B. Indústr.anim., N. Odessa,v.67, n.2, p.143-149, jul./dez., 2010 UTILIZAÇÃO DOS PARÂMETROS FÍSICO-QUÍMICOS E REDES NEURAIS ARTIFICIAIS NA IDENTIFICAÇÃO DOS MÉIS DE ABELHAS (Apis mellifera L.) PRODUZIDOS NO VERÃO E INVERNO NA MICRORREGIÃO DE CAMPOS DO JORDÃO, SÃO PAULO1 JULIANA DO NASCIMENTO BENDINI2, RICARDO DE OLIVEIRA ORSI3, HUGO DO NASCIMENTO BENDINI4, SILVIA HELENA MODENESE GORLA DA SILVA5 1Recebido para publicação em 04/06/10. Aceito para publicação em 02/12/10 2Universidade Federal do Piauí, Rua Desembargador César do Rego Monteiro, 1208, Ininga,CEP 64049-550, Teresina, PI, Brasil. Email: jbendini@gmail.com 3Departamento de Produção Animal, Faculdade de Medicina Veterinária e Zootecnia (FMVZ), Universidade Estadual Paulista “Júlio de Mesquita Filho” (UNESP), Distrito Rubião Jr, s/nº, CEP 18618-970, Botucatu, SP, Brasil. 4Programa de Pós-Graduação em Ciência da Computação da Universidade Federal de São Carlos (UFSCAR), Rodovia Washington Luís, km 235, SP-310, CEP 13565-905, São Carlos, SP, Brasil. 5UNESP, Campus Experimental de Registro, Rua Nelson Brihi Badur, 430, Vila Tupy, CEP 11900-000, Registro, SP, Brasil. RESUMO: O presente trabalho teve como objetivo tipificar, com base em parâmetros físico-quími- cos, o mel proveniente da microrregião de Campos do Jordão e verificar como as amostras de méis se agrupam em função da época de produção (verão e inverno). Foram obtidas 30 amostras de mel fornecidas por apicultores dos quatro municípios da referida microrregião, correspondentes aos dois períodos de colheita de mel: novembro a fevereiro; julho a setembro, durante os anos de 2007 e 2008 (n = 30). Foram realizadas as análises físico-quimicas de acidez total, pH, umidade, ativida- de de água, densidade, aminoácidos, cinzas, cor e condutividade elétrica, identificando-se os pa- drões físico-químicos dos méis das duas épocas de produção. Em seguida, procedeu-se uma análi- se de agrupamento de dados por meio do algoritmo k-médias, que agrupou as amostras em duas classes (verão e inverno). Assim, realizou-se um treinamento supervisionado de uma rede neural artificial (RNA), utilizando o algoritmo backpropagation. De acordo com a análise, o conhecimen- to adquirido por meio das RNAs, classificou as amostras com 80% de acerto. Observou-se que as RNAs se revelaram uma ferramenta eficiente no sentido de agrupar as amostras de mel da microrregião de Campos do Jordão de acordo com suas características físico-químicas, em função dos diferentes períodos de produção. Palavras-chave: apicultura, redes neurais artificiais, sazonalidade. USE OF PHYSICOCHEMICAL PARAMETERS AND NEURAL NETWORKSIN IDENTIFICATION OF BEE HONEY (Apis mellifera L.) PRODUCED IN THE SUMMER AND WINTER IN THE MICROREGION OF CAMPOS DO JORDÃO, SÃO PAULO ABSTRACT:The objective of this work was to typify, through physicochemical parameters, honey from Campos do Jordão’s microrregion, and verify how samples are grouped in accordance with the climatic production seasonality (summer and winter). It were assessed 30 samples of honey from beekeepers located in the cities of Monteiro Lobato, Campos do Jordão, Santo Antonio do Pinhal e São Bento do Sapucaí-SP, regarding both periods of honey production (November to February; July to September, during 2007 and 2008; n = 30). Samples were submitted to physicochemical analysis of total acidity, pH, humidity, water activity, density, aminoacids, ashes, color and electrical conductivity, identifying physicochemical standards of honey samples from both periods of production. Next, we carried out a cluster analysis of data using k-means algorithm, 144 BENDINI, J. N. et al. B. Indústr.anim., N. Odessa,v.67, n.2, p.143-149,jul./dez., 2010 which grouped the samples into two classes (summer and winter). Thus, there was a supervised training of an Artificial Neural Network (ANN) using backpropagation algorithm. According to the analysis, the knowledge gained through the ANN classified the samples with 80% accuracy. It was observed that the ANNs have proved an effective tool to group samples of honey of the region of Campos do Jordao according to their physicochemical characteristics, depending on the different production periods. Key words: beekeeping, Artificial Neural Networks, seasonality. INTRODUÇÃO Pela definição da legislação brasileira (BRASIL, 2000), entende-se por mel o produto alimentício pro- duzido pelas abelhas a partir do néctar das flores e de secreções procedentes de partes vivas de certas plantas ou de secreções de insetos sugadores de plan- tas que vivem sobre algumas espécies vegetais e que as abelhas recolhem, transformam, combinam com substâncias específicas próprias, armazenam e dei- xam maturar nos favos da colméia. O estudo da composição físico-química de méis provenientes de diferentes origens florais é um ins- trumento para a sua tipificação. A determinação de intervalos de variação para cada parâmetro analisa- do estabelece um padrão físico-químico para o mel em questão. MORETI et al. (2009), caracterizaram amostras de méis provenientes do Estado do Ceará a partir de análises físico-químicas e da análise multivariada. Com a utilização de componentes principais, obser- varam que os principais parâmetros que melhor in- fluenciaram o agrupamento das referidas amostras foram acidez, índice de formol, pH e cinzas. A identificação de grupos em um espaço amostral é uma tarefa difícil para os seres humanos, pois en- volve uma grande quantidade de dados, em diferen- tes dimensões, além do fato de que estes grupos são flexíveis. Diversos modelos matemáticos e estatísti- cos podem ser utilizados para auxiliar esse proces- so. Além disso, algoritmos para reconhecimento de padrões, com ênfase em técnicas de clusterização (agrupamento) podem ser utilizados para este fim (PIMENTEL et al., 2003). Classificar ou agrupar objetos em categorias é ati- vidade bastante comum e vem sendo intensificada devido ao número elevado de informações que es- tão disponíveis atualmente (BACKER, 1995). Para rea- lizar esta tarefa emprega-se um mecanismo denomi- nado análise de cluster ou clusterização. As redes neurais artificiais (RNAs), modelos computacionais cujos princípios fundamentais são assentados nos trabalhos de modelagem biológica de processos neurofisiológicos, cognitivos e comportamentais, são frequentemente utilizadas para problemas de classificação e criação de padrões (KOVACS, 1996). Segundo RAMOS (2003), para o processo de classi- ficação artificial, faz-se necessário o desenvolvimen- to de modelos que permitam estabelecer o relacio- namento entre a entrada de padrões de classificação (Entradas), análise e processamento dessa informa- ção e convergência para uma saída definida (Saída). A rede neural deve aprender a reconhecer padrões de entrada e definir a saída segundo classes defini- das, ou seja, dado um determinado padrão de entra- da, escolher em que categoria ele se enquadra me- lhor. Dessa maneira, tal técnica pode se revelar um método estatístico eficiente para a caracterização e reconhecimento de padrões físico-químicos entre amostras de méis de uma região. O mel é um dos produtos originários das abelhas (Apis mellifera L.) mais utilizados pelo homem, tanto in natura, como em diversas formas industrializadas. No Brasil, no entanto, não há ainda uma caracteriza- ção dos méis produzidos em diferentes regiões, floradas, tipos de solo, clima, etc., o que dificulta o estabelecimento de padrões para o produto. Desta forma, estudos no sentido de caracterizar amostras produzidas em diferentes locais, tornam-se cada vez mais importantes para se incrementar a apicultura nacional, especialmente a paulista (MARCHINI, 2000). Nesse sentido, o presente trabalho teve como objetivo tipificar, com base em parâmetros físico- químicos o mel proveniente da microrregião de Cam- 145UTILIZAÇÃO DOS PARÂMETROS FÍSICO-QUÍMICOS E REDES NEURAIS... B. Indústr.anim., N. Odessa,v.67, n.2, p.143-149, jul./dez., 2010 pos do Jordão e verificar como as amostras de méis se agrupam em função da época de produção (verão e inverno). MATERIAL E MÉTODOS: Coleta de amostras Foram obtidas 30 amostras de mel de apicultores dos municípios de Monteiro Lobato, Campos do Jordão, Santo Antonio do Pinhal e São Bento do Sapucaí-SP que utilizavam técnicas de manejo e beneficiamento como preconizadas pelas Boas Prá- ticas de Produção (BPP) no campo e Boas Práticas de Fabricação (BPF) na unidade de extração e beneficiamento. Os apicultores forneceram as amos- tras acondicionadas em embalagens apropriadas, etiquetadas para a anotação do nome do apicultor e data de colheita. As amostras foram corresponden- tes aos dois períodos de colheita de mel: verão de novembro à fevereiro (n=14) e inverno de julho à setembro (n=16), durante os anos de 2007 e 2008. Análises físico-químicas As análises de acidez total, pH (MORAES e TEIXEIRA, 1998) e LUND (CANO et al. 2005) foram realizadas no Setor de Apicultura da Faculdade de Medicina Ve- terinária e Zootecnia da Universidade Estadual Paulista, campus de Botucatu-SP – FMVZ/UNESP e as demais: umidade (AOAC, 1990), cor (VIDAL e FREGOSI, 1984), condutividade elétrica (MARCHINI, 2004) e cinzas (PREGNOLATO, 1985) no Laboratório de Análises de Produtos Apícolas do Centro de Estu- dos Apícolas da Universidade de Taubaté - CEA/ UNITAU. Análise estatística Procedeu-se uma análise de agrupamento utili- zando o software WEKA para implementação do algoritmo K-Médias, para partição de um conjunto de elementos em determinado número de agrupa- mentos (clustering) K, utilizando o método dos mí- nimos quadrados e o ajustamento das médias (mé- dia móvel) no decorrer dos processos de iterações, no sentido de se averiguar se os dados estão real- mente agrupados em função da época do ano. O objetivo deste algoritmo é encontrar a melhor divisão de P dados em K grupos Ci, i = 1, ... K, de maneira que a distância total entre os dados de um grupo e o seu respectivo centro, somada por todos os grupos, seja minimizada. Este método consiste em usar os valores dos pri- meiros n casos em um arquivo de dados, como esti- mativas temporárias das médias dos k clusters, onde k é o número de clusters especificado pelo usuário. Assim, o centro do cluster inicial é formado para cada caso em torno dos dados mais próximos e, então, comparados com os pontos mais distantes e os ou- tros clusters formados. A partir daí, dentro de um processo de atualização contínua e de um processo interativo encontram-se os centros dos clusters finais [MONTEIRO e SILVA et al 2001]. Em outras palavras, o algoritmo atribui aleatori- amente os P pontos a K grupos e calcula as médias dos vetores de cada grupo. Em seguida, cada ponto é deslocado para o grupo correspondente ao vetor médio do qual ele está mais próximo. Com este novo rearranjo dos pontos em K grupos, novos vetores médios são calculados. O processo de re-alocação de pontos a novos grupos cujos vetores médios são os mais próximos deles continua até que se chegue a uma situação em que todos os pontos já estejam nos grupos dos seus vetores médios mais próximos. A fim de analisar a existência de diferenças esta- ticamente significativas entre cada variável, realizou- se o teste t (LSD) em nível de 5% de probabilidade utilizando o aplicativo computacional SISVAR (Sis- tema de Análise de Variância). RESULTADOS A partir dos resultados das análises físico-quími- cas, as amostras de méis foram agrupadas de acordo com a sua época de produção. Foi realizada a com- paração entre os dois grupos pelo teste t (Tabela 1). Com a análise de agrupamento, realizada por meio do algoritmo k-média, foi possível agrupar os dados nos dois grupos constituídos pelas amostras de méis de verão e inverno. Realizou-se o treinamen- to das RNA Perceptron multicamadas com o algoritmo backpropagation, com a taxa de aprendizado e o ter- mo momentum respectivamente 0,2 e 0,3, adotados de maneira empírica (HAYKIN, 1999). Para o treina- mento das RNA utilizou-se a ferramenta computacional Weka (WITTEN; Frank, 1999). A Figu- ra 1 representa a arquitetura da RNA utilizada na classificação, onde as caixas brancas representam os 146 BENDINI, J. N. et al. B. Indústr.anim., N. Odessa,v.67, n.2, p.143-149,jul./dez., 2010 Tabela 1. Médias e desvios padrões das características fisico-químicas dos méis de abelhas da microrregião de Cam- pos do Jordão, nos períodos de verão e inverno e os limites referenciais da Legislação vigente (Brasil, 2000) ** Significativo à 5% de significância pelo teste t (LSD). Figura 1. Rede Neural Multicamadas utilizada na classificação das amostras de mel da microrregião de Campos do Jordão – SP, com base nos parâmetros físico-químicos Parâmetros físico-químicos Média e desvio padrão Classe verão Média e desvio padrão Classe inverno Limites (BRASIL, 2000) Acidez Total (meq kg-1) 15,62 ± 2,85 24,31 ± 6,43** 50 pH 4,13 ± 0,22 3,74 ± 0,25** 3,3 - 4,6 Umidade (%) 19,8 ± 0,02 19 ± 0,02 20 Albuminóides (mL) 1,58 ± 0,42 1,32 ± 0,48 0,6 – 3 Cor 0,22 ± 0,75 0,3 ± 13,11** - Condutividade elétrica (is cm-1) 181,47 ± 45,45 402 ± 65,72** Máximo 800 Cinzas (%) 0,3 ± 0,08 0,28 ± 0,01 0,6 parâmetros físico-químicos da camada de entrada (parâmetros físico-químicos) e os amarelos represen- tam as classes (inverno e verão) da camada de saída. De acordo com o estudo de classificação, as amos- tras foram divididas em duas classes (verão/inver- no) com 80% de precisão. Como resultado de classi- ficação, a RNA conseguiu uma taxa de erro médio nos conjuntos de teste de 20%. A matriz de confusão dos conjuntos de testes, representada pela Tabela 2, mostra o número de classificações corretas em opo- sição às classificações preditas para cada classe. Estaçoes Inverno Verão Total Inverno 14 2 16 Verão 4 10 14 Total 18 12 30 Tabela 2. Matriz de confusão do resultado da classifica- ção das amostras de mel da microrregião de Campos do Jordão DISCUSSÕES Os resultados das análises físico-químicas das 147UTILIZAÇÃO DOS PARÂMETROS FÍSICO-QUÍMICOS E REDES NEURAIS... B. Indústr.anim., N. Odessa,v.67, n.2, p.143-149, jul./dez., 2010 amostras apresentaram, para cada parâmetro, inter- valos de variação dentro dos limites estabelecidos na legislação brasileira e internacional (BRASIL, 2000), com exceção da densidade, que não faz parte das análises de rotina exigidas pela legislação brasileira. A média para acidez total nas amostras analisa- das durante o período do verão foi de 15,6 ± 2,85 meq kg-1 e para o pH foi de 4,13 ± 0,22. Durante o período de inverno, para os mesmos parâmetros fí- sico-químicos, foram obtidas as médias de 24,31 ± 6,43 e 3,74 ± 0,25 meq kg-1. Dessa maneira, pode-se observar uma discrepância entre as médias de verão e inverno, atribuídas possivelmente às distintas ori- gens florais das referidas estações do ano, ou seja, as amostras de inverno apresentaram uma acidez mais acentuada do que as amostras de verão. A média do teor de umidade dos méis foi de 19,8 ± 0,02% no verão, período em que a pluviosidade é maior, segundo informações do CEPAGRI (Centro de Pesquisas Meteorológicas e Climáticas Aplicadas à Agricultura, 2009), e, 19 ± 0,02% no inverno, com os resultados variando entre 18% e 20%. A média de umidade do mel da microrregião de Campos do Jordão é considerada elevada já que está bem próxi- ma ao limite recomendado pela legislação vigente (20%). Tal resultado deve-se provavelmente ao cli- ma da região, que, de acordo com KÖPPEN e GEIGER (1928), é classificado como subtropical de altitude, úmido a super-úmido; com precipitação média anual entre 1.600 à 1.800 milímetros. O mel é um produto higroscópico, ou seja, absor- ve água muito rapidamente, principalmente sob cer- tas condições de alta umidade relativa do ar. A higroscopicidade pode ser atribuída à presença de frutose em grandes proporções. Dessa maneira, o apicultor deve estar atento à umidade durante a ex- tração, transporte e processamento do mel proveni- ente da microrregião, já que a umidade favorece con- dições para o crescimento de fungos responsáveis pela fermentação do produto (WHITE, 1975). A por- centagem de água do mel é dependente da origem floral da qual ele é oriundo e da umidade ambiental (ou relativa) (ESTUPIÑÁN, 1998; APARNA e RAJALAKSHMI, 1999). A média para a quantidade de albuminóides do mel da microrregião de Campos do Jordão foi de 1,58 ± 0,42 mL no verão e de 1,32 ± 0,48 mL no inverno. Segundo CRANE (1983), a análise dos albuminóides constituintes das proteínas do mel é importante para distinguir méis de diferentes floradas e/ou regiões. A diferença entre as médias das amostras colhidas no verão e no inverno não foi considerada estatisti- camente significativa. No entanto, foi detectada pela utilização das redes neurais artificiais que agrupou as amostras em “amostras de inverno” e “amostras de verão”. Tal fato se deve provavelmente às dife- rentes características das duas respectivas floradas, já que, de acordo com BATH e SINGH (1999), a varia- ção do valor de proteína no mel ocorre em função de sua origem floral. As amostras analisadas, apresentaram cores nas duas estações do ano que variaram entre âmbar ex- tra claro, âmbar claro e âmbar, com resultados apro- ximados de 34 a 114 mm na escala PFUND. Pode-se observar que durante o inverno os méis alcançaram tonalidades mais escuras (0,3 ± 13,1) do que no ve- rão (0,2 ± 0,75). O fato observado se deve exclusiva- mente às distintas origens florais do mel nas respec- tivas estações do ano, já que as amostras foram re- cém colhidas e, portanto, não sofreram a ação do tem- po de armazenamento e tampouco superaquecimen- to, condições que segundo CRANE (1983) podem in- fluenciar na cor, tornando o produto mais escuro. Segundo WHITE (1993), os teores de minerais nos méis variam de 0,02 a 1,0% do peso, estando em média na faixa de 0,17%. Dentre os fatores que influ- enciam o conteúdo de minerais do mel, podem ser citados a origem floral, e o tipo de clima e de solo presente na região produtora do mel (MARCHINI et al. 2000). Nas amostras estudadas, os minerais repre- sentam em média 0,3 ± 0,08% do peso total no verão e 0,28 ± 0,01% no inverno, diferença não significati- va, o que pode indicar uma relação maior com o tipo de solo do que com a origem floral ou clima. O mel analisado apresentou condutividade elé- trica de 181,47 ± 45,4 5ìS cm-1, no verão e de 402 ± 65,72 ìS cm-1, no inverno. Pode-se observar uma gran- de diferença entre as amostras colhidas nas duas es- tações do ano no que diz respeito à condutividade elétrica. Tal fato pode ser explicado por meio das diferentes fontes vegetais utilizadas pelas abelhas na fabricação do mel, já que, de acordo com BOGDANOV et al. (2004), a condutividade elétrica é uma caracte- rística importante na determinação da origem botâ- nica. As comunidades florísticas, próprias da Serra da Mantiqueira, são influenciadas por variações particularíssimas de fatores ecológicos abióticos na 148 BENDINI, J. N. et al. B. Indústr.anim., N. Odessa,v.67, n.2, p.143-149,jul./dez., 2010 região (ANDRADE e VIEIRA, 2006). No entanto, faltam maiores estudos sobre a flora local, em relação ao comportamento forrageiro das abelhas Apis mellifera L. No presente trabalho não se realizou a analise polínica, o que poderia facilitar o entendimento so- bre as diferenças entre os parâmetros físico-quimicos dessas amostras nos dois períodos de produção (in- verno e verão). Contudo, SCOTT e ALI (2006) afirmam que métodos mais avançados de classificação, como as Redes Neurais Artificiais, podem aperfeiçoar a eficiência das ferramentas de classificação utilizadas. Nesse sentido, o presente trabalho demonstrou que a utilização das Redes Neurais Artificiais se re- velou uma alternativa coerente para a tipificação das amostras de méis analisadas a partir da analise físi- co química, uma vez que conjugou métodos analíti- cos e métodos estatísticos que permitiram um agru- pamento cognitivo das características do produto. Tal evidencia sugere que as RNAs podem ainda serem combinadas a outros métodos de caracterização, como a melissopalinologia e a analise sensorial, de méis de diferentes regiões do Brasil. CONCLUSÕES O mel da microrregião de Campos do Jordão apre- senta características físico-químicas relacionadas aos fatores ambientais próprios do ecossistema (bióticos e abióticos), mostrando características distintas en- tre os méis produzidos na estação de verão e inver- no, podendo essas diferenças ser percebidas em aná- lise de redes neurais artificiais. As Redes Neurais Artificiais demonstraram-se uma ferramenta eficiente, quando combinadas as analises físico-quimicas para o agrupamento de amostras de méis de diferentes períodos de produ- ção na microrregião de Campos do Jordão. REFERENCIAS BIBLIOGRÁFICAS: ANDRADE, A.C.; VIEIRA, M.L. Turismo e utilização dos recursos naturais em municípios mineiros da Serra da Mantiqueira. In: SIMPÓSIO DE GEOGRAFIA FÍSICA APLICADA, 10., Rio de Janeiro. Disponível em: http:// www.geografia.igeo.uerj.br/xsbgfa/cdrom. Acesso: 19 out. 2006. APARNA, A.R.; RAJALAKSHMI, D. Honey: its characteristics, sensory aspects, and applications. Food Reviews International. London, v.15, n.4, p.455-471, 1999. ASSOCIATION OF OFFICIAL ANALYTICAL CHEMISTS. Official methods of analysis of the Association of Official Analytical Chemists. Arlington, AOAC, 1990. 500p. BATH, P.K.; SINGH, N. A comparison between Helianthus annuus and Eucalyptus lanceolatus honeys. Bee World. Cardiff, v.80, n.2, p.61-69, 1999. BOGDANOV, S.; RUOFF, K.; PERSANO ODDO, L. Physico-chemical methods for the characterisation of unifloral honeys: A review. Apidologie. London, v.35, p.4- 17, 2004. BRASIL. Ministério da Agricultura, Pecuária e Abasteci- mento. Instrução normativa n. 11, de 20 de outubro de 2000. Regulamento técnico de identidade e qualidade do mel. Disponível em: http://www.agricultura.gov.br/sda/ dipoa/anexo_intrnorm11.htm . Acesso em: 06 jan. 2002. CANO, C.B.; NAGATO, L.A.F.; DURAN, M.C. Açúcares e produtos correlatos. In: INSTITUTO ADOLFO LUTZ. Métodos físico-químicos para análise de alimentos. 4.ed. Brasília: ANVISA, 2005. p.321- 343. CENTRO DE PESQUISAS METEOROLÓGICAS E CLI- MÁTICAS APLICADAS À AGRICULTURA. Disponível em: http://www.cpa.unicamp.br/. Acesso em: 07 jul. 2009. CRANE, E. O livro do mel. São Paulo: Nobel. 1983. 122 p. ESTUPIÑÁN, S. et al. Parametros de calidad de la miel II: composicion quimica. Alimentaria. Lisboa, nº 297, p. 117- 122, 1998. HAYKIN, S. Neural Networks: A Comprehensive Foundation. 2ªed. New York, US: MacMillan, 1999. 842p. KÖPPEN, W.; GEIGER, R. Klimate der Erde. Gotha: Verlag Justus Perthes, 1928. KOVACS, Z.L. Redes neurais artificiais: fundamentos e aplicações. São Paulo: Acadêmica, 1996. 174p. MARCHINI, L.C. et al. Minerais em amostras de méis pro- duzidos por Apis mellifera L. no estado de São Paulo. In: CONGRESSO BRASILEIRO DE APICULTURA, 13., 2000, Florianópolis. Anais... Florianópolis: CBA, 2000. (CD- ROM) MARCHINI, L. et al. Mel brasileiro: composição e nor- mas. Ribeirão Preto: A.S. Pinto, 2004. 111p.  149UTILIZAÇÃO DOS PARÂMETROS FÍSICO-QUÍMICOS E REDES NEURAIS... B. Indústr.anim., N. Odessa,v.67, n.2, p.143-149, jul./dez., 2010 MORAES, R.M.; TEIXEIRA, E.W. Análise de mel. Pindamonhangaba: Centro de Apicultura Tropical, 1998. 17p. (Manual Técnico) MORETI, A.C.C.C. et al. Características físico-químicas de amostras de méis de Apis mellifera L. do estado do Ceará. Ciência e Agrotecnologia.  Lavras,  v.33,  n.1, 2009.  PREGNOLATO, W. Normas analíticas do Instituto Adolfo Lutz: métodos químicos e físicos para análise de alimen- tos. In: PREGNOLATO, W.; PREGNOLATO, N.P. (Coords). Normas analíticas do Instituto Adolfo Lutz, v.1, 3.ed. São Paulo: Instituto Adolfo Lutz, 1985. 533p. RAMOS, J.P.S. Redes neurais artificiais na classificação de frutos: cenário bidimensional. Ciência e Agrotecnologia. Lavras, v.27, n.2, p.356-362, 2003. SCOTT, S.M.; JAMES, D.; ALI, Z. Data analysis for electronic nose system. Mikrochimica Acta. Ottawa: v.156, p.183–207, 2006. WHITE, J.W. Physical characteristics of honey. In: CRANE, E. Honey a comprehensive survey. London: Heinemann, 1975. p. 207-239. WHITE, J.W. Honey. In: GRAHAN, J.M. The hive and the honey bee. Illinois: Dadant & Sons, 1993. p. 871- 925. WITTEN, I.H.; FRANK, E. Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations. San Francisco: Morgan Kaufmann, 1999. 371p.