REDE NEURAL ARTIFICIAL PARA DETECÇÃO DE ADULTERAÇÃO EM LEITE CRU POR ADIÇÃO DE ÁGUA

Objetivo: Desenvolver uma rede neural artificial (RNA) para detectar adulteração no leite cru por adição de água. Métodos: Foram coletadas 100 amostras de leite cru, com a adulteração de 20 % (n=20) das amostras por adição de valores percentuais crescentes de água destilada (1 %, 5 %, 10 % e 20 %), o que resultou em 80 amostras adulteradas e 80 amostras não adulteradas, avaliadas por espectroscopia de ultrassom quanto aos parâmetros: temperatura, gordura, sólidos não gordurosos (SNG), densidade, proteína, lactose, sais minerais, ponto de congelamento, condutividade e pH. Para o desenvolvimento da arquitetura da RNA, as 160 amostras de leite foram distribuídas aleatoriamente nos subgrupos treinamento (60%), validação (20%) e teste (20%). Os valores das variáveis foram normalizados entre 0 e 1. Para determinar a configuração da RNA foi utilizado o software SNN® e foram testadas as RNA do tipo Radial-Basis Function e Multilayer perceptron. Resultados: A melhor rede foi a que apresentou menor número de erros de classificação, menor diferença entre os erros de classificação para os subgrupos testados e, menor número de neurônios na camada oculta. A melhor rede de classificação foi a Radial-Basis Function que apresentou 10 neurônios na camada de entrada, 40 neurônios na camada oculta e dois na camada de saída. A rede neural desenvolvida resultou em 95,37% de amostras classificadas corretamente. A classificação errônea apresentou porcentagem baixa (4,37%) e dentro do esperado. Conclusão: As RNAs apresentam grande potencial de uso como ferramenta de avaliação de adulterações de leite com adição de água.