Inteligência computacional e lógica fuzzy na classificação da qualidade tecnológica da carne suína

Data

2018-02-27

Autores

Peres, Louise Manha

Título da Revista

ISSN da Revista

Título de Volume

Editor

Resumo

A classificação da qualidade da carne suína é de extrema importância, uma vez que a partir desta podemos avaliar direta e indiretamente as ações tomadas na cadeia produtiva. Inúmeros são os padrões de classificação descritos na literatura, não havendo consenso entre eles no que se refere a quantidade de classes nem tampouco em relação aos limiares entre classes. E estes limiares são rígidos, ou seja, para uma amostra ser classificada ela tem que se encaixar numericamente nos limiares máximo e mínimo de uma classe e por isso é comum haver amostras que não se enquadram em nenhuma classe devido aos fatores intrínsecos e extrínsecos que afetam a qualidade da carne, sendo nesta ocasião denominadas amostras não factíveis. "Qual padrão escolher para classificar a qualidade tecnológica da carne?" e "O que fazer para classificar uma amostra quando ela não se enquadra em nenhuma classe?". As soluções para esta problemática são apresentadas nos dois artigos que compõem esta tese. ARTIGO I: "Meta-recommendation of pork quality standards" - através da meta- recomendação, utilizando o algoritmo de árvore de decisão J48 obtivemos resultado de máximo desempenho para o meta-modelo, considerando as medidas de acurácia, coeficiente kappa, verdadeiro-positivo, falso-positivo, precisão, revocação e F-measure (média ponderada entre precisão e revocação). Sendo assim, é notória a contribuição destes resultados para direcionar com confiabilidade o padrão de qualidade de carne suína mais adequado a qualquer dataset em estudo. ARTIGO II: "Fuzzy approach for classification of pork into quality grades: coping with unclassifiable samples" - quando classificamos as amostras com a lógica clássica, segundo os limiares rígidos dos padrões descritos, facilmente encontramos amostras não factíveis. Em função disto, muitos lotes de carne podem ser direcionadas para nichos de mercados não condizentes com suas características tecnológicas. Os resultados encontrados nesse artigo foram relevantes, pois a porcentagem de amostras não factíveis foi reduzida consideravelmente quando utilizada a lógica fuzzy em comparação a lógica clássica. Com este trabalho conseguimos preencher satisfatoriamente várias lacunas da classificação da qualidade da carne suína. Inicialmente fizemos a meta-recomendação do padrão mais adequado ao dataset e na sequência aplicamos a lógica fuzzy para aumentar a porcentagem de amostras classificáveis. Assim, é notória a contribuição da lógica fuzzy como uma ferramenta viável e confiável para comercializar produtos cárneos estrategicamente em função de sua classe de qualidade.

Descrição

Palavras-chave

Aprendizado de máquina, Árvore de decisão, Classes, Factíveis, Meta aprendizado, Padrões

Citação