Export iten: EndNote BibTex

Please use this identifier to cite or link to this item: http://tede.upf.br:8080/jspui/handle/tede/2514
???metadata.dc.type???: Dissertação
Title: Sistema para detecção de desoxinivalenol em grãos de trigo por análise multiespectral
???metadata.dc.creator???: Zaions, Deividi Felipe 
???metadata.dc.contributor.advisor1???: Hölbig, Carlos Amaral
???metadata.dc.contributor.advisor-co1???: Pavan, Willingthon
???metadata.dc.description.resumo???: Desonivalenol é uma das micotoxinas mais comumente encontradas em grãos de trigo em decorrência de sua contaminação pelo fungo Fusarium. Sua ingestão ocasiona efeitos tóxicos, causando risco à saúde humana e animal, assim como a perda de valor econômico em diversas produções. Dessa forma, o desenvolvimento de técnicas rápidas e robustas para a identificação dessa micotoxina no início da cadeia produtiva é de suma importância para a garantia alimentar global. Técnicas não destrutivas, baseadas em espectroscopia no infra-vermelho próximo (NIR- Near-Infrared), têm se demonstrado promissoras para a detecção da contaminação de DON em grãos de trigo. Contudo, os estudos recentes utilizam equipamentos hiper-espectrais por imagem de alto custo para a coleta de dados. Em decorrência disso, são necessários complexos modelos matemáticos e um processamento dispendioso para a identificação da contaminação por DON. Esse trabalho tem por objetivo o desenvolvimento de um sistema multiespectral para a identificação da micotoxina DON em grãos de trigo. Para isso, projeta-se um sistema portátil utilizando sensores multiespectrais que operam dentro do espectro visível e NIR, capaz de comunicar-se com um dispositivo móvel (smartphone). Desenvolve-se então dois algoritmos com base em redes neurais, um para regressão e outro para decisão binária entre amostras saudáveis e contaminadas, e uma aplicação mobile para receber os dados espectrais do sensor e processar junto aos algoritmos. Para o treinamento, teste e validação do sistema proposto, utiliza-se de um total de 117 amostras com diferentes níveis de contaminação e 84 amostras sadias. Por meio dos resultados obtidos, verificou-se que o algoritmo de regressão não apresentou acurácia suficiente para indicação dos níveis de contaminação. Por outro lado, a partir da combinação entre o algoritmo binário e a adaptação do algoritmo de regressão para decisão binária, o sistema apresentou uma acurácia R² de 0,855 para a identificação das amostras. Com isso, pôde-se concluir que sensores multiespectrais que operam na região visível e NIR são capazes da identificação de contaminação por DON em grãos de trigo
Abstract: Desonivalenol is one of the most commonly mycotoxins found in wheat grains due to Fusar- ium contamination. Its ingestion causes toxic effects, causing risk to both human and animal health, as well as the loss of economic value. Thus, the development of fast and robust tech- niques to the identification of this mycotoxin at the beginning of the production chain is of ut- most importance for global food security. Non-destructive techniques based on near-infrared (NIR) spectroscopy have shown promising prospects for the detection of DON contamination in wheat grains. However, recent studies use high-cost hyperspectral imaging equipment for data collection. As a result, complex mathematical models and high demanding processing are required to identify DON contamination. This work aims to develop a multispectral sys- tem for the identification of DON mycotoxin in wheat grains. Using multispectral sensors that operate within the visible and NIR spectrum, a portable system capable of communicating with a mobile device (smartphone) is designed. Two algorithms based on neural networks are then developed, one for regression and the other for binary decision between healthy and contaminated, and a mobile application to receive the spectral data from the sensor and process it together with the algorithms. For training, testing and validation of the proposed system it is used a total of 117 samples with different levels of contamination and 84 healthy samples. Through the obtained results it is checked that the regression algorithm did not show sufficient accuracy to indicate the levels of contamination. On the other hand, from the combination between the binary algorithm and the adaptation of the regression algorithm for binary decision, the system presented an accuracy R² of 0.855 for the identification of healthy and contaminated samples. With this, we could conclude that multispectral sen- sors operating in the visible and NIR region are capable of identifying DON contamination in wheat grains.
Keywords: Redes neurais (Computação)
Inteligência artificial
Análise espectral
Informática na agricultura
???metadata.dc.subject.cnpq???: CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
???metadata.dc.language???: por
???metadata.dc.publisher.country???: Brasil
Publisher: Universidade de Passo Fundo
???metadata.dc.publisher.initials???: UPF
???metadata.dc.publisher.department???: Instituto de Ciências Exatas e Geociências – ICEG
???metadata.dc.publisher.program???: Programa de Pós-Graduação em Computação Aplicada
Citation: ZAIONS, Deividi Felipe. Sistema para detecção de desoxinivalenol em grãos de trigo por análise multiespectral. 2023. 57 f. Dissertação (Mestrado em Computação Aplicada) - Universidade de Passo Fundo, Passo Fundo, RS, 2023.
???metadata.dc.rights???: Acesso Aberto
URI: http://tede.upf.br:8080/jspui/handle/tede/2514
Issue Date: 23-Mar-2023
Appears in Collections:Programa de Pós-Graduação em Computação Aplicada

Files in This Item:
File Description SizeFormat 
2023DeividiFelipeZaions.pdfDissertação Deividi Felipe Zaions10.43 MBAdobe PDFView/Open ???org.dspace.app.webui.jsptag.ItemTag.preview???


Items in TEDE are protected by copyright, with all rights reserved, unless otherwise indicated.