| |
|
|
| Registros recuperados : 16 | |
| 1. |  | MONARETTO, T.; COLNAGO, L. A. Análise de carne e gordura bovina usando técnicas bidimensionais de RMN no domínio do tempo. In: SIMPÓSIO NACIONAL DE INSTRUMENTAÇÃO AGROPECUÁRIA, 4., 2019, São Carlos, SP. Ciência, inovação e mercado: anais. São Carlos, SP: Embrapa Instrumentação, 2019. Editores: Paulino Ribeiro Villas-Boas, Maria Alice Martins, Débora Marcondes Bastos Pereira Milori, Ladislau Martin Neto. SIAGRO 2019. 399-403| Biblioteca(s): Embrapa Instrumentação. |
|    |
| 3. | | MORAES, T. B.; MONARETTO, T.; COLNAGO, L. A. Análise de produtos cárneos utilizando ressonância magnética nuclear de baixa resolução (RMN-BR) In: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 8., 2016, São Carlos, SP. Anais... São Carlos: Embrapa Instrumentação: Embrapa Pecuária Sudeste, 2016. p.90. Editores técnicos: Wilson Tadeu Lopes da Silva, José Manoel Marconcini, Maria Alice Martins, Lucimara Aparecida Forato, Paulino Ribeiro Villas Boas. (Embrapa Instrumentação. Documentos, 61).| Biblioteca(s): Embrapa Instrumentação. |
| |
| 9. | | MONARETTO, T.; ANDRADE, F. D.; MORAES, T. B.; COLNAGO, L. A. Aplicação de sequências de pulsos SSFP com alternância de fase para avaliação qualitativa de óleo em sementes. In: SIMPÓSIO NACIONAL DE INSTRUMENTAÇÃO AGROPECUÁRIA, 2014, São Carlos, SP Anais do SIAGRO: ciência, inovação e mercado 2014. São Carlos, SP: Embrapa Instrumentação, 2014. p. 549-552. Editores: Carlos Manoel Pedro Vaz, Débora Marcondes Bastos Pereira Milori, Silvio Crestana.| Biblioteca(s): Embrapa Instrumentação. |
| |
| 13. | | COLNAGO, L. A.; WIESMAN, Z.; PAGES, G.; MUSSE, M.; MONARETTO, T.; WINDT, C. W.; RONDEAU-MOURO, C. Low field, time domain NMR in the agriculture and agrifood sectors: An overview of applications in plants, foods and biofuels. Journal of Magnetic Resonance, v. 323, a. 106899, 2021.| Biblioteca(s): Embrapa Instrumentação. |
|  |
| 14. | | MONARETTO, T.; ANDRADE, F. D.; MORAES, T. B.; SOUZA, A. A.; AZEVEDO, E. R. de; COLNAGO, L. A. On resonance phase alternated CWFP sequences for rapid and simultaneous measurement of relaxation times. Journal of Magnetic Resonance, [S. l.], v. 259, p. 174-178, 2015.| Biblioteca(s): Embrapa Instrumentação. |
| |
| 16. | | CÔNSOLO, N. R. B.; SAMUELSSON, L. M.; BARBOSA, L. C. G. S.; MONARETTO, T.; MORAES, T. B.; BUARQUE, V. L. M.; HIGUERA-PADILLA, A. R.; COLNAGO, L. A.; SILVA, S. L.; REIS, M. M.; FONSECA, A. C.; ARAÚJO, C. S. S.; LEITE, B. G. S.; ROQUE, F. A.; ARAÚJO, L. F. Characterization of chicken muscle disorders through metabolomics, pathway analysis, and water relaxometry: a pilot study. Poultry Science, v. 99, n. 11, 2020. 6247-6257| Biblioteca(s): Embrapa Instrumentação. |
| |
| Registros recuperados : 16 | |
|
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Instrumentação. Para informações adicionais entre em contato com cnpdia.biblioteca@embrapa.br. |
Registro Completo
|
Biblioteca(s): |
Embrapa Instrumentação. |
|
Data corrente: |
07/06/2021 |
|
Data da última atualização: |
10/06/2022 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
BORBA, K. R.; OLDONI, F. C. A.; MONARETTO, T.; COLNAGO, L. A.; FERREIRA, M. D. |
|
Afiliação: |
LUIZ ALBERTO COLNAGO, CNPDIA; MARCOS DAVID FERREIRA, CNPDIA. |
|
Título: |
Selection of industrial tomatoes using TD-NMR data and computational classification methods. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
Microchemical Journal, v. 164, a. 106048, 2021. |
|
ISSN: |
0026-265X |
|
DOI: |
https://doi.org/10.1016/j.microc.2021.106048 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Tomato processing chain has a world economic relevance for the food industry and the agribusiness, providing ready-to-eat products and raw material for other production chains. The product quality is depending on control of some fruit attributes, such as color, soluble solids content (SSC), and defects. The aim of this study was to develop accurate and nondestructive classification models according to the tomato maturation stage, SSC, and presence of defects using Time-Domain Nuclear Magnetic Resonance (TD-NMR) associated with computational classification methods. Each class showed different decay times. Green tomatoes showed a shorter decay signal than red tomatoes, mainly due to the relaxation signal being related to the water mobility in different vegetable tissue compartments. Classification models resulted in great accuracy performances, the best accuracy for each classification were: maturity index: 97% (SVM); SSC: 100% (SVM and kNN); presence of defects: 90% (PLS-DA). These results show that CPMG decays associated with computational methods can be used in the tomato processing industry to classify tomato samples. These classification models showed the potential of TD-NMR technique in a high-throughput screening application before the processing |
|
Palavras-Chave: |
Machine learning; NMR; Relaxation time; Tomato processing. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 01993naa a2200241 a 4500
001 2132200
005 2022-06-10
008 2021 bl uuuu u00u1 u #d
022 $a0026-265X
024 7 $ahttps://doi.org/10.1016/j.microc.2021.106048$2DOI
100 1 $aBORBA, K. R.
245 $aSelection of industrial tomatoes using TD-NMR data and computational classification methods.$h[electronic resource]
260 $c2021
520 $aTomato processing chain has a world economic relevance for the food industry and the agribusiness, providing ready-to-eat products and raw material for other production chains. The product quality is depending on control of some fruit attributes, such as color, soluble solids content (SSC), and defects. The aim of this study was to develop accurate and nondestructive classification models according to the tomato maturation stage, SSC, and presence of defects using Time-Domain Nuclear Magnetic Resonance (TD-NMR) associated with computational classification methods. Each class showed different decay times. Green tomatoes showed a shorter decay signal than red tomatoes, mainly due to the relaxation signal being related to the water mobility in different vegetable tissue compartments. Classification models resulted in great accuracy performances, the best accuracy for each classification were: maturity index: 97% (SVM); SSC: 100% (SVM and kNN); presence of defects: 90% (PLS-DA). These results show that CPMG decays associated with computational methods can be used in the tomato processing industry to classify tomato samples. These classification models showed the potential of TD-NMR technique in a high-throughput screening application before the processing
653 $aMachine learning
653 $aNMR
653 $aRelaxation time
653 $aTomato processing
700 1 $aOLDONI, F. C. A.
700 1 $aMONARETTO, T.
700 1 $aCOLNAGO, L. A.
700 1 $aFERREIRA, M. D.
773 $tMicrochemical Journal$gv. 164, a. 106048, 2021.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Instrumentação (CNPDIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
