Use este identificador para citar ou linkar para este item: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/2363
Título: Estudo de misturas de café arábica e robusta usando FTIR e redes neurais artificiais
Autor(es): Carvalho, Priscilla Braga de
Orientador(es): Bona, Evandro
Palavras-chave: Café
Redes neurais (Computação)
Espectroscopia de infravermelho
Coffee
Neural networks (Computer science)
Infrared spectroscopy
Data do documento: 25-Fev-2014
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Campo Mourao
Referência: CARVALHO, Priscilla Braga de. Estudo de misturas de café arábica e robusta usando FTIR e redes neurais artificiais. 2014. 33 f. Trabalho de Conclusão de Curso (Graduação) - Universidade Tecnológica Federal do Paraná, Campo Mourão, 2014.
Resumo: O café é uma das bebidas mais aceitas e apreciadas por diversos países no mundo, por ser um produto natural, com aromas e sabores distintos. As principais espécies são a Coffea arabica (café arábica) e a Coffea canephora (café robusta). Essas apresentam uma composição química muito distinta, sendo que o café arábica fornece uma bebida com qualidade e aroma superior ao café robusta. Por isso os cafés de melhor qualidade, utilizam somente combinação de café arábica, devido ao aroma intenso, grãos esverdeados, alta acidez e menor quantidade de cafeína. As misturas de café ou blends são muito utilizadas quando se deseja manter uma uniformidade de sabor no produto, assim, foi testado o desenvolvimento de metodologias analíticas confiáveis para indicar a quantidade de cada tipo de café em uma mistura. As redes neurais artificiais (RNAs) são um conjunto de técnicas baseadas em princípios estatísticos, que vem atualmente ganhando espaço para realizar tarefas de regressão e reconhecimento de padrões. As RNAs são técnicas capazes de realizar o mapeamento de relações complexas e não lineares entre múltiplas variáveis de entrada e saída. Neste trabalho foram utilizados dois tipos de rede neural artificial, o perceptron de múltiplas camadas (aprendizagem supervisionada) e a rede de base radial (processo de aprendizagem híbrido). Os espectros foram obtidos no equipamento de espectroscopia no infravermelho com transformada de Fourier (FTIR), e devidamente pré-processados (normalização, correção da linha de base e suavização). Os resultados obtidos mostraram que os perceptrons de múltiplas camadas (MLP) e as redes de base radial (RBF) apresentaram um desempenho similar com um erro absoluto médio da ordem de 7% para as amostras de teste. Assim, conclui-se que é necessário refinar a técnica para obter erros menores. Sugere-se a utilização da espectroscopia de infravermelho próximo e/ou a análise de extratos das amostras.
Abstract: Coffee is one of the most accepted and appreciated beverage by many countries in the world, being a natural product with distinct aromas and flavors. The main species are Coffea arabica (arabica) and Coffea canephora (robusta). They have a very different chemical composition, the arabica coffee provides a beverage with higher quality and aroma than the robusta coffee. Therefore, best quality beverages use only arabica coffee, due to the intense aroma, greenish grains, high acidity and lower amount of caffeine. The coffee blends are commonly used when you want to maintain a uniformity of flavor. Therefore, is necessary the development of reliable analytical methods to indicate the quantity of each type of coffee in a mixture. Artificial neural networks (ANN) are a set of principles based on mathematical and statistical techniques; it has now gained space to perform tasks of regression and pattern recognition. The ANN are capable of performing the mapping of complex and non-linear multivariate relationships between input and output. In this work two types of artificial neural network; the multilayer perceptron MLP, with supervised learning, and radial basis network RBF, with hybrid learning process, were used. The spectra were obtained in the spectroscopy equipment in Fourier transform infrared (FTIR), and appropriately pre-processed (normalization, baseline correction and smoothing). The results showed that multilayer perceptrons (MLP) and radial basis function networks (RBF) showed a similar performance with a mean absolute error of approximately 7% for test samples. So it appears that it is necessary to refine the technique to get minor errors. It is suggested the use of near infrared spectroscopy and/or analysis of extracts of samples.
URI: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/2363
Aparece nas coleções:CM - Tecnologia em Alimentos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
CM_COALM_2013_2_16.pdf1,25 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.