Redes neurais artificiais: nova abordagem para identificação da qualidade da bebida do café arábica utilizando-se resultados de análises químicas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2009 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | LOCUS Repositório Institucional da UFV |
Texto Completo: | http://locus.ufv.br/handle/123456789/672 |
Resumo: | The present study was performed with the objective of evaluating the utilization of an artificial neural network to correlate results from sensorial analysis with the chemical analysis of coffee samples. The coffee samples utilized belonged to the coffee plant Coffea arabica L., cultivars Acaiá do Cerrado, Topázio, Catuaí vermelho 99, Acaiá 474-19 and Bourbon, collected in the southern region of Minas Gerais State, Brazil, with controlled post-harvest processing. Performed chemical analyses were those of non-reducing sugars, reducing sugars, total titratable acidity, electrical conductivity, leaching of potassium and polyphenols. Coffee quality was evaluated by the sensorial analysis. The multiple linear regression fits of the experimental data from sensorial analysis as a function of the data from the chemical analysis presented a determination coefficient of 0.6681, while the employed artificial neural network reached a classification success rate of, approximately, 85% for the values of sensorial analysis. The artificial neural network obtained was tested with coffee samples collected from properties in the same region, with uncontrolled postharvest processing, reaching a 75% success rate for drink classification. The obtained result is an indicator that the artificial neural network is a suitable tool to correlate results from sensorial analysis with the chemical analysis. |
id |
UFV_9abb3228c77bd9161427ab63efe67b4b |
---|---|
oai_identifier_str |
oai:locus.ufv.br:123456789/672 |
network_acronym_str |
UFV |
network_name_str |
LOCUS Repositório Institucional da UFV |
repository_id_str |
2145 |
spelling |
Messias, José Américo Trivellatohttp://lattes.cnpq.br/8744228037371075Martins, José Helvéciohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4787754Z3Lacerda Filho, Adílio Flauzino dehttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4788667H5Melo, Evandro de Castrohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4787549E4Borém, Flávio Meirahttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4723068H6Silva, Jadir Nogueira dahttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4783346P3Monteiro, Paulo Marcos de Barroshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4798498J62015-03-26T12:31:12Z2011-04-062015-03-26T12:31:12Z2009-12-07MESSIAS, José Américo Trivellato. Artificial neural network: new approach for identification of the quality of drinking coffee arabic using chemical analysis results. 2009. 85 f. Tese (Doutorado em Construções rurais e ambiência; Energia na agricultura; Mecanização agrícola; Processamento de produ) - Universidade Federal de Viçosa, Viçosa, 2009.http://locus.ufv.br/handle/123456789/672The present study was performed with the objective of evaluating the utilization of an artificial neural network to correlate results from sensorial analysis with the chemical analysis of coffee samples. The coffee samples utilized belonged to the coffee plant Coffea arabica L., cultivars Acaiá do Cerrado, Topázio, Catuaí vermelho 99, Acaiá 474-19 and Bourbon, collected in the southern region of Minas Gerais State, Brazil, with controlled post-harvest processing. Performed chemical analyses were those of non-reducing sugars, reducing sugars, total titratable acidity, electrical conductivity, leaching of potassium and polyphenols. Coffee quality was evaluated by the sensorial analysis. The multiple linear regression fits of the experimental data from sensorial analysis as a function of the data from the chemical analysis presented a determination coefficient of 0.6681, while the employed artificial neural network reached a classification success rate of, approximately, 85% for the values of sensorial analysis. The artificial neural network obtained was tested with coffee samples collected from properties in the same region, with uncontrolled postharvest processing, reaching a 75% success rate for drink classification. The obtained result is an indicator that the artificial neural network is a suitable tool to correlate results from sensorial analysis with the chemical analysis.Este trabalho foi realizado com o objetivo de avaliar a utilização de rede neural artificial para correlacionar os valores resultantes da análise sensorial com os das análises químicas de amostras de café, com vistas à classificação da bebida de café. As amostras de café utilizadas são referentes ao café Coffea arabica L., cultivares Acaiá do Cerrado, Topázio, Catuaí vermelho 99, Acaiá 474-19 e Bourbon, coletadas na região Sul do Estado de Minas Gerais, com processamento pós-colheita controlado. As análises químicas utilizadas foram de açúcar não redutor, açúcar redutor, acidez titulável total, condutividade elétrica, lixiviação de potássio e polifenóis. A qualidade da bebida do café foi avaliada pela análise sensorial. A regressão linear múltipla dos valores de análise sensorial em função dos valores das análises químicas teve coeficiente de determinação igual a 0,6681, enquanto o método de rede neural artificial empregado obteve um nível de acerto na classificação dos valores da análise sensorial em torno de 85%. A rede neural artificial obtida foi testada com amostras de café coletadas em propriedades da mesma região, com processamento pós-colheita sem controle, obtendo acerto de 75% na classificação da bebida. O resultado obtido é indicador de que o método de rede neural artificial é uma ferramenta adequada para correlacionar os valores resultantes da análise sensorial com os das análises químicas.Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorapplication/pdfporUniversidade Federal de ViçosaDoutorado em Engenharia AgrícolaUFVBRConstruções rurais e ambiência; Energia na agricultura; Mecanização agrícola; Processamento de produRede neural artificialQualidade do caféClassificaçãoArtificial neural networkQuality of coffeeClassificationCNPQ::CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA::ENERGIZACAO RURALRedes neurais artificiais: nova abordagem para identificação da qualidade da bebida do café arábica utilizando-se resultados de análises químicasArtificial neural network: new approach for identification of the quality of drinking coffee arabic using chemical analysis resultsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdfapplication/pdf762457https://locus.ufv.br//bitstream/123456789/672/1/texto%20completo.pdfbe01733e29ebac6446f5d7b5ef4cfa5bMD51TEXTtexto completo.pdf.txttexto completo.pdf.txtExtracted texttext/plain172674https://locus.ufv.br//bitstream/123456789/672/2/texto%20completo.pdf.txt884546afda07b7b98890659417b8cddaMD52THUMBNAILtexto completo.pdf.jpgtexto completo.pdf.jpgIM Thumbnailimage/jpeg3726https://locus.ufv.br//bitstream/123456789/672/3/texto%20completo.pdf.jpg128780047b517fb99f0aa326a5ac48acMD53123456789/6722016-04-06 23:10:22.64oai:locus.ufv.br:123456789/672Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452016-04-07T02:10:22LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false |
dc.title.por.fl_str_mv |
Redes neurais artificiais: nova abordagem para identificação da qualidade da bebida do café arábica utilizando-se resultados de análises químicas |
dc.title.alternative.eng.fl_str_mv |
Artificial neural network: new approach for identification of the quality of drinking coffee arabic using chemical analysis results |
title |
Redes neurais artificiais: nova abordagem para identificação da qualidade da bebida do café arábica utilizando-se resultados de análises químicas |
spellingShingle |
Redes neurais artificiais: nova abordagem para identificação da qualidade da bebida do café arábica utilizando-se resultados de análises químicas Messias, José Américo Trivellato Rede neural artificial Qualidade do café Classificação Artificial neural network Quality of coffee Classification CNPQ::CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA::ENERGIZACAO RURAL |
title_short |
Redes neurais artificiais: nova abordagem para identificação da qualidade da bebida do café arábica utilizando-se resultados de análises químicas |
title_full |
Redes neurais artificiais: nova abordagem para identificação da qualidade da bebida do café arábica utilizando-se resultados de análises químicas |
title_fullStr |
Redes neurais artificiais: nova abordagem para identificação da qualidade da bebida do café arábica utilizando-se resultados de análises químicas |
title_full_unstemmed |
Redes neurais artificiais: nova abordagem para identificação da qualidade da bebida do café arábica utilizando-se resultados de análises químicas |
title_sort |
Redes neurais artificiais: nova abordagem para identificação da qualidade da bebida do café arábica utilizando-se resultados de análises químicas |
author |
Messias, José Américo Trivellato |
author_facet |
Messias, José Américo Trivellato |
author_role |
author |
dc.contributor.authorLattes.por.fl_str_mv |
http://lattes.cnpq.br/8744228037371075 |
dc.contributor.author.fl_str_mv |
Messias, José Américo Trivellato |
dc.contributor.advisor-co1.fl_str_mv |
Martins, José Helvécio |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4787754Z3 |
dc.contributor.advisor-co2.fl_str_mv |
Lacerda Filho, Adílio Flauzino de |
dc.contributor.advisor-co2Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4788667H5 |
dc.contributor.advisor1.fl_str_mv |
Melo, Evandro de Castro |
dc.contributor.advisor1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4787549E4 |
dc.contributor.referee1.fl_str_mv |
Borém, Flávio Meira |
dc.contributor.referee1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4723068H6 |
dc.contributor.referee2.fl_str_mv |
Silva, Jadir Nogueira da |
dc.contributor.referee2Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4783346P3 |
dc.contributor.referee3.fl_str_mv |
Monteiro, Paulo Marcos de Barros |
dc.contributor.referee3Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4798498J6 |
contributor_str_mv |
Martins, José Helvécio Lacerda Filho, Adílio Flauzino de Melo, Evandro de Castro Borém, Flávio Meira Silva, Jadir Nogueira da Monteiro, Paulo Marcos de Barros |
dc.subject.por.fl_str_mv |
Rede neural artificial Qualidade do café Classificação |
topic |
Rede neural artificial Qualidade do café Classificação Artificial neural network Quality of coffee Classification CNPQ::CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA::ENERGIZACAO RURAL |
dc.subject.eng.fl_str_mv |
Artificial neural network Quality of coffee Classification |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA::ENERGIZACAO RURAL |
description |
The present study was performed with the objective of evaluating the utilization of an artificial neural network to correlate results from sensorial analysis with the chemical analysis of coffee samples. The coffee samples utilized belonged to the coffee plant Coffea arabica L., cultivars Acaiá do Cerrado, Topázio, Catuaí vermelho 99, Acaiá 474-19 and Bourbon, collected in the southern region of Minas Gerais State, Brazil, with controlled post-harvest processing. Performed chemical analyses were those of non-reducing sugars, reducing sugars, total titratable acidity, electrical conductivity, leaching of potassium and polyphenols. Coffee quality was evaluated by the sensorial analysis. The multiple linear regression fits of the experimental data from sensorial analysis as a function of the data from the chemical analysis presented a determination coefficient of 0.6681, while the employed artificial neural network reached a classification success rate of, approximately, 85% for the values of sensorial analysis. The artificial neural network obtained was tested with coffee samples collected from properties in the same region, with uncontrolled postharvest processing, reaching a 75% success rate for drink classification. The obtained result is an indicator that the artificial neural network is a suitable tool to correlate results from sensorial analysis with the chemical analysis. |
publishDate |
2009 |
dc.date.issued.fl_str_mv |
2009-12-07 |
dc.date.available.fl_str_mv |
2011-04-06 2015-03-26T12:31:12Z |
dc.date.accessioned.fl_str_mv |
2015-03-26T12:31:12Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
MESSIAS, José Américo Trivellato. Artificial neural network: new approach for identification of the quality of drinking coffee arabic using chemical analysis results. 2009. 85 f. Tese (Doutorado em Construções rurais e ambiência; Energia na agricultura; Mecanização agrícola; Processamento de produ) - Universidade Federal de Viçosa, Viçosa, 2009. |
dc.identifier.uri.fl_str_mv |
http://locus.ufv.br/handle/123456789/672 |
identifier_str_mv |
MESSIAS, José Américo Trivellato. Artificial neural network: new approach for identification of the quality of drinking coffee arabic using chemical analysis results. 2009. 85 f. Tese (Doutorado em Construções rurais e ambiência; Energia na agricultura; Mecanização agrícola; Processamento de produ) - Universidade Federal de Viçosa, Viçosa, 2009. |
url |
http://locus.ufv.br/handle/123456789/672 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
dc.publisher.program.fl_str_mv |
Doutorado em Engenharia Agrícola |
dc.publisher.initials.fl_str_mv |
UFV |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Construções rurais e ambiência; Energia na agricultura; Mecanização agrícola; Processamento de produ |
publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
dc.source.none.fl_str_mv |
reponame:LOCUS Repositório Institucional da UFV instname:Universidade Federal de Viçosa (UFV) instacron:UFV |
instname_str |
Universidade Federal de Viçosa (UFV) |
instacron_str |
UFV |
institution |
UFV |
reponame_str |
LOCUS Repositório Institucional da UFV |
collection |
LOCUS Repositório Institucional da UFV |
bitstream.url.fl_str_mv |
https://locus.ufv.br//bitstream/123456789/672/1/texto%20completo.pdf https://locus.ufv.br//bitstream/123456789/672/2/texto%20completo.pdf.txt https://locus.ufv.br//bitstream/123456789/672/3/texto%20completo.pdf.jpg |
bitstream.checksum.fl_str_mv |
be01733e29ebac6446f5d7b5ef4cfa5b 884546afda07b7b98890659417b8cdda 128780047b517fb99f0aa326a5ac48ac |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV) |
repository.mail.fl_str_mv |
fabiojreis@ufv.br |
_version_ |
1801212939808538624 |