O controle de qualidade de laranjas desde a colheita até a comercialização é realizado com base em análises físico-químicas. Todavia, estas análises são destrutivas. Neste cenário, sistemas não invasivos para aferir a qualidade, são alternativas promissoras. O objetivo do trabalho foi avaliar os métodos de análises não destrutivas como a Ressonância Magnética em baixo campo (RMN) e espectroscopias de infravermelho médio (MIR) e próximo (NIR), associadas à quimiometria, para analisar parâmetros de qualidade de laranjas de forma não invasiva. O experimento ocorreu na unidade da Embrapa Instrumentação em São Carlos, SP. Foram coletadas 470 laranjas, obtidas em cultivos comerciais no interior do estado de São Paulo. As frutas passaram pelas etapas de seleção, higienização e sanitização. Em seguida, foram submetidas à análise não invasiva pelos equipamentos de RMN, NIR e MIR. Os parâmetros de qualidade avaliados foram, massa fresca, diâmetros longitudinal e transversal do fruto, teor de sólidos solúveis (SST), pH, acidez total titulável (ATT), índice de maturação (ratio) e rendimento de suco. Para os sinais de RMN foi aplicada a suavização de Savitzky-Golay com largura de janela de 21 pontos. Para os sinais de NIR foi aplicado a variação normal padrão (SNV) e para os sinais de MIR foi aplicada a normalização (0-1), seguido da segunda derivada. O modelo de predição foi construído utilizando a regressão por mínimos quadrados parciais (PLS) para cada parâmetro de qualidade. Os modelos desenvolvidos por RMN-PLS validados para predição foram: massa fresca; coeficiente de Pearson da predição (r) = 0,97, erro padrão da predição (SEP) = 13,57. Diâmetro longitudinal; r = 0,91 e SEP = 3,37. Diâmetro transversal; r = 0,92 e SEP = 2,73. SST; r = 0,81 e SEP = 0,88. Rendimento de suco; r = 0,78 e SEP = 3,26 e pH r = 0,74 e SEP = 0,17. Os parâmetros de índice de maturação e ATT não puderam ser validados utilizando RMN-PLS. Os modelos de NIR-PLS validados foram: SST; r = 0,92 e SEP = 0,71. ATT; r = 0,92 e SEP = 0,30. Os demais parâmetros não puderam ser validados por NIR-PLS. Para os modelos de MIR-PLS, o melhor resultado encontrado foi para validação interna do modelo de pH, r Validação = 0,80 e erro padrão da validação (SEV) de 0,16. A classificação desenvolvida utilizando os modelos de parâmetros físicos de RMN-PLS apresentaram acurácia para diâmetro transversal de 80,00%. As classificações por parâmetros químicos, como teor de sólidos solúveis revelou acurácia de 81,10% e para pH de 61,11%. Para as classificações por PLS-NIR para o ratio a acurácia foi igual a 87,95%. Os frutos classificados de forma não invasiva para a análise sensorial no teste de comparação pareada, apresentaram respostas significativas para sucos classificados pelos modelos de RMN-PLS a nível de p=0,05. Para os frutos classificados pelo NIR-PLS de forma não invasiva, a resposta ao segundo teste sensorial foi significativa a nível de p=0,05. Estes resultados comprovam a aplicabilidade destas técnicas como análises não invasivas para mensurar a qualidade de laranjas e classifica-las por parâmetros físico-químicos percebidos por provadores.

The quality control for oranges, after the harvest until commercialization are carried based on physical-chemical parameters. However, these analyzes are invasive. In this scenario, non-invasive systems to measure quality are promising options. Nuclear Magnetic Resonance (NMR) at low field and infrared spectroscopy (mid-infrared - MIR and near-infrared - NIR) were associated with chemometrics to analyze quality parameters in intact oranges. The experiment was carried at Embrapa São Carlos, SP. Four hundred and seventy oranges were obtained from commercial crops in the state of São Paulo. Samples were selected, cleaned and sanitized and then were submitted to non-invasive analysis by NMR, NIR and MIR equipment's. The evaluated reference quality parameters were fresh weight, longitudinal and transversal diameter, total soluble solids (TSS), pH, titratable acidity (TA), maturation index (ratio) and juice yield (%). For the non-invasive methods was applied pre-processing techniques on the signal. In NMR signal was applied Savitzky-Golay smoothing with 21 points width of window. For NIR signal was applied standard normal variant (SNV) and on the MIR signal normalization was applied (0-1), followed by the second derivative. The prediction model was constructed using partial least squares regression (PLS) for each quality reference parameter. The models developed by NMR-PLS validated by prediction were: fresh weight; Pearson coefficient prediction (r) = 0.97, standard error of prediction (SEP) = 13.57. Longitudinal diameter; r = 0.91 and SEP = 3.37. Transverse diameter; r = 0.92 and SEP = 2.73. SST; r = 0.81 and SEP = 0.88. Juice yield; r = 0.78 and SEP = 3.26. pH r = 0.74 and SEP = 0.17. The maturation index and titratable acidity parameters could not be validated using PLS-NMR. The validated NIR-PLS models were: SST; r = 0.92 and SEP = 0.71. ATT; r = 0.92 and SEP = 0.30. The others reference quality parameters were not validated by NIR-PLS. For models using MIR-PLS, the best result was found for internal validation of the pH model, r = 0.80 and standard validation error (SEV) 0.16. The classification models developed using NMR-PLS physical parameters showed accuracy in transverse diameter of 80.00%. The classifications by chemical parameters such as soluble solids revealed accuracy of 81.10% and 61.11% for pH. For classifications by PLS-NIR for the accuracy ratio was equal to 87.95%. Fruit classified noninvasively for sensory analysis in paired comparison test, showed significant responses to juices classified by NMR-PLS models at the level of p = 0.05. For fruit classified by NIR-PLS noninvasively, the answer to the second sensory test was significant at the level of p = 0.05. These results demonstrate the applicability of these techniques as non-invasive tests to measure the quality of oranges and sorts them by physicochemical parameters perceived by tasters.