Uso de Machine Learning para previsão de contagem padrão em placas de leite cru refrigerado antes de seu processamento tecnológico

Página do item simplificado
dc.creatorMariana de Assis Lopes Frankó
dc.date.accessioned2023-02-01T17:18:03Z
dc.date.accessioned2025-09-09T01:02:37Z
dc.date.available2023-02-01T17:18:03Z
dc.date.issued2022-11-30
dc.description.sponsorshipCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
dc.identifier.urihttps://hdl.handle.net/1843/49381
dc.languagepor
dc.publisherUniversidade Federal de Minas Gerais
dc.rightsAcesso Aberto
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/pt/
dc.subject.otherleite qualidade
dc.subject.otherLeite analise
dc.titleUso de Machine Learning para previsão de contagem padrão em placas de leite cru refrigerado antes de seu processamento tecnológico
dc.typeDissertação de mestrado
local.contributor.advisor-co1Mônica Maria Oliveira Pinho Cerqueira
local.contributor.advisor-co1Frederico Gualberto Ferreira Coelho
local.contributor.advisor1Marcos Xavier Silva
local.contributor.advisor1Latteshttp://lattes.cnpq.br/1407172552612027
local.contributor.referee1Elisa Helena Paz Andrade
local.contributor.referee1Soraia de Araujo Diniz
local.creator.Latteshttp://lattes.cnpq.br/324256012690593
local.description.resumoO 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.
local.identifier.orcid0000-0001-8093-0635
local.publisher.countryBrasil
local.publisher.departmentVETER - ESCOLA DE VETERINARIA
local.publisher.initialsUFMG
local.publisher.programPrograma de Pós-Graduação em Ciência Animal

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
DISSERTAÇÃO MARIANA_rev.29.01.2022.pdf
Tamanho:
1.43 MB
Formato:
Adobe Portable Document Format
Baixar

Licença do pacote

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
2.07 KB
Formato:
Plain Text
Descrição:
Baixar

Coleções

Pós-Graduação em Ciência Animal - Dissertações

Logo UFMG