Redes neurais artificiais na predição do tempo de armazenamento de grãos de feijão

• Ano de defesa: 2018
• Autor(a) principal: Farias, Hiago Felipe Lopes de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual de Goiás; UEG ::Coordenação de Mestrado em Engenharia Agrícola; Brasil; UEG; Programa de Pós-Graduação Stricto sensu em Engenharia Agrícola
• Palavras-chave em Português: Escurecimento do feijão; Dureza do feijão; RNA; Multilayer perceptron; Feijão; Armazenamento; Dimming; Hardness; ANN; CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA
• Link de acesso: http://www.bdtd.ueg.br/handle/tede/730

O feijão é uma cultura amplamente cultivada no Brasil e no mundo. No período da armazenagem dos grãos, ocorre a deterioração do produto, que é gradativa, irreversível e acumulativa. As Redes Neurais Artificiais (RNAs) têm sido utilizadas numa larga gama de aplicações, tais como: classificação padrão, padrão de reconhecimento, otimização, previsão e controle automático. Em alguns casos, as RNAs têm apresentado desempenho superior aos modelos de regressão. Em face ao exposto, objetivou-se com este trabalho avaliar o desempenho das redes neurais artificiais na predição do tempo de armazenamento dos grãos de feijão em função da cor, dureza do tegumento e de diferentes temperaturas. Os grãos foram produzidos e armazenados pela Embrapa Arroz e Feijão, localizada no município de Santo Antônio de Goiás, safra 2013/2014. Foram armazenados 5 grupos de cultivares de feijão carioca com teor de água de 13% b.u. no ano de 2014, as amostras foram armazenadas em câmara tipo Biochemical Oxygen Demand (BOD), com temperaturas (15, 21 e 37 °C). Amostras de grãos foram retiradas aos (36, 72, 108, 144 e 180) dias de armazenamento e foram feitas avaliações de coloração e dureza do tegumento dos grãos. A primeira avaliação foi realizada com os grãos recém-colhidos no ano de 2014, identificados como amostras controle. Os dados foram normalizados entre -1 a 1, as redes treinadas foram do tipo Multilayer Perceptron (MLP), após o treinamento foi selecionada a rede que apresentou melhor performance para solução do problema. A melhor RNA teve um índice de acerto de 83,0% com os dados de treinamento e 91,2% com dados de validação, apresentou correlação superior a 0,900 para treinamento, validação e teste. Nas condições em que foi desenvolvido este trabalho pode-se concluir que as RNAs podem ser utilizadas para estimar os dias de armazenamento em função da cor, dureza e temperatura.