Biblioteca do Café

URI permanente desta comunidadehttps://thoth.dti.ufv.br/handle/123456789/1

Navegar

Filtros

2019 - 201912020 - 20211

Configurações

Assunto: search.filters.subject.Imagens digitais

Resultados da Pesquisa

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    Inteligência artificial aplicada a modelagem de processos da indústria de alimentos
    (Universidade Federal de Viçosa, 2021-08-05) Cotrim, Weskley da Silva; Minim, Luis Antônio; Minim, Valéria P. Rodrigues; Campos, Renata Cássia; Felix, Leonardo Bonato
    A torra e o forneamento são responsáveis pelas transformações observadas em alguns alimentos, tais como café e pães. Dentre essas modificações, a cor é aquela de maior destaque pois consiste num indicador da evolução do processo e tem sido utilizada no desenvolvimento de ferramentas de controle. Dessa forma, a modelagem do escurecimento não enzimático decorrente dos processos de torra e forneamento possibilita o desenvolvimento de sistemas de visão computacional para acompanhamento e classificação desses processos. A modelagem fenomenológica, baseada na abordagem da cinética de reações, permitiu uma maior compreensão dessas mudanças de cor. Porém, os modelos resultantes apresentam grandes limitações de ordem prática para sua aplicação nos processos industriais, em especial no contexto da indústria de quarta geração (Indústria 4.0), a qual preconiza o uso de sistemas e equipamentos inteligentes. Nesse sentido, a adoção de técnicas de inteligência artificial (AI), em especial as redes neurais convolucionais (CNN), parece ser o caminho a ser seguido. Assim, neste trabalho foram introduzidas técnicas de modelagem por AI do escurecimento não enzimático decorrente dos processos de torra e forneamento de café e pães, respectivamente. A adoção de CNN com reduzido número de camadas convolucionais resultou numa redução no consumo de memória de mais de 90%. Além disso, o sistema híbrido formado por uma CNN e uma máquina de vetores de suporte (SVM) resultou na redução de 93% no tempo de convergência. Foram identificados mais 20% dos núcleos convolucionais seletivos a cores, o que evidencia a capacidade das CNN de extrair características de cores e utilizá-las para classificação das amostras. Ao classificar amostras de pães e café, as CNN apresentaram exatidão superior a 98,0% e 95%, respectivamente, superando arquiteturas tradicionais. A CNN também foi capaz de estimar o tempo necessário para o final do processo de torra de café com Root Mean Square Error (RMSE) de 0,4 min. As CNN se mostraram uma poderosa ferramenta não invasiva e não destrutiva para modelagem do escurecimento não enzimático decorrente dos processos de torra e forneamento. Palavras-chave: Torra. Forneamento. Redes Neurais Convolucionais. Escurecimento Não Enzimático. Aprendizado Profundo.
  • Imagem de Miniatura
    Item
    Radiographic analysis and performance of coffee seeds
    (Associação Brasileira de Tecnologia de Sementes - ABRATES, 2019) Trujillo, Heiber Andres; Gomes-Junior, Francisco Guilhien; Lara, Idemauro Antonio Rodrigues de; Cicero, Silvio Moure
    Radiographic analysis has been efficient in identifying the main changes in the internal morphology of seeds, being increasingly used in quality control programs due to their practicality, objectivity and speed in obtaining the results. Despite these advantages, there are still no studies proving the efficiency of these techniques for coffee seed analysis. Thereby, the aim of this research was to evaluate the internal morphology of coffee seeds (Coffea arabica L.) through the analysis of radiographic images and their relation with germination performance. Radiographic images of seeds of the cultivars Bourbon and Catucaí 20/15, each represented by six lots, were examined and the seeds were seeded and seedling emergence, shoot length, stem diameter and shoot dry mass were evaluated. Seeds of Bourbon presented high percentage of intact seeds, as well as better performance in the germination of the lots compared to Catucaí 20/15, which presented more incidence of damaged seeds and lower germination. The radiographic images allowed identifying seeds with malformations, tissue deterioration and damage caused by the coffee borer. This non-destructive imaging technique is efficient in identifying intact seeds, with potential to germinate and produce vigorus seedlings.