Tipo:	Trabalho de Conclusão de Curso
Título:	Determinação de concentração de amido em curcuma longa utilizando Deep Learning
Autor(es):	Rodrigues, Walacy Xavier
Primeiro Orientador:	Galvão Filho, Arlindo Rodrigues
metadata.dc.contributor.referee1:	Carvalho, Rafael Viana de
metadata.dc.contributor.referee2:	Macêdo, Isaac Yves Lopes de
metadata.dc.contributor.referee3:	Coelho, Clarimar José
Resumo:	O controle de qualidade em segmentos alimentícios e farmacêuticos é de suma importância para evitar riscos à saúde dos consumidores, além disso, reduzem as chances de causar prejuízos de produção. A metodologia clássica utilizada no controle de qualidade para alimentos e fármacos envolve processos químicos que podem ser onerosos. Portanto, o uso de métodos computacionais empregando imagens digitais é uma alternativa para contornar as limitações das metodologias clássicas. O pó de açafrão-da-terra (Curcuma longa) é um condimento utilizado mundialmente, diversos estudos o relacionam a vários benefícios à saúde. Porém, esse produto está sujeito a adulterações feitas com a diluição do pó com materiais mais baratos e de baixa qualidade, o amido está entre os materiais mais utilizados para diluir ao pó de açafrão. Portanto, este trabalho se propõe explorar o uso de métodos computacionais, mais especificamente a aplicação de redes neurais convolucionais para a determinação da concentração de amido em imagens digitais de amostras de açafrão. As redes testadas foram: AlexNet, GoogleNet, ResNet18, ResNet50 e ResNet101, dentre elas, a ResNet50 obteve melhores resultados com erro de raiz quadrático médio de 15,68, erro médio absoluto de 12,41 e coeficiente de determinação de 0,65.
Palavras-chave:	Açafrão-da-terra Curcuma longa Redes neurais convolucionais ResNet GoogleNet AlexNet
CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO CNPQ::CIENCIAS AGRARIAS::CIENCIA E TECNOLOGIA DE ALIMENTOS
Idioma:	por
País:	Brasil
Editor:	Pontifícia Universidade Católica de Goiás
Sigla da Instituição:	PUC Goiás
metadata.dc.publisher.department:	Escola de Ciências Exatas e da Computação
Tipo de Acesso:	Acesso Aberto
URI:	https://repositorio.pucgoias.edu.br/jspui/handle/123456789/394
Data do documento:	3-Dez-2020
Aparece nas coleções:	TCC Ciência da Computação

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.