Please use this identifier to cite or link to this item: http://www.repositorio.ufop.br/jspui/handle/123456789/5752
Title: Determination of the influence of the variation of reducing and non-reducing sugars on coffee quality with use of artificial neural network.
Authors: Messias, José A. T.
Melo, Evandro de Castro
Lacerda Filho, Adílio Flauzino
Braga, José Luís
Cecon, Paulo Roberto
Keywords: Coffee quality
Chemical analysis
Classification
Computer systems
Issue Date: 2012
Citation: MESSIAS, J. A. T. et al. Determination of the influence of the variation of reducing and non-reducing sugars on coffee quality with use of artificial neural network. Engenharia Agrícola, Jaboticabal. v. 32, n. 2, p. 354-360, mar./abr. 2012. Disponível em: <http://www.scielo.br/pdf/eagri/v32n2/a15v32n2.pdf>. Acesso em: 06 nov. 2015.
Abstract: Este trabalho teve como objetivo avaliar a utilização de Rede Neural Artificial para correlacionar os valores resultantes de análises químicas de amostras de café com os valores de sua análise sensorial. As amostras de café utilizadas foram referentes ao café Coffea arabica L., cultivar Acaiá do Cerrado, Topázio, Acaiá 474-19 e Bourbon, coletados na região sul de Minas Gerais. As análises químicas foram de açúcar não redutor e açúcar redutor, sendo a qualidade da bebida avaliada pela análise sensorial. O método de Rede Neural Artificial utilizou os valores das análises químicas como variáveis de entrada e os valores da análise sensorial como valores de saída. A regressão linear múltipla dos valores de análise sensorial, em função dos valores das análises químicas, teve coeficiente de determinação de 0,3106, enquanto o método de Rede Neural Artificial empregado obteve um nível de acerto na classificação dos valores da análise sensorial de 80,00%.
metadata.dc.description.abstracten: The present study aimed at evaluating the use of Artificial Neural Network to correlate the values resulting from chemical analyses of samples of coffee with the values of their sensory analyses. The coffee samples used were from the Coffea arabica L., cultivars Acaiá do Cerrado, Topázio, Acaiá 474-19 and Bourbon, collected in the southern region of the state of Minas Gerais. The chemical analyses were carried out for reducing and non-reducing sugars. The quality of the beverage was evaluated by sensory analysis. The Artificial Neural Network method used values from chemical analyses as input variables and values from sensory analysis as output values. The multiple linear regression of sensory analysis values, according to the values from chemical analyses, presented a determination coefficient of 0.3106, while the Artificial Neural Network achieved a level of 80.00% of success in the classification of values from the sensory analysis.
URI: http://www.repositorio.ufop.br/handle/123456789/5752
metadata.dc.identifier.doi: http://dx.doi.org/10.1590/S0100-69162012000200015
ISSN: 0100-6916
metadata.dc.rights.license: Todo o conteúdo do periódico Engenharia Agrícola, exceto onde identificado, está sob uma licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho em qualquer suporte ou formato desde que sejam citados o autor e o licenciante. Fonte: Engenharia Agrícola <http://www.scielo.br/scielo.php?script=sci_serial&pid=0100-6916&lng=en&nrm=iso>. Acesso em: 13 out. 2016.
Appears in Collections:DECOM - Artigos publicados em periódicos

Files in This Item:
File Description SizeFormat 
ARTIGO_DeterminationInfluenceVariation.pdf284,33 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.