@MASTERSTHESIS{ 2023:888996592,
 	title = {Sistema para detecção de desoxinivalenol em grãos de trigo por análise multiespectral},
 	year = {2023},
 	url = "http://tede.upf.br:8080/jspui/handle/tede/2514",
 	abstract = "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",
 	publisher = {Universidade de Passo Fundo},
 	scholl = {Programa de Pós-Graduação em Computação Aplicada},
 	note = {Instituto de Ciências Exatas e Geociências – ICEG}
}