Buscar

 

RI UFLA (Universidade Federal de Lavras) >
DCA - Departamento de Ciência dos Alimentos >
DCA - Programa de Pós-graduação >
DCA - Ciência dos Alimentos - Mestrado (Dissertações) >

Por favor, utilize esse identificador para citar este item ou usar como link: http://repositorio.ufla.br/jspui/handle/1/12598

Título: Desenvolvimento de softwares para classificação do café cru e torrado através de indicadores químicos e físico-químicos de qualidade
Título Alternativo: Software development for classification of raw and roasted coffee in function of quality chemical and physicochemical indicators
Autor(es): Lima, Priscilla Magalhães de
Orientador: Pimenta, Carlos José
Membro da banca: Angélico, Caroline Lima
Membro da banca: Malta, Marcelo Ribeiro
Membro da banca: Rocha, Roney Alves da
Membro da banca: Chalfoun, Sara Maria
Assunto: Redes neurais
Café - Qualidade
Café - Composição química
Café - Classificação
Neural networks
Coffee - Quality
Coffee - Chemical composition
Coffee - Classification
Data de Defesa: 10-Mar-2017
Data de publicação: 28-Mar-2017
Agência de Fomento: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Referência: LIMA, P. M. de. Desenvolvimento de softwares para classificação do café cru e torrado através de indicadores químicos e físico-químicos de qualidade. 2017. 83 p. Dissertação (Mestrado em Ciência dos Alimentos)-Universidade Federal de Lavras, Lavras, 2017.
Resumo: 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.
Abstract: 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.
Informações adicionais: Arquivo retido, a pedido da autora, até março de 2018.
URI: http://repositorio.ufla.br/jspui/handle/1/12598
Publicador: Universidade Federal de Lavras
Idioma: por
Aparece nas coleções: DCA - Ciência dos Alimentos - Mestrado (Dissertações)

Arquivos neste Item:

Não há arquivos associados para este Item.

Itens protegidos por copyright, com todos os direitos reservados, Salvo indicação em contrário.


Mostrar estatísticas

 


DSpace Software Copyright © 2002-2007 MIT and Hewlett-Packard - Feedback