Aplicação Do Sensoriamento Hiperespectral E Aprendizado De Máquina Na Predição Do Teor De Vitaminas Em Carnes

Todos os Trabalhos

Trabalho

Título do Trabalho

APLICAÇÃO DO SENSORIAMENTO HIPERESPECTRAL E APRENDIZADO DE MÁQUINA NA PREDIÇÃO DO TEOR DE VITAMINAS EM CARNES

Autores

Arianny Gonçalves Silva
Millena Vitória Da Silva
Dalton Mendes de Oliveira
ALDAIR FELIX DA SILVA
LUAN CARLOS DOS SANTOS COSTA
Pedro Henrique Gonçalves do Nascimento
Paulo Eduardo Teodoro
LARISSA PEREIRA RIBEIRO TEODORO
Dthenifer Cordeiro Santana

Modalidade

Resumo científico RSD 2026 - abstract - resumen

Área temática

1.1) Pecuária de Precisão e IA

Data de Publicação

28/08/2026

País da Publicação

Brasil

Idioma da Publicação

pt-BR

Página do Trabalho

https://www.even3.com.br/anais/anais-ecpantanaltech/1641562-aplicacao-do-sensoriamento-hiperespectral-e-aprendizado-de-maquina-na--predicao-do-teor-de-vitaminas-em-carnes

ISSN

Palavras-Chave

floresta aleatória, modelagem preditiva, qualidade de carne

Resumo

Os alimentos de origem animal são importantes fontes de vitaminas do complexo B, essenciais para a saúde humana. A avaliação do teor vitamínico da carne contribui para a compreensão de sua qualidade nutricional. Contudo, os métodos convencionais de análise são complexos, demorados e de alto custo, não sendo apenas um desafio analítico, mas representa uma oportunidade para a modernização dos sistemas de controle de qualidade, elevando o valor nutricional dos produtos e fortalecendo as cadeias produtivas baseadas por dados. O presente estudo foi conduzido na Universidade Federal de Mato Grosso do Sul, Unidade de Chapadão do Sul, vinculado a Universidade Estadual de Mato Grosso do Sul, Unidade de Aquidauana. Portanto, teve como objetivo avaliar a capacidade do sensoriamento hiperespectral com auxílio da aprendizagem de máquinas na predição do teor de vitaminas. Foram avaliadas amostras de diferentes fibras de carnes, sendo: vermelha, branca e intermediária, foram avaliadas da forma tradicional e as mesmas amostras passaram pela avaliação espectral com um espectrorradiômetro na faixa de 350 a 700 nm e 30 nm entre 1400 e 2100 nm. Posteriormente, realizou-se a modelagem preditiva utilizando o software Weka 3.8.5, no qual foram empregados diferentes algoritmos, incluindo as redes neurais artificiais (ANN), árvore de decisão REPTree (DT), M5P, Random Forest (RF), máquina de vetores de suporte (SVM) e ZeroR como modelo controle. A avaliação desses modelos foi realizada pelo coeficiente de correlação de Pearson (r) e erro absoluto médio (MAE). Com base nos modelos testados, o algoritmo RF obteve maior destaque por apresentar maior taxa de acerto quanto a r e menor taxa de erro (MAE), atingindo uma correlação de Pearson acima de 0.5. A partir desses resultados torna-se notável o bom desempenho dos modelos, destacando o RF como um algoritmo promissor na predição de vitaminas em diferentes tipos de carne, associado a dados hiperespectrais, de forma rápida, confiável.

Título do Evento: II Encontro Técnico-Científico do Pantanal Tech MS 2026
Cidade do Evento: Aquidauana
Título dos Anais do Evento: Anais do Encontro Técnico-Científico do Pantanal Tech MS
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

SILVA, Arianny Gonçalves et al.. APLICAÇÃO DO SENSORIAMENTO HIPERESPECTRAL E APRENDIZADO DE MÁQUINA NA PREDIÇÃO DO TEOR DE VITAMINAS EM CARNES.. In: . Disponível em: https//www.even3.com.br/anais/anais-ecpantanaltech/1641562-APLICACAO-DO-SENSORIAMENTO-HIPERESPECTRAL-E-APRENDIZADO-DE-MAQUINA-NA--PREDICAO-DO-TEOR-DE-VITAMINAS-EM-CARNES. Acesso em: 29/08/2026