Aplicação de técnicas espectroscópicas e métodos de modelagem de classe na discriminação geográfica de grãos de café verde da região do Cerrado Mineiro

Abstract

O café é uma das bebidas mais consumidas e apreciadas no mundo. No cenário econômico, a matéria prima é de grande relevância para o país, principalmente no estado de Minas Gerais. Com o grande avanço tecnológico e melhora na qualidade de vida, cada vez mais aumenta a busca por produtos ou serviços, que tenham algum diferencial, os cafés produzidos na Região do Cerrado Mineiro possuem certificado de Denominação de Origem que garante a qualidade e o diferencial dos grãos. Nesse contexto, o objetivo deste trabalho foi desenvolver modelos de classificação para caracterizar e discriminar os grãos de café provenientes do Cerrado Mineiro. Foram utilizadas as técnicas espectroscópicas, fluorescência de raios X por reflexão total (TXRF), espectroscopia no infravermelho médio com refletância total atenuada (ATR-MIR), espectrometria de massas por paper-spray (PS-MS) e espectroscopia de absorção no ultravioleta-visível (UV-Vis). Foram construídos planejamentos de experimentos para otimização da extração dos compostos presentes nos grãos de café verde a serem utilizados nas análises por PS-MS e UV-Vis. Métodos de modelagem de classe, SIMCA (modelagem independente e flexível por analogia de classe), DD-SIMCA (modelagem flexível e independente por analogia de classes orientada aos dados) e OCPLS (mínimos quadrados parciais de uma classe) foram empregados para a construção de modelos com os dados individuais de cada técnica e com os dados concatenados, de modo a aproveitar a sinergia entre os dados provenientes de diferentes técnicas. Foi aplicado o método de seleção de variáveis, seleção dos preditores ordenados (OPS), visando melhorar a performance dos modelos. Em geral, os modelos construídos com os dados de UV-Vis e fusão de dados das outras técnicas apresentaram melhores desempenho. O método de seleção de variáveis foi capaz de selecionar as variáveis mais importantes para os modelos melhorando seu desempenho. A interpretação dos modelos foi realizada por meio do poder de modelagem das variáveis em que foi possível observar que as substâncias trigonelina e ácidos clorogênicos foram responsáveis na discriminação dos grãos de café da região do Cerrado em relação aos grãos de café da região do Caparaó, Mogiana e Sul de Minas. Em relação aos elementos inorgânicos, P, Cl, Ti, Cu, Zn e Rb foram selecionados como sendo os mais importantes. O desempenho dos modelos foi interpretado por meio das figuras de mérito sensibilidade, especificidade e eficiência.

Coffee is one of the most consumed, appreciated beverages in the world. In the economic context, the raw material is widely relevant for Brazil, especially Minas Gerais. With the technological advance and improvement in the life’s quality, the search for products or services that have differential is increasing. The green coffee beans produced in the Cerrado Mineiro region has Protected Designation of Origin (PDO) certificate that guarantees the quality and differential of the beans. In this context, the objective of this work was to develop classification models to characterize coffee beans from the Cerrado Mineiro. Spectroscopic techniques, total reflection X-ray fluorescence (TXRF), attenuated total reflectance mid-infrared spectroscopy (ATR-MIR), paper-spray mass spectrometry (PS-MS) and ultraviolet-absorption spectroscopy (UV-Vis) were used in this work. Design of experiments were constructed to optimize the extraction of compounds present in green coffee beans to be used in PS-MS and UV-Vis analyses. Class-modelling methods SIMCA (Soft Independent Modelling by Class Analogy), DD-SIMCA (Data driven Soft Independent Modelling by Class Analogy) and OCPLS (One class partial least squares) were built for the individual data block of each technique and with the concatenated data to take advantage of the synergy between the data from different techniques. The OPS variable selection method was applied to improve the performance of the model. In general, models built with UV-Vis data and data fusion from the other techniques performed better. The variable selection method was able to select the most important variables for the models, aiming to improve their performance. The interpretation of the models was carried out through the modeling power of the variables in which it was possible to observe that trigonelline and chlorogenic acids substances were responsible for the discrimination of coffee beans from the Cerrado region in relation to coffee beans from the Caparaó, Mogiana and South of Minas region. Regarding the inorganic elements, P, Cl, Ti, Cu, Zn and Rb were selected as the most important variables from this dataset. The performance of the models was interpreted estimating the figures of merit, sensitivity, specificity, and efficiency.