Ciência de dados na avaliação de amostras de café de qualidade extrema
DOI:
https://doi.org/10.35699/2447-6218.2020.15863Palavras-chave:
Atributo sensorial, Análise multivariada, Árvore de regressão, Café cereja descascadoResumo
A busca por melhorias da qualidade de cafés especiais tem impulsionado o mercado e influenciado produtores quanto aos valores comerciais das sacas e da respectiva demanda. No mercado brasileiro, o estado de Minas Gerais contribui com um significativo percentual de produtividade, fato que vem sendo verificado por concursos de qualidade, que desencadeiam estudos acerca de atributos relacionados a qualidade sensorial. Este trabalho analisou as vinte amostras finalistas de café tipo cereja descascado do Concurso Mineiro de Qualidade do Café no ano de 2013, objetivando apontar atributos associados ao ranqueamento das amostras que resultaram em melhor qualidade e construir um modelo de regressão que possa predizer as notas finais. Sob o enfoque quantitativo, foi realizado uma análise exploratória a partir da construção dos componentes principais com os 15 atributos. Posteriormente, foi avaliado a capacidade de predição de notas finais através de um modelo de árvore de regressão. Como resultado, os ácidos Linoleico e Palmítico foram os atributos que mais contribuíram para a construção dos primeiros componentes principais, e além disso, o ácido Linoleico foi atribuído como a raiz da árvore de regressão, ou seja, um atributo de grande importância para predição das notas finais
Downloads
Referências
Alvarenga, S. T. 2017. Caracterização química e sensorial de cafés especiais do sul de Minas Gerais. 120 f. Tese (Doutorado em Ciência dos Alimentos) - Universidade Federal de Lavras, Lavras.
Barbosa, J.; Borém, F.; Alves, H.; Volpato, M.; Souza, V.; Santos, W. ; Andrade, L. 2009. Distribuição espacial de cafés do Estado de Minas Gerais e sua relação com a qualidade. In: Simpósio de Pesquisa dos Cafés do Brasil, 6, 2009, Vitória. Anais. Vitória. p. 1-7.
Baqueta, M; Coqueiro, A; Valderrama, P. 2019. Brazilian coffee blends: a simple and fast method by near-infrared spectroscopy for the determination of the sensory attributes elicited in professional coffee cupping. Journal of food science, 84:1247-1255. Doi: http://dx.doi.org/10.1111/1750-3841.14617.
Boaventura, P; Abdalla, C; Araújo, C; Arakelian, J. 2018. Cocriação de valor na cadeia do café especial: o movimento da terceira onda do café. Revista de Administração de Empresas, São Paulo, 58: 254-266. Doi: http://dx.doi.org/10.1590/s0034-759020180306.
Borém, F; Cirillo, M; Alves, A; Santos, C; Liska, G; Ramos, M; Lima, R. 2019. Coffee sensory quality study based on spatial distribution in the Mantiqueira mountain region of Brazil. Journal of Sensory Studies, e12552. Doi: https://doi.org/10.1111/joss.12552.
Borém, F; Figueiredo, L; Ribeiro, F; Taveira, J; Giomo, G; Salva, T. 2016. The relationship between organic acids, sucrose and the quality of specialty coffees. African Journal of Agricultural Research, 709-717. Doi: http://dx.doi.org/10.5897/AJAR2015.10569
Chalfoun, S.; Pereira, M.; Carvalho, G.; Pereira, A.; Savian, T.; Botelho, D. 2013. Sensorial characteristics of coffee (coffea arabica l.) varieties in the alto paranaíba region. Coffe Science, 8: 43-52. Doi: http://dx.doi.org/10.25186/cs.v8i1.330.
Dutcosky, S. D. 2013. Análise sensorial de alimentos. 4. ed. Curitiba: Editora Universitária Champagnat, 2013.
EMATER, 2019. Vencedores do 10º Concurso de Qualidade dos Cafés de Minas são premiados na UFLA. Portal do Agronegócio, 17 dez. 2013. Disponível em: https://www.portaldoagronegocio.com.br/noticia/vencedores-do-10-concurso-de-qualidade-dos-cafes-de-minas-saopremiados-na-ufla-102238.
EMATER, 2013. XVI Concurso de Qualidade dos Cafés de Minas Gerais–2019. Disponível em: http://www.emater.mg.gov.br/doc/intranet/upload/cafe2018/regulamento_2019.pdf.
Figueiredo, L; Borém, F; Ribeiro, F; Giomo, G; Taveira, J; Malta, M. 2015. Fatty acid profiles and parameters of quality of specialty coffees produced in different Brazilian regions. African Journal of Agricultural Research, 10: 3484-3493. Doi: 10.5897/AJAR2015.9697.
Goyal, S; Goyal, G. 2013. Machine learning ann models for predicting sensory quality of roasted coffee flavoured sterilized drink. 2013. Advances in Distributed Computing and Artificial Intelligence Journal, 2: 9-13. Doi: http://dx.doi.org/10.14201/ADCAIJ201426913.
Izbicki, R; Santos, T. 2018. Machine learning sob a ótica estatística: uma abordagem preditivista para estatística com exemplos em R. Disponível em: http://www.rizbicki.ufscar.br/sml.pdf.
James, G; Witten, D; Hastie, T; Tibshirani, R. 2013. An Introduction to Statistical Learning. Reino Unido: Springer.
Johnson, R; Wichern, D. 2015. Applied Multivariate Statistical Analysis. 6. ed. Pearson.
Jolliffe, I; Cadima, J. 2016. Principal component analysis: a review and recent developments. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 374 (2065). Doi: http://dx.doi.org/10.1098/rsta.2015.0202.
Kassambara, A. 2017. Principal Component Methods. In: R: practical guide. Disponível em: https://www.datanovia.com/en/wp-content/uploads/dn-tutorials/book-preview/principal-component-methodsin-r-preview.pdf.
Kim, H; Hong, D; Yu, J; Lee, S; Lee; Y. 2019. Identification of Headspace Volatile Compounds of Blended Coffee and Application to Principal Component Analysis. Preventive Nutrition and Food Science, 24, 217-223. Doi: 10.3746/pnf.2019.24.2.217.
Kreuml, M.; Majchrzak, D.; Ploederl, B.; Koenig, J. 2013. Changes in sensory quality characteristics of coffee during storage. Food Science & Nutrition, 4:267–272. Doi: 10.1002/fsn3.35. Lantz, B. 2015 Machine Learning with R. 2. ed. Reino Unido: Packt Publishing.
Loh, W. 2014. Classification and regression tree methods. Wiley StatsRef: Statistics Reference Online.
Mingoti, S. 2005. Análise de dados através de métodos de estatística multivariada. Belo Horizonte: Editora UFMG.
Minim, V. Análise sensorial: estudo com consumidores. 2. ed. Viçosa: Editora da Universidade Federal de Viçosa, 2010.
Mori, A; Garcia, A; Ferrão, M; Fonseca, A; Ferrão, R; Benassi, M. 2018. Sensory profile of conilon coffee brews from the state of Espírito Santo, Brazil. Pesquisa Agropecuária Brasileira, 53: 1061-1069. Doi: http://dx.doi.org/10.1590/s0100-204x2018000900010.
Oliveira, J; Elias, T; Lessa, M. 2012. Café Especial: Agregação de Valor ao Tradicional Café. Revista Eletrônica de Comunicação, 3: 1-8. Disponível em: http://periodicos.unifacef.com.br/index.php/rec/article/view/445.
Oliveira, L; Menezes, F; Cirillo, M; Saúde, A; Borém, F; Liska, G. 2019. Machine Learning techniques in muliclass problems with application in sensorial analysis. Concurrency and Computation: Practice and Experience. Doi: 10.1002/cpe.5579.
Ormond, J; Paula, S; Farevet Filho, P. 1999. Café: (re)conquista dos mercados. Disponível em: https://www.bndes.gov.br/SiteBNDES/export/sites/default/bndes_pt/Galerias/Arquivos/conhecimento/bnset/set1001.pdf.
R CORE TEAM. 2019. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. Sanchez, K.; Chambers, E. 2015. How Does Product Preparation Affect Sensory Properties? An Example with Coffee. Journal of Sensory Studies, 30. Doi: 10.1111/joss.12184.
Saraiva, S; Araújo, M; Lucia, S, Silva, L; Zeferino, L. 2010. Comparação dos tipos de processamento pós-colheita de café. In: Simpósio de Pesquisa dos Cafés Do Brasil. Vitória. Anais. Brasília, DF: Embrapa.
Silva, S; Queiroz, D; Ferreira, W; Corrêa, P; Rufino, J. 2015. Mapping the potential beverage quality of coffee produced in the Zona da Mata, Minas Gerais, Brazil. Journal of the science of food and agriculture, 96:3098-30108. Doi: 10.1002/jsfa.7485.
Souza, M. 2006. Cafés sustentáveis e denominação de origem: a certificação de qualidade na diferenciação de cafés orgânicos, sombreados e solidários. Tese (Doutorado em Ciência Ambiental) - Ciência Ambiental, Universidade de São Paulo, São Paulo.
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2020 Caderno de Ciências Agrárias
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
Os Direitos Autorais para artigos publicados nesta revista são de direito do autor. Em virtude da aparecerem nesta revista de acesso público, os artigos são de uso gratuito, com atribuições próprias, em aplicações educacionais e não-comerciais.
A revista se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua e a credibilidade do veículo. Respeitará, no entanto, o estilo de escrever dos autores.
Alterações, correções ou sugestões de ordem conceitual serão encaminhadas aos autores, quando necessário. Nesses casos, os artigos, depois de adequados, deverão ser submetidos a nova apreciação.
As opiniões emitidas pelos autores dos artigos são de sua exclusiva responsabilidade.
Caderno de Ciências Agrárias está licenciado com uma 