| Summary: | Submitted by Cláudia Bueno (claudiamoura18@gmail.com) on 2016-03-04T17:33:45Z
No. of bitstreams: 2
Dissertação - Bruno Urbano Rodrigues - 2015.pdf: 15132019 bytes, checksum: 433c4b69a18cc41d168afacdf984560d (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) === Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-03-07T12:14:40Z (GMT) No. of bitstreams: 2
Dissertação - Bruno Urbano Rodrigues - 2015.pdf: 15132019 bytes, checksum: 433c4b69a18cc41d168afacdf984560d (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) === Made available in DSpace on 2016-03-07T12:14:40Z (GMT). No. of bitstreams: 2
Dissertação - Bruno Urbano Rodrigues - 2015.pdf: 15132019 bytes, checksum: 433c4b69a18cc41d168afacdf984560d (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5)
Previous issue date: 2015-10-01 === The cachaça is a type of drink distilled from sugar cane that has a great economic
importance. Their classification includes three types: aged, premium and premium extra.
These three classifications are related to the aging time drink in wooden barrels. Besides
the aging time is relevant to know what the wood used in the barrels of storage for
the properties of each drink are informed correctly to the consumer. This dissertation
presented a method for the automatic recognition of the type of wood and the aging time
using a computer vision system. The computer vision system is used in the analysis of
the color models (RGB) additive and subtractive (CIELab) caught on digital camera. In
association with computer vision, algorithmics, system of pattern recognition are used
in conjunction with chemical information for the classification of samples. Went used
four algorithmics: Artificial Neural network, k-NN (k-Nearest Neighbor), SVM (Support
Vector Machines) and Naive Bayes. The end is used the ensemble AdaBoost, technique
combining classifiers. In the study we used 108 samples of rum. The results obtained
show that it was possible to obtain rates excess use of % 96.26 algorithmics of pattern
recognition to the problem of the type of wood. The AdaBoost brought 100 indices % hit
to the problem of classification of the type of wood and aging time. Your use proves that
it is possible the sort of rum using only color model data contributing to a lower cost of
production. === A cachaça é um tipo de bebida destilada a partir da cana-de-açúcar que possui uma grande
importância econômica. Sua classificação inclui três tipos: envelhecida, premium e extra
premium. Estas três classificações estão relacionadas ao tempo de envelhecimento da
bebida em tonéis de madeira. Além do tempo de envelhecimento é relevante saber qual
a madeira utilizada no tonél de armazenamento para que as propriedades de cada bebida
sejam informadas corretamente ao consumidor. Neste trabalho é apresentado um método
para o reconhecimento automático do tipo de madeira e do tempo de envelhecimento
utilizando um sistema de visão computacional. O sistema de visão computacional é
utilizado na análise dos modelos de cores aditivo (RGB) e subtrativo (CIELab) capturados
por uma câmera digital. Em associação ao sistema de visão computacional, algoritmos de
reconhecimento de padrões são utilizados em conjunto com informações químicas para
a classificação das amostras. Para tal utiliza-se quatro algoritmos: Rede Neural Artificial,
k-NN (k-Nearest Neighbor), SVM (Support Vector Machines) e Naive Bayes. Ao final
é utilizado o ensemble AdaBoost, técnica que combina classificadores. No estudo foram
utilizadas 108 amostras de cachaça. Os resultados obtidos demonstram que foi possível
obter taxas superiores a 96,26% na utilização dos algoritmos de reconhecimento de
padrões para o problema do tipo de madeira. O AdaBoost trouxe índices de 100% de
acerto para o problema de classificação do tipo de madeira e tempo de envelhecimento.
Sua utilização comprova que é possível a classificação de cachaça utilizando apenas dados
do modelo de cores contribuindo para um menor custo de produção.
|
|---|
