Utilização de algoritmos de aprendizagem de máquina para predição de absorção de água nas carcaças de frango: aplicação de redes neurais artificiais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
Texto Completo: | http://repositorio.utfpr.edu.br/jspui/handle/1/24950 |
Resumo: | A absorção de água em carcaças de frangos tem sido pesquisada por diversos autores no que tange às interferências específicas durante as etapas do processo de resfriamento em chiller. Atender os limites previstos em legislação para absorção de água nas carcaças das aves e buscar os valores mais próximos previstos pela legislação, implicam benefícios econômicos para as indústrias, aumentando a lucratividade e qualidade do produto. No estudo proposto foi utilizado o algoritmo de aprendizagem de máquina, um dos modelos de redes neurais artificiais, para predizer os valores e classificar as variáveis com maior influência de absorção de água em carcaças de frango de uma planta industrial, auxiliando os gestores da planta a tomar decisões. Como resultado, foi possível identificar a RNA com melhor desempenho para absorção de água, sendo os critérios utilizados para avaliar os resultados obtidos o coeficiente de correlação (R) entre os valores preditos e experimentais e o erro médio quadrático (RMSE). Para o dripping test, os coeficientes de correlação, tanto para Cross Validation quanto para Percentage Split, apresentaram valores próximos (R 0,3902 e R 0,4207), os quais são considerados baixos quando comparado aos resultados obtidos para absorção de água. Com relação à predição dos valores de absorção de água nas carcaças, a aplicação do Multilayer Perceptron teve boa evolução conforme foram sendo realizados ajustes no algoritmo através do software Weka, apresentando coeficientes de correlação de 0,95, utilizando 1 camada oculta com quatro (4) neurônios e três mil (3.000) épocas de treinamento. O algoritmo de rede neural identificou as variáveis - massa média, tempo de retenção no pré chiller, temperatura do pré chiller e temperatura de escaldagem; as quais influenciam no processo de absorção de água sendo que a literatura corrobora com as variáveis levantadas no estudo. |
id |
UTFPR-12_f106b48eed6155b394383dc92cdd414d |
---|---|
oai_identifier_str |
oai:repositorio.utfpr.edu.br:1/24950 |
network_acronym_str |
UTFPR-12 |
network_name_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
repository_id_str |
|
spelling |
2021-05-13T23:33:35Z2021-05-13T23:33:35Z2021-02-24PINTO, Mariana Camargo Leal. Utilização de algoritmos de aprendizagem de máquina para predição de absorção de água nas carcaças de frango: aplicação de redes neurais artificiais. 2021. 207 f. Dissertação (Mestrado em Tecnologia de Alimentos) - Universidade Tecnológica Federal do Paraná, Londrina, 2021.http://repositorio.utfpr.edu.br/jspui/handle/1/24950A absorção de água em carcaças de frangos tem sido pesquisada por diversos autores no que tange às interferências específicas durante as etapas do processo de resfriamento em chiller. Atender os limites previstos em legislação para absorção de água nas carcaças das aves e buscar os valores mais próximos previstos pela legislação, implicam benefícios econômicos para as indústrias, aumentando a lucratividade e qualidade do produto. No estudo proposto foi utilizado o algoritmo de aprendizagem de máquina, um dos modelos de redes neurais artificiais, para predizer os valores e classificar as variáveis com maior influência de absorção de água em carcaças de frango de uma planta industrial, auxiliando os gestores da planta a tomar decisões. Como resultado, foi possível identificar a RNA com melhor desempenho para absorção de água, sendo os critérios utilizados para avaliar os resultados obtidos o coeficiente de correlação (R) entre os valores preditos e experimentais e o erro médio quadrático (RMSE). Para o dripping test, os coeficientes de correlação, tanto para Cross Validation quanto para Percentage Split, apresentaram valores próximos (R 0,3902 e R 0,4207), os quais são considerados baixos quando comparado aos resultados obtidos para absorção de água. Com relação à predição dos valores de absorção de água nas carcaças, a aplicação do Multilayer Perceptron teve boa evolução conforme foram sendo realizados ajustes no algoritmo através do software Weka, apresentando coeficientes de correlação de 0,95, utilizando 1 camada oculta com quatro (4) neurônios e três mil (3.000) épocas de treinamento. O algoritmo de rede neural identificou as variáveis - massa média, tempo de retenção no pré chiller, temperatura do pré chiller e temperatura de escaldagem; as quais influenciam no processo de absorção de água sendo que a literatura corrobora com as variáveis levantadas no estudo.The absorption of water in chicken carcasses has been researched by several authors regarding specific interferences during the stages of the chiller cooling process. Meeting the limits foreseen in the legislation for the absorption of water in the carcasses of birds and seeking the closest values foreseen by the legislation, imply economic benefits for the industries, increasing the profitability and quality of the product. In the proposed study, the machine learning algorithm, one of the models of artificial neural networks, was used to predict the values and classify the variables with the greatest influence of water absorption in chicken carcasses of an industrial plant, helping plant managers to make decisions. As a result, it was possible to identify the ANN with the best performance for water absorption, and the criteria used to evaluate the results obtained were the correlation coefficient (R) between the predicted and experimental values and the mean quadratic error (RMSE). For the dripping test, the correlation coefficients, both for Cross Validation and for Percentage Split, presented close values (R 0.3902 and R 0.4207), which are considered low when compared to the results obtained for water absorption. Regarding the prediction of water absorption values in carcasses, the application of Multilayer Perceptron had a good evolution as adjustments were made to the algorithm using the Weka software, presenting correlation coefficients of 0.95, using 1 hidden layer with four (4 ) neurons and three thousand (3,000) training periods. The neural network algorithm identified the variables - average mass, pre-chiller retention time, pre-chiller temperature and scalding temperature; which influence the water absorption process and the literature corroborates the variables raised in the study.porUniversidade Tecnológica Federal do ParanáLondrinaPrograma de Pós-Graduação em Tecnologia de AlimentosUTFPRBrasilhttp://creativecommons.org/licenses/by-nc-sa/4.0info:eu-repo/semantics/openAccessCNPQ::CIENCIAS AGRARIAS::CIENCIA E TECNOLOGIA DE ALIMENTOS::TECNOLOGIA DE ALIMENTOSTecnologia de AlimentosFrango de corteCarne - ResfriamentoAlimentos - UmidadeRedes neurais (Computação)Broilers (Chickens)Meat - CoolingFood - MoistureNeural networks (Computer science)Utilização de algoritmos de aprendizagem de máquina para predição de absorção de água nas carcaças de frango: aplicação de redes neurais artificiaisUse of machine learning algorithms to predict water absorption in chicken carcasses: application of artificial neural networksinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisLondrinaAlfaro, Alexandre da Trindadehttps://orcid.org/0000-0003-3062-3076http://lattes.cnpq.br/4939970055152393Brusamarello, Claiton Zaninihttps://orcid.org/0000-0002-2617-2375http://lattes.cnpq.br/9115740329749856Alfaro, Alexandre da Trindadehttps://orcid.org/0000-0003-3062-3076http://lattes.cnpq.br/4939970055152393Canan, Cristianehttps://orcid.org/0000-0001-5465-0701http://lattes.cnpq.br/8339407820444710Parteca, Sandrohttp://lattes.cnpq.br/2235956137752542http://lattes.cnpq.br/2898534650558839Pinto, Mariana Camargo Lealreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRORIGINALaprendizagemmaquinaabsorcaofrango.pdfapplication/pdf9873185http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/24950/1/aprendizagemmaquinaabsorcaofrango.pdfb3155f2ac0b5f5485988e75a5d9d8a8cMD51TEXTaprendizagemmaquinaabsorcaofrango.pdf.txtaprendizagemmaquinaabsorcaofrango.pdf.txtExtracted texttext/plain296497http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/24950/2/aprendizagemmaquinaabsorcaofrango.pdf.txt647729f810450a5d6ff618ae48ec3bf5MD52THUMBNAILaprendizagemmaquinaabsorcaofrango.pdf.jpgaprendizagemmaquinaabsorcaofrango.pdf.jpgGenerated Thumbnailimage/jpeg1329http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/24950/3/aprendizagemmaquinaabsorcaofrango.pdf.jpg7399bf37b09af31f541c69f90a188c05MD531/249502021-05-14 03:12:27.945oai:repositorio.utfpr.edu.br:1/24950Repositório de PublicaçõesPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestopendoar:2021-05-14T06:12:27Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
dc.title.pt_BR.fl_str_mv |
Utilização de algoritmos de aprendizagem de máquina para predição de absorção de água nas carcaças de frango: aplicação de redes neurais artificiais |
dc.title.alternative.pt_BR.fl_str_mv |
Use of machine learning algorithms to predict water absorption in chicken carcasses: application of artificial neural networks |
title |
Utilização de algoritmos de aprendizagem de máquina para predição de absorção de água nas carcaças de frango: aplicação de redes neurais artificiais |
spellingShingle |
Utilização de algoritmos de aprendizagem de máquina para predição de absorção de água nas carcaças de frango: aplicação de redes neurais artificiais Pinto, Mariana Camargo Leal CNPQ::CIENCIAS AGRARIAS::CIENCIA E TECNOLOGIA DE ALIMENTOS::TECNOLOGIA DE ALIMENTOS Frango de corte Carne - Resfriamento Alimentos - Umidade Redes neurais (Computação) Broilers (Chickens) Meat - Cooling Food - Moisture Neural networks (Computer science) Tecnologia de Alimentos |
title_short |
Utilização de algoritmos de aprendizagem de máquina para predição de absorção de água nas carcaças de frango: aplicação de redes neurais artificiais |
title_full |
Utilização de algoritmos de aprendizagem de máquina para predição de absorção de água nas carcaças de frango: aplicação de redes neurais artificiais |
title_fullStr |
Utilização de algoritmos de aprendizagem de máquina para predição de absorção de água nas carcaças de frango: aplicação de redes neurais artificiais |
title_full_unstemmed |
Utilização de algoritmos de aprendizagem de máquina para predição de absorção de água nas carcaças de frango: aplicação de redes neurais artificiais |
title_sort |
Utilização de algoritmos de aprendizagem de máquina para predição de absorção de água nas carcaças de frango: aplicação de redes neurais artificiais |
author |
Pinto, Mariana Camargo Leal |
author_facet |
Pinto, Mariana Camargo Leal |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Alfaro, Alexandre da Trindade |
dc.contributor.advisor1ID.fl_str_mv |
https://orcid.org/0000-0003-3062-3076 |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/4939970055152393 |
dc.contributor.advisor-co1.fl_str_mv |
Brusamarello, Claiton Zanini |
dc.contributor.advisor-co1ID.fl_str_mv |
https://orcid.org/0000-0002-2617-2375 |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/9115740329749856 |
dc.contributor.referee1.fl_str_mv |
Alfaro, Alexandre da Trindade |
dc.contributor.referee1ID.fl_str_mv |
https://orcid.org/0000-0003-3062-3076 |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/4939970055152393 |
dc.contributor.referee2.fl_str_mv |
Canan, Cristiane |
dc.contributor.referee2ID.fl_str_mv |
https://orcid.org/0000-0001-5465-0701 |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/8339407820444710 |
dc.contributor.referee3.fl_str_mv |
Parteca, Sandro |
dc.contributor.referee3Lattes.fl_str_mv |
http://lattes.cnpq.br/2235956137752542 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/2898534650558839 |
dc.contributor.author.fl_str_mv |
Pinto, Mariana Camargo Leal |
contributor_str_mv |
Alfaro, Alexandre da Trindade Brusamarello, Claiton Zanini Alfaro, Alexandre da Trindade Canan, Cristiane Parteca, Sandro |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS AGRARIAS::CIENCIA E TECNOLOGIA DE ALIMENTOS::TECNOLOGIA DE ALIMENTOS |
topic |
CNPQ::CIENCIAS AGRARIAS::CIENCIA E TECNOLOGIA DE ALIMENTOS::TECNOLOGIA DE ALIMENTOS Frango de corte Carne - Resfriamento Alimentos - Umidade Redes neurais (Computação) Broilers (Chickens) Meat - Cooling Food - Moisture Neural networks (Computer science) Tecnologia de Alimentos |
dc.subject.por.fl_str_mv |
Frango de corte Carne - Resfriamento Alimentos - Umidade Redes neurais (Computação) Broilers (Chickens) Meat - Cooling Food - Moisture Neural networks (Computer science) |
dc.subject.capes.pt_BR.fl_str_mv |
Tecnologia de Alimentos |
description |
A absorção de água em carcaças de frangos tem sido pesquisada por diversos autores no que tange às interferências específicas durante as etapas do processo de resfriamento em chiller. Atender os limites previstos em legislação para absorção de água nas carcaças das aves e buscar os valores mais próximos previstos pela legislação, implicam benefícios econômicos para as indústrias, aumentando a lucratividade e qualidade do produto. No estudo proposto foi utilizado o algoritmo de aprendizagem de máquina, um dos modelos de redes neurais artificiais, para predizer os valores e classificar as variáveis com maior influência de absorção de água em carcaças de frango de uma planta industrial, auxiliando os gestores da planta a tomar decisões. Como resultado, foi possível identificar a RNA com melhor desempenho para absorção de água, sendo os critérios utilizados para avaliar os resultados obtidos o coeficiente de correlação (R) entre os valores preditos e experimentais e o erro médio quadrático (RMSE). Para o dripping test, os coeficientes de correlação, tanto para Cross Validation quanto para Percentage Split, apresentaram valores próximos (R 0,3902 e R 0,4207), os quais são considerados baixos quando comparado aos resultados obtidos para absorção de água. Com relação à predição dos valores de absorção de água nas carcaças, a aplicação do Multilayer Perceptron teve boa evolução conforme foram sendo realizados ajustes no algoritmo através do software Weka, apresentando coeficientes de correlação de 0,95, utilizando 1 camada oculta com quatro (4) neurônios e três mil (3.000) épocas de treinamento. O algoritmo de rede neural identificou as variáveis - massa média, tempo de retenção no pré chiller, temperatura do pré chiller e temperatura de escaldagem; as quais influenciam no processo de absorção de água sendo que a literatura corrobora com as variáveis levantadas no estudo. |
publishDate |
2021 |
dc.date.accessioned.fl_str_mv |
2021-05-13T23:33:35Z |
dc.date.available.fl_str_mv |
2021-05-13T23:33:35Z |
dc.date.issued.fl_str_mv |
2021-02-24 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
PINTO, Mariana Camargo Leal. Utilização de algoritmos de aprendizagem de máquina para predição de absorção de água nas carcaças de frango: aplicação de redes neurais artificiais. 2021. 207 f. Dissertação (Mestrado em Tecnologia de Alimentos) - Universidade Tecnológica Federal do Paraná, Londrina, 2021. |
dc.identifier.uri.fl_str_mv |
http://repositorio.utfpr.edu.br/jspui/handle/1/24950 |
identifier_str_mv |
PINTO, Mariana Camargo Leal. Utilização de algoritmos de aprendizagem de máquina para predição de absorção de água nas carcaças de frango: aplicação de redes neurais artificiais. 2021. 207 f. Dissertação (Mestrado em Tecnologia de Alimentos) - Universidade Tecnológica Federal do Paraná, Londrina, 2021. |
url |
http://repositorio.utfpr.edu.br/jspui/handle/1/24950 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0 info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0 |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Londrina |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Tecnologia de Alimentos |
dc.publisher.initials.fl_str_mv |
UTFPR |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Londrina |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
instacron_str |
UTFPR |
institution |
UTFPR |
reponame_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
collection |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
bitstream.url.fl_str_mv |
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/24950/1/aprendizagemmaquinaabsorcaofrango.pdf http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/24950/2/aprendizagemmaquinaabsorcaofrango.pdf.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/24950/3/aprendizagemmaquinaabsorcaofrango.pdf.jpg |
bitstream.checksum.fl_str_mv |
b3155f2ac0b5f5485988e75a5d9d8a8c 647729f810450a5d6ff618ae48ec3bf5 7399bf37b09af31f541c69f90a188c05 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1805922920405401600 |