Espectroscopia no infravermelho próximo e métodos quimiométricos para classificação de sementes de soja quanto ao potencial fisiológico

Abstract

A espectroscopia no infravermelho próximo (NIR) consiste em uma ferramenta promissora para otimização das análises de sementes. A utilização do NIR, em combinação com métodos quimiométricos ou associados a novas técnicas, pode permitir a investigação dos níveis de qualidade de sementes, de forma rápida e assertiva. Este trabalho teve como objetivo investigar a viabilidade do NIR, associado a métodos quimiométricos, para classificar lotes de sementes de soja quanto ao potencial fisiológico. No primeiro experimento, foram utilizados 77 lotes de sementes de soja avaliados quanto ao potencial fisiológico e obtidos espectros NIR das amostras de sementes, com total de 12 leituras para cada lote. Os espectros originais foram submetidos a diferentes métodos de pré-processamento, sendo eles Standard Normal Variate (SNV), SNV + 1ª e 2ª derivadas; Gap-segment derivative (GSD); e Savitzky-Golay, pelas derivadas de primeiro e segundo grau, como também a combinação entre os métodos. Os lotes foram divididos em duas classes: alta qualidade (≥ 90% de germinação) e baixa qualidade (< 90% de germinação). Os espectros pré-processados foram utilizados para a construção de modelos de classificação por meio dos métodos Partial Least Squares – Discriminant Analysis (PLS-DA), Naive Bayes (NB), Random Forest (RF) e Support Vector Machine (SVM). No segundo experimento, foram utilizadas sementes de cinco genótipos, com três lotes de cada um. Foram realizados os testes de germinação, envelhecimento acelerado, condutividade elétrica, tetrazólio e análise das enzimas antioxidantes superóxido dismutase, catalase, peroxidases e peroxidase do ascorbato, além do conteúdo de malonaldeído, óleo e proteína. Os espectros NIR foram obtidos de sementes individuais, com total de 100 leituras para cada lote. Os espectros originais foram submetidos aos métodos de pré-processamento Multiplicative Scatter Correction (MSC), Standard Normal Variate (SNV), autoescalonamento, 1ª e 2ª derivadas de Savitzy-Golay e a combinação desses métodos. Os espectros pré-processados foram utilizados para a construção de modelos de classificação por meio do método PLS-DA. No primeiro experimento, o classificador PLS-DA apresentou maior acurácia de classificação. Os menores valores de acurácia foram obtidos para os modelos NB e RF. No segundo experimento, os lotes diferiram quanto ao potencial fisiológico e foram categorizados em alto, médio e baixo vigor. Os lotes de baixo vigor apresentaram maior conteúdo de malonaldeído, óleo e, em geral, menores atividades das enzimas do sistema antioxidativo. Utilizando-se os espectros pré-processados por meio da 2ª derivada de Savitzky-Golay, foi possível obter um modelo de classificação com 98% de acurácia e 96% de coeficiente kappa, para os dados de validação. As regiões entre os comprimentos de ondas de 1.000-1.200 nm e 2.200-2.500 nm foram as mais importantes para distinguir os níveis de qualidade das sementes de soja. A espectroscopia NIR é uma alternativa não destrutiva, rápida e promissora, com grande potencial para ser utilizada no controle de qualidade visando à classificação de lotes de sementes de soja quanto ao potencial fisiológico. Palavras-chave: Glycine max L. Merrill. Qualidade de sementes. Espectroscopia NIR. Quimiometria.

The Near-infrared (NIR) Spectroscopy is a promising tool for optimizing seed analysis. The use of NIR, in combination with chemometric methods or associated with new techniques, can allow the investigation of seed quality levels, quickly and assertively. This work aimed to investigate the viability of NIR, associated with chemometric methods, to classify soybean seed lots according to their physiological potential. In the first experiment, 77 soybean seed lots were evaluated for germination potential and NIR spectra were obtained from seed samples, with a total of 12 readings for each lot. The original spectra were submitted to different pre-processing methods, namely Standard Normal Variate (SNV), SNV + 1st and 2nd derivatives; Gap-segment derivative (GSD); and Savitzky-Golay, for the first- and second-degree derivatives, as well as the combination between these methods. Lots were divided into two classes: high quality (≥ 90% germination) and low quality (< 90% germination). The pre-processed spectra were used to build classification models using the Partial Least Squares – Discriminant Analysis (PLS- DA), Naive Bayes (NB), Random Forest (RF) and Support Vector Machine (SVM) methods. In the second experiment, seeds of five genotypes were used, with three lots of each. The seeds were evaluated for germination, accelerated aging, electrical conductivity and tetrazolium tests and analysis of the antioxidant enzymes superoxide dismutase, catalase, peroxidase and ascorbate peroxidase were carried out, as well as the content of malondialdehyde, oil and protein were determined. NIR spectra were obtained from individual seeds, with a total of 100 readings for each lot. The original spectra were submitted to Multiplicative Scatter Correction (MSC), Standard Normal Variate (SNV), autoscaling, 1 st and 2nd derivatives of Savitzy-Golay and a combination of these methods. The pre-processed spectra were used to build a classification model using the PLS-DA method. In the first experiment, the PLS-DA classifier showed the highest classification accuracy. The lowest accuracy values were obtained for the NB and RF models. In the second experiment, the lots differed in terms of physiological potential and were categorized into high, medium, and low vigor. The low vigor seed lots showed a higher content of malondialdehyde, oil and, in general, lower activities of the enzymes of the antioxidative system. Using the pre-processed spectra using the 2nd derivative of Savitzky-Golay, it was possible to obtain a classification model with 98% accuracy and 96% kappa coefficient for the validation data. The regions between the wavelengths of 1,000-1,200 nm and 2,200-2,500 nm were the most important to distinguish the quality levels of soybean seeds. NIR spectroscopy is a non-destructive, fast, and promising alternative, with great potential to be used in internal quality control in order to classify soybean seed lots according to their physiological potential. Keywords: Glycine max L. Merrill. Seed quality. NIR spectroscopy. Chemometry.