TRANSFERÊNCIA DE MODELOS DE CLASSIFICAÇÃO MULTIVARIADOS APLICADOS A DIFERENTES TÉCNICAS ANALÍTICAS

DANIELLE SILVA DO NASCIMENTO; MARCIO COELHO PONTES; THIAGO ARAUJO NOBREGA; BEATRIZ S. FERNANDEZ BAND; KARLA TAVAREZ MELO; MATÍAS INSAUSTI

Florianapolis, SC, Brasil

Congreso; 18° Encontro Nacional de Química Analítica; 2016

ENQA

As técnicas de reconhecimento de padrões são bastante utilizadas em problemas analíticos envolvendo o controle de qualidade de matrizes alimentícias. Limitações surgem quando os modelos de classificação desenvolvidos a partir de um determinado instrumento, chamado primário ou principal, não são capazes de identificar corretamente amostras analisadas sob novas condições ambientais ou em um instrumento diferente (secundário). Em situações desse tipo, costuma-se recorrer aos métodos de padronização das respostas instrumentais ou dos valores previstos para adaptação da função de resposta do instrumento secundário com o objetivo de deixa-lo semelhante à função de resposta do instrumento primário, para o qual o modelo foi desenvolvido.1 O presente trabalho baseia-se na transferência de modelos de classificação multivariados empregados na identificação de adulteração de azeites de oliva extra virgem analisados em dois equipamentos diferentes para as respectivas técnicas analíticas: espectroscopia de fluorescência, espectrometria UV-Vis e imagens digitais. Métodos de padronização direta (DS) e direta em etapas (PDS) foram aplicados a um conjunto de amostras medidas nos dois equipamentos (amostras de transferência) a fim de estimar a função de ajuste entre ambos e aplica-la a um conjunto de amostras analisadas em um equipamento secundário. A propósito de comparação, modelos de classificação baseados em análise discriminante linear (LDA) com prévia seleção de variáveis pelo algoritmo das projeções sucessivas (SPA), e análise discriminante pelos mínimos quadrados parciais (PLS-DA), foram desenvolvidos e utilizados na classificação, antes e após o procedimento de padronização, do conjunto de predição medido no equipamento secundário. O desempenho dos modelos foi avaliado em termos da taxa de classificação correta (TCC) para o conjunto de predição. Antes da padronização, os modelos SPA-LDA e PLS-DA alcançaram a mesma TCC tanto nos espectros de emissão de fluorescência (54%) como nos histogramas das imagens digitais (47%). Para os espectros UV-Vis, 56% e 85% de TCC foram obtidas para os modelos SPA-LDA e PLS-DA, respectivamente. Após a padronização, foi observado um considerável aumento da TCC dos modelos SPA-LDA desenvolvidos para as três técnicas analíticas, sendo obtidas 89% para os espectros de emissão de fluorescência, 82% para os histogramas das imagens digitais e 85% para os espectros de absorção UV-Vis. Os modelos de classificação PLS-DA alcançaram 85% e 76% de TCC para os dados de fluorescência e imagens, respectivamente, ao passo que nenhuma diferença foi constatada para os dados do UV-Vis após a padronização, sendo mantida a TCC de 85%. Esses resultados demonstram a eficiência dos procedimentos de padronização aplicados a modelos de classificação multivariados desenvolvidos a partir de diferentes técnicas analíticas.1Honorato FA, Barros-Neto B, Martins MN, Galvão RKH, Pimentel MF, Química Nova, 30, 2007, 1301.