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

• Main Author: Ana Paula Ayub da Costa Barbon
• Other Authors: Ana Maria Bridi .
• Language: Portuguese
• Published: Universidade Estadual de Londrina. Centro de Ciências Agrárias. Programa de Pós-Graduação em Ciência Animal. 2018
• Online Access: http://www.bibliotecadigital.uel.br/document/?code=vtls000218075

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 0, 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. === Computational Intelligence consists of a set of computational methodologies to aid in the understanding of 'real world' phenomena in diverse areas. In Food Science has been applied as a promising alternative to address problems of subjectivity, time and cost of analysis, using approaches based on the simulation of human knowledge through artificial intelligence. In general, computational techniques contribute to the supply of quality products, being applied with greater precision, fastness and without deterioration of the samples when compared to the traditional methods analysis. In the last decade, Computational Vision has been one of the most exploited techniques for meat quality. It is based on Image Processing and Machine Learning. In this work, the Computational Vision was successfully used with the k-NN (k-Nearest Neighbors) approach for the evaluation of marbling as an automatic, fast and objective way, and it can be applied in various muscle foods and marbling patterns. The accuracy of the Computational Vision model for beef was 81.59% and for pork was 76.14%. At the same time, some Machine Learning algorithms were tested for the prediction of pork storage time. The best performance of the Random Forest, k-NN and Fuzzy Logic algorithms for predicting the storage time of pork at 0, 7 and 14 days using traditional techniques such as water retention capacity, pH and color without the need for more complex and time-consuming analyzes such as the oxidation evaluation by TBARS (2-Thiobarbituric Acid Reactive Substances) methodology. It can be concluded that the application of Computational Intelligence through Computer Vision techniques and Machine Learning algorithms were efficient for evaluating the meat quality and could be a useful tool to automate the tasks related to quality analysis in the Industry.