Resumo: Neste trabalho foram comparados modelos desenvolvidos utilizando as máquinas de vetores de suporte por mínimos quadrados (LS-SVM) e regressão por mínimos quadrados parciais (PLS) para três aplicações em determinação de parâmetros de qualidade em matrizes lácteas. Na primeira aplicação determinaram-se simultaneamente três adulterantes em leite em pó (amido, soro de leite e sacarose), empregando espectroscopia no infravermelho próximo por reflectância difusa. Em todos os modelos desenvolvidos, os resultados obtidos com LS-SVM foram superiores ao PLS, apresentando erros de previsão na faixa de 1,10% para amido, 1,10% para soro e 0,60% para sacarose, comparados aos erros de previsão obtidos pelo PLS: 2,40% para amido, 4,00% para soro e 3,00% para sacarose. Na segunda aplicação, quantificou-se Lactobacillus em leite fermentado a partir de imagens escaneadas de placas de crescimento microbiológico. A imagem foi convertida em histograma de cores, para ser usada no desenvolvimento dos modelos PLS e LS-SVM. O modelo desenvolvido pelo LS-SVM apresentou erros de previsão da ordem de 22,16 ufc e o PLS apresentou erros de previsão de 41,46 ufc. Na última aplicação, foi realizada a determinação do índice de gordura em leite humano, provenientes de diferentes doadoras, empregando a espectroscopia no infravermelho médio por reflectância total atenuada. Novamente o modelo LS-SVM apresentou melhores resultados em relação ao PLS, onde para a LS-SVM foram obtidos erros de previsão da ordem de 41,00 Kcal/L e, para o PLS, erros de previsão de 103,00 Kcal/L. Ver menos

Abstract: In this work calibration models by using Least-square support vector machine (LS-SVM) and Partial least square (PLS) regression were compared for three applications in determination of quality parameters in milky matrices. In the first application, three adulterants in powdered milk (starch, whey and sucrose) had been simultaneously determined employing near infrared spectroscopy by diffuse reflectance. In all developed models the results obtained with LS-SVM were superior to PLS, presenting prediction errors of 1,10% for starch, 1,10% for whey and 0,60% for sucrose compared with the errors obtained by the PLS of 2,40% for starch, 4,00% for whey and 3,00% for sucrose. In the second application, Lactobacillus in fermented milk were quantified from digital images of microbiological plates of growth. The images was converted into histogram of colors to be used in the development of PLS and LS-SVM models. The model developed for the LS-SVM presented errors of 22,16 cfu an the PLS presented prediction errors of 41,46 cfu. In the last application, the fat index in human milk was determined, proceeding from different mothers, employing Mid spectroscopy by attenuated total reflectance. Again, LS-SVM model presented better reulted than PLS, with prediction error 41,00 Kcal/L against PLS the prediction error of 103,00 Kcal/L. Ver menos