Use este identificador para citar ou linkar para este item:
https://repositorio.pucgoias.edu.br/jspui/handle/123456789/607
Tipo: | Trabalho de Conclusão de Curso |
Título: | Classificação de origens e princípios ativos em cinnamomum verum utilizando imagens hiperespectrais |
Autor(es): | Barbosa, Matheus Sanclé Bueno |
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: | A análise sobre determinadas especiarias que potencialmente são benéficas a saúde é um ramo de pesquisa de grande interesse geral. No entanto, os métodos usuais de extração e análise para identificação e determinação dos componentes responsáveis pelo efeito benéfico, envolvem a utilização de solventes, princípios ativos e outras substâncias na amostra, o que gera um processo oneroso e destrutível. A caneleira-verdadeira (Cinnamomum verum) surge como um destas especiarias mais difundidas no mundo, sendo uma das variantes mais consumidas da canela e cultivada em diversas regiões, recebendo vários estudos que relacionam o seu consumo a efeitos anti-inflamatórios, antimicrobianos, antioxidantes, entre outros. Portanto, é proposto neste trabalho o uso de ferramentas e métodos computacionais, mais especificamente a utilização de imagens hiperespectrais, aliados a estratégia de aprendizado de máquina, para determinação da concentração de princípios ativos e sua possível relação com a região de cultivo da amostra. A Máquina de Vetores de Suporte (SVM) foi utilizada como estratégia de classificação, para os princípios ativos em amostras de canela, bem como na tentativa de identificação das amostras de canela em relação a sua origem. Os resultados se mostraram promissores para a determinação da concentração dos princípios ativos, tendo sido gerado um modelo com acurácia de 99%, embora sua relação com a região de cultivo não tenha ficado clara, tendo sido gerado um modelo com acurácia de 78%. |
Palavras-chave: | Canela Cinnamomum verum Imagem hiperespectral Aprendizado de máquina Máquina de vetores de suporte |
CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO CNPQ::CIENCIAS BIOLOGICAS::FARMACOLOGIA |
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/123456789/607 |
Data do documento: | 3-Dez-2020 |
Aparece nas coleções: | TCC Engenharia de Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Monografia_att.pdf | 2,53 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.
Ferramentas do administrador