO FÍSICO-QUÍMICA DE RICOTAS VIA ESPECTROSCOPIA NO INFRAVERMELHO E MÉTODOS DE CALIBRAÇÃO MULTIVARIADA

AUTOR(ES)
DATA DE PUBLICAÇÃO

2010

RESUMO

A ricota é um tipo de queijo fresco, obtido pela precipitação das proteínas do soro do queijo. Segundo a legislação vigente, a ricota é enquadrada nos padrões de identidade e qualidade de queijos magros, no entanto, estudos demonstram a grande variabilidade na sua composição centesimal. Isto justifica a necessidade de estabelecimento de padrões de qualidade, e o desenvolvimento de metodologias que possibilitem um controle rápido e eficiente do produto. Além disso, as metodologias convencionais empregadas para a determinação da composição centesimal da ricota, embora façam parte das análises de rotina em laboratórios de controle de qualidade, são onerosas, demoradas e geram resíduos. Neste sentido, o objetivo deste estudo foi desenvolver um método para a quantificação dos parâmetros físico-químicos, utilizando-se espectroscopia no infravermelho próximo por reflectância difusa (NIRRS) associado a métodos de calibração multivariada. Para a construção dos modelos multivariados (principalmente PLSR) foram utilizadas as médias das concentrações de acidez, carboidratos, cinzas, cloretos, gordura, pH, proteína e umidade, obtidas pelas metodologias convencionais (método titulométrico, espectroscópico, carbonização em mufla, titulométrico, Gerber, potenciométrico, Kjeldahl e método gravimétrico, respectivamente), bem como, os dados de espectroscopia no infravermelho próximo. Foram coletados espectros em duplicata, sendo que 33 desses espectros foram utilizados para a fase de calibração e os 5 restantes utilizados para a fase de validação externa. O melhores resultados para os teores de gordura, proteína e umidade foram obtidos na região espectral entre 1100 a 2500 nm. O modelo otimizado para a determinação de gordura empregou a correção do espalhamento multiplicativo (MSC), com 6 variáveis latentes (VLs), obtendo-se coeficientes de correlação de Rcal= 0,968 e Rval= 0,936 possibilitando a quantificação de gordura com um erro médio de previsão (Er) de 6,37%. Para o teor de proteína, o melhor resultado foi obtido utilizando-se a MSC e dados centrados na média (DCM). O modelo de regressão, com 6 VLs, apresentou coeficientes de correlação de Rcal= 0,968 e Rval= 0,885, e determinação de proteína com Er de 5,95%. O melhor modelo para a determinação de umidade empregou a normalização, com 4 VLs, obtendo-se coeficientes de correlação de Rcal= 0,851 e Rval= 0,757 e possibilitando a quantificação de umidade com um Er de 1,91%. Não foi possível a construção de modelos para os parâmetros acidez, carboidratos, cinzas, cloretos e pH, apresentando baixos valores de Rcal e Rval, demonstrando a baixa capacidade de previsão mesmo para as amostras que compõem o conjunto de calibração através da metodologia proposta. Estes resultados além de demonstrarem o potencial dos modelos multivariados na determinação dos teores de gordura, proteína e umidade em amostras com matrizes complexas (ricota) evidenciam as vantagens da associação NIRRS-PLSR que permite um controle de qualidade rápido com uma manipulação mínima da amostra.

ASSUNTO(S)

ricota multivariate calibration gordura moisture engenharia de alimentos espectroscopia nir calibração multivariada ricotta reflectância difusa protein fat spectroscopy nir diffuse reflectance umidade proteína

ACESSO AO ARTIGO

Documentos Relacionados