Use este identificador para citar ou linkar para este item:
https://repositorio.ufba.br/handle/ri/22924
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | Pepe, Iuri Muniz | - |
dc.contributor.author | Silva, Carlos Eduardo Tanajura da | - |
dc.creator | Silva, Carlos Eduardo Tanajura da | - |
dc.date.accessioned | 2017-06-08T11:03:34Z | - |
dc.date.available | 2017-06-08T11:03:34Z | - |
dc.date.issued | 2017-06-08 | - |
dc.date.submitted | 2014-03-14 | - |
dc.identifier.uri | http://repositorio.ufba.br/ri/handle/ri/22924 | - |
dc.description.abstract | O Brasil destaca-se entre os maiores exportadores de grãos do mundo, sendo assim, cada vez mais surgem novos produtos e derivados destas Commodity. Os métodos para classificação desses produtos muitas vezes são custosos e demorados, quase sempre se valendo de técnicas de química analítica e métodos matemáticos como PCA (Principal Component Analysis), PCR (Principal Components Regression) ou PLS (Properties of Partial Least Squares) e RNA (Redes Neurais Artificiais) para aumentar sua eficiência. Devido à grande variedade de produtos são necessários métodos mais eficientes para qualificar, caracterizar e classificar estas substâncias, uma vez que o preço final deve refletir a excelência do produto que chega ao consumidor. Este trabalho propõe uma solução para classificação de óleos vegetais: Canola, Girassol, Milho e Soja colocados no mercado por diferentes marcas e fabricantes. O método de análise empregado é a fluorescência induzida por LED de amostras de óleo diluídas em heptano, com diferentes concentrações, sendo que a classificação dos espectros de fluorescência foi feita por RNA. Foram produzidas e caracterizadas 640 amostras, sendo 480 para treinamento da rede neural e 160 para sua validação. Para a classificação das amostras de fluorescência, os dados foram organizados em dois estudos, o primeiro com referência ao tipo das amostras, o segundo a titulação, este por final contento três arranjos dos dados e RNAs distintas. Na classificação do tipo das amostras, a rede conseguiu identificar 115 amostras, tendo acertado aproximadamente 72% destas amostras de validação. A classificação por titulação, utilizou a metade das amostras de fluorescência, o universo de treinamento passou a ter 240 amostras, as de validação 80. Para esse segundo estudo houve 3 arranjos desses dados, o resultado do primeiro arranjo teve 33 amostras classificadas com sucesso de 80, o segundo 49 e o terceiro 31. | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Óleo vegetal | pt_BR |
dc.subject | Fluorescência | pt_BR |
dc.subject | RNA | pt_BR |
dc.title | Classificação tipo/titulação de óleos almentícios por fluorimetria e redes neurais | pt_BR |
dc.type | Dissertação | pt_BR |
dc.contributor.referees | Pepe, Iuri Muniz | - |
dc.contributor.referees | Chaves, Modesto Antônio | - |
dc.contributor.referees | Farias, Paulo César Machado de Abreu | - |
dc.publisher.departament | Escola Politécnica /Instituto de Matemática. | pt_BR |
dc.publisher.program | Programa de Pós-Graduação em Mecatrônica | pt_BR |
dc.publisher.initials | UFBA | pt_BR |
dc.publisher.country | Brasil | pt_BR |
Aparece nas coleções: | Dissertação (PPGM) |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertacao_Carlos_Eduardo_Tanajura_da_Silva.pdf | 4,84 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.