Publicação: Uso de técnicas de aprendizado de máquina na avaliação da qualidade do leite
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
A cadeia produtiva do leite destaca-se como uma das principais atividades econômicas do Brasil em termos de geração de emprego e renda. Logo, a qualidade em que o
leite é produzido deve ser estritamente fiscalizada, pois a qualidade inadequada acarreta
diversos prejuízos para as indústrias e produtores. Assim, busca-se técnicas preditivas
que definirão um padrão para a qualidade do leite produzido, com o intuito de garantir níveis de qualidade em todas épocas do ano. Diante esse cenário, o objetivo deste trabalho foi criar um modelo computacional usando técnicas de aprendizado de máquina
para classificar a qualidade do leite. Dentre as técnicas de Aprendizado de máquinas,
optou-se por implementar Redes Neurais Perceptron Multicamdas (PMC) e Support Vector Machine (SVM) aplicadas à uma base de dados formada por propriedades do leite
independentes (pH, temperatura, sabor, odor, gordura, turbidez, cor). As redes neurais
PMC obtiveram resultados melhores gerando acima de 98% nas medidas de avaliação
acurácia, recall, precisão e f1-score para todas as três classes de qualidade de leite. O
modelo implementando o SVM também teve resultados semelhantes. Conclui, que o modelo proposto classificará a qualidade do leite e, consequentemente, contribuirá com os
produtores que terão o entendimento de quando haverá perda de qualidade do leite diante
das alterações dos atributos analisados.
Abstract
Palavras-chave
Qualidade do leite, Aprendizado de máquina, Redes neurais artificiais, Support vector machine
Citação
BORGES, Eduardo Antonio. Uso de técnicas de aprendizado de máquina na
avaliação da qualidade do leite. 2023. 32 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Monte Carmelo, 2023.