Browsing by Author "Alberto, Zelda Manuel Menezes"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Análise de águas minerais com e sem sabor com uma língua eletrónica potenciométricaPublication . Alberto, Zelda Manuel Menezes; Peres, António M.; Dias, L.G.O objetivo deste trabalho foi aplicar uma língua eletrónica potenciométrica na análise de águas minerais com e sem sabor adquiridas em várias superfícies comerciais, para averiguar se a informação obtida permitia fazer análise qualitativa e quantitativa. As águas minerais naturais e de nascente estão disponíveis comercialmente com uma grande variedade de paladares, associados à diversidade da composição físico-‐química. As águas minerais de sabor são conhecidas como refrigerantes por terem adição de ingredientes autorizados (ex., corantes, conservantes, aromatizantes, edulcorantes, acidulantes, antioxidantes, etc). A língua eletrónica potenciométrica utilizada neste trabalho incluía um elétrodo de referência Ag/AgCl de dupla junção e dois sistemas de multi-‐sensores, conectados a um datalogger para aquisição dos sinais. Cada sistema de multi-‐sensores era constituído por 20 membranas lipídicas diferentes, de sensibilidade cruzada, preparadas com vários compostos lipídicos (3,0%), plastificantes (65,0%) e com o polímero PVC (32,0%). O segundo sistema era uma réplica do primeiro sistema de multi-‐sensores. A caracterização físico-‐química das 34 amostras minerais recolhidas envolveu análises de pH e condutividade em todas as amostras e a análise por cromatografia líquida nas amostras de sabor (16 amostras), para determinar conteúdos em ácidos orgânicos (ácidos cítrico, málico e ascórbico) e açúcares (glucose, frutose e sacarose). Num primeiro estudo sobre os dados analíticos obtidos verificou-‐se que as amostras poderiam ser agrupadas em 4 grupos de acordo com a informação dos rótulos: águas minerais com e sem gás e águas de sabor com e sem gás. A análise de variâncias mostrou que havia diferenças significativas entre os quatros grupos considerando as variáveis da caracterização físico-‐química das amostras. A análise de componentes principais usando os parâmetros químicos obtidos por HPLC mostrou que os dados analíticos separavam naturalmente as amostras de águas de sabor com e sem gás. Numa segunda fase, usaram-‐se os perfis de sinais obtidos com a língua eletrónica e, no âmbito da análise qualitativa, aplicou-‐se a análise dos componentes principais para verificar a distribuição espacial das amostras e a interdependência com os parâmetros físico-‐químicos determinados; posteriormente, aplicou-‐se análise discriminante linear acoplada ao algoritmo de arrefecimento simulado para seleção de variáveis e estabeleceu-‐se o melhor modelo discriminante para os quatros grupos definidos. O desempenho do modelo obtido ao nível da precisão foi avaliado usando a validação cruzada “leave-‐one-‐out”. Verificou-‐se que com uma só função discriminante (explica 99,94% da variância total dos dados), contendo 24 sensores (12 sensores do primeiro sistema e 12 do segundo sistema), permitia obter 100% de classificações corretas, por validação cruzada. Neste estudo obteve-‐se também informação de que os sinais obtidos da língua eletrónica tinham informação sobre os valores de pH e condutividade e, por isso, estabeleceram-‐se modelos de regressão linear múltipla para prever resultados de pH e condutividade nas amostras. Como a regressão linear múltipla é sensível à multicolinearidade dos sinais dos sensores também, foi necessário selecionar o melhor modelo através da seleção das variáveis independentes usando o algoritmo arrefecimento simulado. Os modelos foram testados na robustez de previsão através da validação cruzada com a técnica “leave-‐one-‐out”. Os melhores modelos de previsão de pH e condutividade incluíam 27 sensores (13 sensores do primeiro sistema e 14 do segundo sistema) e 28 sensores (14 sensores do primeiro sistema e 14 do segundo sistema), respetivamente, mostrando que a informação estava presente nos perfis dos sinais. Verificou-‐se que na relação linear entre os valores previstos pelo modelo selecionado e os valores experimentais, quer para a variável pH quer para a condutividade, obtiveram-‐se valores de declive e ordenada na origem que, estatisticamente, podem ser considerados os teóricos (declive igual a 1 e ordenada na origem igual a zero). Os resultados mostraram que a língua eletrónica pode ser uma ferramenta analítica prática na análise de águas minerais com e sem sabores, ao nível do controlo analítico de classificação ou descriminação das amostras, bem como, da análise de pH e condutividade.
- Electronic tongue: a versatile tool for mineral and fruit-flavored waters recognitionPublication . Dias, L.G.; Alberto, Zelda Manuel Menezes; Veloso, Ana C.A.; Peres, António M.Natural mineral waters (still), effervescent natural mineral waters (sparkling) and aromatized waters with fruit-flavors (still or sparkling) are an emerging market. In this work, the capability of a potentiometric electronic tongue, comprised with lipid polymeric membranes, to quantitatively estimate routinely quality physicochemical parameters (pH and conductivity) as well as to qualitatively classify water samples according to the type of water was evaluated. The study showed that a linear discriminant model, based on 21 sensors selected by the simulated annealing algorithm, could correctly classify 100 % of the water samples (leave-one out cross-validation). This potential was further demonstrated by applying a repeated K-fold cross-validation (guaranteeing that at least 15 % of independent samples were only used for internal-validation) for which 96 % of correct classifications were attained. The satisfactory recognition performance of the E-tongue could be attributed to the pH, conductivity, sugars and organic acids contents of the studied waters, which turned out in significant differences of sweetness perception indexes and total acid flavor. Moreover, the E-tongue combined with multivariate linear regression models, based on sub-sets of sensors selected by the simulated annealing algorithm, could accurately estimate water’s pH (25 sensors: R2 equal to 0.99 and 0.97 for leave-one-out or repeated K-folds cross-validation) and conductivity (23 sensors: R2 equal to 0.997 and 0.99 for leave-one-out or repeated K-folds cross-validation). So, the overall satisfactory results achieved, allow envisaging a potential future application of electronic tongue devices for bottled water analysis and classification.