Uso de redes neurais artificiais na predição da extração de açúcares pela hidrólise ácida da borra de café

A utilização de biomassa lignocelulósica, como a borra de café residual (spent coffee grounds – SCG), em bioprocessos, como a fermentação, apresenta desafios devido à complexa estrutura de seus componentes. Assim, são necessários métodos de pré-tratamento eficientes para superar essas dificuldades. Este estudo investiga o uso de redes neurais artificiais (RNA) para prever o comportamento do processo de hidrólise (pré-tratamento), com foco na extração eficiente de açúcares a partir da SCG. Para isso, foi desenvolvida uma rede neural do tipo feedforward, utilizando como variáveis de entrada a temperatura (130–190 °C), a concentração de ácido sulfúrico (0,5–2,0% v/v), a razão sólido/líquido (1:4–1:40) e o tempo de reação (20–120 min), com o objetivo de estimar o processo de hidrólise por meio do algoritmo de retropropagação de Levenberg–Marquardt, implementado no software MATLAB R2024b. A estrutura do modelo neural consistiu em quatro neurônios em uma única camada oculta, sendo capaz de prever com sucesso a quantidade de açúcares hemicelulósicos obtidos a partir da fração hemicelulósica, em função das variáveis de entrada. Os resultados demonstraram a eficácia do modelo na identificação das condições ótimas para a conversão dos polissacarídeos presentes na borra de café em açúcares simples, apresentando coeficiente de determinação (R²) de 0,99 para os conjuntos de treinamento, validação e teste. O modelo apresentou um erro percentual médio de 9,20%, calculado a partir da comparação entre os dados experimentais e os valores estimados pelas redes neurais artificiais. Essa abordagem inovadora utiliza o potencial da inteligência artificial, especificamente do aprendizado de máquina, para descrever com precisão o comportamento da hidrólise da borra de café residual.

Resumo (inglês)

The utilization of lignocellulosic biomass, such as spent coffee grounds (SCG), for bioprocesses such as fermentation presents challenges due to the complex structure of its components. Effective pretreatment methods are needed to overcome these difficulties. This study investigates the use of artificial neural networks (ANN’s) to predict the behavior of the hydrolysis process (pretreatment), with a focus on efficient sugar extraction from SCG. By developing a feedforward neural network with input parameters such as temperature (130-190°C), sulfuric acid concentration (0.5-2.0% v/v), solid/liquid ratio (1:4-1:40), and reaction time (20-120 min), the research aims to estimate the hydrolysis process using the Levenberg-Marquardt backpropagation algorithm in MATLAB R2024b software. With a neural model structure of four neurons in a single hidden layer, the model successfully predicts the amount of hemicellulosic sugars obtained from the hemicellulose fraction based on the input variables. The results demonstrate the effectiveness of the model in identifying the optimal conditions for converting polysaccharides in coffee waste into simple sugars, with an R² of 0.99 for validation, training, and test. The model showed an average percentage error of 9.20% (calculated by comparing experimental data with the values obtained with the ANN’s). This innovative approach uses the power of artificial intelligence, specifically machine learning, to accurately measure the hydrolysis behavior of spent coffee grounds (SCG).

Palavras-chave

Biotecnologia, Gerenciamento de resíduos, Café resíduos, Inteligência artificial, Redes neurais (Computação)

Idioma

Inglês

Citação

SANTOS, Matheus Costa Monteiro dos. Uso de redes neurais artificiais na predição da extração de açúcares pela hidrólise ácida da borra de café. 2025. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Química) – Instituto de Química, Universidade Estadual Paulista (UNESP), Araraquara, 2025.