Trabalhos de Evento Científico
URI permanente desta comunidadehttps://thoth.dti.ufv.br/handle/123456789/516
Navegar
3 resultados
Resultados da Pesquisa
Item Agrupamento de dados como metodo de classificação dos cafés nas regiões das matas de Minas e Mantiqueira(Embrapa Café, 2019-10) Guedouani, Sammy; Souza, Luiza Monteiro; Pinheiro, Aracy Camilla Tardin; Oliveira Neto, Ricardo Rodrigues de; Santos, Ricardo Henrique Silva; Sakiyama, Ney Sussumu; Rufino, José Luis dos SantosOs cafés especiais vêm ganhando grande espaço no mundo, principalmente no agronegócio 4.0 e isso vai até a utilização de sistemas de informação SI e inteligência artificial IA. Uma estatística de análise que vem se destacando é baseada no uso de Redes Neurais Artificias as RNAs em suma são sistemas computacionais constituídos de entrada, processamento e saída, sistemas similares às do cérebro humano, além do método de plotagem de caixas Box Plots, classificação dos parâmetros. O presente trabalho busca utilizar RNAs nas análises dos resultados da bebida de café para correlacionar as notas das bebidas com alguns elementos agronômicos (modo de produção, cultivar, secagem) e ambientais (altitude) e classificar os elementos ambientais e agronômicos com a qualidade do café (nota final) utilizando a ferramenta de plotagem de caixas Box Plots. Os dados foram obtidos no concurso de cafés especiais organizados pelo SENAR-MG em 2017. Nessas simulações utilizou-se o software STATISTICA 12, tanto para aplicar uma RNA quanto Box Plots. Desse modo foi possível encontrar uma rede neural com índices de treinamento e validação de 88% e 74%, que representa alta correlação entre a variáveis de entrada e saída. Além disso os resultados de dispersão e frequência dos erros percentuais foi inferior a 2,5%, que é interpretado como alta exatidão, e livre de erros. A plotagem de caixas classificou as notas dos cafés com os elementos agronômicos e ambientais, ou seja, cafés do tipo cereja descascado com maiores altitudes e possíveis combinações de cultivar e secador, tinham potencial de produção de cafés com maiores notas. Desse modo, tanto o uso de RNA quanto Box Plots são boas ferramenta de análises para correlacionar a qualidade final de bebida.Item Redes neurais artificiais para análise da qualidade potencial dos cafés especiais nas regiões das matas de Minas e Mantiqueira(Embrapa Café, 2019) Guedouani, Sammy; Pinheiro, Aracy Camilla Tardin; Souza, Luiza Monteiro; Oliveira Neto, Ricardo Rodrigues de; Santos, Ricardo Henrique Silva; Sakiyama, Ney Sussumu; Rufino, José Luis dos SantosOs cafés especiais vêm ganhando grande espaço no agronegócio. Suas características peculiares e sofisticação fazem com que fosse apreciado em todo o planeta. No segmento de concurso de qualidade de cafés especiais existe uma metodologia com o qual se atribui uma nota ao café de acordo com suas características básicas. Uma estatística de análise que vem se destacando é baseada no uso de Redes Neurais Artificias as RNAs são sistemas computacionais constituídos de entrada processamento e saída, organizados de maneira similar às do cérebro humano. O presente trabalho busca utilizar RNAs nas análises dos resultados da bebida de café para associar as notas das bebidas com alguns elementos agronômicos (modo de produção, cultivar, secagem) e ambientais (região, altitude) e prever o potencial qualitativo e quantitativo dos cafés produzidos. Os dados foram obtidos no concurso de cafés especiais organizados pelo SENAR-MG em 2017. Nas primeiras simulações buscou-se provar a possibilidade de uso de RNA, utilizando o software STATISTICA 12, para o qual foram selecionadas as 5 melhores RNAs. Foi possível encontrar uma rede com índices de treinamento e validação de 89% e 75%, que representa alta correlação entre a variáveis de entrada e saída. Além disso os resultados de dispersão e frequência dos erros percentuais foi de 2,5%, que é interpretado como alta exatidão e livre de erros. A análise de Sensibilidade indicou que os parâmetros que mais apresentaram representatividade nas redes foram a cultivar, seguido pela secagem, região, altitude e processamento. Desse modo, o uso de RNA como ferramenta de análises para estimar a qualidade final de bebida se provou uma ferramenta com bons resultados.Item Arabica coffee classification using near infrared spectroscopy and two-stage models(Embrapa Café, 2015) Marquetti, Izabele; Link, Jade Varaschim; Lemes, André Luis Guimarães; Scholz, Maria Brígida dos Santos; Valderrama, Patrícia; Bona, EvandroCoffee quality depends on the environment al conditions of the growing area. Factors such as climate, soil type and altitude, associated with agricultural practices, directly influence the chemical composition of the coffee beans. This study developed two - stage models to determine the geographic and genotypic origin of the grain. For the first stage, the partial least squares with discriminant analysis (PLS - DA) and principal component analysis (PCA) models were tested. Then, two artificial neural network (ANN) non - linear models, i.e. multilayer perceptron (MLP) and the radial - basis function (RBF), were evaluated as the second stage. Samples from four genotypes, cultivated in four different cities within Parana State in Brazil, were analyzed using near infrared spectroscopy (NIRS) in the 1100 to 2498 nm range. Three preprocessing techniques were tested on the spectra, i.e. multiplicative scatter correction (MSC); the Savitzky - Golay second - derivative and both combined. The best models were obtained with the spectra treated using MSC plus the second - derivative, with PLS - DA as first stage followed by the RBF network. For geographic and genotypic classification the sensitivity and specificity values of 100% were obtained for the training and test sets. The NIRS spectra presented better class separation when compared with the FTIR spectra used in a previous work. These results demonstrate that NIRS spectra, allied with the right pattern recognition techniques, can be used as a quick and efficient technique to distinguish green coffee samples both geographically and genotypically.