Quantificação do percentual de café arábica em misturas com café robusta usando NIR e modelos de dois estágios

Lucas Veiga Sabino; Evandro Bona; Paulo Henrique Março; Luiza Mariano Leme

doi:10.20906/CPS/SICITE2015-0285

Resumo

O café é uma das bebidas mais aceitas e apreciadas por diversos países no mundo. As principais espécies são a Coffea arabica (arábica) e a Coffea canephora (robusta), as quais apresentam uma composição química muito distinta. Sendo que a espécie C. arabica, destaca-se por proporcionar bebida de qualidade e aroma superior ao C. canephora, cuja bebida, considerada neutra, destina-se aos blends e à indústria de café solúvel, favorecida pelo menor preço. As misturas de café, ou blends, são muito utilizadas quando se deseja manter uma uniformidade de sabor no produto, assim, foi testado o desenvolvimento de metodologias analíticas confiáveis para indicar a quantidade de cada tipo de café em uma mistura. As redes neurais artificiais (RNA) são um conjunto de técnicas baseadas em princípios estatísticos que ganharão espaço para realizar tarefas de regressão e reconhecimento de padrões. Neste trabalho foram utilizados dois tipos de RNA, o perceptron de múltiplas camadas (MLP) e a rede de funções de base radial (RBF). Os espectros das misturas dos cafés arábica e robusta foram obtidos no infravermelho próximo (NIRS) e devidamente pré-processados (correção da linha de base e suavização, MSC e segunda derivada). Através dos resultados obtidos, foi observado que a PCA conduz a melhores resultados que o PLS. Foi possível construir um modelo capaz de prever a porcentagem de café arábica em misturas com café robusta, com erro satisfatório (próximo a 5%). De maneira geral, a rede MLP com a PCA como método de redução de dimensionalidade de dados apresentou menor erro (próximo a 5%) quando comparado aos outros modelos.

Palavras-chave: Redes Neurais Artificiais; Análise de Componentes Principais; Mínimos Quadrados Parciais; Café Arábica; Espectroscopia de Infravermelho Próximo