Universidade Federal de Minas Gerais - UFMG

contrast-40
lupa-40
Tese e Dissertação

Uso de modelos de Aprendizado de Máquina para previsão da contagem bacteriana do leite cru antes do processamento

Autor

  • Resumo do trabalho
    • Resumo do trabalho
      • O leite é uma das commodities mais produzidas e relevantes por ser um produto com alto valor nutricional e baixo custo para o consumidor se comparado a outras fontes de nutrientes. Por este motivo pode ser um importante meio de cultura e de transmissão de doenças se não for cuidadosamente manipulador, estocado, transportado e processado. Objetivou-se avaliar e comparar a performance de três modelos de ML para previsão da CPP do leite cru que chega às plataformas do laticínio. Comparou-se três modelos de ML, o Support Vector Machine (SVM), XGBoosting e redes neurais MultiLayer Perceptron (MLP). Obtivemos um resultado com RMSE de 5,4887410; 4,7333138; 6,0639758 respectivamente e um MAPE de 0,63%; 0,06%; 0,92%, demonstrando que a rede XGBoosting foi a que apresentou menor erro, porém os três modelos são eficientes para prever a CPP do leite e são estatisticamente semelhantes.

        Palavra-chave: leite cru, contagem bacteriana, machine learning, previsão.

Defesa

Banca

Titulares:
Dr.(a). Marcos Xavier Silva  – Presidente – Orientador(a)
Dr.(a). Elisa Helena Paz Andrade
Dr.(a). Soraia de Araújo Diniz
Suplentes:
Dr.(a). Débora Cristina Sampaio de Assis
Dr.(a). Monica Maria Oliveira Pinho Cerqueira

Orientador

Julho de 2024
D S T Q Q S S
010203040506
07080910111213
14151617181920
21222324252627
28293031

Acompanhe a Escola