Portal de Eventos Científicos da UTFPR (EVIN), XXV Seminário de Iniciação Científica e Tecnológica da UTFPR

Tamanho da fonte: 
Aprendizado de máquina aplicado à análise de amostras de açúcar mascavo adulteradas
Enrico Gaetano Corrêa Portolann, Vanderlei Aparecido de Lima

Última alteração: 2020-11-22

Resumo


Uma das principais aplicações do aprendizado de máquina está relacionada com técnicas de regressão de dados, ou seja, com a criação de modelos matemáticos capazes de prever valores referentes a conjuntos de dados numéricos. É possível usar tais métodos para analisar amostras adulteradas em alimentos. O objetivo deste trabalho foi comparar três modelos de regressão, todos testados em um mesmo conjunto de dados (amostras de açúcar mascavo adulterado com açúcar branco) com o intuito de estimar, a partir dos valores dos níveis de cinza das imagens das amostras, as porcentagens aproximadas de açúcar branco. Os modelos utilizados foram: regressão por mínimos quadrados parciais (partial least squares ou PLS), rede neural artificial (multilayer perceptron ou RNA) e floresta randômica (random forest ou FR). A regressão linear por mínimos quadrados parciais obteve a melhor precisão para o conjunto de teste, com coeficiente de correlação de 92,4%.

Palavras-chave


Aprendizado de máquina; Análise de regressão; Rede neural artificial

Texto completo: PDF