
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.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.creator | Ossani, Paulo César | - |
| Autor(es): dc.creator | Souza, Douglas Correa de | - |
| Autor(es): dc.creator | Rossoni, Diogo Francisco | - |
| Autor(es): dc.creator | Resende, Luciane Vilela | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:50:28Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:50:28Z | - |
| Data de envio: dc.date.issued | 2021-09-20 | - |
| Data de envio: dc.date.issued | 2021-09-20 | - |
| Data de envio: dc.date.issued | 2020-10 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/48184 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.1111/1750-3841.15514 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1169300 | - |
| Descrição: dc.description | Vegetables are important in economic, social, and nutritional matters in both the Brazilian and international scenes. Hence, some researches have been carried out in order to encourage the production and consumption of different species such as nonconventional vegetables. These vegetables have an added value because of their nutritional quality and nostalgic appeal due to the reintroduction of these species. For this reason, this article proposes the use of the machine learning technique in the construction of models for supervised classification and identification in an experiment with five leafy special of nonconventional vegetables (Tropaeolum majus, Rumex acetosa, Stachys byzantina, Lactuca cf. indica e Pereskia aculeata) assessing the characteristics of the macro and micro nutrients. In order to evaluate the classifiers’ performance, the cross-validation procedure via Monte Carlo simulation was considered to confirm the model. In ten replications, the success and error rates were obtained, considering the false positive and false negative rates, sensibility, and accuracy of the classification method. Thus, it was concluded that the use of machine learning is viable because it allows the classification and identification of nonconventional vegetables using few nutritional attributes and obtaining a success rate of over 89% in most of the classifiers tested. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Institute of Food Technologists | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Journal of Food Science | - |
| Palavras-chave: dc.subject | Classification models | - |
| Palavras-chave: dc.subject | Macro and micro nutrients | - |
| Palavras-chave: dc.subject | Supervised classification | - |
| Palavras-chave: dc.subject | Traditional vegetables | - |
| Palavras-chave: dc.subject | Vegetais - Modelos de classificação | - |
| Palavras-chave: dc.subject | Macronutrientes | - |
| Palavras-chave: dc.subject | Micronutrientes | - |
| Palavras-chave: dc.subject | Classificação supervisionada | - |
| Palavras-chave: dc.subject | Plantas alimentícias não convencionais | - |
| Título: dc.title | Machine learning in classification and identification of nonconventional vegetables | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: