
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.creator | Macedo, Leandro Levate | - |
| Autor(es): dc.creator | Araújo, Cintia da Silva | - |
| Autor(es): dc.creator | Vimercati, Wallaf Costa | - |
| Autor(es): dc.creator | Hein, Paulo Ricardo Gherardi | - |
| Autor(es): dc.creator | Pimenta, Carlos José | - |
| Autor(es): dc.creator | Saraiva, Sérgio Henriques | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:39:31Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:39:31Z | - |
| Data de envio: dc.date.issued | 2021-11-11 | - |
| Data de envio: dc.date.issued | 2021-11-11 | - |
| Data de envio: dc.date.issued | 2021-06 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/48470 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.1002/jsfa.10981 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1144547 | - |
| Descrição: dc.description | BACKGROUND The chemical compounds in coffee are important indicators of quality. Its composition varies according to several factors related to the planting and processing of coffee. Thus, this study proposed to use near-infrared spectroscopy (NIR) associated with partial least squares (PLS) regression to estimate quickly some chemical properties (moisture content, soluble solids, and total and reducing sugars) in intact green coffee samples. For this, 250 samples produced in Brazil were analyzed in the laboratory by the standard method and also had their spectra recorded. RESULTS The calibration models were developed using PLS regression with cross-validation and tested in a validation set. The models were elaborated using original spectra and preprocessed by five different mathematical methods. These models were compared in relation to the coefficient of determination, root mean square error of cross-validation (RMSECV), root mean square error of test set validation (RMSEP), and ratio of performance to deviation (RPD) and demonstrated different predictive capabilities for the chemical properties of coffee. The best model was obtained to predict grain moisture and the worst performance was observed for the soluble solids model. The highest determination coefficients obtained for the samples in the validation set were equal to 0.810, 0.516, 0.694 and 0.781 for moisture, soluble solids, total sugar, and reducing sugars, respectively. CONCLUSION The statistics associated with these models indicate that NIR technology has the potential to be applied routinely to predict the chemical properties of green coffee, and in particular, for moisture analysis. However, the soluble solid and total sugar content did not show high correlations with the spectroscopic data and need to be improved. © 2020 Society of Chemical Industry | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Wiley | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Journal of the Science of Food and Agriculture | - |
| Palavras-chave: dc.subject | Green coffee - Chemical properties | - |
| Palavras-chave: dc.subject | Multivariate regression | - |
| Palavras-chave: dc.subject | Preprocessing | - |
| Palavras-chave: dc.subject | Predictive models | - |
| Palavras-chave: dc.subject | Café verde - Propriedades químicas | - |
| Palavras-chave: dc.subject | Regressão multivariada | - |
| Palavras-chave: dc.subject | Modelos preditivos | - |
| Título: dc.title | Evaluation of chemical properties of intact green coffee beans using near-infrared spectroscopy | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: