Data Science in the evaluation of extreme quality coffee samples

Detalhes bibliográficos
Autor(a) principal: Ferreira, Eric Batista
Data de Publicação: 2020
Outros Autores: Pala, Luiz Otávio de Oliveira, Pereira, Rosemary Gualberto Fonseca Alvarenga, Aguirre, Alberto Frank Lázaro, Rosa, Júnio César
Tipo de documento: Artigo
Idioma: por
Título da fonte: Caderno de Ciências Agrárias (Online)
Texto Completo: https://periodicos.ufmg.br/index.php/ccaufmg/article/view/15863
Resumo: Demand for the quality of specialty coffees has driven the market and influenced the increased commercial value of coffee bags. In the Brazilian market, the state of Minas Gerais contributes a significant percentage of productivity, a fact that has been accompanied by quality coffee contests. This paper analyzed the first twenty samples of peeled cherry coffee ranked in the Concurso Mineiro de Qualidade do Café in 2013. Under the quantitative approach, an exploratory analysis was performed from the construction of the principal components with the 15 attributes. Subsequently, the prediction capacity of final grades was evaluated through a regression tree model. As a result, Linoleic and Palmitic acids were the attributes that most contributed to the construction of the first principal components. In addition, Linoleic acid was attributed as the root of the regression tree, which is a important attribute for the prediction of final scores.
id UFMG-1_ed885bcfec8e7e2901e380898429f0b4
oai_identifier_str oai:periodicos.ufmg.br:article/15863
network_acronym_str UFMG-1
network_name_str Caderno de Ciências Agrárias (Online)
repository_id_str
spelling Data Science in the evaluation of extreme quality coffee samplesCiencia de datos en la evaluación de cafés especiales de calidad premiumCiência de dados na avaliação de amostras de café de qualidade extremaAtributo sensorialAnálise multivariadaÁrvore de regressãoCafé cereja descascadoSensory attributeMultivariate analysisRegression treePeeled cherry coffeeDemand for the quality of specialty coffees has driven the market and influenced the increased commercial value of coffee bags. In the Brazilian market, the state of Minas Gerais contributes a significant percentage of productivity, a fact that has been accompanied by quality coffee contests. This paper analyzed the first twenty samples of peeled cherry coffee ranked in the Concurso Mineiro de Qualidade do Café in 2013. Under the quantitative approach, an exploratory analysis was performed from the construction of the principal components with the 15 attributes. Subsequently, the prediction capacity of final grades was evaluated through a regression tree model. As a result, Linoleic and Palmitic acids were the attributes that most contributed to the construction of the first principal components. In addition, Linoleic acid was attributed as the root of the regression tree, which is a important attribute for the prediction of final scores.Con la competitividad del mercado, la búsqueda de mejoras de calidad en los cafés especiales ha impulsado el mercado e influido en los productores con respecto a los valores comerciales de las bolsas y la demanda respectiva de estos productos. Este fenómeno se puede observar en varios países, así como en Brasil, considerado uno de los principales productores mundiales. En el mercado brasileño, el estado de Minas Gerais aporta un porcentaje significativo de productividad, un hecho que ha sido acompañado por concursos de calidad. En este sentido, este trabajo analizó las veinte mejores muestras de café sin cáscara de café clasificadas en el Concurso Minero de Calidad del Café en 2013. Desde el enfoque cuantitativo, se exploraron las calificaciones atribuidas a cada muestra en relación con los 15 atributos evaluados. Como resultado, se descubrió que los ácidos linoleico y palmítico fueron los atributos que más contribuyeron a la construcción de los primeros componentes principales y estos hicieron posible predecir las calificaciones finales a través de un enfoque de aprendizaje automático.A busca por melhorias da qualidade de cafés especiais tem impulsionado o mercado e influenciado produtores quanto aos valores comerciais das sacas e da respectiva demanda. No mercado brasileiro, o estado de Minas Gerais contribui com um significativo percentual de produtividade, fato que vem sendo verificado por concursos de qualidade, que desencadeiam estudos acerca de atributos relacionados a qualidade sensorial. Este trabalho analisou as vinte amostras finalistas de café tipo cereja descascado do Concurso Mineiro de Qualidade do Café no ano de 2013, objetivando apontar atributos associados ao ranqueamento das amostras que resultaram em melhor qualidade e construir um modelo de regressão que possa predizer as notas finais. Sob o enfoque quantitativo, foi realizado uma análise exploratória a partir da construção dos componentes principais com os 15 atributos. Posteriormente, foi avaliado a capacidade de predição de notas finais através de um modelo de árvore de regressão. Como resultado, os ácidos Linoleico e Palmítico foram os atributos que mais contribuíram para a construção dos primeiros componentes principais, e além disso, o ácido Linoleico foi atribuído como a raiz da árvore de regressão, ou seja, um atributo de grande importância para predição das notas finaisUniversidade Federal de Minas Gerais2020-02-29info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdftext/htmlhttps://periodicos.ufmg.br/index.php/ccaufmg/article/view/1586310.35699/2447-6218.2020.15863Agrarian Sciences Journal; Vol. 12 (2020); 1-8Caderno de Ciências Agrárias; v. 12 (2020); 1-82447-62181984-6738reponame:Caderno de Ciências Agrárias (Online)instname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGporhttps://periodicos.ufmg.br/index.php/ccaufmg/article/view/15863/16389https://periodicos.ufmg.br/index.php/ccaufmg/article/view/15863/16390Copyright (c) 2020 Caderno de Ciências Agráriashttps://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessFerreira, Eric BatistaPala, Luiz Otávio de OliveiraPereira, Rosemary Gualberto Fonseca AlvarengaAguirre, Alberto Frank LázaroRosa, Júnio César2022-07-28T12:38:25Zoai:periodicos.ufmg.br:article/15863Revistahttps://periodicos.ufmg.br/index.php/ccaufmgPUBhttps://periodicos.ufmg.br/index.php/ccaufmg/oaiccaufmg@ica.ufmg.br2447-62181984-6738opendoar:2022-07-28T12:38:25Caderno de Ciências Agrárias (Online) - Universidade Federal de Minas Gerais (UFMG)false
dc.title.none.fl_str_mv Data Science in the evaluation of extreme quality coffee samples
Ciencia de datos en la evaluación de cafés especiales de calidad premium
Ciência de dados na avaliação de amostras de café de qualidade extrema
title Data Science in the evaluation of extreme quality coffee samples
spellingShingle Data Science in the evaluation of extreme quality coffee samples
Ferreira, Eric Batista
Atributo sensorial
Análise multivariada
Árvore de regressão
Café cereja descascado
Sensory attribute
Multivariate analysis
Regression tree
Peeled cherry coffee
title_short Data Science in the evaluation of extreme quality coffee samples
title_full Data Science in the evaluation of extreme quality coffee samples
title_fullStr Data Science in the evaluation of extreme quality coffee samples
title_full_unstemmed Data Science in the evaluation of extreme quality coffee samples
title_sort Data Science in the evaluation of extreme quality coffee samples
author Ferreira, Eric Batista
author_facet Ferreira, Eric Batista
Pala, Luiz Otávio de Oliveira
Pereira, Rosemary Gualberto Fonseca Alvarenga
Aguirre, Alberto Frank Lázaro
Rosa, Júnio César
author_role author
author2 Pala, Luiz Otávio de Oliveira
Pereira, Rosemary Gualberto Fonseca Alvarenga
Aguirre, Alberto Frank Lázaro
Rosa, Júnio César
author2_role author
author
author
author
dc.contributor.author.fl_str_mv Ferreira, Eric Batista
Pala, Luiz Otávio de Oliveira
Pereira, Rosemary Gualberto Fonseca Alvarenga
Aguirre, Alberto Frank Lázaro
Rosa, Júnio César
dc.subject.por.fl_str_mv Atributo sensorial
Análise multivariada
Árvore de regressão
Café cereja descascado
Sensory attribute
Multivariate analysis
Regression tree
Peeled cherry coffee
topic Atributo sensorial
Análise multivariada
Árvore de regressão
Café cereja descascado
Sensory attribute
Multivariate analysis
Regression tree
Peeled cherry coffee
description Demand for the quality of specialty coffees has driven the market and influenced the increased commercial value of coffee bags. In the Brazilian market, the state of Minas Gerais contributes a significant percentage of productivity, a fact that has been accompanied by quality coffee contests. This paper analyzed the first twenty samples of peeled cherry coffee ranked in the Concurso Mineiro de Qualidade do Café in 2013. Under the quantitative approach, an exploratory analysis was performed from the construction of the principal components with the 15 attributes. Subsequently, the prediction capacity of final grades was evaluated through a regression tree model. As a result, Linoleic and Palmitic acids were the attributes that most contributed to the construction of the first principal components. In addition, Linoleic acid was attributed as the root of the regression tree, which is a important attribute for the prediction of final scores.
publishDate 2020
dc.date.none.fl_str_mv 2020-02-29
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://periodicos.ufmg.br/index.php/ccaufmg/article/view/15863
10.35699/2447-6218.2020.15863
url https://periodicos.ufmg.br/index.php/ccaufmg/article/view/15863
identifier_str_mv 10.35699/2447-6218.2020.15863
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://periodicos.ufmg.br/index.php/ccaufmg/article/view/15863/16389
https://periodicos.ufmg.br/index.php/ccaufmg/article/view/15863/16390
dc.rights.driver.fl_str_mv Copyright (c) 2020 Caderno de Ciências Agrárias
https://creativecommons.org/licenses/by/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2020 Caderno de Ciências Agrárias
https://creativecommons.org/licenses/by/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
text/html
dc.publisher.none.fl_str_mv Universidade Federal de Minas Gerais
publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.source.none.fl_str_mv Agrarian Sciences Journal; Vol. 12 (2020); 1-8
Caderno de Ciências Agrárias; v. 12 (2020); 1-8
2447-6218
1984-6738
reponame:Caderno de Ciências Agrárias (Online)
instname:Universidade Federal de Minas Gerais (UFMG)
instacron:UFMG
instname_str Universidade Federal de Minas Gerais (UFMG)
instacron_str UFMG
institution UFMG
reponame_str Caderno de Ciências Agrárias (Online)
collection Caderno de Ciências Agrárias (Online)
repository.name.fl_str_mv Caderno de Ciências Agrárias (Online) - Universidade Federal de Minas Gerais (UFMG)
repository.mail.fl_str_mv ccaufmg@ica.ufmg.br
_version_ 1797042443470766080

Registros relacionados