Classificação de castas em vinhos do Douro usando redes neuronais artificiais

• Autor(a) principal: Velho, Joaquim Maria Lopes
• Data de Publicação: 2015
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10348/4620
• topic: Redes neuronais (Artificiais); Vinho; Castas

No geral, o interesse da química é o estudo das propriedades, constituição e transformações de substâncias e materiais, sendo os alimentos um foco de grande interesse, estando o vinho dentro desse grande grupo. O objetivo geral deste trabalho consiste em propor métodos de classificação de vinhos monocasta da região Demarcada do Douro com base em parâmetros químicos. Um primeiro objetivo prende-se com a discriminação da casta predominante num conjunto de amostras constituído por dois tipos de vinho monocasta (Touriga Nacional e Aragonês). Os dados das amostras resultaram de um anterior estudo que envolveu a análise por High-Performance Liquid Chromatography de vinhos das duas castas referidas e que resultou na recolha dos valores de antocianinas em cinquenta e três vinhos diferentes (vinte e um de Aragonês e trinta e dois de Touriga Nacional). O segundo objetivo é discriminar os vinhos por idade, primeiramente no geral (levando em conta as cinquenta e três amostras) e de seguida mais particular, fazendo a classificação por idade apenas nas amostras de cada casta (para as vinte e uma de Aragonês e para as trinta e duas de Touriga Nacional, em separado). Os classificadores usados baseiam-se em redes neuronais artificiais que se confirmaram como uma ferramenta muito útil e fiável na discriminação da casta predominante e da idade dos vinhos. Os resultados gerais foram bastante aceitáveis, a rondar os 95% de acerto quanto à casta predominante. Independentemente da casta, e na tentativa de discriminação dos vinhos de todas as idades obtiveram-se resultados a rondar os 70%. Na separação dos vinhos entre os mais novos e os mais antigos (um, dois, três e mais que três anos, atingiram-se valores médios de 90%, visto que os vinhos com mais idade começam a ter características, à base de antocianinas, um pouco mais variáveis comparadas com os vinhos mais recentes. A pouca abundância de amostras foi o que mais penalizou o estudo, visto que uma rede neuronal artificial funciona melhor quanto mais amostras existirem principalmente para realizar o treino. Quanto maior for o número de amostras usadas na fase de treino melhor será o processo de aprendizagem e melhores resultados se obtêm na classificação de novas amostras.