Integração de redes neurais artificais ao nariz eletrônico : avaliação aromática de café solúvel

Página do item simplificado
dataload.collectionmapped01 - Doutorado - Ciência de Alimentospt_BR
dataload.filenamenourau1243.pdfpt_BR
dataload.handlemapped123456789/4pt_BR
dataload.idpergamum131893pt_BR
dataload.idvirtuanourauvtls000144991pt_BR
dataload.idvirtuapergamumvtls000144991pt_BR
dataload.idvirtuapergamum.sameurlnourauSIMpt_BR
dataload.linknourauhttp://www.bibliotecadigital.uel.br/document/?code=vtls000144991pt_BR
dataload.linknourau.regularSIMpt_BR
dataload.linknourau.retificadohttp://www.bibliotecadigital.uel.br/document/?code=vtls000144991pt_BR
dataload.linknourau.size64.00pt_BR
dc.contributor.advisorSilva, Rui Sérgio dos Santos Ferreira da [Orientador]pt_BR
dc.contributor.authorBona, Evandropt_BR
dc.contributor.bancaBorsato, Dionísiopt_BR
dc.contributor.bancaSilva, Luiz Henry Monken ept_BR
dc.contributor.bancaFerreyra Ramírez, Ernesto Fernandopt_BR
dc.contributor.bancaBassoli, Denisley Gentilpt_BR
dc.coverage.spatialLondrinapt_BR
dc.date.accessioned2024-05-01T13:18:08Z
dc.date.available2024-05-01T13:18:08Z
dc.date.created2008.00pt_BR
dc.date.defesa25.08.2008pt_BR
dc.description.abstractResumo: O aroma é uma das características mais importantes dos alimentos, principalmente para bebidas como o café Sua avaliação é complexa e primordial no controle de qualidade da indústria de café solúvel O nariz eletrônico é um instrumento, constituído por um arranjo de sensores parcialmente seletivos, que tem sido muito utilizado na análise de voláteis alimentares É necessário, também, que ao equipamento seja acoplada uma interface multivariada capaz de reconhecer padrões aromáticos As redes neurais artificiais, que são um conjunto de técnicas capazes de realizar mapeamentos entrada-saída complexos e não-lineares, estão entre as técnicas mais empregadas para a análise dos perfis aromáticos obtidos através do nariz eletrônico Neste trabalho foram utilizados dois tipos de rede neural artificial, o perceptron de múltiplas camadas (aprendizagem supervisionada) e o mapa auto-organizável (aprendizagem não-supervisionada), para o reconhecimento e classificação de padrões aromáticos de café solúvel em dois bancos de dados No desenvolvimento das redes, foram aplicadas outras metodologias para: geração de conjuntos de treinamento (reamostragem bootstrap), escolha dos parâmetros de rede (otimização simplex seqüencial) e para verificar a confiabilidade e variabilidade dos resultados obtidos (estatística descritiva e testes de hipóteses) As redes perceptron de múltiplas camadas reconheceram todos os sete cafés do primeiro banco de dados Já para o segundo banco com quarenta produtos industriais, foi obtido um desempenho de classificação correta de 9% nas amostras de validação e 75% para as de teste Esta performance só foi possível em virtude da utilização das metodologias de reamostragem, otimização e a correta representação das classes Os mapas auto-organizáveis possibilitaram a separação das amostras, de ambos os bancos de dados, em grupos de acordo com similaridade aromática Para o primeiro banco de dados os resultados obtidos pelo mapa convergiram com os apresentados pela análise de componentes principais O mesmo não foi possível para o banco industrial, pois, não foi possível visualizar uma separação dos produtos usando a análise de componentes principais Além disso, o mapa permitiu testar estatisticamente a proximidade entre produtos e associar a distribuição das amostras com a dispersão dos valores observados para cada sensor do nariz eletrônico A combinação do nariz eletrônico com as redes neurais artificiais mostrou ser uma alternativa promissora para o desenvolvimento de novos produtos, comparação de similaridades entre produtos concorrentes e para o controle da qualidade aromática de café solúvelpt_BR
dc.description.abstractother1Abstract: Flavor is one of the most important features for beverages like coffee The volatile compounds evaluation is complex and important for quality control in soluble coffee industry The electronic nose is an instrument, which comprises an array of chemical sensors with partial specificity, very used for food flavor analysis It is also necessary to couple the equipment with a suitable multivariate pattern recognition system The artificial neural networks are a group of methods that can represent complex and nonlinear input-output relationships The neural network integrated to electronic nose system is greatly used for food aroma analysis In this work were used two types of neural networks for flavor recognition and classification of two soluble coffee databases, the multilayer perceptron (supervised learning) and the self-organizing maps (unsupervised learning) Other techniques were also applied during neural network development: bootstrap resample to generate training sets; sequential simplex optimization to select parameters; and descriptive statistics and hypothesis tests to assess the variability and reliability of obtained results The multilayer perceptrons recognized all coffees in the first database with seven products For the industrial database, with forty products, 9% of samples in validation set and 75% in test set were correctly classified This performance was only achieved due to correct class representation, bootstrap resample and optimization methodology The self-organizing maps made possible the separation of coffee samples according to aromatic similarity in both databases In the first database the results obtained by the self-organizing maps are the same ones obtained by principal component analysis But, in the industrial database was not possible to visualize the products separation using the principal component analysis Furthermore, in the self-organizing map it was possible to statistically test the neighborhood relation of products and associate the samples distribution with electronic nose sensor values dispersion The neural network integrated to electronic nose system showed as a promising choice for new products development, similarity check among concurrent products and quality control of soluble coffeept_BR
dc.description.notesTese (Doutorado em Ciência de Alimentos) - Universidade Estadual de Londrina, Centro de Ciências Agrárias, Programa de Pós-Graduação em Ciência de Alimentospt_BR
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/11625
dc.languagepor
dc.relation.coursedegreeDoutoradopt_BR
dc.relation.coursenameCiência de Alimentospt_BR
dc.relation.departamentCentro de Ciências Agráriaspt_BR
dc.relation.ppgnamePrograma de Pós-Graduação em Ciência de Alimentospt_BR
dc.subjectCafé solúvelpt_BR
dc.subjectControle de qualidadept_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectNariz eletrônico (Computação)pt_BR
dc.subjectAlimentospt_BR
dc.subjectInstant coffee - Quality controlpt_BR
dc.subjectArtificial neural networkspt_BR
dc.subjectSensory evaluationpt_BR
dc.subjectFoodpt_BR
dc.titleIntegração de redes neurais artificais ao nariz eletrônico : avaliação aromática de café solúvelpt_BR
dc.typeTesept_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
1243.pdf
Tamanho:
4.49 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

01 - Doutorado - Ciência de Alimentos