ads:
UNIVERSIDADE FEDERAL DA PARAÍBA
CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA
DEPARTAMENTO DE QUÍMICA
DISSERTAÇÃO DE MESTRADO
Discriminação e Classificação de Cafés Usando Espectroscopia de
Absorção UV-Visível e Análise Quimiométrica Multivariada
Por
Urijatan Teixeira de Carvalho Polari Souto
Orientador: Prof. Dr. Edvan Cirino da Silva
Co-Orientador: Prof. Dr Mário Cesar Ugulino de Araújo
João Pessoa-Março de 2005.
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
UNIVERSIDADE FEDERAL DA PARAÍBA
CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA
DEPARTAMENTO DE QUÍMICA
Discriminação e Classificação de Cafés Usando Espectroscopia de
Absorção UV-Visível e Análise Quimiométrica Multivariada
Por
Urijatan Teixeira de Carvalho Polari Souto
D
D
i
i
s
s
s
s
e
e
r
r
t
t
a
a
ç
ç
ã
ã
o
o
s
s
u
u
b
b
m
m
e
e
t
t
i
i
d
d
a
a
a
a
o
o
p
p
r
r
o
o
g
g
r
r
a
a
m
m
a
a
d
d
e
e
p
p
ó
ó
s
s
-
-
g
g
r
r
a
a
d
d
u
u
a
a
ç
ç
ã
ã
o
o
e
e
m
m
q
q
u
u
í
í
m
m
i
i
c
c
a
a
,
,
d
d
a
a
U
U
n
n
i
i
v
v
e
e
r
r
s
s
i
i
d
d
a
a
d
d
e
e
F
F
e
e
d
d
e
e
r
r
a
a
l
l
d
d
a
a
P
P
a
a
r
r
a
a
í
í
b
b
a
a
,
,
c
c
o
o
m
m
o
o
r
r
e
e
q
q
u
u
i
i
s
s
i
i
t
t
o
o
p
p
a
a
r
r
c
c
i
i
a
a
l
l
à
à
o
o
b
b
t
t
e
e
n
n
ç
ç
ã
ã
o
o
d
d
o
o
t
t
í
í
t
t
u
u
l
l
o
o
d
d
e
e
M
M
e
e
s
s
t
t
r
r
e
e
e
e
m
m
Q
Q
u
u
í
í
m
m
i
i
c
c
a
a
,
,
á
á
r
r
e
e
a
a
d
d
e
e
c
c
o
o
n
n
c
c
e
e
n
n
t
t
r
r
a
a
ç
ç
ã
ã
o
o
e
e
m
m
“
“
Q
Q
u
u
í
í
m
m
i
i
c
c
a
a
A
A
n
n
a
a
l
l
í
í
t
t
i
i
c
c
a
a
”
”
.
.
Orientador: Prof. Dr. Edvan Cirino da Silva
Co-Orientador: Prof. Dr Mário Cesar Ugulino de Araújo
João Pessoa-Março de 2005.
ads:
Dissertação defendida em 31 de Março de 2005 e aprovada pela banca
examinadora constituída pelos professores:
_______________________________________
Prof. Dr. Edvan Cirino da Silva
Universidade Federal da Paraíba – UFPB
(Orientador)
_______________________________________
Prof. Dr. Mário César Ugulino de Araújo
Universidade Federal da Paraíba – UFPB
(Co-Orientador)
________________________________________
Prof. Dr. Sergio Ricardo Bezerra dos Santos
Centro Federal de Educação Tecnológica de Alagoas-CEFET-Al
_________________________________________
Prof. Dr. Wallace Duarte Fragoso
Universidade Federal da Paraíba - UFPB
João Pessoa, 31 de Março de 2005.
Dedico em especial a minha querida mãe,
Mariseth Teixeira de Carvalho,
pela paciência e compreensão.
Ao meu pai Fernado Polari, pela amizade .
AGRADECIMENTOS
Em primeiro lugar, agradeço a Deus, por me ter concedido a vida.
Aos meus avós maternos e paternos pela paciência e compreensão em minha infância.
Ao tio José Maria Teixeira de Carvalho.
Ao Prof. Dr. Edvan Cirino da Silva, aos esclarecimentos, conselhos, contribuições,
amizade e orientação durante todo o mestrado.
Ao Prof. Dr. Mário Ugulino, pela oportunidade de trabalho, amizade, confiança e co-
orientação.
Aos demais professores do LAQA pelas sugestões, contribuições acadêmicas e
científicas.
A todos que fazem a família LAQA, pela convivência agradável e a amizade cultivada
nestes anos de trabalho.
Ao meu amigo e irmão Marcio Coelho (Coelhão).
A todos os amigos da graduação e pós-graduação, pela amizade e convivência agradável
e a todos que contribuíram para a realização deste trabalho.
Ao pesquisador Sérgio Henriques Saraiva, da Embrapa Rio de Janeiro que auxiliou nos
momentos mais importantes para a continuidade deste trabalho.
Ao amigo Biólogo Randolpho Marinho pela colaboração nas orientações botânicas e
morfológicas no estudo do café.
Aos amigos Fransico e Gilbero Nogueira das indústrias de torrefação São Braz e Santa
Clara pelo fornecimento das amostras de café.
A Capes, bela bolsa fornecida.
“Discriminação e Classificação de Cafés Usando Espectroscopia de
Absorção UV-Vis e Análise Quimiométrica Multivariada”
Aluno: Urijatan Teixeira de Carvalho Polari Souto
Orientador: Prof. Dr. Edvan Cirino da Silva
Resumo
Neste trabalho, propõe-se uma metodologia para discriminação e
classificação de cafés cafeinados e descafeinados usando espectroscopia de
absorção UV-Vis e métodos de reconhecimento de padrões supervisionados
(HCA e PCA) e não-supervisionados (SIMCA).
Uma análise exploratória dos dados usando HCA e PCA revelou a
presença de dois grupos de amostras de cafés (cafeinados e descafeinados), os
quais foram identificados e caracterizados após a rotulação das amostras.
Posteriormente, um modelo SIMCA para cada classe foi construído, validado e
usado na classificação das amostras do conjunto de previsão. Para esta finalidade,
um nível de significância de 5% para o teste-F foi adotado. Além disso, o
algoritmo Kennard-Stone foi usado para realizar a partição dos conjuntos de
amostras para a modelagem SIMCA. Constatou-se que todas as amostras de
cafés foram incluídas em sua própria classe. Tal eficiência indica uma boa
capacidade de previsão dos modelos SIMCA construídos.
Os resultados da análise por HCA e PCA demonstram a viabilidade da
estratégia proposta para discriminação entre cafés cafeinados e descafeinados. A
previsão bem-sucedida dos modelos SIMCA mostra que a metodologia proposta
também é útil para finalidades de classificação. Assim, recomenda-se o uso de
medidas de absorção UV-Vis do extrato aquoso do café e métodos de
reconhecimentos de padrões visando à discriminação e classificação de cafés
cafeinados e descafeinados. Além disso, a estratégia proposta pode ser uma
ferramenta útil para o controle de qualidade de cafés submetidos ao processo de
descafeinação na indústria de torrefação, bem como dos disponíveis nas
prateleiras de estabelecimentos comerciais.
“Discrimination and Classification of Coffees by Using UV-Vis
Absorption Spectroscopy and Multivariate Chemometric Analysis”
Aluno: Urijatan Teixeira de Carvalho Polari Souto
Orientador: Prof. Dr. Edvan Cirino da Silva
Abstract
A methodology for discrimination and classification of caffeinated and
decaffeinated coffees using UV-Vis absorption spectroscopy and methods of
unsupervised (HCA and PCA) and supervised (SIMCA) pattern recognition is
proposed.
An exploratory analysis of the data by using HCA and PCA revealed the
presence of two clusters of coffee samples (caffeinated and decaffeinated), which
were identified and characterized after labelling the samples. Subsequently, a
SIMCA model for each class was built, validated and used in the classification of
the samples from the prediction set. For this purpose, a significance level of 5%
for the F-test was adopted. Moreover, the Kennard-Stone algorithm was used to
carry out the partition of the samples sets for SIMCA modelling. It was verified
that all the samples of coffees are included in its own class. Such a finding
indicates a good prediction ability of the constructed SIMCA models.
The results of exploratory analysis by HCA and PCA demonstrate the
viability of the proposed methodology for discrimination among caffeinated and
decaffeinated coffees. The successful prediction of SIMCA models shows that
the proposed strategy is useful also for classification purposes. Thus, it is
recommended the use of UV-Vis absorption measurements of the aqueous
extract from coffees and methods of pattern recognition for discrimination and
classification of caffeinated and decaffeinated coffees. Moreover, the proposed
strategy can be an useful tool for the quality control of coffees submitted to
decaffeination process in the toasting industry, as well as of the available in the
racks of supermarkets.
SUMÁRIO
Pág
LISTA DE FIGURAS
ii
LISTA DE TABELAS
iv
LISTA DE ABREVIATURAS
v
RESUMO
vi
ABSTRACT
vii
CAPÍTULO 1
1
INTRODUÇÃO
1
1.1 Aspectos Gerais da Cafeicultura
1
1.2 Composição Química do Café
2
1.3 Indústria de Torrefação
7
1.3.1 Transformações Físico-Químicas do Café
7
1.3.2 Processo de Descafeinação
10
1.4 Qualidade do Café
11
1.4.1 Importância do Controle de Qualidade do Café
13
1.5 Espectroscopia na Região do Ultravioleta e Vísivel
15
1.6 Quimiometria
17
1.6.1. Reconhecimento de Padrões
17
1.6.1.1 Fundamentação Teórica da PCA
18
1.6.1.2 Fundamentação Teórica do HCA
20
1.6.1.3 Fundamentação Teórica do SIMCA
23
1.7 Classificação e Discriminação de Cafés
25
1.7.1 Trabalhos Relatados na Literatura
26
1.8 Apresentação e Objetivos do Trabalho
27
CAPÍTULO 2
29
MATERIAIS E MÉTODOS
29
2.1 Aquisição das Amostras
29
2.2 Instrumentação
29
2.3 Procedimento
29
2.3.1 Obtenção dos Extratos Aquosos
29
2.3.2 Obtenção dos Espectros
30
2.4 Software
30
2.4.1 O Algoritmo Kennard-Stone
30
2.4.1.1 Selecionado os Conjuntos de Amostras
31
CAPÍTULO 3
32
RESULTADOS E DISCUSSÃO
32
3.1 Escolha da Região Espectral de Trabalho
33
3.2 Pré-tratamento dos Dados Aplicado às Amostras
36
3.3 Pré-tratamento dos Dados Aplicado às Variáveis
36
3.4 Análise Exploratória dos Dados
37
3.4.1 Aplicando HCA
37
3.4.2 Aplicando PCA
40
3.5 Modelagem e Classificação Usando SIMCA
44
CAPÍTULO 4
49
CONSIDERAÇÕES FINAIS E CONCLUSÕES
49
4.1 Propostas de Trabalhos Futuros
50
REFERÊNCIAS BIBLIOGRÁFICAS
51
LISTA DE FIGURAS
Figura 3.7 – Gráfico dos Pesos x Variáveis . Amostras de cafés cafeinados e
descafeinados
41
Figura 3.8 – Gráfico dos Resíduos x Influência . Amostras de cafés cafeinados
e descafeinados
42
Figura 3.9 Gráfico dos escores de PC1 versus PC2. Amostras de cafés
descafeinados-DESC
42
Figura 1.1- Uma visão em corte do Fruto do Cafeeiro. 3
Figura 1.2- Estrutura química da cafeína. 4
Figura 1.3-Espectro de absorção UV da cafeína 4
Figura 1.4 Estrutura geral dos Ácidos Clorogênicos 6
Figura 1.5- - Estrutura química da trigonelina. 9
Figura 1.6- Espectro de absorção UV da trigonelina. 9
Figura 1.7- Estrutura química espacial do ácido 5-ACQ. 12
Figura 1.8- Espectro de absorção UV do ácido 5-ACQ. 12
Figura 1.9 –Representação das PCs. 19
Figura 1.10-Ilustração geométrica do coeficiente de correlação de Pearson 22
Figura 1.11- Representação gráfica de modelos SIMCA. A, B, e C. 24
Figura 1.12- Previsão da amostra Y com um modelo SIMCA . 25
Figura 2.1 - Princípio do algoritmo Kennard-Stone 31
Figura 3.1- Espectros eletrônicos de absorção obtidos dos extratos das
amostras de cafés envolvendo toda região operacional do instrumento.
32
Figura 3.2- Espectros eletrônicos de absorção obtidos dos extratos das
amostras de cafés abrangendo apenas a região de trabalho.
33
Figura 3.3 – Dendrograma obtido pelo método Single Linkage . Amostras de
cafés cafeinados “x” e descafeinados “⋅”
38
Figura 3.4 – Dendrograma obtido pelo método Complete Linkage. Amostras
de cafés cafeinados “x” e descafeinados “⋅”
38
Figura 3.5 – Dendrograma obtido pelo método 1-Pearson. Amostras de cafés
cafeinados “x” e descafeinados “⋅”
39
Figura 3.6- Gráfico dos escores de PC1 versus PC2. Amostras de cafés
cafeinados-CAF (azul) e descafeinados-DESC (vermelho).
40
Figura 3.10 Gráfico dos escores de PC1 versus PC2. Amostras de cafés
cafeinados-
43
Figura 3.11 – Gráfico da variância residual. Amostras de cafés cafeinados 45
Figura 3.12– Gráfico da variância residual. Amostras de cafés descafeinados 45
Figura 3.13 – Gráfico dos pesos x variáveis . Amostras de cafés cafeinados 46
Figura 3.14 –. Gráfico dos pesos x variáveis. Amostras de cafés descafeinados 46
LISTA DE TABELAS
TABELA 1 - Resultados da aplicação dos modelos SIMCA ao conjunto de
previsão. Amostras cafeinadas (CAF) e amostras descafeinadas (DESC).
47
LISTA DE ABREVIATURAS
Blends- Misturas de vários tipos de café
ANVISA- Agência Nacional de Vigilância Sanitária
CNNPA- Comissão Nacional de Normas e Padrões para Alimentos
UV-Vis- Espectroscopia na região do Ultravioleta e Visível
PCA- Análise de Componentes Principais(Principal Component Analysis)
HCA- Análise Hierárquica de Agrupamentos(HCA-Hierarchical Cluster Analysis)
PCs- Componentes principais
Scores- Variáveis transformadas
Loadings-Pesos
Dendrograma- Gráfico bidimensional que examina as distâncias interpontos
correspondentes a todas amostras do conjunto de dados.
SIMCA- Modelo independente usado para a classificação (Soft Independent Modeling
of Class Analogy)
F
cal-
Valor calculado para o teste F
F
crit-
Valor crítico adotado para o teste F
ANOVA- Análise de Variância
LDA- Análise discriminatória Linear (Linear Discriminant analysis)
SDA- Análise discriminatória a passo sábio (Stepwise discriminant analysis)
KS- Kennard-Stone
ICP-AES- Espectrometria de Emissão Atômica em plasma com plasma acoplado
(Inductively Coupled Plasma Atomic Emission Espectrometry)
ANN- Rede Neural Artificial (Artificial Neural Network)
HPLC- Cromatografia Líquida de Alta Performance (High Performance Liquid
Chromatography)
C A P Í T U L O 1
INTRODUÇÃO
1.1. Aspectos Gerais da Cafeicultura
O cafeeiro pertence ao gênero coffea da família Rubiácea e apresenta
aproximadamente sessenta espécies. A maioria das espécies cresce em condições
silvestres, especialmente nas zonas intertropicais. Embora de importância econômica
nacional e mundial, somente duas das espécies, a arábica (coffea arábica L) e robusta
(coffea Canephora Pierre), apresentam características botânicas, genéticas,
agronômicas, morfológicas e químicas distintas [1].
O Instituto Agronômico de Campinas (IAC) [2] realiza pesquisas com genética e
melhoramento do cafeeiro, desenvolvendo inúmeros cultivares e linhagens de café com
a finalidade de aumentar a produtividade e vigor. Além disso, promove-se uma melhoria
na adaptação do cafeeiro a novas áreas para a cafeicultura, aumentando a lucratividade e
viabilizando seu cultivo em regiões não produtivas.
Entre os diversos cultivares, destacam-se, para a espécie arábica, as variedades
Catuaí Amarelo e Vermelho, Icatu Vermelho e Amarelo, Obatã, Tupi, Mundo Novo,
Acaiá e Borbom Amarelo; para a espécie robusta, as variedades Apoatã, Guarini e
Conilon podem ser mencionadas.
Em relação aos cultivares das espécies arábica e robusta há algumas
características específicas como, por exemplo, o Catuaí Vermelho ou Amarelo que são
plantados em regiões de solo com característica pouco produtiva. Estes apresentam
resistência à ferrugem. O Bourbon Amarelo é cultivado quando se deseja obter uma
colheita precoce, possibilitando uma melhor utilização de máquinas e mão-de-obra,
sendo usado para a obtenção de cafés do tipo Gourmet que são cafés destinados
especialmente à exportação. A variedade Apoatã possui a característica de ser resistente
aos nematóides (vermes que prejudicam as raízes do cafeeiro) e apresenta uma maior
importância sócio-econômica, quando se deseja atender diretamente a indústria de café
solúvel [2]. Portanto, compreende-se que, dependendo do cultivar e suas linhagens,
ambos exercerão influência direta na qualidade da bebida, principalmente quando as
indústrias de torrefação realizam a elaboração dos seus blends. Como resultado, têm-se
bebidas com determinados padrões de qualidade, ou seja, para cada marca de café
comercializado (Santa Clara, São Braz, Maratá, Kimimo, Nordestino, Mellita, Cirol,
etc.) há um Blend específico.
A área de café cultivada no Brasil ocupa atualmente 2,7 milhões de hectares,
compreendendo cerca de 6 bilhões de pés que se distribuem em mais de dois municípios
de 13 estados da Federação [3]. Em decorrência dessa vasta ocupação geográfica e da
diversidade de climas e solos, o Brasil possui a característica vantajosa de produzir
vários tipos de café.
1.2. Composição Química do Café
A composição química do café depende da variedade da espécie escolhida, local
de cultivo e métodos de colheita, processamento e armazenamento. Por exemplo, a
espécie Coffea arábica L apresenta concentrações mais elevadas de carboidratos,
lipídeos e trigonelina, sendo considerada de melhor qualidade, enquanto a Coffea
Canefhora Pierre exibe bebida neutra em relação às suas características organolépticas
determinadas por análise sensorial (prova da xícara) e maiores teores de fenólicos e
cafeína [4].
Uma atenção especial dever ser dada à composição química dos grãos do café,
pois esta responde diretamente pela qualidade da bebida. Entretanto, não se pode
esquecer a associação que existe entre a composição dos grãos e a das outras partes do
fruto do cafeeiro em virtude da forte inter-relação entre elas, como se pode notar na
Figura 1.1.
Figura 1.1 - Uma visão em corte do fruto do cafeeiro.
A cafeína (1,3,7-trimetilxantina) é o principal alcalóide na composição química
do café, cuja estrutura e espectro eletrônico de absorção são apresentados nas Figuras
1.2 e 1.3. Esse composto é encontrado na polpa (Figura 1.1), no citoplasma do grão e
ligado à parede celular. Particularmente nos grãos crus, os teores de cafeína podem
variar em função da origem genética. De fato, segundo estudos realizados por Charrier e
Berthaud [5], existe uma expressão diferenciada do genótipo para a síntese da cafeína, a
qual varia de uma espécie para outra. Além disso, essas diferenças são influenciadas
pela interação que ocorre entre o genótipo (conjunto dos genes de um indivíduo) e o
ambiente. Assim, entre cultivares distintos ou não, colhidos no mesmo local na mesma
época ou em épocas diferentes, podem ocorrer diferenças em concentrações de cafeína
por causa da influência do genótipo sobre a síntese desse alcalóide.
De acordo com estudos realizados por Pimenta [6], os grãos de cafés
provenientes de uma colheita com predominância de frutos verdes apresentam maior
teor de cafeína. Constatou-se também que a redução dos teores de cafeína nos frutos que
permaneceram na planta ocorre devido a uma provável atividade microbiana nos frutos
e nos grãos ocasionando a seca dos frutos na planta ou no chão.
Figura 1.2 - Estrutura química da cafeína.
Figura 1.3 - Espectro de absorção UV da Cafeína.
A espécie C.bengalensis não produz a cafeína, sendo indicada para experimentos
de manipulação genética. No café da espécie arábica, os teores de cafeína variam entre
0,6 a 1,5% [1], enquanto no café robusta encontra-se aproximadamente o dobro de
cafeína. Este dado é importante quando se pretende produzir o café descafeinado ou
com baixo teor desse alcalóide. Embora seu sabor amargo característico e sua alta
estabilidade térmica sejam conhecidos, o que promove sua elevada retenção após o
processo de torrefação, não há elucidação quanto à sua contribuição sensorial na bebida
do café [7].
Os grãos crus contêm sacarose e uma série de polissacarídeos (arabinogalactana,
galactomanana e celulose). Os teores de polissacarídeos presentes nos grãos do café
arábica crus encontram-se na faixa de 44 a 55%, contribuído significativamente para o
aroma [8].
Os constituintes de natureza ácida dos grãos compreendem basicamente os
ácidos não-voláteis como oxálico, málico, cítrico, tartárico e pirúvico e os ácidos
voláteis representados pelo acético, propiônico, valérico e butírico [8].
O óleo no grão do café encontra-se concentrado na forma de gotículas
armazenadas e distribuídas nas células de todas as regiões da semente, porém nos
melhores cafés ocorre uma distribuição mais intensa de lipídeos nos extremos da
semente [8].
O teor de umidade presente no café após a secagem deve estar compreendido
entre 11 e 13% [6]. A alta umidade é característica de regiões de clima quente e úmido
pode ser prejudicial à qualidade dos grãos.
A permanência do café na árvore ou no chão após a maturação prejudica a
qualidade dos grãos, sendo afetada pela ação de agentes microbianos (leveduras, fungos
e bactérias) que os infectam, principalmente os provenientes de frutos de café no estádio
(período) cereja. Nessa fase, os frutos atingem o ponto máximo da maturação,
decorrente de processos do metabolismo bem característico de frutos climáticos [6]. Isto
porque nessa fase há um teor elevado de umidade em sua polpa e altos teores de
açúcares. Assim, os microorganismos em seu desenvolvimento produzem suas próprias
enzimas que agem sobre os componentes químicos da mucilagem (designação de
compostos viscosos produzidos por plantas), especialmente sobre os açúcares. Com
isso, ocorre uma fermentação e degradação das paredes celulares, resultando na
produção de compostos indesejáveis (o ácido propiônico e o butírico) nas fases mais
avançadas do processo de fermentação. Como resultado, obtêm-se grãos do tipo preto e
ardidos que prejudicam a qualidade da bebida, ou seja, esta apresenta gosto ruim sendo
denominada de “bebida do tipo rio” [6].
Os compostos fenólicos, conhecidos por ácidos clorogênicos, apresentam
estrutura molecular geral mostrada na Figura 1.4. Essas substâncias são encontradas
nos grãos de café em teores que variam de 7 a 12%, sendo que o seu teor gira em torno
de 11 % e 7,5 % para as espécies robusta e arábica, respectivamente [9]. Entretanto,
seus teores são superiores aos médios da cafeína (1,1% para a espécie arábica e 1,8%
para a espécie robusta) nos grãos verdes.
De acordo com a literatura [6], os ácidos clorogênicos respondem
significativamente pela adstringência da bebida, provavelmente devido à presença de
um grupo fenólico em sua estrutura. Além disso, em virtude de determinadas condições
adversas envolvendo os grãos (colheita inadequada, problemas no processamento, etc.),
as polifenoloxidases atuam sobre os polifenóis diminuindo sua ação oxidante sobre os
aldeídos, propiciando a oxidação dos ácidos clorogênicos, transformando-os em
quinonas (dicetonas).
Figura 1.4 - Estrutura geral (representada no plano) dos ácidos clorogênicos, onde R =
H, OH e OCH
3
.
1.3. Indústria de Torrefação
A indústria realiza a torrefação de misturas de café de vários tipos, espécies de
diferentes locais de cultivo, idades, etc. A essas misturas é atribuído o nome de blends,
os quais são utilizados quando se busca uniformidade e boa qualidade para o produto
natural. Em seguida, os grãos crus são transformados em café torrado e finalmente
moídos.
1.3.1. Transformações Físico-Químicas do Café
A alta temperatura usada durante o processo de torrefação (pirólise) desencadeia
transformações físicas e químicas dos grãos. A torrefação se processa com
movimentação de ar aquecido a 260
o
C através dos grãos, para que ocorra a
transferência de calor do ar par o grão. No início do processo de torrefação, o grão perde
sua água mantendo-se a uma temperatura em torno de 100 a 104
o
C. Neste ponto, ocorre
essencialmente a perda de água, não havendo ainda a formação do sabor do café [10].
Quando a temperatura do grão estiver em torno de 204
o
C, a absorção de calor
pelo grão é intensamente aumentada pela liberação de calor nas reações de pirólise,
ocorrendo o desenvolvimento do sabor do café, a degradação e síntese de compostos.
Embora se processe em altas temperaturas, a torração não queima os grãos, porque ela
ocorre dentro das células e na ausência de ar. Os produtos da pirólise são carboidratos,
cetonas, aldeídos, furfural, ésteres, aminas, ácidos graxos, sulfetos, gás carbônico e
açúcares caramelizados. Todos esses constituintes contribuem para o desenvolvimento
do sabor do café. Essa reação se processa em intervalos de tempo muito curto e deve ser
paralisada, abruptamente no ponto de torração desejado. Sendo determinado pela
mudança de coloração dos grãos. Durante o período de pirólise, a cor do grão muda de
marrom-palha para quase preto no transcorrer das transformações químicas. O tempo de
torrefação é de 12 a 15 min independentemente dos tipos de grau de torrefação que
podem ser clara, média ou escura em função de suas temperaturas. Para a torrefação
clara, a temperatura encontra-se abaixo de 220
o
C, para a torrefação média a
temperatura é fixada em torno de 220
o
C e, para a escura, acima de 270
o
C. Contudo,
para a torrefação comercial (torrefação média) a temperatura deve ser fixada em torno
de 220
o
C [10].
As proteínas do café estão livres no citoplasma ou ligadas aos polissacarídeos da
parede celular, sendo totalmente desnaturadas durante a torração. Cafés de qualidade
superior apresentam maior teor de proteínas solúvel e aminoácidos. As proteínas são
fontes da maioria do aroma e sabor característicos do café; com a torrefação, essas
substâncias se desnaturam em temperaturas inferiores a da pirólise. Além disso, ocorre
hidrólise das ligações peptídicas das moléculas protéicas com liberação de aminas e
carbonilas [10].
No grão cru, a sacarose é encontrada em torno de 7% sendo termicamente
instável, decompondo-se a uma temperatura de aproximadamente 130
o
C. Durante a
torrefação, a sacarose é transformada em produtos caramelizados, que são responsáveis
pela cor marrom do café torrado. Ela sofre inicialmente desidratação, seguida de
hidrólise, transformando-se em açúcares redutores, em virtude da elevação de
temperatura na pirólise [10]. Estes são desidratados, polimerizados e parcialmente
degradados a compostos orgânicos voláteis, água e gás carbônico ou reagem com os
aminoácidos e proteínas ou com outros componentes do café. Cerca de 90% da sacarose
presente nos grãos crus são degradados por uma leve torrefação e a degradação
completa ocorre mediante uma torrefação escura. Alguns cafés torrados mostram um
pequeno resíduo de glicose e frutose.
Durante a torrefação, os compostos fenólicos são gradualmente decompostos,
resultando na formação de voláteis que respondem pelo aroma, materiais poliméricos
(melanoidinas) e liberação de gás carbônico. Os ácidos clorogênicos são hidrolisados
produzindo os ácidos caféico e quínico, cujos sabores são mais amargos e adstringentes
que os dos outros ácidos devido à presença do fenol em sua estrutura (Figura 1.4).
O café verde contém a trigonelina (1-metil ácido nicotínico), composto cuja
estrutura química é apresentada na Figura 1.5 e espectro eletrônico de absorção na
Figura 1.6. Essa substância é a principal fonte de ácido nicotínico, cuja quantidade
aumenta com a torrefação. Sua degradação pode também gerar compostos aromáticos
com anéis nitrogenados, tal como a piridina que é encontrada em café torrado. As
pirazinas, oxazoles e tiazoles, também são constituintes do aroma do café torrado [11].
Figura 1.5 - Estrutura da trigonelina.
Figura 1.6 - Espectro eletrônico de absorção UV da trigonelina.
A cafeína é uma substância que se mantém relativamente estável durante a
torrefação, sendo possível monitorar a intensidade de torrefação mediante o teor de
cafeína (constante) e de ácidos clorogênicos. Dados relativos aos teores de cafeína no
grão indicam que a perda de massa ocorre mais por sublimação que por decomposição
[10]. Todavia, o teor de cafeína pode ser realçado devido à perda de outros componentes
durante o processo de torrefação.
Além dos compostos descritos, existem vários outros que se encontram no café
torrado, entre os quais poderíamos citar: os aldeídos (etanal e piruvaldeído, por
exemplo), cetonas (propanona, 2,3-butanodiona, etc), álcoois (sobretudo o 3-metil-2-
buteno-1-ol) e ácidos carboxílicos (butírico, por exemplo) [11]. Todavia, merecem
destaque os ácidos clorogênicos, a cafeína e a trigonelina por responderem
significativamente pela qualidade final da bebida.
1.3.2. Processo de Descafeinação
O processo de descafeinação é de grande importância industrial e sócio-
econômica quando nos referimos à comercialização e consumo de cafés descafeinados,
principalmente na Europa, EUA e Japão. Além disso, esse tipo de produto destina-se a
uma parte da população que sofre de problemas em relação ao consumo da cafeína, ou
seja, pessoas sensíveis aos seus efeitos farmacológicos [7].
Em relação ao processo de descafeinação, cuja finalidade é diminuir a
concentração da cafeína nos grãos crus do café, a redução ocorre mediante o uso de
solventes que podem ser água, gás carbônico, acetato de etila e diclorometano. Contudo,
a escolha do solvente é de fundamental importância para realização da extração da
cafeína, sendo a seletividade uma característica indispensável. Por esta razão, utiliza-se
geralmente o diclorometano, pois não ocorre extração significativa dos outros
compostos (trigonelina e ácidos clorogênicos) que contribuem para a qualidade do café
[12].
Para a realização do processo de descafeinação, inicialmente os blends são
elaborados e, em seguida, os grãos são imersos no solvente mediante o qual a cafeína é
extraída. Depois, os grãos são aquecidos o suficiente para retirar os resíduos do solvente
quando este for o diclorometano, o qual é bastante volátil em virtude do baixo ponto de
ebulição (cerca de 40
o
C). Ao término do processo, a cafeína e o solvente são
aproveitados. As demais etapas na indústria de torrefação são as mesmas que as
realizadas no caso dos cafés cafeinados, ou seja, os grãos são torrados, moídos e
embalados para o consumo [7].
1.4. Qualidade do Café
A qualidade do café é dependente de diversos fatores relacionados a todas as
etapas da produção, ou seja, desde a escolha da espécie e as transformações durante a
torrefação até o preparo da bebida. De fato, a composição química dos grãos, bem como
os métodos de colheita, processamento e armazenamento, afetam significativamente a
qualidade da bebida do café [8,9,13]. Não obstante a influência desses vários fatores,
não se pode deixar de destacar a estreita correlação entre a qualidade e a composição
química do café.
Nota-se que tanto a presença quanto à concentração de certos compostos no café
contribuem para o aroma e sabor característicos das bebidas. Entre eles, destacam-se a
cafeína, a trigonelina e os ácidos clorogênicos, os quais, segundo a literatura [11,13,14]
são facilmente solubilizados em água quente. Assim, a presença e a quantidade dessas
substâncias no extrato aquoso oferece uma indicação da boa qualidade da bebida, bem
como uma possível distinção entre os diferentes tipos de cafés (cafeinados e
descafeinados, por exemplo).
Os ácidos clorogênicos são os principais compostos fenólicos presentes no
extrato aquoso do café, sendo dependentes da formulação dos blends. Entretanto, eles
podem ser degradados durante a torrefação em virtude da sua instabilidade frente ao
tratamento térmico. Esses compostos apresentam propriedades sensoriais variadas, entre
as quais destacam-se o amargor e a adstringência. Os principais grupos de ácidos
clorogênicos são: cafeoilquínicos, feruloilquínicos e os dicafeoilquínicos, sendo cada
um constituído de três isômeros [15]. Contudo, o ácido clorogênico mais relevante
presente no extrato aquoso é o ácido caféico (5-cafeoilquínico ou 5-ACQ), segundo
estudo relatado na ref. [13]. A estrutura química (derivada da ilustrada na Figura 1.4,
onde R = OH) e o espectro eletrônico de absorção na região UV do ácido 5-ACQ são
mostrados nas Figuras 1.7 e 1.8.
Figura 1.7 - Estrutura molecular do ácido 5-ACQ.
Figura 1.8 - Espectro de absorção UV do ácido 5-ACQ.
A cafeína contribui para o amargor do extrato aquoso, porém sua presença é
fundamental em virtude de suas propriedades fisiológicas [13,14]. Os teores de cafeína
no extrato aquoso dependem também da elaboração dos blends e do tipo de
processamento durante a torrefação, em especial o processo de descafeinação.
A trigonelina não apresenta estabilidade térmica sendo bastante sensível a
torrefação. A utilização de blends diferentes não afeta significativamente o teor final de
trigonelina no produto, pois os cafés do tipo coffea Árabica L e Robusta apresentam
quantidades similares de trigonelina.
Algumas metodologias foram avaliadas (ref. [13]) ao serem utilizadas para a
obtenção de extrato de café verde e torrado (ambos moídos) com o uso de solvente
barato. Nesse caso, utilizou-se a água destilada e deionizada, as quais foram aquecidas a
uma temperatura de 90
o
C, a fim de verificar a mais apropriada para a análise de
compostos não voláteis presentes nos extratos aquosos. Todas as metodologias
avaliadas permitiram a extração simultânea dos compostos de interesse e, entre os
ácidos clorogênicos, verificou-se que o ácido 5-ACQ é componente majoritário. Para
quantificar ácido 5-ACQ, trigonelina e cafeína, empregou-se a cromatografia líquida de
alta performance (HPLC) e detecção espectrofotométrica [13].
A determinação da qualidade da bebida do café é comumente realizada por meio
do teste sensorial conhecido como prova da xícara [16,17]. Neste teste, provadores
treinados experimentam o café (a ser degustado) e o classifica de acordo com os
diferentes padrões de bebida em função do sabor e aroma [18-19]. Contudo, esse
procedimento tem um caráter muito subjetivo haja vista que os instrumentos usados são
pessoas [16,17].
1.4.1. Importância do Controle de Qualidade do Café
A importância do controle de qualidade, sobretudo de café descafeinado, reside
no fato de algumas pessoas apresentarem sensibilidade aos efeitos da cafeína. De
fato, a ingestão de 250 mg de cafeína (o equivalente a duas ou três xícaras de café
forte) pode causar um aumento da freqüência cardíaca devido à cardiopatia
isquêmica, com crises de angina [20]. Isso ocasiona palpitações devido a
extrassístoles e aumento da pressão sanguínea arterial que é prejudicial
principalmente para pessoas que apresentam problemas graves de hipertensão.
Conseqüentemente, aumenta o risco de enfarto, derrames cerebrais e problemas
renais como exemplo, circulação [20].
Em relação aos efeitos metabólicos, ocorre um aumento nos níveis de hormônios
de pessoas que não fazem o uso regular da cafeína (como a renina, as catecolaminas,
a insulina e o hormônio da paratireóide). Esses efeitos são prejudiciais às pessoas que
sofrem de hipertensão arterial grave, diabetes mellitus e obesidade [20].
Quanto aos efeitos gastrintestinais, a cafeína estimula a secreção gástrica de
ácido clorídrico e da enzima pepsina no ser humano quando ingerida em doses de
250 a 500 mg. Esta quantidade corresponde a 2-4 xícaras de café forte, sendo
prejudicial a pacientes que sofrem de úlcera péptica e duodenal [20].
A cafeína também afeta o sistema nervoso central, atuando como um poderoso
estimulante que proporciona no organismo do indivíduo uma menor sensação de
cansaço e sonolência e uma atividade intelectual mais rápida e vívida [20]. Essas
alterações podem ser ocasionadas pela ingestão de 500 mg de cafeína, onde esse
conteúdo equivale a quatro ou cinco xícaras de café. Cabe ressaltar que para as
pessoas que sofrem de insônia, a cafeína interfere nos estágios normais do sono.
Além disso, pessoas com alterações psiquiátricas como, por exemplo, reações de
pânico, esquizofrenia e sintomas maníacos depressivos, apresentam maior
sensibilidade aos efeitos dessa substância [20]. Portanto, é fundamental a realização
do controle de qualidade de cafés submetidos ao processo de descafeinação nas
indústrias de torrefação, bem como dos disponíveis em estabelecimentos comerciais.
1.5. Espectroscopia na região do Ultravioleta e Visível
Uma descrição sucinta dos fundamentos da espectroscopia de absorção na região
UV-Vis aplicada a compostos orgânicos é realizada nesta seção, pois o uso dessa
técnica é proposto, neste trabalho, para a realização das medidas. Contudo, para uma
discussão pormenorizada pode-se recorrer a livros-textos especializados, a exemplo dos
citados aqui.
A espectroscopia de absorção UV-Vis utiliza radiação eletromagnética cujos
comprimentos (λ) se encontram na faixa de 200 a 780 nm [21]. Quando estimulada com
esse tipo radiação, a molécula do composto pode sofrer transições eletrônicas por
ocasião da absorção de energia quantizada. O registro gráfico da resposta do sistema ao
estímulo denomina-se espectro eletrônico de absorção.
A absorção de energia UV-Vis produz modificação na estrutura eletrônica da
molécula em conseqüência de transições envolvendo, geralmente, elétrons
π
de
ligações e elétrons de valência n (não ligantes). Isto requer que a molécula contenha
pelos menos um grupo funcional insaturado (C=C, C=O, por exemplo) para fornecer os
orbitais moleculares
π
e
π
*
ou n e
π
*
. Tal centro de absorção é chamado cromóforo,
sendo responsável principalmente pelas transições
*
π
π
→
e
*
π
n
→
. Estas
resultam da absorção de radiações eletromagnéticas que se enquadram em uma região
espectral experimentalmente conveniente [21-22], ao contrário das transições
*
σ
n
→
e
*
σ
σ
→
que requerem geralmente radiações mais energéticas (λ < 200 nm).
As bandas de absorção podem ser caracterizadas por dois parâmetros
fundamentais: a posição e a intensidade. A posição corresponde normalmente ao “λ” da
radiação eletromagnética responsável pela transição eletrônica, enquanto a intensidade
depende, entre outros fatores, da energia dos orbitais moleculares e probabilidade de
transição.
A energia necessária para as transições eletrônicas envolvendo a absorção de
radiação UV-Vis depende primariamente do tipo de ligação (ou seja, da presença de
cromóforo) e, por último, da estrutura molecular [21-24]. Todavia, é possível ocorrerem
mudanças significativas na posição e intensidade das bandas em decorrência de, por
exemplo, uma conjugação entre ligações duplas ou quando o cromóforo C=C encontra-
se conjugado com um grupo C=O na estrutura da molécula e vice-versa.
Os espectros de absorção UV-Vis apresentam geralmente bandas largas
resultantes da sobreposição dos sinais provenientes de transições vibracionais e
rotacionais ao sinal associado à transição eletrônica. Além disso, nos espectros
obtidos com a amostra em fase condensada, a estrutura espectral fina é removida
dando lugar a bandas lisas, carentes de detalhes e com baixa resolução. Além disso,
observam-se alterações tanto na posição como na intensidade das bandas originadas
de interações entre suas moléculas e as do solvente [21,22]. De fato, um aumento na
polaridade do solvente promove usualmente deslocamentos da banda para
comprimentos de onda maiores (efeito batocrômico) se a transição associada é do
tipo
π
π
→
*
. Contudo, um deslocamento contrário (efeito hipsocrômico) é
observado quando o cromóforo sofre uma transição do tipo
π
→
n
*
devido ao
aumento da energia entre os dois orbitais moleculares envolvidos. Efeitos
envolvendo um aumento (hipercrômico) ou uma diminuição (efeito hipocrômico) na
intensidade da banda de absorção também podem ser observados como resultado
dessas interações.
Espectros eletrônicos de absorção podem também apresentar problemas de
sobreposição de bandas associadas a duas ou mais substâncias presentes em uma
amostra por causa da natureza alargada das bandas e da modesta correlação entre o
espectro e a estrutura molecular. Com efeito, substâncias com estruturas moleculares
muito diferentes, mas contendo o(s) mesmo(s) cromóforo(s), podem apresentar
espectros UV-Vis com perfis similares e bandas localizadas nas mesmas regiões de
comprimentos de onda [21,22]. Nesses casos, as pronunciadas sobreposições espectrais
dificultam a classificação e discriminação de amostras, especialmente quando
apresentam diferenças pequenas em suas composições químicas. Apesar disso, é
possível extrair informações discriminatórias relevantes dos dados de espectros
eletrônicos de absorção, principalmente quando se recorre a certas ferramentas de
análise multivariada oferecidas pela Quimiometria.
1.6. Quimiometria
A Quimiometria é o ramo da Química que utiliza ferramentas estatísticas e
matemáticas na resolução de problemas envolvendo dados químicos [25-27]. Os
métodos utilizados podem se enquadrar em três categorias, a saber: planejamento e
otimização experimental, reconhecimento de padrões e classificação e calibração
multivariada.
A aplicação dos métodos quimiométricos multivariados têm sido impulsionada pela
grande quantidade de dados gerados por técnicas instrumentais (espectrofotometria
UV-Vis, por exemplo), bem como pela disseminação no uso de microcomputadores
em laboratórios químicos.
Há diversos tipos de técnicas quimiométricas para análise multivariada, as quais
podem se enquadrar em duas categorias principais: os métodos de análise exploratória
ou reconhecimento de padrões e os de calibração multivariada [26-28]. Neste trabalho,
as ferramentas quimiométricas usadas pertencem ao primeiro grupo, razão pela qual se
faz a seguir uma descrição resumida apenas desses métodos.
1.6.1. Reconhecimento de Padrões
As técnicas de reconhecimento de padrões podem ser reunidas em duas
categorias: (a) supervisionadas e (b) não-supervisionada. As que se enquadram no
primeiro grupo são usadas apenas para examinar se existem similaridades e diferenças
entre objetos (amostras químicas, por exemplo) de um conjunto de dados. Os métodos
supervisionados, por outro lado, são usados quando o objetivo é construir um modelo
para classificar amostras futuras.
Para um reconhecimento de padrão não-supervisionado, pode-se recorrer a dois
métodos bastante conhecidos que são a Análise de Componentes Principais (Principal
Component Analysis-PCA) e a Análise Hierárquica de Agrupamentos (Hierarchical
Cluster Analysis-HCA) [27,29].
1.6.1.1. Fundamentação teórica da PCA
A PCA é uma técnica quimiométrica multivariada que tem por objetivo reduzir a
dimensionalidade dos dados originais, facilitando a visualização das informações mais
importantes associadas a esses dados. Neste trabalho, utilizou-se a técnica PCA
como
uma das ferramentas para análise exploratória dos dados, motivo pelo qual realiza-se,
nesta seção, uma descrição geométrica sucinta dos seus fundamentos.
Seja uma matriz X
nxp
de dados multivariados onde “n” linhas correspondem aos
objetos (amostras de café, por exemplo) e nas “p” colunas são dispostos os valores das
variáveis (medidas espectrais) para cada amostra. A matriz X pode ser representada
graficamente em um sistema cartesiano ortogonal cujos eixos são definidos pelas “p”
variáveis; as amostras são então localizadas nesse sistema como “n” pontos cujas
coordenadas são dadas pelos valores das variáveis. Quando a matriz X contém no
máximo 3 colunas (isto é, p≤3) é possível representá-la graficamente, o que possibilita a
visualização de eventuais agrupamentos de amostras. Isso ocorrerá caso as amostras
possuam composição química (qualitativa e quantitativa) similar, o faz com que as
variáveis medidas apresentem valores próximos para suas coordenadas. Entretanto,
quando p>3 torna-se muito difícil visualizar os dados geometricamente, pois neste caso
a dimensionalidade do sistema extrapola o espaço tridimensional. Para contornar esse
problema, pode-se empregar a técnica PCA descrita a seguir.
Ao aplicar uma PCA à matriz X, os dados são projetados nas direções (ou eixos)
perpendiculares do espaço multidimensional contendo a maior quantidade de
informação possível (variância máxima), como ilustrado na Figura 1.9. Esses eixos são
denominados componentes principais (Principal Components-PCs), nos quais as
amostras assumem novos valores conhecidos, usualmente, como escores (Figura 1.9).
Figura 1.9 - Representação das duas primeiras PCs, onde os círculos representam as
amostras.
A primeira componente principal (PC1) contém, entre todas as possíveis PCs, a
maior variância dos dados originais. A segunda componente PC2, por sua vez, porta a
segunda maior quantidade de informações associadas aos dados e assim
sucessivamente. Este método permite reduzir a dimensionalidade da matriz X, ou seja,
todas as amostras podem ser agora representadas em um novo sistema contendo um
número menor de eixos coordenados com pouca perda de informação. Assim, as
informações presentes nas variáveis originais são projetadas de modo que 90% ou mais
da variância dos dados originais estejam contidas nas primeiras PCs, preferencialmente
em PC1 e PC2 [27,28]. Com isto, torna-se possível:
i. reduzir a dimensionalidade do sistema;
ii. detectar a formação de agrupamento(s) de amostras;
iii. detectar a presença de amostra(s) anômala(s);
iv. identificar que variáveis contribuem mais para essas diferenças;
v. mostrar de que forma uma amostra é diferente da outra, etc.
A importância das próprias variáveis originais na definição das características de
uma da amostra pode ser avaliada por meio dos pesos. Estes representam o valor do
cosseno do ângulo entre uma PC e um eixo correspondente a uma dada variável. A
visualização dessa importância pode ser realizada por meio dos gráficos dos pesos
versus variáveis. Por outro lado, para cada PC modelada, uma certa quantidade de
informação permanece sem ser explicada. Essa parcela é chamada de resíduos, a qual
pode ser visualizada nos gráficos de resíduos [27,28].
1.6.1.2. Fundamentação teórica da HCA
A técnica HCA é outra ferramenta de reconhecimento de padrões não-
supervisionada útil para investigar as relações existentes entre amostras (ou variáveis)
associadas a um conjunto de dados multivariados. Ela pode ser de dois tipos:
aglomerativa ou divisiva [29]. Para o primeiro caso, cada amostra é considerada
inicialmente um grupo e, de acordo com suas semelhanças, elas vão sendo agrupadas
em subgrupos até que todas formem um único grupo. No segundo caso, ocorre o
contrário, todas as amostras constituem um único grupo que será dividido em subgrupos
de acordo com as similaridades entre elas, até que cada amostra forme um único grupo.
Em uma análise por HCA, as distâncias interpontos, correspondentes às “n”
amostras no espaço p-dimensional da matriz X, são usadas para representar os dados em
um gráfico bidimensional chamado de dendrograma (Seção 3.4.1). Por meio do
dendrograma, pode-se visualizar o(s) eventual (is) agrupamento(s) de amostras
formadas(s) em função das distâncias interpontos.
A construção dos dendrogramas é efetuada com base na proximidade existente
entre as amostras no espaço mutidimensional. Para isso, realiza-se um cálculo da
distância entre as amostras do conjunto de dados a fim de obter uma medida de
similaridade. Há várias maneiras de se calcular as distâncias interpontos associadas
às amostras, entre elas destacam-se: a distância de Mahalanobis e a Euclidiana [26-
28], sendo esta última a mais comumente utilizada. A distância Euclidiana (d
xy
) entre
as amostras x e y no espaço p-dimensional (p = nº de variáveis medidas) é calculada
como:
(
)
(
)
(
)
22
22
2
11 ii
y-x++y-x+y-x=d
(1)
onde x
i
e y
i
são as coordenadas das amostras x e y na i-ésima dimensão do espaço
multidimensional (onde i varia de 1 a p).
Os dendogramas também podem ser construídos em função da similaridade (S
xy
)
entre as amostras x e y, a qual pode ser calculada usando a equação mostrada a seguir:
max
xy
xy
d
d
-1=S
(2)
em que
xy
d é a distância entre as amostras x e y e
max
d é a distância máxima entre
todas as amostras consideradas
Todavia, neste trabalho utilizou-se como medida de distância entre as amostras o
coeficiente de correlação de Pearson (C
kj
) [30] descrito a seguir.
Para descrever geometricamente o significado do coeficiente de correlação de
Pearson, considere o gráfico da Figura 1.10, no qual são representadas três amostras
(a
1
, a
2
ou a
3
) no espaço definido por três variáveis medidas (p=3). Neste caso, estamos
supondo que a matriz dos dados originais X possui uma ordem de 3 x 3.
Figura 1.10 – Ilustração geométrica do coeficiente de correlação de Pearson.
Como se pode observar na Figura 1.10, a cada amostra associa-se um vetor-
posição com origem no sistema cartesiano e extremidade definida pelas coordenadas
que localizam cada amostra no espaço das varáveis. Sendo assim, o coeficiente de
correlação (C
kj
) de Pearson [30], definido pelo cosseno do ângulo (θ) entre dois vetores
quaisquer a
k
e a
j
(
^
jk
oaa ), é calculado pela expressão:
(3)
onde
k
a
e
j
a
são as normas (tamanho) dos vetores a
k
e a
j
e
jk
a,a
é o produto
interno entre eles. Essas quantidades são calculadas usando as expressões:
21
p
1i
2
i
aa
/
=
∑
=
(4)
jiki
p
1i
jk
aaaa ⋅=
∑
=
,
(5)
onde “p” é o número de variáveis medidas.
Para um conjunto de dados envolvendo “n” amostras, têm-se n(n-1)/2 valores de
C
kj
para os pares não repetidos de vetores-linhas associados. Estes valores podem ser
utilizados como medidas de distância (ou similaridade) entre as amostras, as quais
podem ser utilizadas na construção dos dendogramas.
Tendo determinado as distâncias entre os pares de amostras inicia-se o
agrupamento daquelas com maior similaridade. Para os agrupamentos são utilizadas
diversas técnicas de conexão, entre elas destacam-se: a conexão simples e completa
(single-link e complete-link) e o centróide-link [26, 27,29].
As técnicas descritas nesta seção permitem realizar apenas um reconhecimento
de padrões não-supervisionados, não sendo possível classificar uma amostra futura
como pertencente a um ou outro grupo caracterizado inicialmente. Para isso, é
necessário o emprego de técnicas de reconhecimento de padrões supervisionados, a
exemplo do método SIMCA (Soft Independent Modeling of Class Analogy) utilizado
neste trabalho.
1.6.1.3. Fundamentação teórica do SIMCA
O SIMCA possibilita a construção de um modelo para cada classe de amostras
do conjunto de treinamento. Para isso, aplica-se uma PCA para modelar a forma e a
posição do objeto (ou estrutura) formado pelas amostras no espaço multidimensional
para definição de uma classe. Como resultado, uma caixa (embalagem) é construída
para cada classe e a classificação de novas amostras (previsão) é realizada
verificando em qual das embalagens a amostra se enquadra.
Diferentes formas para as embalagens podem ser obtidas em uma modelagem
SIMCA dependendo do número de PCs necessário para descrevê-las. Assim, uma linha,
um plano e um paralelepípedo representam modelos com uma, duas e três componentes
principais, respectivamente, como se pode observar na Figura 1.11.
Figura 1.11 - Representação gráfica de modelos SIMCA. A, B, e C representam as
amostras de três diferentes classes; X e Y são amostras desconhecidas. As amostras, da
classe A ocupam uma linha, da classe B um plano e a classe C um cubo.
A Figura 1.12 ilustra como é realizada a classificação de uma amostra
desconhecida (Y) usando o modelo SIMCA baseado, neste caso, em uma caixa
unidimensional. Para isso, o parâmetro “a” é convertido em uma variância e é dividido
pela variância residual (usada para medir as tensões no agrupamento da classe A) a fim
de determinar um valor para F
calc
. Um valor para F
crit
(em geral com 95% de confiança)
é escolhido e comparado ao valor de F
calc
. A amostra Y seria classificada como
pertencente à classe das amostras A se o F
calc
< F
crit
.
Figura 1.12 - Previsão da amostra Y com um modelo SIMCA para a classe de amostras
A. “c” é o resíduo de PCA; “b” é a distância entre a fronteira e a projeção de Y na PC e
“a” é a proximidade de Y da caixa A, calculada por: a
2
= b
2
+ c
2
.
1.7. Classificação e Discriminação de Cafés
No Brasil, a classificação de cafés crus é realizada de acordo com a resolução
CNNPA n
o
12 (1978) da ANVISA (Agência Nacional de Vigilância Sanitária) [31].
Segundo essa resolução, no processo de classificação são consideradas apenas as
características físicas dos grãos (tipo, peneira, etc.) e sensoriais da bebida (prova da
xícara) [17].
Em virtude das limitações apresentadas pelos procedimentos preconizados pela
ANVISA (sobretudo o teste da xícara), é fundamental o desenvolvimento de
metodologias que ofereçam resultados menos subjetivos. Além disso, relata-se na Seção
1.4.1 a importância do controle de qualidade de cafés submetidos ao processo de
descafeinação na indústria de torrefação. Diante dessa problemática, realizou-se uma
pesquisa bibliográfica sobre a temática dessa dissertação. Verificou-se que poucos
trabalhos exploram medidas físico-químicas e instrumentais (sobretudo
espectroscópicas) para discriminação e classificação de cafés, principalmente
objetivando o controle de qualidade desse produto.
1.7.1. Trabalhos relatados na literatura
Pardo e colaboradores [32] propuseram dois métodos para discriminação de
quatro blends de café comercial, contendo até 12 tipos de cafés, os quais são
consumidos como expresso. Para isso, os autores utilizaram um sensor de gases
(chamado nariz eletrônico) baseado em medidas de condutância. A técnica PCA foi
empregada para fazer a discriminação dos diferentes tipos de cafés expressos, enquanto
a ferramenta ANN (Artificial Neural Network) [33] foi usada com a finalidade de
classificação. As amostras sofreram diferentes tipos de preparos que resultaram em
diferentes fases (amostra em grãos, pó e líquida) e sucessivas extrações foram
realizadas. Apesar dos bons resultados da classificação (exceto para as amostras de café
líquido), o sensor usado para detecção de gases está sujeito a problemas de deriva nos
sinais e o uso de ANN para construir os modelos de classificação pode tornar a
metodologia trabalhosa.
Maeztu et al [34] desenvolveram e avaliaram métodos multivariados para
caracterização e classificação de cafés expressos (CE). Os cafés foram caracterizados
quantitativamente de acordo com os conteúdos de sólidos totais, sólido totais sobre o
filtrado, lipídios, cafeína, trigonelina e ácidos clorogênicos determinados por HPLC e
análise sensorial. A técnica PCA foi usada para discriminar as amostras de CE Arábica
e Robusta, sendo a PC1 responsável por esse resultado. Por outro lado, as amostras de
torrefato (café torrado com adição de açúcar) e Robusta Natural foram separadas pela
PC2. A aplicação de análise discriminante permitiu a classificação de cada amostra de
CE em seu respectivo grupo com 100 % de acerto. Não obstante a eficiência na
discriminação e classificação das amostras, o uso de HPLC na determinação de vários
parâmetros físico-químicos usados como descritores torna a metodologia proposta
dispendiosa e consumidora de tempo.
Várias ferramentas de reconhecimento de padrão foram utilizadas por Martín et
al [35] para propor um procedimento visando à discriminação de amostras de cafés
torrados. Para isso, foram utilizados 11 descritores químicos, designadamente os
conteúdos de polifenóis totais (POL), aminoácidos livres totais (AA), extrato aquoso
(EXT), 5-(hidroxi-metil)furfural (HMF), cafeína (CAF), manganês (MN), magnésio
(MG), ferro (FE), cálcio (CA), sódio (NA) e potássio (K). A determinação desses
parâmetros foi realizada por diferentes técnicas analíticas, a saber: POL e AA foram
determinados por espectrofotometria, HMF e CAF por HPLC em fase reversa e
detecção UV, o EXT por gravimetria e os metais por ICP-AES (Inductively Coupled
Plasma Atomic Emission Espectrometry). Observou-se que entre os grupos de amostras
apareceram, sobretudo, devido aos descritores HMF e MG. Todavia, a diferenciação
entre as três classes conhecidas a priori somente foi conseguida mediante a aplicação de
análise discriminante linear e do SIMCA. O primeiro método usou apenas o parâmetro
HMF para fazer uma boa discriminação, enquanto o SIMCA necessitou dos descritores
HMF, MG e MN para diferenciar com boa eficiência. Um estudo de correlação entre os
descritores foi também realizado e as justificativas para algumas correlações foram
propostas baseando-se no conhecimento do processo químico envolvido durante a
torrefação. A aplicação de HPLC e ICP-AES para a determinação de vários descritores
químicos, apesar de bem-sucedida, implica um procedimento oneroso e, por usar HPLC,
também demorado.
1.8. Apresentação e Objetivos do Trabalho
Neste trabalho, propõe-se uma metodologia para classificar cafés cafeinados e
descafeinados com o intuito de auxiliar o controle de qualidade em indústrias de
torrefação e estabelecimentos comerciais. Para isso, a estratégia proposta utiliza:
i) A espectroscopia de absorção molecular na região do UV-Vis, cuja
instrumentação e manutenção não são tão dispendiosas quanto às requeridas, por
exemplo, pela HPLC, e técnicas de reconhecimento de padrão não-
supervisionado (HCA e PCA) e supervisionado (SIMCA).
i) Modelos PCA e HCA construídos a partir de dados espectrais visando à
discriminação de amostras de vários tipos de café torrados (cafeinados e
descafeinados).
ii) Modelos SIMCA para classificar cafés cafeinados e descafeinados durante o
processo de descafeinação em indústrias de torrefação, bem como de cafés
disponíveis nas prateleiras de estabelecimentos comercias.
C A P Í T U L O 2
MATERIAS E MÉTODOS
2.1. Aquisição das Amostras
As amostras de cafés cafeinados e descafeinados foram adquiridas em
supermercados e indústrias de torrefação da cidade de João Pessoa-PB no período de
fevereiro/2004 a outubro/2004. Ao todo foram 87 amostras, sendo 33 de cafés
descafeinados e as demais amostras de cafeinados.
2.2. Instrumentação
Um espectrofotômetro UV-Visível com arranjo de fotodiodos Hewlett Packard,
modelo HP 8453, foi utilizado para obtenção dos espectros. Este equipamento encontra-
se disponível no Laboratório de Instrumentação e Automação em Química
Analítica/Quimiometria (LAQA)- DQ-UFPB.
2.3. Procedimentos
2.3.1. Obtenção dos Extratos Aquosos
Conforme metodologia descrita nas ref. [13,36], pesou-se 1,0 g de cada amostra
de café e realizou-se a extração em quatro etapas sucessivas usando cerca de 50 ml de
água destilada de cada vez, mantendo-se a temperatura na faixa de 90–98
o
C. O volume
do extrato aquoso obtido para cada amostra foi de aproximadamente 200 ml, sendo
recolhido em béquer de 250 ml. Após o resfriamento, todos os extratos foram diluídos
na proporção de 1:20 (v/v) com água destilada. Em seguida, alíquotas de 2,5 ml foram
transferidas para balões volumétricos de 50 ml usando pipeta volumétrica, aferindo-se
os balões com água destilada.
2.3.2. Obtenção dos Espectros
Os espectros eletrônicos de absorção dos extratos aquosos das 87 amostras de
café foram registrados em toda faixa operacional do espectrofotômetro (190 a 1100
nm), com uma resolução de 1nm. No entanto, apenas a região compreendida entre 220 e
350 nm (130 variáveis correspondentes aos comprimentos de onda) foi aproveitada para
o tratamento quimiométrico dos dados, pelas razões discutidas na Seção 3.1.
Como o tempo de varredura de um espectro obtido com espectrofotômetro HP
8453 é estimado como 0,1 s, os espectros foram varridos durante 1s para melhorar a
relação sinal/ruído. Para isso, os espectros foram armazenados no microcomputador
pelo próprio software do equipamento para o posterior cálculo da média dos sinais de
absorbância. Os dados associados aos espectros médios foram depois submetidos ao
tratamento quimiométrico.
As medidas espectrofotométricas foram realizadas usando água destilada como
“branco” e uma cubeta de quartzo com 1cm de caminho óptico.
2.4. Software
Para a construção dos modelos Quimiométricos (HCA, PCA e SIMCA), foram
utilizados os pacotes Unscrambler 7.5 (CAMO) e Estatística 6.0 (STATSOFT). O
algoritmo Kennard-Stone [37-39], escrito em Matlab 6.1, foi utilizado na partição do
conjunto de dados para a modelagem SIMCA. Uma descrição concisa do princípio
básico desse algoritmo é realizada a seguir.
2.4.1. O Algoritmo Kennard-Stone
O algoritmo Kennard-Stone (KS) [37-39] é uma técnica clássica para extrair um
subconjunto representativo de objetos (amostras) de um determinado conjunto de dados.
A Figura 2.1 ilustra a aplicação do KS a um conjunto de 6 (seis) amostras representadas
no espaço bidimensional.
Figura 2.1 - Princípio do algoritmo Kennard-Stone.
O algoritmo KS seleciona as amostras maximizando as distâncias Euclidianas
[26-28] mínimas entre os objetos já selecionados (Figura 2.1) e os remanescentes, de
acordo com as etapas descritas abaixo:
i. o KS seleciona, inicialmente, as 2 amostras mais distantes entre si (1 e 2);
ii. calcula as distâncias Euclidianas remanescentes indicadas pelas setas;
iii. guarda as distâncias menores em relação às amostras já selecionadas
(31, 51 e 42, 62);
iv. da lista de distâncias, o KS seleciona o objeto com a maior distância
(ou seja, a amostra 4) e, assim por diante, até um número fixado a priori.
2.4.1.1. Selecionado os Conjuntos de Amostras
Neste trabalho, a seleção das amostras para a modelagem SIMCA foi realizada
aplicando o KS separadamente a cada classe de cafés das quais foram extraídos os
subconjuntos de calibração, validação e previsão.
As amostras de calibração foram inicialmente selecionadas e as amostras
remanescentes foram divididas, alternadamente, em validação e previsão conforme o
resultado da escolha do KS. Assim, foram selecionadas da classe de cafés cafeinados 30
amostras de calibração, 12 de validação e 12 para a previsão. No caso da classe de
descafeinados, foram selecionadas 13, 10 e 10 amostras para os conjuntos de calibração,
validação e previsão, respectivamente.
C A P Í T U L O 3
RESULTADOS E DISCUSSÃO
3.1. Escolha da Região Espectral de Trabalho
Os espectros de absorção UV-Vis dos extratos aquosos das 87 amostras de café,
obtidos em toda região operacional do instrumento de medida, são apresentados na
Figura 3.1.
Figura 3.1 - Espectros eletrônicos de absorção obtidos dos extratos das amostras de
cafés envolvendo toda região operacional do instrumento.
A escolha da região de trabalho foi norteada pela inspeção dos espectros obtidos
e informações da literatura referentes às bandas características no espectro dos
compostos mais relevantes do extrato aquoso do café, nomeadamente a cafeína, o ácido
5-ACQ e a trigonelina [13-15].
A Figura 3.1 mostra a ausência total de bandas acima de 350 nm evidenciando
que os compostos mencionados são transparentes à radiação nessa região. Por outro
lado, a ocorrência de bandas fortes na região abaixo de 220 nm pode ser atribuída à
absorção dos ácidos clorogênicos, bem como à cafeína cujo espectro de absorção UV é
mostrado na Figura 1.3. De fato, a exemplo das enonas (cetonas α,β-insaturadas) [22],
esses compostos contêm em sua molécula (Figuras 1.2 e 1.4) o cromóforo C=C (em
conjugação com o grupo C=O) que é responsável por uma absorção intensa, tipicamente
entre 215-250 nm [22], associada à transição
*
π
π
→
. No entanto, essa região foi
desprezada em virtude do ruído instrumental [21] associado aos sinais de absorbância
com valores maiores que 3 unidades. Por conseguinte, a faixa de comprimentos de onda
entre 220 e 350 nm foi então escolhida para o tratamento quimiométrico dos dados.
Nessa região, encontram-se realçadas na Figura 3.2 as bandas do espectro de apenas
duas amostras, sendo uma de café cafeinado e outra de descafeinado.
Figura 3.2 - Espectros de absorção na região selecionada do extrato aquoso de duas
amostras de café (cafeinado em vermelho e descafeinado em azul).
Nota-se que as ocorrências espectrais na região considerada podem estar
relacionadas à transição eletrônica
*
π
n
→
sofrida pelas moléculas da cafeína, do
ácido 5-ACQ e da trigonelina. Com efeito, esses compostos contêm em sua estrutura
molecular (Figuras 1.2, 1.5 e 1.7) o grupamento C=O que pode responder pelo
surgimento das bandas
*
π
n
→
.
Contudo, em virtude das diferenças nas interações
intramoleculares principalmente entre esse cromóforo e as ligações duplas olefínicas
conjugadas, as bandas desses três compostos encontram-se centradas em comprimentos
de onda diferentes (λ’s). Esses λ’s também diferem do λ típico da banda de absorção
pela carbonila (≈ 280 nm) quando este cromóforo encontra-se isolado na molécula de
um composto e um solvente apolar é usado na obtenção do espectro [22]. Uma
explicação para esses comportamentos espectrais diferentes é apresentada abaixo.
As bandas, cujo máximo de absorção ocorre em torno de 320 nm, surgem
provavelmente devido à presença dos ácidos clorogênicos (sobretudo, o 5-ACQ) [13].
Esta atribuição pode ser corroborada tomando como base o espectro eletrônico de
absorção do ácido 5-ACQ apresentado na Figura 1.8, bem como o estudo realizado por
Maeztu et al [34]. De fato, nesse trabalho o ácido 5-ACQ, após ter sido extraído do
café, foi determinado por HPLC com detecção espectrofotométrica realizada em 325
nm.
Salienta-se que a banda de C=O dos ácidos clorogênicos ocorre em torno 320
nm resultante de um deslocamento batocrômico pronunciado em relação à posição
típica da banda da carbonila. Tal efeito pode ocorrer em virtude da conjugação desse
grupamento com ligações C=C do etileno e anel aromático presentes na estrutura
molecular (Figuras 1.4 e 1.7). Essa interação intramolecular promove uma diminuição
da energia dos orbitais π* decorrente de uma forte superposição que é favorecida pela
disposição planar dos grupos. Esse mesmo comportamento espectral pode ser observado
nas enonas, cujas bandas
*
π
n
→
da carbonila ocorrem tipicamente entre 310 e 330
nm [22].
Argumentos semelhantes podem ser considerados para justificar a atribuição das
bandas que ocorrem por volta de 290 nm às absorções pelas moléculas da trigonelina.
Para corroborar essa inferência, pode-se verificar a presença de uma banda de absorção
em torno de 290 nm no espectro eletrônico da trigonelina mostrado na Figura 1.6. Além
disso, no trabalho descrito por Vitorino et al [13] realizou-se a quantificação da
trigonelina no extrato aquoso de café usando HPLC e detecção espectrofotométrica em
289 nm. Todavia, observa-se um deslocamento batocrômico menos expressivo da
banda, provavelmente devido à ausência da conjugação entre o cromóforo C=O e o
C=C e à menor interação com os elétrons π do anel piridínico (Figura 1.5).
As bandas centradas ao redor de 275 nm nos espectros da Figuras 3.1 e 3.2
podem ser atribuídas à absorção pelo cromóforo C=O da cafeína, o que está de acordo
com a banda observada no espectro eletrônico desse composto mostrado na (Figura
1.3). Adicionalmente, o artigo citado na ref. [36] fornece informações que corroboram a
atribuição realizada. De fato, ao registrar o espectro eletrônico de absorção da cafeína
presente no extrato de café, observa-se a banda da carbonila por volta de 275 nm. No
entanto, a banda da cafeína apresenta, ao contrário dos casos anteriores, um
deslocamento hipsocrômico em relação à posição típica da banda da carbonila isolada.
Esse efeito pode ser atribuído à interação entre as moléculas da cafeína (as quais contêm
dois grupos C=O, Figura 1.2) e as moléculas polares da água presentes no extrato. Essa
interação possibilita a formação de ligações de hidrogênio envolvendo cromóforos
C=O, ocasionando um abaixamento pronunciado da energia dos orbitais não-ligantes
“n”. Neste caso, o deslocamento hipsocrômico (envolvendo dois C=O por molécula de
cafeína) prevalece sobre o efeito batocrômico decorrente das interações entre os orbitais
“π” no interior da molécula.
3.2. Pré-Tratamento dos Dados Aplicado às Amostras
Como se pode notar na Figura 3.2 os espectros não apresentam problemas de
variação sistemática da linha-de-base nem variações aleatórias associadas a ruídos nos
dados. Sendo assim, não houve necessidade da realização de nenhum pré-
processamento (correção de linha base, suavização, etc.) aplicado às amostras
analisadas.
3.3. Pré-Tratamento Aplicado às Variáveis
Uma pré-seleção de variáveis foi efetivamente realizada na Seção 3.1, ao se
definir a região de trabalho associada a uma faixa de comprimentos de onda onde há
informações úteis ao tratamento dos dados. Para isso, recorreu-se ao conhecimento
físico-químico do sistema em estudo, ou seja, às bandas de absorção eletrônica
características dos compostos de maior relevância presentes no extrato aquoso do café.
Com isso, foram eliminadas as variáveis das regiões que não possuem informações
relevantes para a construção dos modelos quimiométricos, nomeadamente as situadas
abaixo 220 nm e acima de 350 nm.
O pré-processamento aplicado às variáveis consistiu na centralização na média
dos dados da matriz original. Esta operação matemática corresponde a mover o sistema
de coordenadas para o centro dos dados, tornando-os melhores condicionados para o
tratamento quimiométrico. Esse procedimento deve ser realizado quando se deseja
construir modelos baseados em componentes principais [27], pois desse modo as PCs
conseguem atravessar efetivamente os dados nas direções contendo maior variância. Por
outro lado, o escalonamento da variância não foi realizado, pois as variáveis envolvidas,
por serem do tipo espectroscópica, possuem unidade similar e magnitudes de mesma
ordem de grandeza.
3.4. Análise Exploratória dos Dados
Uma análise exploratória foi inicialmente realizada com o propósito de
investigar se existem similaridades e/ou diferenças entre as amostras do conjunto de
dados. Para isso, as técnicas HCA e PCA foram utilizadas como ferramentas de
reconhecimento de padrões não-supervisionadas.
3.4.1. Aplicando HCA
Inicialmente, a aplicação da técnica de HCA à matriz dos dados originais,
associados aos espectros das 87 amostras de café, resultou nos dendrogramas mostrados
na Figura 3.3 e 3.4. Para a construir os dendrogramas, a ligação dos grupos de amostras
foi efetuada usando, inicialmente, os processos single-link e complete-link com
distâncias Euclidianas [26-28].
O dendrograma da Figura 3.3 aparenta não exibir qualquer formação nítida de
agrupamento(s) de amostras a distâncias pequenas, nomeadamente menores que 0,2.
Contudo, a distâncias maiores que 0,6, verifica-se, após a rotulação das amostras, a
formação de um agrupamento associado à categoria de cafés cafeinados (xxx). As
amostras de cafés descafeinados (⋅⋅⋅) formam grupos maiores apenas para distâncias
maiores que 0,9, nas quais ocorrem também a mistura entre as duas categorias de
amostras.
No dendrograma da Figura 3.4, pode-se observar a formação dos dois
agrupamentos de amostras (cafeinadas e descafeinadas) a distâncias pequenas. Porém,
os grupos se encontram fragmentados em pequenos subgrupos, os quais se misturam a
distâncias ligeiramente maiores.
0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4
Distância
x
x
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Figura 3.3 – Dendrograma obtido pelo método single-link com distância Euclidiana
(Equação 1). Amostras de cafés cafeinados (xxx) e descafeinados (⋅⋅⋅).
0 2 4 6 8 10 12
Distância
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
.
.
.
.
.
.
.
.
.
.
.
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
.
.
.
.
.
.
x
.
.
.
.
.
.
.
.
x
x
x
x
x
x
x
x
x
.
.
.
.
.
.
.
.
Figura 3.4 – Dendrograma obtido pelo método complete-link com distância Euclidiana
(Equação 1). Amostras de cafés cafeinados (xxx) e descafeinados (⋅⋅⋅).
Todavia, os melhores resultados para os dendrogramas foram obtidos usando o
coeficiente de correlação de Pearson, C
kj
(Seção 1.6.1.2), como medida de distância e
agrupamento de vetores (amostras) baseado no processo single-link. Desse modo, a
nova aplicação da técnica HCA à matriz dos dados espectrais das 87 amostras de café
resultou no dendrograma mostrado na Figura 3.5. Pode-se observar que a uma distância
próxima a 0,015 configura-se a formação de dois grandes agrupamentos de amostras.
De fato, após a rotulação dessas amostras, constata-se que os dois grupos revelados
indicam a existência de duas categorias de cafés: cafeinados (xxx) e descafeinados (⋅⋅⋅).
Além disso, é notável no dendrograma a maior similaridade (menor dispersão dentro da
classe) apresentada pelas amostras de cafés cafeinados quando comparadas com as
amostras descafeinadas. Esta inferência baseia-se no fato das amostras cafeinadas terem
se agrupado a uma distância muito menor que as amostras descafeinadas.
Comportamentos similares podem ser observados nos gráficos das Figuras 3.6, 3.13 e
3.14 discutidas nas Seções 3.4.2 e 3.5.
0,000 0,005 0,010 0,015 0,020 0,025 0,030
Distância
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Figura 3.5 - Dendrograma obtido por single-link e distância baseada nos valores de C
kj
(Equação 3). Amostras de cafés cafeinados (xxx) e descafeinados (⋅⋅⋅).
3.4.2. Aplicando PCA
A aplicação da PCA à matriz dos dados originais resultou no gráfico dos escores
apresentado na Figura 3.6. Como 85% da variância dos dados foram descritos por PC1
e 15% por PC2, isto significa que toda informação relevante foi projetada em um plano
definido por PC1 e PC2 possibilitando assim a realização do reconhecimento de
padrões. Com efeito, o gráfico da Figura 3.6 mostra a formação de dois agrupamentos
de amostras que correspondem à classe dos cafés cafeinados (em azul) ou descafeinados
(em vermelho), cuja identificação foi realizada após a rotulação das amostras. Estas
inferências corroboram as obtidas mediante a interpretação do dendrograma da Figura
3.5.
Figura 3.6 - Gráfico dos escores de PC1 versus PC2 aplicado ao conjunto das 87
amostras de cafés. Cafeinados-CAF (azul) e descafeinados-DESC (vermelho).
A Figura 3.6 mostra que a separação das duas classes de amostras ocorre ao
longo da PC2. Por outro lado, o gráfico da Figura 3.7 mostra que os maiores valores de
pesos correspondem aos comprimentos de ondas associados às bandas de absorção da
cafeína (em 275 nm), trigonelina e ácidos clorogênicos (entre 290 e 320 nm). Embora as
variáveis associadas à banda dos ácidos clorogênicos e da trigonelina exerçam alguma
influência, a separação das duas classes de cafés foi determinada pela variável de maior
peso correspondente à banda de absorção da cafeína. O gráfico da Figura 3.7 também
evidencia uma dimensionalidade inerente [27] dos dados igual a dois, ratificando o
resultado da análise baseada na percentagem da variância explicada (Figura 3.6).
Figura 3.7 - Gráfico dos pesos versus variáveis para PC1 (azul) e PC2 (vermelho).
Uma análise do gráfico de resíduos e influência, apresentado na Figura 3.8,
revela que as amostras apresentam pequeno valor residual e influência, indicando neste
caso que não há presença de amostras com comportamento anômalo ao modelo.
A Figura 3.6 também revela uma dispersão aparentemente maior das amostras
dos cafés descafeinados (em vermelho) em relação às amostras cafeinadas (em azul).
No entanto, essa informação parece mais evidente no gráfico dos escores construído
para cada classe de cafés (Figuras 3.9 e 3.10), principalmente quando se observa a
distribuição das amostras ao longo da PC2. Uma explicação para esse comportamento
pode ser baseada em informações encontradas na ref. [2], segundo as quais pode existir
uma variabilidade considerável na elaboração dos blends, bem como no processo de
descafeinação entre os diferentes fabricantes [7,12]. De fato, as amostras de cafés
cafeinados, embora mais aglutinadas em seu grupo, apresentam uma dispersão
expressiva que pode ser atribuída a uma não-homogeneidade ao elaborar os blends, ou
seja, ao misturar cafés de vários tipos, espécies, locais de cultivo, etc [1,10,12].
Figura 3.8 - Gráfico de resíduos e influência (leverage) para as classes de amostras de
cafés cafeinados e descafeinados.
Figura 3.9 - Gráfico dos escores de PC1 versus PC2 para as amostras de cafés
descafeinados. CD: Cirol, MD: M: Melita, SCD: Santa Clara, PAD: Pão de Açúcar.
Figura 3.10 - Gráfico dos escores de PC1 versus PC2 para as amostras de cafés
cafeinados. SB: São Braz, NORD: Nordestino, M: Maratá, SCP: Santa Clara Prêmio, K:
Kimmimo.
É importante observar na Figura 3.9 uma separação das amostras de cafés
descafeinados por fabricante (exceto a de MD e PAD), o que não ocorreu com as
amostras cafeinadas (Figura 3.10). Uma justificativa para esse comportamento pode
residir no fato da diminuição da cafeína nas amostras descafeinadas implicar uma menor
influência de sua informação espectral na modelagem PCA. De fato, com a redução do
teor de cafeína (e, portanto, da intensidade de sua banda de absorção em 275 nm,
Figura 2), a contribuição das bandas dos ácidos clorogênicos e trigolina é realçada.
Sendo assim, é possível que as diferenças associadas aos blends e ao processo de
descafeinação entre os diferentes fabricantes tenha exercido uma maior influência na
modelagem PCA a ponto de resultar na separação das amostras. A influência desses
fatores pode também ter sido responsável pelo fato da amostra de café MD e PAD terem
se aglutinado às amostras SCD, especialmente pela dificuldade de assegurar
homogeneidade na composição dos blends [12].
3.5. Modelagem e Classificação Usando SIMCA
Um modelo SIMCA foi construído para cada classe de cafés (cafeinados e
descafeinados) revelada, por ocasião da aplicação das técnicas não supervisionadas
HCA e PCA. Os modelos obtidos foram validados e depois usados para prever
(classificar) amostras futuras de cafés dos dois tipos.
A seleção dos conjuntos de amostras para a modelagem SIMCA foi realizada de
acordo com o procedimento descrito na Seção 2.4.1.1. O SIMCA gerou os modelos
individuais cujo conjunto de treinamento compreendia as amostras de calibração e
validação. A caixa para as amostras da classe dos cafés cafeinados abrange 98% de
variância ao longo de PC1 e 1% para ao longo de PC2, enquanto para a dos
descafeinados contém 97% de variância ao longo de PC1 e 3% relacionada a PC2.
A dimensionalidade do modelo SIMCA, a qual no presente estudo foi
determinada ser igual a 2 (dois) para ambas as classes de cafés, pode ser inferida do
gráfico de variância residual construído para cada classe (Figuras 3.11 e 3.12). Esses
gráficos são considerados ferramentas de diagnóstico usadas para determinar a
dimensionalidade inerente (rank) do modelo. Neste caso, como a dimensionalidade
inerente foi 2 (dois), foram necessários apenas duas componentes principais para cada
modelo SIMCA.
Por meio do uso de outra ferramenta de diagnóstico, designadamente o gráfico
dos pesos versus variáveis, pode-se observar na Figura 3.13 a(s) variáveis que mais
influenciaram o modelo SIMCA para a classe dos cafés cafeinados. Neste caso, tais
variáveis encontram-se mais relacionadas aos comprimentos de onda na região de
absorção da cafeína.
Figura 3.11 - Gráfico da variância residual para as amostras na classe de cafés
cafeinados.
.
Figura 3.12 - Gráfico da variância residual para as amostras da classe de cafés
descafeinados.
Figura 3.13 - Gráfico dos pesos versus variáveis para as classes de amostras de cafés
cafeinados.
Analogamente, o gráfico dos pesos versus variáveis, mostrado na Figura 3.14,
possibilita investigar que variáveis mais influenciaram a construção do modelo SIMCA
para a classe dos cafés descafeinados. Ao contrário do caso anterior, as variáveis
espectrais associadas à região de absorção dos ácidos clorogênicos e a trigonelina se
mostraram mais influentes.
Figura 3.14 - Gráfico dos pesos versus variáveis para a classe de amostras de
cafés descafeinados.
Para a validação dos modelos SIMCA, estes foram utilizados na classificação
das amostras de validação contidas no conjunto de treinamento. Como resultado,
observou-se que todas as amostras de validação cafeinadas e descafeinadas foram
classificadas como pertencente às suas respectivas classes, indicando que nenhuma
amostra apresenta anomalia (características distintas) que pode prejudicar a modelagem.
Tendo realizado a validação dos modelos SIMCA, estes foram usados na
classificação das amostras dos dois conjuntos de previsão para um nível de significância
de 5% para o teste-F. Os resultados são apresentados na Tabela 1, onde se pode notar
que todas as amostras de cafés cafeinados (CAF) e descafeinados (DESC) foram
incluídas em sua própria classe pelo modelo SIMCA correspondente. Esta alta
percentagem de acertos (100 % das amostras classificadas corretamente) indica uma
notável capacidade de previsão dos modelos SIMCA construídos para classificação de
amostras de café.
Tabela 1 - Resultados da aplicação dos modelos SIMCA ao conjunto de previsão.
Amostras cafeinadas (CAF) e amostras descafeinadas (DESC).
Amostras (CAF) Amostras (DESC) SIMCA (CAF) SIMCA (DESC)
1
1
* *
2 2
* *
3
3
* *
4 4
* *
5 5
* *
6
6
* *
7 7
* *
8
8
* *
9 9
* *
10 10
* *
11
–
*
–
12 –
*
–
(*) Amostra incluída em sua própria classe.
Finalmente, para avaliar a robustez dos modelos estes foram testados na previsão
(classificação) das amostras cafeinadas (CAF) usando o modelo SIMCA da classe das
descafeinadas (DESC) e vice-versa. Os resultados mostraram que nenhuma das
amostras de café de uma classe foi classificada como pertencente à outra classe.
C A P Í T U L O 4
CONSIDERAÇÕES FINAIS E CONCLUSÕES
Neste trabalho, desenvolveu-se uma metodologia para classificar e discriminar
cafés cafeinados e descafeinados visando ao controle de qualidade desses produtos. Para
isso, utilizou-se a espectroscopia de absorção UV-Vis e métodos para reconhecimento
de padrões não-supervisionados (HCA e PCA) e supervisionados (SIMCA).
A escolha do extrato aquoso do café para implementação da estratégia proposta
foi motivada pelas razões expostas a seguir. Primeiro, nesse meio são comumente
encontradas três substâncias (cafeína, trigonelina e ácido clorogênico) que
respondem diretamente pela qualidade da bebida do café. Em segundo lugar, isto
viabiliza o uso da espectroscopia UV-Vis, a qual é uma técnica cuja instrumentação e
manutenção não são tão dispendiosas quando comparadas, por exemplo, com as
requeridas pela HPLC. E, por último, por explorar medidas espectrais associadas a
bandas de absorção características dos compostos mais relevantes do extrato aquoso
do café.
O uso combinado da espectroscopia eletrônica de absorção e das ferramentas
HCA e PCA possibilitou que cafés cafeinados e descafeinados de diferentes marcas
comerciais fossem separados. Além disso, a aplicação bem sucedida dos modelos
SIMCA demonstra a utilidade da estratégia proposta para fins de classificação de
cafés cafeinados e descafeinados, apesar da limitação das informações contidas nos
espectros. De fato, em virtude de sua baixa resolução, modesta correlação com a
estrutura molecular e das extensas sobreposições de bandas, torna-se inconveniente
realizar a classificação das amostras de café mediante uma simples inspeção visual
dos espectros.
Diante dos resultados, recomenda-se o uso de espectros eletrônicos de absorção
(obtidos do extrato aquoso do café) e modelos SIMCA para classificar cafés submetidos
ao processo de descafeinação nas indústrias de torrefação, bem como dos disponíveis
nas prateleiras de estabelecimentos comerciais.
4.1. Propostas de Trabalhos Futuros
Para melhorar a eficiência da metodologia proposta ou desenvolver outros trabalhos
em continuação envolvendo a temática dessa dissertação, pretende-se:
i) Utilizar técnicas de seleção de variáveis, a exemplo do Algoritmo das Projeções
Sucessivas (APS) [40], a fim de construir modelos de classificação mais robustos.
ii) Usar a espectroscopia eletrônica de absorção e métodos de reconhecimento de
padrões supervisionados na construção de modelos quimiométricos destinados à
classificação de cafés comerciais expressos e solúveis;
iii) Aplicar a espectroscopia no infravermelho próximo (NIR-Near InfraRed) e modelos
quimiométricos baseados em medidas de refletância difusa da borra do café a fim de
classificar cafés descafeinados e cafeinados.
REFERÊNCIAS BIBLIOGRÁFICAS
[1] http: //www.coffeebreak.com.br, acessada em dezembro de 2004.
[2] http://www.iac.gov.br/centros/centro_cafe, acessada em dezembro de 2004.
[3] http: //www.cenargem.embrapa.br/genomacafe, acessada em dezembro de 2004.
[4] Cirilo, M P G. Influência da adubação potássica e da torra nos teores de aminas
bioativas em café. Belo Horizonte: UFMG, Faculdade de Farmácia, 2001.100p: il
(Dissertação de Mestrado em Ciências de Alimentos).
[5] Charrier,A e Berthaud, J. Variation de la teneur en caféine dans le genre coffea.
Paris, v.11, n
o
.4, p 251-264 oct/dez 1975.
[6] Pimenta,C.J. Qualidade do café (coffea arábica L) originado de frutos colhidos de
quatro estádios de maturação. Lavras; UFLA, 1985.94 p: il (Dissertação de Mestrado
em Ciências dos Alimentos).
[7] http://www.scae.com/default.asp, acessada em janeiro de 2005.
[8] Pereira, R G F.A . Efeito da inclusão de grãos defeituosos na comparação Química e
qualidade do café (coffea arábica L.) “Estritamente Mole”. Lavras: UFLA, 1997,96 p il
(Tese-Doutorado em Ciências dos Alimentos).
[9] Sabbagh, N; Yokomizo, Y. Efeito de torração sobre algumas propriedades químicas
de cafés arabica e robusta. In: Congresso Brasileiro de Pesquisas Cafeeiras. Rio de
Janeiro: Instituto Brasileiro do Café, 1975. (325p.), p. 93.
[10] Fernades, S M.; Pinto, N.V, Dessimoni P; Rosemary Gualberto, F. A; Carvalho, V
D. Comparação entre duas cooperativas do sul de Minas Gerais quanto á comparação
química de cafés com torração comercial. Ciência e Agrotecnologia, Lavras v.26. n
o
.4,
p.830-835, julho-agosto, 2002.
[11] Trugo, L.C; Moreira, R. F. A. Compostos voláteis do café torrado. Parte II.
Compostos alifáticos, alicíclicos e aromáticos. Quim. Nova, v.23, n
o
.2,p.195-203 São
Paulo Mar./Apr.2000.
[12] Ranken, M. D. Manual de industrias de los alimentos. 2
a
ed., Espanã, Editora
Acribia, S.A, 1988, p.672.
[13] Vitorino, M. D; França, A S; Oliveira, L S; Borges, M. L.A. Metodologia de
obtenção de extrato de café visando à dosagem de compostos não voláteis. Rev Bras de
Armazenamento; Viçosa, Especial, n
o
.3, p.17-24,2001.
[14] Nogueira, G.C.; Baggio, S. R.; Neura, B,; Roberto, M. M.; Mori, E. E. Otimização
da metodologia para determinação simultânea de cafeína, trigonelina e ácidos
clorogênicos em café utilizando HPLC com coluna de permeação em gel. In: Simpósio
de Pesquisa dos Cafés do Brasil (1,:2000:Poços de Caldas, MG) p. 646-649.
[15] Nogueira, M.; Trugo, L. C. Distribuição de isômeros de ácidos clorogênicos e
teores de cafeína e trigonelina em cafés solúveis Brasileiros. Ciência e Tecnologia de
Alimentos, Campinas, v.23, n
o
.2, p.296-299, maio-agosto, 2003.
[16] Pinto, N. A. V. D.; Fernades, S. M.; Pires, T. C.; Pereira, R. G. F. A; Carvalho, V
D Avaliação dos polifenóis e açucares em padrões de bebida do café torrado tipo
expresso. Ver. Bras de Agrociência, v.7, n
o
.3, p.193-195, set-dez,2001.
[17] Barbosa, R M. Lavras. Caracterização físico-química de seis categorias da bebida
do café classificada pelo teste da xícara. Viçosa: UFV, 2002.53p: il (Dissertação de
Mestrado em Ciências e tecnologia de Alimentos).
[18] Barrios, B. E. Caracterização física, química, microbiológica e sensorial de cafés
(coffea arábica L.) da região Alto Rio Grande- Sul de Minas Gerais. Lavras: UFLA,
2001.70p: (Dissertação de Mestrado em Ciências dos Alimentos).
[19] Victória, M. C; Ferrari, Cibele; C. P. Caracterização físico-química e sensorial de
café descafeinado. In: Simpósio de Ciências de Alimentos: Alimentos e Saúde (2,:2003;
Florianópolis).4p ;Anais de Simpocal 2003, Florianópolis, UFSC, 2003,4p.
[20] http: www.cafeesaude.com.br, acessada em fevereiro de 2005.
[21] Skoog.D. A., Holler F. J. e Nieman T. A., Princípios de Análise Instrumental,
tradução da 5
a
ed., Porto Alegre, Editora Bookman, 2002, p.836.
[22] Silverstein, R.M. Identificação Espectrométrica de Compostos Orgânicos. Rio de
Janeiro. Editora Guanabara Koogan S.A-1994, v.4, 5
a
edição, 1994, p.387.
[23] Atkins, P. W. Físico-Química. Rio de Janeiro, RJ. LTC (Livros Técnicos e
Científicos). Editora S.A, 1997, v.2, 6
a
edição, p.382.
[24] Ohweiler, O. A. Fundamentos de Análise Instrumental. Rio de Janeiro RJ. LTC
(Livros Técnicos e Científicos). Editora S.A, 1981, p.486.
[25] Ribeiro, F. A. L. Aplicação de métodos de análise multivariada no estudo de
hidrocarbonetos policíclicos aromáticos. Campinas, São Paulo: UNICAMP, 2001.174p:
il (Dissertação de Mestrado em Química).
[26] Neto Moita, J. M.; Moita, C. G. Uma introdução à Análise Exploratória de dados
Multivariados. Quim. Nova, v.21, n
o
.4,p.467-469, 1988.
[27] Beebe, K. R., Pell, R. J.; Seasholtz, M. B., Chemometrics- A Pratical Guide,
Wiley, New York, 1998.
[28] Massart, D. L; Vandeginste, B.C. M; Deming, S. N. Chemometrics: a Textbook
Elservier, Amsterdan, 1988.
[29] Parreira, T. F. Utilização de métodos quimimométricos em dados de natureza
multivariada. Campinas; São Paulo: UNICAMP, 2003.91p: il (Dissertação de Mestrado
em Química).
[30] Kendall, M. G; Stuart, A. The advance theory of statistics, v.2, Charles Griffin,
London, 3
a
edição, p.723.
[31] Resolução CNNPA, N
o
12 de 1978.
[32] Pardo, M.; Niederjaufner, G.; Benussi, G.; Comini, E.; Faglia, G.; Sberveglieri, G.;
Holmberg, M.; Lundstrom, I. Data preprocessing enhances the classification of different
brands of Espresso coffee with an electronic nose. Sensors and Actuators, B 69 (2000)
397-403.
[33] Zupan, J.; Gasteiger, J. Neural networks: A new method for solving chemical
problems or just a passing phase?, Anal. Chim. Acta, 248 (1991) 1-30.
[34] Maeztu, L.; Andureza, S.; Ibañez, C.; Peña, M. P.; Bello, J.; Cid, C. Multivariate
Methods for Characterization and Classification of Espresso Coffees from Different
Botanical Varieties and Types of Roast by Foam, Taste and Mouthfeel. J. Agric. Food
Chem. 49 (2001) 4743-4747.
[35] Martín, M. J.; Pablos, F.; González, A. G. Application of pattern recognition to the
discrimination of roasted coffees. Anal. Chim. Acta, 320 (1996) 191-197.
[36] López-Martínez, L.; López-de-Alba, P. L; García-Campos, R; León-Rodríguez,
L.M.D. Simultaneous determination of methylxantines in coffees and teas by UV-Vis
spectrophotometry and partial least squares. Anal. Chim. Acta, 493 (2003) 83-94.
[37] Daszykowski, M.; Walczark, B. Massart, D. L. Representative subset selection.
Anal. Chim. Acta., 468 (2002) 91-103.
[38] Bouveresse, E.; Hartmann, C.; Massart, D. L. Last, K.A.P. Standardization of
Near-Infrared Spectrometric Instruments. Anal. Chem. 68 (1996) 982-990.
[39] Kanduc, K. R.; Zupan, J.; Majcen, N. Separation of data on the training and test set
for modelling: a case study for modelling of five colour properties of a white pigment.
Chemom. Intell. Lab. Syst. 65 (2003) 221-229.
[40] Pontes, M. J. C; Galvão, R. K. H; Araújo, M.C.U; Moreira, P. N. T; Pessoa, O. D.
N. The Successive Projections Algorithm for Spectral Variable Selection in
Classification Problems. Chemom Intell. Lab. Syst., em impressão, 2005.
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
