Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Use of machine learning to predict fruit quality: a sensory study using affective scales
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/1144906
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Pinheiro, Ana Carla Marques | - |
| Autor(es): dc.contributor | Gularte, Márcia Arocha | - |
| Autor(es): dc.contributor | Esmerino, Erick Almeida | - |
| Autor(es): dc.contributor | Ferreira, Danton Diego | - |
| Autor(es): dc.contributor | Vilas Boas, Eduardo Valério de Barros | - |
| Autor(es): dc.contributor | Rocha, Roney Alves da | - |
| Autor(es): dc.creator | Ribeiro, Michele Nayara | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:40:27Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:40:27Z | - |
| Data de envio: dc.date.issued | 2021-10-07 | - |
| Data de envio: dc.date.issued | 2021-10-07 | - |
| Data de envio: dc.date.issued | 2021-10-07 | - |
| Data de envio: dc.date.issued | 2021-08-13 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/48346 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1144906 | - |
| Descrição: dc.description | Fruit quality is one of the most important factors to ensure consistent fruit commercialization and consumer satisfaction. The role of sensory analysis in measuring consumer responses about food quality is indisputable. However, the sensory quality of fruit is generally not monitored due to time and money constraints, requiring the participation of many consumers, making sensory testing unfeasible. Thus, the present work aimed to: (i) generate mathematical models based on machine learning to predict acceptance, expectation, sweetness ideal, acidity ideal, and succulence ideal based on physicochemical data of different fruits and classify fruits according to consumer satisfaction and intention to pay more; and (ii) use different affective scales to assess sensory responses and understand the factors that influence strawberry consumer behavior. For this, in the first topic addressed in this work, the Random Forest (RF) algorithm was used to predict the sensory responses (acceptance, expectation, sweetness ideal, succulence ideal, and acidity ideal) of strawberry consumers using physical and physicochemical measurements. In addition, RF was used to classify strawberries into “satisfied” or “not satisfied” and “would pay more” or “would not pay more” based on the sensory responses of consumers. The RF obtained excellent results for the prediction task, which indicates that it is possible to correctly estimate the sensory measurements of strawberries using physical and physicochemical data. In addition, the RF was able to correctly classify the strawberry samples into the “satisfied” and “not satisfied” classes and into the “would pay more” or “would not pay more” classes. The second aspect addressed was to evaluate the use of different algorithms to predict the sensory responses of consumers of different fruits. For this, 705 orange consumers, 624 tangerine consumers, and 477 grape consumers evaluated the fruit samples according to their acceptance, expectation, ideal sweetness, succulence, and acidity, using affective scales. The results showed that there is no single algorithm that surpasses all others in predicting the consumer's response regarding the fruits evaluated through their physical, chemical, and physical-chemical parameters. In the third topic, a total of 715 consumers evaluated thirty samples of strawberries using different affective scales to quantify their acceptance, expectation, ideal sweetness, juiciness, and acidity. In addition, satisfaction and intention to pay more or not for the fruit were measured. It was observed that the attributes of sweetness, succulence and acidity directly influenced the acceptance and expectation of consumers, which consequently can generate greater satisfaction. The correlation of different affective scales can be an alternative to better understand consumer behavior. Therefore, the results indicate that the developed models can be used in fruit quality control, supporting the establishment of quality standards that consider the consumer's response. Furthermore, the proposed methodology can be extended to control the sensory quality of other fruits. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | A qualidade das frutas é um dos fatores mais importantes para garantir que a sua comercialização seja consistente, bem como a satisfação do consumidor. É indiscutível o papel da análise sensorial na aferição das respostas dos consumidores sobre a qualidade dos alimentos. Entretanto, a qualidade sensorial das frutas geralmente não é monitorada devido a restrições de tempo e dinheiro, sendo necessária a participação de muitos consumidores para a realização dos testes sensoriais, tornando-os mais difíceis. Deste modo, o presente trabalho teve como objetivos: (i) gerar modelos matemáticos baseados em aprendizado de máquina para predizer a aceitação, expectativa, ideal de doçura, ideal de acidez e o ideal de suculência com base nos dados físico-químicos de diferentes frutas e classificar as frutas quanto à satisfação do consumidor e sua intenção de pagar mais por elas; e (ii) utilizar diferentes escalas afetivas para avaliar as respostas sensoriais e entender os fatores que influenciam no comportamento do consumidor de morangos. Para isso, no primeiro tópico abordado neste trabalho foi utilizado o algoritmo Random Forest (RF) para predizer as respostas sensoriais (aceitação, expectativa, ideal de doçura, suculência e acidez) dos consumidores de morangos utilizando medidas físicas e físico-químicas. Além disto, o RF foi utilizado para classificar os morangos em “satisfeitos” ou “não satisfeitos” e “pagaria mais” ou “não pagaria mais” com base nas respostas sensoriais dos consumidores. O RF gerou excelentes resultados para a tarefa de predição, o que indica que é possível estimar corretamente as medidas sensoriais de morangos usando dados físicos e físico-químicos. Além disso, o RF foi capaz de classificar corretamente as amostras de morango nas classes “satisfeito” e “não satisfeito” e nas classes “pagaria mais” ou “não pagaria mais”. O segundo aspecto abordado foi avaliar o uso de diferentes algoritmos para predizer as respostas sensoriais de consumidores de diferentes frutas. Para isto, 705 consumidores de laranja, 624 consumidores de tangerina e 477 consumidores de uva, avaliaram as amostras de frutas de acordo com sua aceitação, expectativa, ideal de doçura, suculência e acidez, utilizando escalas afetivas. Os resultados demonstraram que não existe um único algoritmo que supere todos os outros em prever a resposta do consumidor em relação às frutas avaliadas por meio de seus parâmetros físicos, químicos e físico-químicos. No terceiro tópico um total de 715 consumidores avaliaram trinta amostras de morangos utilizando diferentes escalas afetivas para quantificar a sua aceitação, expectativa, ideal de doçura, suculência e acidez. Além disso, aferiram-se a satisfação e intenção de pagar mais ou não pela fruta. Foi observado que os atributos de doçura, suculência e acidez influenciaram diretamente na aceitação e expectativa dos consumidores, o que consequentemente pode gerar maior satisfação. A correlação de diferentes escalas afetivas pode ser uma alternativa para entender melhor o comportamento dos consumidores. Portanto, os resultados indicam que os modelos desenvolvidos podem ser utilizados no controle de qualidade de frutas, subsidiando o estabelecimento de padrões de qualidade que considerem a resposta do consumidor. Além disso, a metodologia proposta pode ser estendida para controlar a qualidade sensorial de outras frutas. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Universidade Federal de Lavras | - |
| Publicador: dc.publisher | Programa de Pós-Graduação em Ciência dos Alimentos | - |
| Publicador: dc.publisher | UFLA | - |
| Publicador: dc.publisher | brasil | - |
| Publicador: dc.publisher | Departamento de Ciência dos Alimentos | - |
| Direitos: dc.rights | acesso aberto | - |
| Palavras-chave: dc.subject | Frutas - Qualidade | - |
| Palavras-chave: dc.subject | Frutas - Análise sensorial | - |
| Palavras-chave: dc.subject | Frutas - Qualidade sensorial | - |
| Palavras-chave: dc.subject | Aprendizado de máquina | - |
| Palavras-chave: dc.subject | Escalas afetivas | - |
| Palavras-chave: dc.subject | Fruit - Quality | - |
| Palavras-chave: dc.subject | Fruits - Sensory analysis | - |
| Palavras-chave: dc.subject | Fruits - Sensory quality | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Affective scales | - |
| Palavras-chave: dc.subject | Ciência de Alimentos | - |
| Título: dc.title | Use of machine learning to predict fruit quality: a sensory study using affective scales | - |
| Título: dc.title | Uso de aprendizado de máquina na predição da qualidade de frutas: um estudo sensorial utilizando escalas afetivas | - |
| Tipo de arquivo: dc.type | tese | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
Não existem arquivos associados a este item.
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo