dc.creator | Pereira, Stela Näetzold | |
dc.date.accessioned | 2024-04-10T11:04:21Z | |
dc.date.available | 2024-04-10T11:04:21Z | |
dc.date.issued | 2024-01-19 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/31729 | |
dc.description.abstract | The present study aimed to produce multivariate models to determine the parameters of the chemical composition of corn silages, and evaluate the effect of different ways of processing samples and the type of portable devices, from 900 to 1700nm, which employ near-infrared reflection (NIR) on the performance of these models. In the evaluation of different forms of processing (whole fresh samples, crushed fresh samples, dried in an electric fryer/crushed and those dried in an oven/ground) of corn silage (n=370) in the parameters of an exploration model for analysis with a portable NIRS device. The estimation of the chemical composition of corn silages was not adequate when the samples were in whole, fresh form, presenting coefficients of determination (R2) lower than 0.75. While, among the forms of processing evaluated, fresh crushed samples had better prediction of dry matter (DM) content (R2val= 0.82; validation mean square error (RMSEV)= 2.59%), detergent fiber acid (R2val= 0.72; RMSEV= 3.67); starch (R2val= 0.60; RMSEV= 5.09) and the satisfactory prediction for neutral detergent fiber (NDF), acid detergent fiber (ADF) and energy (NDT, ED and EM) of the silage. The process of drying the samples in an electric fryer provided an improvement in the prediction of crude protein and ether extract contents about the fresh forms of the silages. Regarding the performance of the two devices evaluated (SN6100152 from Texas Instruments and MR-3B51R002 from InnoSpectra), the SN6100152 device showed better prediction for all tested variables, with values for DM content being observed for crushed form (R2val= 0.82; RMSEV=2.59), NDF (R2val= 0.72; RMSEV=3.67), FDA (R2val= 0.77; RMSEV=2.79) and starch (R2val= 0.60; RMSEV=5, 09) and lower performance (R2val < 0.42) for gray, PB and EE. Furthermore, the use of the deep artificial neural network technique was efficient in improving the calibration models with the standard PLS technique with MS values of R2=0.80; RMSEP=3.20 and R2=0.62; RMSEP=5.81, respectively. Therefore, portable devices are capable of evaluating the bromatological composition of silage in situ, and the SN6100152 device and the crushed processing of in natura samples using the neural network technique obtained the best prediction models. | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES | por |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | NIR portátil | por |
dc.subject | Modelo de calibração | por |
dc.subject | Processamento de amostras | por |
dc.subject | Redes neurais | por |
dc.subject | Portable Nirs | eng |
dc.subject | Model calibration | eng |
dc.subject | Neural network | eng |
dc.subject | Sample processing | eng |
dc.title | Avaliação da composição bromatologica de silagens de milho: análise em nivel de campo, resultados rápidos e rastreáveis utilizando espectroscopia de infravermelho próximo | por |
dc.title.alternative | Evaluation of the bromatological composition of corn silages: analysis at field level, quick and traceable results using near infrared spectroscopy | eng |
dc.type | Tese | por |
dc.description.resumo | Objetivou-se construir e avaliar os modelos de calibração multivariada para determinar os parâmetros da composição química das silagens de milho, avaliando o efeito de diferentes formas de processamento das amostras e do tipo de dispositivos portáteis, de 900 a 1700nm, que emprega a reflexctância no infravermelho próximo (NIR) sobre o desempenho desses modelos. Na avaliação das diferentes formas de processamento (amostras in natura integral, in natura triturada, seca em fritadeira elétrica/ triturada e as seca em estufa/ moída) de silagem de milho (n=370) nos parâmetros de um modelo de calibração para análise com um equipamento NIRS portátil. A estimativa da composição química das silagens de milho não foi adequada quando as amostras estavam na forma in natura integral, apresentando coeficientes de determinação (R2) inferiores a 0,75. Enquanto que, dentre as formas de processamento avaliadas as amostras in natura triturada apresentaram melhor predição dos teores de matéria seca (MS) (R2val= 0,82; erro quadrado médio da validação (RMSEV)= 2,59%), fibra em detergente ácido (R2val= 0,72; RMSEV= 3,67); amido (R2val= 0,60; RMSEV= 5,09) e a predição satisfatória para fibra em detergente neutro (FDN), fibra em detergente ácido (FDA) e energia (NDT, ED e EM) da silagem. O processo de secagem das amostras em fritadeira elétrica proporcionou melhora na predição dos teores de proteína bruta e extrato etéreo em relação às formas in natura das silagens. Com relação ao desempenho dos dois dispositivos avaliados (SN6100152 da Texas Instruments e MR-3B51R002 da InnoSpectra), o dispositivo SN6100152 apresentou melhor predição para todas as variáveis testadas, sendo observados para forma triturada valores para os teores de MS (R2val= 0,82; RMSEV=2,59), FDN (R2val= 0,72; RMSEV=3,67), FDA (R2val= 0,77; RMSEV=2,79) e amido (R2val= 0,60; RMSEV=5,09) e desempenho inferior (R2val < 0,42) para cinza, PB e EE. Além disso, o uso da técnica de redes neurais artificiais profundas foi eficiente em melhorar os modelos de calibração em relação a técnica padrão do PLS com valores para MS de R2=0,80; RMSEP=3,20 e R2=0,62; RMSEP=5,81, respectivamente. Portanto, os dispositivos portáteis são capazes de avaliar a composição bromatológica da silagem in loco, e o dispositivo SN6100152 e na forma de processamento triturada das amostras in natura com uso da técnica de redes neurais obtiveram os melhores modelos de predição. | por |
dc.contributor.advisor1 | Viégas, Julio | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/6750187644177333 | por |
dc.contributor.referee1 | Del Valle, Tiago Antonio | |
dc.contributor.referee2 | Skonieski, Fernando Reimann | |
dc.contributor.referee3 | Meinerz, Gilmar Roberto | |
dc.contributor.referee4 | Pardinho, Renan Buque | |
dc.creator.Lattes | http://lattes.cnpq.br/6235219265717394 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Zootecnia | por |
dc.publisher.initials | UFSM | por |
dc.publisher.program | Programa de Pós-Graduação em Zootecnia | por |
dc.subject.cnpq | CNPQ::CIENCIAS AGRARIAS::ZOOTECNIA | por |
dc.publisher.unidade | Centro de Ciências Rurais | por |