| Texto completo | |
| Autor(es): |
Angela Vacaro de Souza
[1]
;
Jéssica Marques de Mello
[2]
;
Vitória Ferreira da Silva Favaro
[3]
;
Fernando Ferrari Putti
[4]
Número total de Autores: 4
|
| Afiliação do(s) autor(es): | [1] São Paulo State University (UNESP), School of Science and Engineering - Brasil
[2] São Paulo State University (UNESP), Institute of Science and Technology - Brasil
[3] São Paulo State University (UNESP), School of Science and Engineering - Brasil
[4] São Paulo State University (UNESP), School of Science and Engineering - Brasil
Número total de Afiliações: 4
|
| Tipo de documento: | Artigo Científico |
| Fonte: | Revista Brasileira de Fruticultura; v. 46, 2024-06-07. |
| Resumo | |
Resumo: reconhecimento de padrões tem como objetivo classificar alguns conjuntos de dados em classes ou clusters específicos, tendo várias aplicações na agriaccucultura. A objetivação do processo minimiza erros, pois reduz a subjetividade, permitindo uma remuneração mais justa ao produtor e produtos padronizados ao consumidor. Assim,este trabalho teve como objetivo desenvolver um sistema embarcado cominteligência artificial para determinar o estádio de maturação de bananas (outputs) a partir dainserção de dados físicos (peso do fruto, textura e diâmetro), físico-químicos (pH, acideztitulável (AT),sólidos solúveis (SS) e relação SS/TA) e bioquímicos (açúcares totais,compostos fenólicos, ácido ascórbico, quantificação de pigmentos na casca e na polpa dos frutos e atividade antioxidante pelos métodos DPPH e FRAP) (inputs). As bananas foram colhidas em cada estádio avaliado, de acordo com a escala de maturação de Von Loesecke, a saber:estádio 2, totalmente verde; estádio 4, mais amarela que verde; estádio 6, amarela; e estádio 7,amarela com manchas marrons. Posteriormente, foram selecionados e submetidos a uma análise de qualidade. Os dados obtidos foram então minerados, e os atributos foramselecionados,utilizando o software WEKA. O software classificador foi desenvolvido em MATLAB. Os atributos mais relevantes selecionados no classificador Bayes Net, para ométodo de Cross-Validation, foram: texturas apical, central, basal e média (entre as texturasapical, mediana e basal), pH, sólidos solúveis, compostos fenólicos, atividades antioxidantes, pelos métodos FRAP e DPPH, vitamina C, antocianinas da polpa, teor de clorofila a na cascado fruto e açúcar,resultando em uma medida F média de 97,0%. (AU) | |
| Processo FAPESP: | 21/08901-3 - Modelagem de redes neurais artificiais aplicadas à predição da maturação a partir de parâmetros de qualidade de bananas |
| Beneficiário: | Vitória Ferreira da Silva Fávaro |
| Modalidade de apoio: | Bolsas no Brasil - Programa Capacitação - Treinamento Técnico |
| Processo FAPESP: | 20/01711-1 - Criação de um classificador de banana 'nanicão' a partir da avaliação de parâmetros de qualidade dos frutos |
| Beneficiário: | Jéssica Marques de Mello |
| Modalidade de apoio: | Bolsas no Brasil - Iniciação Científica |
| Processo FAPESP: | 20/14166-1 - Modelagem de redes neurais artificiais aplicadas à predição da maturação a partir de parâmetros de qualidade de bananas |
| Beneficiário: | Angela Vacaro de Souza |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |