tabela de conteúdos
mantenha-se atualizado sobre neospectra
Introdução
O leite é um dos produtos alimentícios mais utilizados e serve como matéria-prima para todos os produtos lácteos. Consequentemente, medir os componentes do leite tornou-se altamente crucial para a indústria de laticínios. Diferentes produtos lácteos requerem proporções variadas de conteúdo de leite. Além disso, a medição regular dos componentes do leite é essencial para monitorar e manter a qualidade do produto.
A análise rápida e precisa em diferentes estágios da cadeia de suprimentos de produtos lácteos pode desempenhar um papel importante na melhoria da eficiência e da qualidade do leite e dos produtos à base de leite, da fazenda à mesa. Isso requer uma ferramenta confiável e fácil de usar para permitir a realização desse tipo de medição em vários locais.
Nesta nota de aplicação, demonstramos a capacidade do espectrômetro NIR portátil NeoSpectra de fornecer uma análise precisa do conteúdo de gordura, lactose e proteína de amostras de leite com desempenho alinhado aos padrões ICAR.
Visão geral
Além de impactar o setor de laticínios, a análise do leite desempenha um papel crucial no setor de produção de leite em geral. A composição do leite está intimamente relacionada com a saúde do animal e a qualidade de sua ração. Consequentemente, essas análises oferecem informações valiosas para otimizar a qualidade da ração, fazer escolhas informadas e facilitar a detecção e o tratamento precoces de doenças em animais.
Atualmente, os métodos mais precisos para análise de leite envolvem decomposição química lenta e destrutiva, exigindo trabalho de laboratório em vez de aplicações em campo. Normalmente, os usuários extraem amostras de vários lotes de leite, obtendo conclusões médias para todos os lotes.
usado para análise local de leite cru.
O monitoramento da saúde animal e da qualidade da ração usando esses métodos se mostra proibitivamente caro e ineficiente. Como alternativa, sistemas de bancada FT-IR estão disponíveis para desenvolver este trabalho, mas seu custo e altos requisitos de manutenção os tornam inadequados para análises na fazenda.
Uma solução simples está no desenvolvimento de uma ferramenta portátil e acessível para a medição rápida do conteúdo de leite. Essa ferramenta deve permitir análises não destrutivas no campo, preferencialmente na linha das estações de ordenha para aplicações na produção de leite.
Os avanços nos espectrômetros miniaturizados de infravermelho próximo (NIR) chegaram a um estágio em que os dispositivos portáteis podem oferecer meios confiáveis e econômicos para enfrentar esses desafios. Esta nota de aplicação mostra o uso dos sensores espectrais NeoSpectra para análise de leite em campo.
Como funciona o NIR
O NIR é um método analítico secundário que se baseia nos dados provenientes do laboratório de referência, dados de referência, para construir a regressão PLS com os espectros. Depois de calibrado, o modelo PLS permite prever os componentes do leite usando somente os espectros gerados pelo espectrômetro NIR. Os resultados podem então ser obtidos em segundos pelo instrumento.
Desenho do experimento
A fim de demonstrar a capacidade do NeoSpectra Scanner de prever os componentes de gordura, proteína e lactose do leite cru, a seguinte experimentação foi conduzida.
Conjuntos de amostras
Para emular situações da vida real, as amostras usadas no experimento precisam levar em consideração as diferentes variações possíveis das amostras de leite. Portanto, amostras de leite cru foram coletadas em diferentes fazendas, onde cada amostra foi coletada de um animal diferente.
Métodos de referência
Testes químicos destrutivos precisos foram realizados nas amostras para registrar com precisão seu conteúdo.
Calibração e validação
Para comparar de forma justa o desempenho dos modelos, 90% das amostras foram usadas para calibrar os modelos, enquanto 10% das amostras foram usadas como amostra invisível para testar a capacidade de predição dos modelos.
Condições de medição
• Configuração: Reflexão difusa
• Alcance espectral: 1350 — 250 nm
• Tempo de digitalização: de 5s
• Resolução de 16nm em λ=1.550 nm
• Tamanho do ponto = 10 mm2
• Temperatura: Temperatura ambiente
• Calculando a média: Cada amostra foi medida 3 vezes com o scanner NeoSpectra e calculada a média para a análise.
Desenvolvimento do modelo de calibração
Modelos de regressão de mínimos quadrados parciais (PLS) foram construídos para estabelecer uma relação linear entre os espectros e as medidas do conteúdo de leite, determinadas por meio de análises químicas laboratoriais. O PLS é empregado para reduzir dados de espectro, originalmente compostos por 257 variáveis (comprimentos de onda), em um número limitado de variáveis latentes (L.V.). Essa redução na complexidade visa melhorar a interpretabilidade dos dados.
A seleção das variáveis latentes é baseada em sua correlação com as respostas (conteúdo de leite nesse contexto), priorizando aquelas com alta correlação.
Análise de dados
Para avaliar o desempenho do modelo de mínimos quadrados parciais (PLS), uma técnica de validação cruzada foi empregada. Isso envolveu o cálculo do erro de predição (raiz quadrada média dos erros para todas as amostras) e o coeficiente de determinação (R2CV) entre os conteúdos previstos e os dados de referência obtidos da análise química. A técnica de validação cruzada envolve a divisão dos dados em conjuntos de calibração e validação. O conjunto de calibração é utilizado para treinar o modelo PLS, enquanto o conjunto de validação é reservado para avaliar o desempenho do modelo.
Em cada iteração, os conjuntos de validação e calibração são combinados e uma nova parte dos dados é designada como o conjunto de validação. O processo é então repetido, envolvendo treinamento e validação do modelo nos conjuntos atualizados. Esse procedimento iterativo continua até que cada amostra tenha sido representada pelo menos uma vez no conjunto de validação, fornecendo assim uma avaliação abrangente das capacidades preditivas do modelo PLS.
Os resultados da validação cruzada são mostrados na Figura 2.
Para quantificar a precisão do modelo, as seguintes características estatísticas estão resumidas em:
• R2: Coeficiente de determinação. Quanto mais próximo de 1, melhor.
• RMSE: Raiz quadrada média do erro. Quanto menor, melhor.
• SETEMBRO — Erro padrão de previsão. Quanto menor, melhor.
• Viés — diferença média entre os resultados laboratoriais e os valores previstos. Quanto mais próximo de 0, melhor.
As descobertas apresentadas neste estudo sugerem que o scanner NeoSpectra tem o potencial de emergir como a principal solução comercial para análise de leite, alinhando-se aos padrões ICAR para aplicações em fazendas. Simultaneamente, tem a capacidade de democratizar a adoção da análise de leite em toda a cadeia de fornecimento de leite. Ao contrário de outras tecnologias tradicionais e emergentes para análise de leite, o NeoSpectra integra de forma exclusiva um conjunto de recursos, permitindo uma análise de leite econômica, rápida, ampla, fácil de usar e precisa.
Conclusões
O scanner NeoSpectra demonstrou excelente desempenho na análise de leite cru, permitindo testes em campo. As amostras coletadas diretamente da fazenda podem ser prontamente analisadas e os dados resultantes podem ser utilizados para personalizar e avaliar a saúde das vacas e a qualidade do leite. Todas as informações são armazenadas com segurança na nuvem, garantindo acessibilidade de qualquer lugar do mundo. Esse recurso é aplicável tanto a pequenos agricultores quanto a grandes corporações, oferecendo uma solução versátil que se integra perfeitamente a várias configurações agrícolas.
