No abstract

No abstract

No abstract

No abstract

Resumo: As condições climáticas específicas de cada região de cultivo do café fornecem atributos especiais para a bebida e podem assim aumentar seu valor agregado. No entanto, é essencial provar a origem geográfica e genotípica do cultivar por meio de métodos confiáveis. Vários métodos estatísticos foram desenvolvidos na tentativa de reproduzir a capacidade humana de reconhecimento de padrões. Os perceptrons de múltiplas camadas (MLP) são um tipo de rede neural artificial (RNA) com aprendizagem supervisionada que são muito utilizados para classificação de padrões. Este estudo objetivou o desenvolvimento de uma RNA para a classificação geográfica e genotípica de café arábica. Para esse fim os espectros obtidos no equipamento de espectroscopia no infravermelho com transformada de Fourier (FTIR) foram analisados através do emprego de MLPs otimizados através do simplex sequencial. As redes que utilizaram a faixa de 1900-800 cm -1 do espectro FTIR obtiveram menor erro quadrado médio e maior porcentagem de classificação correta para a segmentação das amostras de café arábica tanto por região de cultivo (100%) quanto por genótipo (77,78%). Os MLPs otimizados foram capazes de classificar geograficamente as amostras de café arábica. Entretanto, para a classificação genotípica o desempenho não foi totalmente satisfatório. Além disso, o MLP desenvolvido para classificação genotípica apresenta um número muito elevado de pesos sinápticos, não proporcionando número suficiente de graus de liberdade para que a rede neural possa aprender de maneira confiável. Portanto, para melhorar o desempenho da classificação genotípica, os autores sugerem a utilização de outro tipo de RNA e informações do infravermelho próximo. Palavras-chave:Café Verde, Espectro Infravermelho, MLP, Redes Neurais Artificiais. Optimized Multilayer perceptron for the geographical and genotypic classification of four genotypes of arabica coffee:The climatic conditions of the coffee crop give special attributes to the beverage and could increase its value. However, it is essential to prove the geographical and genotype origin of the cultivar using reliable methods. Several statistical methods have been developed in an attempt to reproduce the human capability of pattern recognition. The multilayer perceptron (MLP) is an artificial neural network (ANN) with supervised learning that is widely used for pattern classification. This study aimed to develop a MLP to classify the geographic origin and the genotypic of the arabica coffee. For this purpose, spectra obtained in the Fourier transform infrared (FTIR) were analyzed using MLPs optimized by sequential simplex. The networks that used the range 1900-800 cm -1 of the raw spectrum had lower mean squared error (MSE) and a higher percentage of correct classification for geographical (100%) and genotypic (77,74%) segmentation. After the results it was concluded that the optimized multilayer perceptrons were able to classify the samples of arabica coffee geographically. However, for genotypic classification the perform...