Desenvolvimento de máquinas de vetor suporte para a classificação de café arábica verde por espectroscopia de infravermelho médio

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorBona, Evandro-
Autor(es): dc.contributorBona, Evandro-
Autor(es): dc.contributorTanamati, Ailey Aparecida Coelho-
Autor(es): dc.contributorMarço, Paulo Henrique-
Autor(es): dc.creatorMakimori, Gustavo Yasuo Figueiredo-
Data de aceite: dc.date.accessioned2022-02-21T22:20:01Z-
Data de disponibilização: dc.date.available2022-02-21T22:20:01Z-
Data de envio: dc.date.issued2020-11-09-
Data de envio: dc.date.issued2020-11-09-
Data de envio: dc.date.issued2015-07-02-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/6618-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/672832-
Descrição: dc.descriptionBrazil is the world's largest producer and exporter of coffee being an important economic commodity in the country. The two species of greatest economic value are canephora and arabica, being the last one considered of greater economic value by generating a better quality beverage. Climate, species, cultivation method and industrialization are also critical for the final quality of the beverage. The objective of this study was to develop a methodology that is capable to discriminate different green arabica coffee genotypes and also their geographical origin by using mid-infrared spectroscopy with Fourier transform (FTIR) and support vector machines (SVM). Therefore, 74 FTIR spectra were collected from 20 different genotypes planted in the cities of Paranavaí, Cornélio Procópio, Mandaguari and Londrina. To analyze the spectra were built SVMs using radial basis as kernel function and the oneagainst-all multiclass approach. The developed SVM were evaluated by sensitivity and specificity for the test samples. For the geographic origin the samples were successfully classified with an average sensitivity of 97.5% and average specificity of 96.9%. Otherwise, for genotypic classification the performance was not satisfactory with an average sensitivity of 66.0% and a specificity of 95.6%. Furthermore, the geographical classification proved to be easier because fewer samples were selected as support vectors. The unbalance in the number of samples for genotype classification problem can be the cause of poor sensitivity of the SVM. Thus, it is suggested to search for other approaches to multiclass problems for the improvement of the proposed models.-
Descrição: dc.descriptionFundação Araucária e CNPq-
Descrição: dc.descriptionO Brasil é o maior produtor e exportador de café do mundo sendo uma importante commodity econômica do país. As duas espécies de café com maior valor econômico são o canephora e o arábica, sendo o último considerado de maior valor econômico por gerar uma bebida de melhor qualidade. Clima, espécie, método de cultivo e industrialização também são determinantes para a qualidade final da bebida. O objetivo deste trabalho foi desenvolver uma metodologia que seja capaz de discriminar genótipos de café arábica verde e também sua origem de plantio utilizando espectroscopia de infravermelho médio com transformada de Fourier (FTIR) e máquinas de vetor suporte (SVM, do inglês support vector machine). Para tanto foram coletados espectros FTIR de 74 amostras de 20 genótipos diferentes plantados nas cidades de Paranavaí, Cornélio Procópio, Mandaguari e Londrina. Para analisar os espectros foram construídas SVMs usando bases radiais como funções kernel e a estratégia one-against-all como abordagem multiclasses. As SVMs desenvolvidas tiveram sua eficiência avaliada através da sensibilidade e especificidade para as amostras de teste. Quanto à origem geográfica as amostras foram satisfatoriamente classificadas com uma sensibilidade média de 97,5% e especificidade média de 99,4%. Já para a classificação genotípica o desempenho não foi adequado com uma sensibilidade média de 66,0% e uma especificidade de 95,6%. Além disso, a classificação geográfica demonstrou-se mais fácil, pois menos amostras foram selecionadas como vetores suporte. O desequilíbrio na quantidade de amostras para o problema de classificação por genótipo pode ser a causa da baixa sensibilidade da SVM. Assim, sugere-se a busca de outras abordagens de problemas multiclasse para o aperfeiçoamento dos modelos propostos.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCampo Mourao-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Alimentos-
Publicador: dc.publisherEngenharia de Alimentos-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectEspectroscopia de infravermelho-
Palavras-chave: dc.subjectCafé-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectInfrared spectroscopy-
Palavras-chave: dc.subjectCoffee-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectCNPQ::CIENCIAS AGRARIAS::CIENCIA E TECNOLOGIA DE ALIMENTOS::CIENCIA DE ALIMENTOS-
Título: dc.titleDesenvolvimento de máquinas de vetor suporte para a classificação de café arábica verde por espectroscopia de infravermelho médio-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.