UFLA - Dissertações
URI permanente para esta coleçãohttps://thoth.dti.ufv.br/handle/123456789/3332
Navegar
2 resultados
Resultados da Pesquisa
Item Desenvolvimento de softwares para classificação do café cru e torrado através de indicadores químicos e físico-químicos de qualidade(Universidade Federal de Lavras, 2017-03-10) Lima, Priscilla Magalhães de; Pimenta, Carlos JoséA classificação da bebida do café é realizada através da análise física dos grãos e por meio da análise sensorial, tradicionalmente conhecida como „prova de xícara‟. Porém, trata-se de uma classificação subjetiva, variando de indivíduo para indivíduo. Desse modo, várias pesquisas têm sido feitas com o intuito de relacionar as características sensoriais da bebida com análises químicas e físico-químicas dos grãos crus e torrados, para que sirvam de auxílio para avaliação da qualidade do café. O presente trabalho teve por objetivo o desenvolvimento de programas computacionais para avaliação da qualidade do café, de acordo com seu padrão de bebida. Os grãos crus foram submetidos às análises de lixiviação de potássio, condutividade elétrica, acidez, pH, sólidos solúveis, atividade enzimática da polifenoloxidase e açúcares totais. Os resultados dessas análises foram usados como dados de treinamento e validação da rede neural do Software de classificação dos grãos crus (Classcafe 1.0). Em seguida, as amostras de café foram encaminhadas para a realização da prova de xícara por provadores treinados, a fim de confirmar a classificação obtida nas cooperativas. Após a classificação, os grãos torrados foram submetidos às análises de açúcares totais, açúcares redutores e açúcares não redutores, pH, sólidos solúveis, acidez e extrato etéreo. Os resultados dessas análises foram usados como dados de treinamento e validação da rede neural do Software de classificação dos grãos crus (Classtorr 1.0). O modelo neural utilizado no sistema desenvolvido classificou eficientemente 100% das amostras testadas. A rede neural foi capaz de classificar corretamente o café cru e torrado, de acordo com a sua classe sensorial, utilizando-se os dados de composição química dos grãos de café. Como o sistema é amigável e de fácil uso, o mesmo pode ser aplicado e testado por cafeicultores, cooperativas e por órgãos regulatórios, auxiliando o processo de qualificação do café.Item Sistema de visão computacional para avaliação física de cafés (Coffea arabica L.) de diferentes colorações(Universidade Federal de Lavras, 2015-02-27) Oliveira, Emanuelle Morais de; Pereira, Rosemary Gualberto Fonseca AlvarengaA cor do café varia em decorrência da espécie, condições de armazenamento e tipo de processamento. A avaliação da cor nos grãos de café é feita por inspeção visual por provadores treinados, método este subjetivo. Existe, assim, a demanda pelas empresas de comércio por metodologias rápidas e objetivas para avaliação da cor. O sistema de visão computacional surge como uma alternativa para verificação da cor em grãos de café, assim, objetiva-se com este trabalho a construção de um sistema de visão computacional para identificação das diferentes cores nos grãos de café. Para isso, foi realizada uma conversão do RGB de câmaras digitais, visto que são capazes de obter informações em pixels, nos parâmetros de cor L* a* e b* para cada pixel da imagem digital, obtendo assim uma informação mais geral da cor do grão de café. Para criação do sistema de visão computacional, foram utilizados: uma caixa metálica escura, câmera digital, sistema de iluminação e um software processador de imagens baseado em redes neurais. Na construção do modelo de transformação, foram usadas cartelas de cores e para o reconhecimento do padrão foram adquiridas amostras de cafés de diferentes colorações: esbranquiçadas, verde cana, verde e verde azulada. Cada classe de cor possuía 30 amostras contendo 50 g cada. Além disso, foi utilizado um sistema de classificação (classificador bayesiano) para separação das amostras em classes e verificação da eficiência do sistema criado. O modelo de transformação destacou-se com um erro de apenas 1,20 + 1,24 para treinamento e 1,15 + 1,1 para o teste. O sistema de classificação bayesiano foi eficiente para classificação das amostras utilizadas na validação dentro das classes. As amostras foram classificadas dentro das classes de cores, o que representa uma eficiência de 100%. Por meio dos resultados obtidos, verificou-se que as amostras esbranquiçadas apresentaram um elevado valor dos parâmetros L*, a* e b* o que representa uma aproximação ao branco, já as amostras verde cana e verde mostraram valores dos parâmetros intermediários, porém o parâmetro b* para a verde cana foi mais alto demonstrando um amarelamento da amostra. As amostras verdes obtiveram valores mais baixos de a* o que demonstra que esta está mais próxima da cor verde, no entanto as amostras verde azuladas apresentaram baixos valores de L*, a* e b* o que representa a aproximação as cores verde e azul. As amostras de diferentes cores foram eficientemente classificadas demonstrando a eficácia do sistema de visão computacional. O sistema implementado neste trabalho poderá futuramente ser expandido para cooperativas e empresas proporcionando uma maneira mais rápida e objetiva de avaliação da cor.