Resumo |
Os cafés especiais vêm ganhando grande espaço no mercado, suas características peculiares e sofisticação o transformaram em um verdadeiro charme apreciado em todo o planeta. No segmento de concurso de qualidade de cafés especiais foi instaurado uma metodologia com base em notas de atributos, descrita pela Specialty Coffee Association of America (SCAA), com o qual se atribui uma nota ao café de acordo com suas características básicas; Fragrância e aroma, Sabor, Finalização, Acidez, Corpo, Equilíbrio, Doçura, Xicara limpa, Uniformidade, Nota global, Defeitos. Cada atributo possui pontuação de 0 a 10 e todos eles juntos resultam na nota final de 0 a100. Segundo a metodologia da SCAA os cafés especiais possuem pontuação superior a 80 pontos. Todos esses elementos atribuem um conjunto de resultados e estudos procuram associar características ambientais (região, altitude) e agronômicas (modo de produção, variedade, secagem) à qualidade de bebida do café. Uma metodologia de análise que vem se destacando é baseada no uso de Redes Neurais Artificias. As redes neurais artificiais (RNA) são aproximações similares às das redes e neurônios encontrados no cérebro humano. O presente trabalho busca utilizar RNAs nas análises dos resultados da bebida de café para associar as notas desejáveis das bebidas com algumas condições agronômicas e ecológicas de sua produção e prever o potencial qualitativo de cafés produzidos sob determinadas condições ecológicas e agronômicas. O objetivo deste trabalho foi desenvolver RNAs para previsão de qualidade de bebida de café e testar estas redes com dados reais. Os dados foram obtidos no último concurso de cafés especiais organizados pelo SENAR-MG em 2017, quando houveram 167 amostras e 5 provadores totalizando um volume de 835 resultados. Nessa simulação foram selecionadas amostras aleatórias, composta por 70% destinadas a treino das redes e 30% para o processo de validação. Nas primeiras simulações buscou-se provar a possibilidade de uso de RNA, utilizando o software STATISTICA 64, para o qual foram selecionadas as 5 melhores RNAs. Foi possível encontrar uma rede com índices de treinamento e validação de 89% e 75%, que representa alta correlação entre a variáveis de entrada e saída. Além disso os resultados de dispersão e frequência dos erros percentuais foi de 2,5%, que é interpretado como alta exatidão ou seja, os parâmetros de estimação estão bem próximos da realidade. A Análise de Sensibilidade indicou que os parâmetros que mais apresentaram representatividade nas redes foram o Cultivar, seguido pela Secagem, Região, Altitude e Processamento. Desse modo, o uso de RNA se provou uma ferramenta com bons resultados e com inúmeras possibilidades futuras para análises para estimar a qualidade final de bebida. |