Avaliação do índice de marmoreio e do tempo de estocagem da carne com o uso da Inteligência Computacional

• Ano de defesa: 2024
• Autor(a) principal: Barbon, Ana Paula Ayub da Costa
• Orientador(a): Bridi, Ana Maria [Orientador]
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Carne; Qualidade; Carne bovina; Leitão (Suíno); Quality; Automation; Pork - Meat; Beef; Industry
• Link de acesso: https://repositorio.uel.br/handle/123456789/16434

Resumo: A Inteligência Computacional consiste em um conjunto de metodologias computacionais para auxiliar na compreensão de fenômenos do ‘mundo real’ em diversas áreas Na Ciência dos Alimentos vem sendo aplicada como uma alternativa promissora para tratar problemas de subjetividade, tempo e custo das análises, usando abordagens baseadas na simulação do conhecimento humano por meio de inteligência artificial dos computadores Em geral, técnicas computacionais contribuem para a oferta de produtos com qualidade, sendo aplicadas com maior precisão, velocidade e sem deterioração das amostras quando comparadas aos métodos de análises tradicionais Na última década, a Visão Computacional têm sido uma das técnicas mais exploradas no controle de qualidade da carne Ela se baseia no Processamento de Imagem e no Aprendizado de Máquina Neste trabalho, a Visão Computacional foi utilizada com sucesso com a abordagem k-NN (k-Nearest Neighbors) para a avaliação do marmoreio de forma automática, rápida e objetiva podendo ser aplicada em diversos tipos de músculo animal e padrão de marmoreio A acurácia do modelo de Visão Computacional para carne bovina foi de 81,59% e para carne suína foi de 76,14% Paralelamente, foram testados alguns algoritmos de Aprendizado de Máquina para a predição do tempo de armazenamento da carne suína Verificou-se a melhor performance dos algoritmos Random Forest, k-NN e aqueles baseados em Lógica Fuzzy em predizer o tempo de armazenamento da carne suína em , 7 e 14 dias de forma rápida utilizando técnicas tradicionais como a capacidade de retenção de água, o pH e a cor sem a necessidade de análises mais complexas e demoradas como a avaliação da oxidação pela metodologia TBARS (Substâncias Reativas ao Ácido 2-Tiobarbitúrico) Pode-se concluir que a aplicação da Inteligência Computacional por meio das técnicas de Visão Computacional e algoritmos de Aprendizado de Máquina foram eficientes para a avaliação da qualidade da carne, podendo ser uma ferramenta útil para automatizar as tarefas relacionadas à análise de qualidade na Indústria