This study aimed to employ Artificial Neural Networks to classify milk samples from routine analysis of a dairy company in order to identify adulteration by whey addition. The samples were prepared by mixing the milk with different whey concentrations (0, 1, 5, 10, and 20%), which were then analyzed for temperature, fat content, solids-non-fat, bulk density, protein, lactose, minerals, freezing point, conductivity, and pH, for a total of 167 assays. Out of these, 101 were used to train the network, 33 for validation, and 33 to test the artificial neural network. The best classification was obtained using a radial basis function neural network. k-means algorithm was used to obtain the network center, k-nearest was used to define the receptive fields, and the pseudo-inverse method was used to define the weights of the output layer. The best result was found with a network with 10 neurons in the input layer, 40 neurons in the hidden layer, and two neurons in the output layer, achieving over 95% accuracy in classification. The classification methodology using artificial neural networks has strong potential to be applied in interpreting data from routine analysis in dairy companies in order to classify milk adulterated with whey and, later, confirm the result using official methodologies.
Esse trabalho teve como objetivo usar experimento de misturas de vértices extremos para encontrar a melhor formulação de doce de leite com adição de soro de leite. Os ensaios experimentais foram realizados com três componentes açúcar, leite e soro de leite, com três repetições no ponto central, totalizando 11 ensaios. Os extremos para o leite e o soro de leite foram 0 e 0,86 em fração mássica e para o açúcar, os extremos foram 0,09 e 0,14. A análise de aceitação do doce de leite quanto à cor, consistência e sabor com a escala hedônica de 9 pontos foi realizada após 15 dias de fabricação. Os resultados mostraram que o aumento na proporção de soro reduziu a aceitação do produto para todos os atributos avaliados. O contrário ocorreu quando se aumentou a proporção de leite no doce de leite, proporcionalmente provocou um aumento de maior intensidade na aceitação para a consistência do doce de leite. A obtenção de uma nota maior que 7,0 na escala hedônica (gostei regularmente) é possível quando se utiliza 0,35 da fração em massa em relação aos componentes leite, soro de leite e açúcar para fabricação do doce de leite.
RESUMOO Brasil se destaca pela grande produção e consumo de leite condensado. As indústrias nacionais possuem alta tecnologia de fabricação, oferecendo produtos com alto valor agregado e possibilitando ao consumidor diversas opções de marcas, preços e qualidade. Este trabalho teve como objetivo verificar se existe diferença sensorial (ao nível de 5% de significância) quanto à aceitação de 6 amostras de leite condensado comerciais. As amostras foram avaliadas por 120 consumidores, recrutados voluntariamente, pelo teste de aceitação. Os resultados da ANOVA mostraram que as amostras C, D, E e F apresentaram aceitação significativamente superior (p ≤ 0,05) às demais na escala hedônica, enquanto a amostra A obteve menor aceitação em relação a todos os atributos relacionados na escala hedônica. O teste de intenção de compra demonstrou que as amostras C e F obtiveram as maiores frequências de intenção de compra positiva. O Mapa de Preferência Interno confirmou os resultados da ANOVA e do teste de intenção de compra indicando uma maior preferência dos provadores pelas amostras C e F. As amostras adquiridas foram fabricadas com os mesmos ingredientes, no entanto, pressupõe-se que as diferenças sensoriais ocorreram devido a qualidade das matérias-primas utilizadas e devido aos diversos processos de elaboração do produto de cada empresa. Este fato prova que é necessário controlar a qualidade da matéria-prima e o tipo de processo utilizado para a obtenção do produto, pois estes parâmetros podem influenciar a aceitação sensorial dos consumidores. A qualidade e a padronização do produto final é um fator primordial para manter a produtividade e a competitividade de mercado.Palavras-chave: teste de aceitação, leite condensado, mapa de preferência interno.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.