Evaluation of sensory crispness of dry crispy foods by convolutional neural networks (2023)
- Authors:
- Autor USP: LOPES, RAFAEL ZINNI - FZEA
- Unidade: FZEA
- Sigla do Departamento: ZEA
- DOI: 10.11606/D.74.2023.tde-09022024-105654
- Subjects: ANÁLISE SENSORIAL DE ALIMENTOS; SECAGEM DE ALIMENTOS; REDES NEURAIS
- Keywords: Convolutional neural network; Crispness; Crocância; Rede neural convolucional
- Agências de fomento:
- Language: Inglês
- Abstract: A secagem convectiva é tradicionalmente utilizada para desidratar alimentos, a fim de reduzir o volume e a atividade de água, possibilitando o fácil transporte e armazenamento. Durante a secagem, os alimentos sofrem redução de volume de acordo com a perda de umidade, resultando em alterações na matriz sólida e formação de estrutura crocante quando esmagados ou fraturados. Este trabalho focou-se em desenvolver métodos de quantificação e classificação de alimentos secos crocantes, tais como batatas chips, torradas e alimentos fritos, como batatas fritas e frango frito. Os perfis de compressão e ruído sonoro foram determinados por um dispositivo de alavanca manual coberto por uma caixa de supressão de ruído. O som capturado foi transformado em diferentes parâmetros com o auxílio de bibliotecas em Python e Mathematica Wolfram. O espectro de potência do sinal sonoro foi obtido pelo método de transformada discreta de Fourier em Wolfram, enquanto o Onset Strength e os coeficientes cepstrais de frequência Mel (MFCC) foram obtidos por meio da biblioteca Librosa. Os espectros sonoros, Onset Strength e MFCC foram processados em redes neurais com o objetivo de classificar a crocância do frango frito, das batatas chips e das torradas. Os modelos de classificação que utilizaram como entradas os sinais DFT e MFCC apresentaram acurácia superior a 95%. Este estudo permitiu descrever o som crocante por meio da intensidade e duração do sinal. Um segundo estudo utilizou código Python e abiblioteca Librosa na tentativa de gerar um número adimensional para classificar a intensidade da crocância, denominado valor Zeta. O valor Zeta foi obtido a partir dos valores de Root Mean Squared Energy, multiplicados pelos picos de intensidade em intervalos de 1 segundo. A validação experimental do valor Zeta foi realizada por meio da aquisição de ruídos de crocância para torradas e batatas fritas, monitorando-se a umidade e o tempo de estocagem. O comportamento de Zeta alinhou-se com o comportamento da crocância nos testes de aumento e diminuição da crocância ao longo do tempo
- Imprenta:
- Publisher place: Pirassununga
- Date published: 2023
- Data da defesa: 14.07.2023
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
LOPES, Rafael Zinni. Evaluation of sensory crispness of dry crispy foods by convolutional neural networks. 2023. Dissertação (Mestrado) – Universidade de São Paulo, Pirassununga, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/74/74133/tde-09022024-105654/. Acesso em: 10 jan. 2026. -
APA
Lopes, R. Z. (2023). Evaluation of sensory crispness of dry crispy foods by convolutional neural networks (Dissertação (Mestrado). Universidade de São Paulo, Pirassununga. Recuperado de https://www.teses.usp.br/teses/disponiveis/74/74133/tde-09022024-105654/ -
NLM
Lopes RZ. Evaluation of sensory crispness of dry crispy foods by convolutional neural networks [Internet]. 2023 ;[citado 2026 jan. 10 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74133/tde-09022024-105654/ -
Vancouver
Lopes RZ. Evaluation of sensory crispness of dry crispy foods by convolutional neural networks [Internet]. 2023 ;[citado 2026 jan. 10 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74133/tde-09022024-105654/
Informações sobre o DOI: 10.11606/D.74.2023.tde-09022024-105654 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
