Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
Mazola, Yuniel Tejeda |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://www.teses.usp.br/teses/disponiveis/64/64134/tde-26042023-170712/
|
Resumo: |
A crescente repercussão dos impactos ambientais causados pela pecuária bovina está influenciando grandemente a decisão do consumo de carne. A preocupação dos consumidores não se pauta apenas na qualidade do produto, mas, especialmente, com a origem geográfica, as condições de produção e os aspectos ambientais e humanos. A produção de carne bovina é fortemente criticada devido ao custo ambiental da atividade, associado a problemas de desmatamento, consumo de água, aquecimento global e mudanças climáticas. No entanto, os produtos alimentares de origem animal desempenham papel importante na segurança alimentar mundial. Aumentar a transparência da cadeia produtiva da carne bovina é essencial para melhorar a percepção do consumidor. Brasil é o maior exportador e o segundo maior produtor de carne bovina, com um rebanho de 196 milhões de animais distribuídos em uma vasta área de 163 milhões de hectares, compreendendo os biomas Amazônia, Caatinga, Cerrado, Mata Atlântica, Pampa e Pantanal. O país tem sido duramente criticado por algumas entidades internacionais que atribuem sua alta produção à expansão em áreas desmatadas ilegalmente. Nesse sentido, a caracterização do perfil agrometalômico da carne bovina permitirá obter modelos de aprendizado de máquina como instrumento de avaliação da autenticidade, contribuindo para a transparência do sistema produtivo. Amostras de carne bovina dos maiores exportadores mundiais - Brasil, dos biomas Amazônia, Caatinga, Cerrado, Pampa e Pantanal, Austrália, Argentina, Uruguai e Paraguai - foram selecionadas e submetidas à análise por ativação neutrônica para determinação do perfil agrometalômico. Cinco algoritmos de aprendizado de máquina - Classification and Regression Tree (CART), Multilayer Perceptron (MLP), Naïve Bayes (NB), Random Forest (RF) e Sequential Minimal Optimization (SMO) - foram utilizados para classificação. O modelo MLP apresentou o melhor desempenho de classificação, com acurácia de 100 %, 98 %, 98 %, 96 % e 82 %, respectivamente, para amostras procedentes do Paraguai, Uruguai, Austrália, Argentina e Brasil. Reduzindo o número de classes, a acurácia de classificação das amostras de carne bovina brasileira alcançou 94 % sem alterar o desempenho para outros países. As carnes dos biomas brasileiros foram discriminadas com aproximadamente 95 % de acurácia, comparando cada bioma com os demais. A melhor acurácia de classificação foi obtida para carne bovina dos biomas Amazônia (99 %) e Caatinga (99 %). O uso combinado de composição multielementar e aprendizado de máquina permitiu discriminar os países produtores de carne bovina, tornando-se uma ferramenta valiosa para rastreabilidade e transparência da origem geográfica |
