???jsp.display-item.social.title??? |
|
Please use this identifier to cite or link to this item:
http://tede.unicentro.br:8080/jspui/handle/jspui/2154
Tipo do documento: | Tese |
Título: | APLICAÇÃO DE ANÁLISE MULTIVARIADA E VISÃO COMPUTACIONAL A PÓLEN DE Apis mellifera E ABELHAS SEM FERRÃO |
Autor: | BREDA, LEANDRA SCHUASTZ |
Primeiro orientador: | Felsner, Maria Lurdes |
Primeiro coorientador: | Lima, Vanderlei Aparecido de |
Resumo: | O pólen de abelhas tem se destacado devido às suas características nutricionais e funcionais, sendo considerado um excelente suplemento dietético com possível uso comercial como ingrediente, em formulações de alimentos, cosméticos e em aplicações biomédicas. No entanto, sua utilização em nível industrial ainda é escassa devido a variabilidade em sua composição botânica, geográfica e físico-química. Sendo assim, torna-se essencial conhecer os aspectos relacionados a sua obtenção para melhorar sua aplicação como ingrediente ou para simplesmente ofertar ao consumidor um produto com composição menos variável. Portanto, é essencial identificar os fatores que afetam a composição botânica, como comportamento de forrageamento de diferentes espécies de abelhas e a sazonalidade que podem influenciar na coloração e na composição de química do pólen de abelha para garantir sua qualidade nutricional. Desta forma, nesta tese foram aplicadas técnicas de análise multivariada e de visão computacional a dados de análise polínica e de composição físico-química de pólen de abelhas Apis mellifera e sem ferrão. A análise de rede demonstrou que as abelhas sem ferrão Melipona quadrifasciata, Melipona marginata e Scaptotrigona bipunctata, devido às variações sazonais e fatores abióticos, coletaram amostras de pólen monoflorais de plantas das famílias Myrtaceae, Euphorbiaceae e Fabaceae. As abelhas Apis mellifera e Tetragona clavipes apresentaram um comportamento mais generalista de forrageamento de pólen, coletando amostras heteroflorais na maioria das estações do ano. Os resultados dos modelos lineares generalizados mostraram que os fatores 'espécie de abelha' e 'estação do ano' afetam a quantidade e os tipos de pólen coletados pelas abelhas. Para avaliar como o comportamento de forrageamento de diferentes espécies de abelhas e a sazonalidade podem afetar a coloração do pólen de abelha, uma ANOVA de fatores aninhados foi aplicada a dados de cor instrumental de amostras coletadas pelas espécies de abelha Apis mellifera e de abelhas sem ferrão ao longo de quatro estações do ano. Os resultados da ANOVA demonstraram que a coloração do pólen de abelha tem maior contribuição da espécie de abelha, mas pode ser influenciada também pela sazonalidade e flora característica da região produtora. Além disso, foram observadas correlações significativas entre as coordenadas de cor L*, a* e b* que podem estar associadas a contribuição predominante de determinadas espécies vegetais em virtude da disponibilidade da flora da região produtora e do hábito de forrageamento das espécies de abelhas. Este estudo explorou também o potencial da combinação do processamento digital de imagens com o aprendizado de máquina para o desenvolvimento de uma metodologia analítica rápida, barata e ambientalmente amigável para a determinação de proteína bruta em pólen de abelha. Imagens digitais das amostras de pólen de abelha foram obtidas por uma câmera de um celular smartphone com iluminação controlada e os canais RGB e histogramas de cor foram extraídos por softwares específicos de uso livre. Os teores de proteína bruta foram determinados pelo método padrão de Kjeldahl e em combinação com as informações das imagens digitais foram utilizados para gerar o modelo preditivo a partir da aplicação do algoritmo Floresta Randômica, o qual mostrou um bom desempenho e capacidade preditiva (R2 = 80,93 %; RMSE (raiz quadrada média do erro) = 1,49 % e MAE (erro absoluto médio) = 1,26 %). A metodologia analítica desenvolvida para análise de proteína bruta pode ser considerada verde, sendo uma excelente alternativa aos métodos convencionais de análise pois não emprega reagentes e solventes tóxicos, apresenta eficiência energética, faz uso de instrumentação de baixo custo, é robusta e precisa. Os resultados alcançados nesta tese demonstram a importância de se reconhecer as características da região de produção (condições climáticas, plantas disponíveis para as abelhas, tipo e quantidade de flores) e o comportamento de forrageamento de pólen pelas diferentes espécies de abelha. Estas informações podem ser usadas para estabelecer as melhores práticas de manejo das abelhas para a obtenção de pólen de abelha monofloral e heterofloral e com coloração mais uniforme, contribuindo para o desenvolvimento da apicultura e meliponicultura nacional. Além disso, o desenvolvimento e a validação da metodologia para a análise de proteína bruta combinando o processamento digital de imagens e aprendizado de máquina pode ser facilmente implementada na análise de rotina em laboratórios de controle de qualidade de produtos derivados de abelhas, contribuindo para a garantia da qualidade alimentar e consequentemente para as futuras aplicações comerciais do pólen de abelha. |
Abstract: | Bee pollen has stood out due to its nutritional and functional characteristics, being considered an excellent dietary supplement with possible commercial use as an ingredient in food formulations, cosmetics, and biomedical applications. However, its utilization on an industrial level is still limited due to variability in its botanical, geographical, and physicochemical composition. Therefore, it is essential to understand aspects related to its collection in order to enhance its application as an ingredient or simply to offer consumers a product with less variable composition. Hence, it becomes essential to identify factors affecting the botanical composition, such as foraging behavior of different bee species and seasonality, which can influence the coloration and chemical composition of bee pollen to ensure its nutritional quality. In this thesis, multivariate analysis and computer vision techniques were applied to data on pollen analysis and the physicochemical composition of Apis mellifera and stingless bee pollen. Network analysis demonstrated that stingless bees Melipona quadrifasciata, Melipona marginata, and Scaptotrigona bipunctata, due to seasonal variations and abiotic factors, collected monofloral pollen samples from plants of the Myrtaceae, Euphorbiaceae, and Fabaceae families. Bees Apis mellifera and Tetragona clavipes exhibited a more generalized pollen foraging behavior, collecting heterofloral samples in most seasons of the year. Results from the Generalized Linear Models showed that the 'bee species' and 'season' factors affect the quantity and types of pollen collected by bees. To assess how the foraging behavior of different bee species and seasonality can affect the coloration of bee pollen, a nested factors ANOVA was applied to instrumental color data from samples collected by Apis mellifera and stingless bees throughout four seasons of the year. ANOVA results demonstrated that the coloration of bee pollen is primarily influenced by the bee species, but it can also be influenced by seasonality and the characteristic flora of the producing region. Furthermore, significant correlations were observed between the L*, a*, and b* color coordinates, which could be associated with the predominant contribution of specific plant species due to the availability of flora in the producing region and foraging habits of bee species. This study also explored the potential of combining digital image processing with machine learning for the development of a rapid, cost-effective, and environmentally friendly analytical methodology for determining crude protein contents in bee pollen. Digital images of bee pollen samples were obtained using a smartphone camera with controlled lighting, and RGB channels and color histograms were extracted using specific open-source software. Crude protein content was determined using the standard Kjeldahl method, and in combination with digital image informations, it was used to generate a predictive model through the Random Forest algorithm, which exhibited good performance and predictive ability (R2 = 80.93 %; RMSE (root mean squared error) = 1.49 %; MAE (mean absolut error) = 1.26%). The developed analytical methodology for crude protein analysis can be considered environmentally friendly, serving as an excellent alternative to conventional analysis methods as it avoids the use of toxic reagents and solvents, is energy-efficient, employs low-cost instrumentation, and is robust and precise. The results achieved in this thesis demonstrate the importance of recognizing the characteristics of the production region (climatic conditions, available plants for bees, type and quantity of flowers) and the pollen foraging behavior of different bee species. These informations can be used to establish best bee management practices for obtaining monofloral and heterofloral bee pollen samples with more uniform coloration, contributing to the development of national beekeeping and meliponiculture. Moreover, the development and validation of the methodology for crude protein analysis combining digital image processing and machine learning can be easily implemented in routine analyses in quality control laboratories for products derived from bees, ensuring food quality and consequently supporting future commercial applications of bee pollen. |
Palavras-chave: | Origem botânica Proteína bruta Coloração Espécie de abelha Sazonalidade Análise de Rede Análise polínica Processamento digital de imagens Aprendizado de máquina Metodologia ambientalmente amigável Botanical origin Crude protein Coloration Bee species Seasonality Network Analysis Pollen analysis Digital image processing Machine learning Environmentally friendly methodology |
Área(s) do CNPq: | CIENCIAS EXATAS E DA TERRA::QUIMICA |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade Estadual do Centro-Oeste |
Sigla da instituição: | UNICENTRO |
Departamento: | Unicentro::Departamento de Ciências Exatas e de Tecnologia |
Programa: | Programa de Pós-Graduação em Química (Doutorado) |
Citação: | BREDA, LEANDRA SCHUASTZ. APLICAÇÃO DE ANÁLISE MULTIVARIADA E VISÃO COMPUTACIONAL A PÓLEN DE Apis mellifera E ABELHAS SEM FERRÃO. 2023. 111 f. Tese (Programa de Pós-Graduação em Química - Doutorado) - Universidade Estadual do Centro-Oeste, Guarapuava. |
Tipo de acesso: | Acesso Aberto |
URI: | http://tede.unicentro.br:8080/jspui/handle/jspui/2154 |
Data de defesa: | 6-Oct-2023 |
Appears in Collections: | Programa de Pós-Graduação em Química (Doutorado) |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Tese - Leandra_Schuastz_Breda.pdf | Tese - Leandra_Schuastz_Breda | 2,39 MB | Adobe PDF | Download/Open Preview |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.