Coffee classification according to its detachment force: a decision tree-based approach

Página do item simplificado
dc.contributor.advisorSilva, Rouverson Pereira da
dc.contributor.advisorVale, Welington Gonzaga do
dc.contributor.advisorRolim, Glauco de Souza
dc.contributor.authorMeneses, Mariana Dias. [UNESP]
dc.contributor.institutionUniversidade Estadual Paulista (Unesp)
dc.date.accessioned2023-04-11T20:23:16Z
dc.date.available2023-04-11T20:23:16Z
dc.date.issued2023-02-28
dc.description.abstractThe world coffee consumption demands high-efficiency crop systems. Consumers appreciate flavor and aroma in this beverage, characteristics that are game-changing in coffee value. A key role to improve this production chain, mechanized harvesting fails in provide coffee fruits selectivity. It means that the industry receives fruits with astringent flavor or fermentation. Because coffee plant has uneven maturation, i.e., green, cherry, and dry fruits, and the harvester settings are generalist, the fruits are detached regardless their maturation stage. The use of Machine Learning techniques improves the traditional agriculture to a digital one, its use in mechanized harvesting enhances selectivity of the coffee fruits. Overall, the present study aimed to classify the coffee fruit detachment force using a Decision Tree Classifier. The experiment was conducted in two field in the Brazilian state of Minas Gerais. A dynamometer was used to measure the detachment force of 23 coffee cultivars. The cultivars were grouped using a cluster algorithm and a Decision Tree classified each group according to the detachment force. The Decision Tree obtained a mean Matthews Correlation Coefficient of 0.81, proving its efficiency in classify the detachment force. Therefore, we proved that Decision Tree can power the mechanized harvesting as a tool to more accurate decision-making settingsen
dc.description.abstractO consumo mundial de café exige alta eficiência no sistema da cultura. Consumidores apreciam o sabor e aroma da bebida, características que afetam o valor do café. Peça chave para a cadeia produtiva, a colheita mecanizada falha em promover a seletividade dos frutos. Entregando a indústria, frutos com sabor adstringente ou fermentados. Por causa da maturação irregular na planta do café e dos ajustes generalistas da colhedora, os frutos são derriçados independentemente da sua maturação. O uso de técnicas de Machine Learning melhora a agricultura tradicional para uma agricultura digital, o uso na colheita mecanizada aumenta a seletividade dos frutos colhidos. Visto isso, o presente estudo objetivou classificar a força de desprendimento de frutos do café usando um algoritmo de Árvore de Decisão Classificador. O experimento foi conduzido em duas áreas no estado de Minas Gerais, Brasil. Um dinamômetro foi usado para mensurar a força de desprendimento de 23 cultivares de café. As cultivares foram agrupadas usando um algoritmo de cluster e a Árvore de Decisão classificou cada um dos grupos de acordo com a força de desprendimento. A Árvore de Decisão obteve um coeficiente de correlação Matthews de 0,81, provando a eficiência em classificar a força de desprendimento. Portanto, foi provado que a Árvore de Decisão é uma ferramenta capaz de tornar a tomada de decisão mais acurada, melhorando a colheita mecanizada.pt
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
dc.description.sponsorshipId88887641456/2021-00
dc.identifier.capes33004102071P2
dc.identifier.urihttp://hdl.handle.net/11449/242933
dc.language.isoeng
dc.publisherUniversidade Estadual Paulista (Unesp)
dc.rights.accessRightsAcesso aberto
dc.subjectMachine Learningen
dc.subjectSelective Mechanized Harvestingen
dc.subjectUneven Maturationen
dc.subjectCoffeeen
dc.subjectAgriculturapt
dc.titleCoffee classification according to its detachment force: a decision tree-based approachen
dc.title.alternativeClassificação do café de acordo com sua força de desprendimento: uma abordagem baseada em árvore de decisãopt
dc.typeDissertação de mestrado
unesp.campusUniversidade Estadual Paulista (Unesp), Faculdade de Ciências Agrárias e Veterinárias, Jaboticabalpt
unesp.embargoOnlinept
unesp.examinationboard.typeBanca públicapt
unesp.graduateProgramAgronomia (Ciência do Solo) - FCAVpt
unesp.knowledgeAreaAgriculturapt
unesp.researchAreaAgricultura Digital.pt

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
menezes_md_me_jabo.pdf
Tamanho:
1.66 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.97 KB
Formato:
Item-specific license agreed upon to submission
Descrição:

Coleções

Dissertações - Agronomia (Ciência do Solo) - FCAV