Avaliação da perecibilidade da carne de porco utilizando o processamento de imagens hiperespectrais multi-temporal

• Ano de defesa: 2019
• Autor(a) principal: Gallo, Betty Braga
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Catolica de Pelotas; Centro de Ciencias Sociais e Tecnologicas; Brasil; UCPel; Mestrado em Engenharia Eletronica e Computacao
• Palavras-chave em Português: imagens hiperespectrais; membros de referência; mistura espectral; processamento multitemporal; autoencoders; rede neural; endmember; hyperspectral images; multitemporal processing; autoencoders; neural network; ENGENHARIA ELETRICA::MEDIDAS ELETRICAS, MAGNETICAS E ELETRONICAS; INSTRUMENTACAO
• Link de acesso: http://tede.ucpel.edu.br:8080/jspui/handle/jspui/794

Este trabalho propõe uma técnica para avaliação da perecibilidade da carne suina, considerando suas propriedades para o consumo, baseado no processamento de imagens hiperespectrais multi-temporal. Metodologias rápidas e não destrutivas para a detecção de componentes de segurança, especialmente da carne, tem sido objeto de pesquisa de grande relevância na atualidade. Para a avaliação do método, foram utilizadas 306 amostras extraídas de imagens hiperespectrais na faixa espectral de 394:10􀀀990:80nm. Para extração dos elementos de referência das amostras nas imagens hiperespectrais, foi utilizado o método Vertex. As amostras da carne foram classificadas, considerando sua qualidade para consumo, por meio de uma rede neural artificial. Resultados de análise mostraram que o uso de imagens hiperespectrais multi-temporais, combinadas com uma rede neural artificial, permitiu uma classificação rápida e não destrutiva das amostras de carne, provando ser uma ferramenta promissora na monitoração de segurança da carne suina e demais carnes