
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.contributor | Pimenta, Carlos José | - |
| Autor(es): dc.contributor | Angélico, Caroline Lima | - |
| Autor(es): dc.contributor | Malta, Marcelo Ribeiro | - |
| Autor(es): dc.contributor | Rocha, Roney Alves da | - |
| Autor(es): dc.contributor | Chalfoun, Sara Maria | - |
| Autor(es): dc.creator | Lima, Priscilla Magalhães de | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:54:28Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:54:28Z | - |
| Data de envio: dc.date.issued | 2017-03-30 | - |
| Data de envio: dc.date.issued | 2017-03-30 | - |
| Data de envio: dc.date.issued | 2017-03-28 | - |
| Data de envio: dc.date.issued | 2017-03-10 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/12598 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1170666 | - |
| Descrição: dc.description | The coffee quality evaluation is performed by physical analysis of the grain and through sensorial analysis, by the "cup-proof" technique. However, this is a subjective classification which may vary from individual to individual. Thus, several researches have been done to relate the beverage sensorial characteristics with the chemical and physicochemical analyzes of the raw and roasted grains, helping on the quality assessment. In this way, this work aimed to create softwares capable to classify raw and roasted coffee according to their beverages class based on their chemical and physicochemical parameters. The raw grains were submitted to the physicochemical analysis: potash leaching, electrical conductivity, acidity, pH, soluble solids, enzymatic activity of polyphenoloxidase and total sugars. The results of these analyzes were used as training data and validation of the neural network of the Raw Grain Classification Software (Classcafe 1.0). Then, the coffee samples were sent to the cup test by trained providers to confirm the classification obtained in the cooperatives. After grading, the roasted beans were submitted to analysis of total sugars, reducing sugars and non-reducing sugars, pH, soluble solids, acidity and ethereal extract. The results of these analyzes were used as training data and validation of the neural network of the Roasted Grain Classification Software (Classtorr 1.0). The neural model used in the developed system correctly classified 100% of the samples tested.The neural network was able to correctly classify the raw and roasted coffee according to its sensory class using the chemical composition data of the coffee beans. The created systems are friendly and easy to use and they can be applied by coffee growers, cooperatives and by regulatory agencies, helping on the coffee qualification process. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | A classificação da bebida do café é realizada através da análise física dos grãos e por meio da análise sensorial, tradicionalmente conhecida como „prova de xícara‟. Porém, trata-se de uma classificação subjetiva, variando de indivíduo para indivíduo. Desse modo, várias pesquisas têm sido feitas com o intuito de relacionar as características sensoriais da bebida com análises químicas e físico-químicas dos grãos crus e torrados, para que sirvam de auxílio para avaliação da qualidade do café. O presente trabalho teve por objetivo o desenvolvimento de programas computacionais para avaliação da qualidade do café, de acordo com seu padrão de bebida. Os grãos crus foram submetidos às análises de lixiviação de potássio, condutividade elétrica, acidez, pH, sólidos solúveis, atividade enzimática da polifenoloxidase e açúcares totais. Os resultados dessas análises foram usados como dados de treinamento e validação da rede neural do Software de classificação dos grãos crus (Classcafe 1.0). Em seguida, as amostras de café foram encaminhadas para a realização da prova de xícara por provadores treinados, a fim de confirmar a classificação obtida nas cooperativas. Após a classificação, os grãos torrados foram submetidos às análises de açúcares totais, açúcares redutores e açúcares não redutores, pH, sólidos solúveis, acidez e extrato etéreo. Os resultados dessas análises foram usados como dados de treinamento e validação da rede neural do Software de classificação dos grãos crus (Classtorr 1.0). O modelo neural utilizado no sistema desenvolvido classificou eficientemente 100% das amostras testadas. A rede neural foi capaz de classificar corretamente o café cru e torrado , de acordo com a sua classe sensorial, utilizando-se os dados de composição química dos grãos de café. Como o sistema é amigável e de fácil uso, o mesmo pode ser aplicado e testado por cafeicultores, cooperativas e por órgãos regulatórios, auxiliando o processo de qualificação do café. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| 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 | Redes neurais | - |
| Palavras-chave: dc.subject | Café - Qualidade | - |
| Palavras-chave: dc.subject | Café - Composição química | - |
| Palavras-chave: dc.subject | Café - Classificação | - |
| Palavras-chave: dc.subject | Neural networks | - |
| Palavras-chave: dc.subject | Coffee - Quality | - |
| Palavras-chave: dc.subject | Coffee - Chemical composition | - |
| Palavras-chave: dc.subject | Coffee - Classification | - |
| Palavras-chave: dc.subject | Ciência de Alimentos | - |
| Título: dc.title | Desenvolvimento de softwares para classificação do café cru e torrado através de indicadores químicos e físico-químicos de qualidade | - |
| Título: dc.title | Software development for classification of raw and roasted coffee in function of quality chemical and physicochemical indicators | - |
| Tipo de arquivo: dc.type | dissertação | - |
| 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: