Bruna Ariel Dias Guariglia
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Bruna Ariel Dias Guariglia has a total of 11 co-authors. Here are the top co-authors by number of shared publications:
- Gilmarcos de Carvalho Corrêa
Universidade Federal de Goiás, Samambaia Campus, School of Agronomy, Goiânia, GO, Brazil
2 shared publications - Luis Carlos Cunha Junior
Universidade Federal de Goiás, Brasil
2 shared publications - Abadia dos Reis Nascimento
Escola de Agronomia - Universidade Federal de Goiás - UFG
1 shared publication - Annelisa Arruda de Brito
UUniversidade Federal de Goiás, Goiânia, GO, Brasil
1 shared publication - Cristiane Maria Ascari Morgado
Universidade Estadual de Goiás
1 shared publication - Daniela Santana de Souza
Universidade Federal de Goiás, Samambaia Campus, School of Agronomy, Goiânia, GO, Brazil
1 shared publication
Latest Publications
- Open Access
- 17 March 2025
- Published by Zeppelini Editorial e Comunicacao in Food Science and Technology
- Vol. 45
Investigation of the internal quality of ‘Palmer’ and ‘Tommy Atkins’ mangoes by near-infrared spectroscopy
This study focuses on optimizing mango harvesting and minimizing waste by using a handheld near-infrared (NIR) spectrophotometer to develop predictive models for assessing the quality of ‘Palmer’ and ‘Tommy Atkins’ mangoes. It aims to enhance mechanical resistance and reduce post-harvest losses. The study created prediction models for key quality attributes: soluble solids (SS), titratable acidity (TA), and dry matter (DM). For ‘Palmer’ mangoes, the first derivative of Savitzky–Golay (SG1) yielded the best SS predictions (the coefficient of determination for prediction [R²P] = 0.69, the square root of the mean error of prediction [RMSEP] = 1.56%, and the standard deviation ratio of prediction [SDRP] = 1.80). For ‘Tommy Atkins’ mangoes, the second derivative of Savitzky–Golay (SG2) was more effective (R²P = 0.72, RMSEP = 2.43%, and SDRP = 1.85). TA prediction models showed that SG2 was more effective for ‘Palmer’ (R²P = 0.56, RMSEP = 0.14%, and SDRP = 1.48), while multiplicative signal correction pre-treatment worked better for ‘Tommy Atkins’ (R²P = 0.59, RMSEP = 0.13%, and SDRP = 1.55). For DM predictions, SG1 was optimal for ‘Palmer’ (R²P = 0.83, RMSEP = 0.95, and SDRP = 2.44) and SG2 for ‘Tommy Atkins’ (R²P = 0.79, RMSEP = 1.36, and SDRP = 2.00). In conclusion, the handheld NIR spectrophotometer shows promise for accurate quality assessments in the mango production chain, enabling better decision-making on harvest timing and reducing post-harvest losses.
- 17 March 2025
- Published by Zeppelini Editorial e Comunicacao in Food Science and Technology
- Vol. 45
Open AccessInvestigation of the internal quality of ‘Palmer’ and ‘Tommy Atkins’ mangoes by near-infrared spectroscopy
This study focuses on optimizing mango harvesting and minimizing waste by using a handheld near-infrared (NIR) spectrophotometer to develop predictive models for assessing the quality of ‘Palmer’ and ‘Tommy Atkins’ mangoes. It aims to enhance mechanical resistance and reduce post-harvest losses. The study created prediction models for key quality attributes: soluble solids (SS), titratable acidity (TA), and dry matter (DM). For ‘Palmer’ mangoes, the first derivative of Savitzky–Golay (SG1) yielded the best SS predictions (the coefficient of determination for prediction [R²P] = 0.69, the square root of the mean error of prediction [RMSEP] = 1.56%, and the standard deviation ratio of prediction [SDRP] = 1.80). For ‘Tommy Atkins’ mangoes, the second derivative of Savitzky–Golay (SG2) was more effective (R²P = 0.72, RMSEP = 2.43%, and SDRP = 1.85). TA prediction models showed that SG2 was more effective for ‘Palmer’ (R²P = 0.56, RMSEP = 0.14%, and SDRP = 1.48), while multiplicative signal correction pre-treatment worked better for ‘Tommy Atkins’ (R²P = 0.59, RMSEP = 0.13%, and SDRP = 1.55). For DM predictions, SG1 was optimal for ‘Palmer’ (R²P = 0.83, RMSEP = 0.95, and SDRP = 2.44) and SG2 for ‘Tommy Atkins’ (R²P = 0.79, RMSEP = 1.36, and SDRP = 2.00). In conclusion, the handheld NIR spectrophotometer shows promise for accurate quality assessments in the mango production chain, enabling better decision-making on harvest timing and reducing post-harvest losses.
- Open Access
- 25 March 2022
- Published by Universidade do Estado de Santa Catarina in Revista de Ciências Agroveterinárias
- Vol. 21 (2) , 114-122
Validação prática de modelos de infravermelho próximo para tomate: sólidos solúveis e acidez
O tomate é a hortaliça mais produzida e consumida, tendo aceitabilidade tanto para o consumo in natura quanto para a industrialização. Apesar da ampla aceitação dos tomates, o consumidor apresenta como exigência para aquisição do fruto a qualidade, mensurada através de parâmetros como sólidos solúveis (SS) e acidez titulável (AT). Uma técnica de análise química, não destrutiva e não invasiva e de resposta rápida, é a de espectroscopia de absorção na região do infravermelho próximo que tem sido bastante utilizada em várias indústrias, desde agrícola a petroquímica. Considerando a produção em alta escala, a qualidade do tomate exigida pelos consumidores e por se tratar de uma técnica não destrutiva e não invasiva da espectroscopia no infravermelho próximo (Near Infrared Spectroscopy – NIR), faz-se necessário modelos testados em condições comerciais garantindo um modelo de infravermelho próximo para tomate facilitando a classificação. Realizou-se a validação de forma externa e prática dos modelos de infravermelho próximo para tomate in natura, comparando com os métodos destrutivos e conferindo a acurácia dos modelos na qualificação do fruto quanto aos teores de sólidos solúveis e acidez. O presente trabalho apresenta modelos do projeto executado de 2018 a 2019, construídos através dos aplicativos Model Builder e The Unscrambler e selecionados a partir de parâmetros como coeficiente de calibração, coeficiente da validação cruzada, erro médio do conjunto de calibração, e da validação cruzada e cálculo do desvio do resíduo de calibração. Os resultados foram obtidos através da previsão do modelo para os atributos sólidos solúveis (SS) e acidez titulável (AT), do tomate de mesa com maior variabilidade de produção. O modelo para SS apresenta potencialidade para uso comercial, seja na determinação de ponto de colheita, seja na quantificação de qualidade do vegetal. Já para AT, o NIR portátil não produziu um modelo aplicável pela limitação do comprimento de onda.
- 25 March 2022
- Published by Universidade do Estado de Santa Catarina in Revista de Ciências Agroveterinárias
- Vol. 21 (2) , 114-122
Open AccessValidação prática de modelos de infravermelho próximo para tomate: sólidos solúveis e acidez
O tomate é a hortaliça mais produzida e consumida, tendo aceitabilidade tanto para o consumo in natura quanto para a industrialização. Apesar da ampla aceitação dos tomates, o consumidor apresenta como exigência para aquisição do fruto a qualidade, mensurada através de parâmetros como sólidos solúveis (SS) e acidez titulável (AT). Uma técnica de análise química, não destrutiva e não invasiva e de resposta rápida, é a de espectroscopia de absorção na região do infravermelho próximo que tem sido bastante utilizada em várias indústrias, desde agrícola a petroquímica. Considerando a produção em alta escala, a qualidade do tomate exigida pelos consumidores e por se tratar de uma técnica não destrutiva e não invasiva da espectroscopia no infravermelho próximo (Near Infrared Spectroscopy – NIR), faz-se necessário modelos testados em condições comerciais garantindo um modelo de infravermelho próximo para tomate facilitando a classificação. Realizou-se a validação de forma externa e prática dos modelos de infravermelho próximo para tomate in natura, comparando com os métodos destrutivos e conferindo a acurácia dos modelos na qualificação do fruto quanto aos teores de sólidos solúveis e acidez. O presente trabalho apresenta modelos do projeto executado de 2018 a 2019, construídos através dos aplicativos Model Builder e The Unscrambler e selecionados a partir de parâmetros como coeficiente de calibração, coeficiente da validação cruzada, erro médio do conjunto de calibração, e da validação cruzada e cálculo do desvio do resíduo de calibração. Os resultados foram obtidos através da previsão do modelo para os atributos sólidos solúveis (SS) e acidez titulável (AT), do tomate de mesa com maior variabilidade de produção. O modelo para SS apresenta potencialidade para uso comercial, seja na determinação de ponto de colheita, seja na quantificação de qualidade do vegetal. Já para AT, o NIR portátil não produziu um modelo aplicável pela limitação do comprimento de onda.