Dados do Trabalho

Título

DETECÇÃO DE FRAUDES EM AMOSTRAS DE LEITE ATRAVÉS DE ESPECTROSCOPIA ELÉTRICA DE IMPEDÂNCIA

Introdução

A cadeia produtiva do setor lácteo constitui uma das principais atividades econômicas do Brasil. Os conceitos da Agricultura 4.0 podem promover a melhoria do processo produtivo, aumentando a ecoeficiência e melhorando o impacto socioeconômico. A qualidade dos alimentos é um atributo que requer manutenção dentro de normas estabelecidas pelas autoridades sanitárias, e a fraude no leite constitui crime. A Química Analítica de Processos desenvolveu técnicas instrumentais que possibilitam ampliar as fronteiras de análise de analitos que se encontram em diferentes ambientes. Dentre estas técnicas, a Espectroscopia Elétrica de Impedância (EEI) se apresenta como uma alternativa promissora para o desenvolvimento de sensores, em uma ampla variedade de configurações, inclusive em aplicações não invasivas. Este trabalho teve como objetivo elaborar um procedimento computacional para detecção de fraudes em amostras de leite aplicando os conceitos da EEI.

Material e Métodos

Primeiramente foram obtidos e avaliados datasets quantitativos de propriedades elétricas do leite. A seguir, os dados foram minerados utilizando estatística multivariada, para verificar a existência de correlação entre as variáveis analisadas, o que permitiu a interpretação da influência de cada uma destas. Por fim, a modelagem computacional empírica foi feita utilizando métodos de aprendizado não supervisionado, como K-means e supervisionado, como Random Forest, Support Vector Machine e K-Nearest Neighbor, sendo que 70% dos dados disponíveis nos conjuntos foram utilizados para elaboração dos modelos e os 30% restantes para validação dos modelos.

Resultados e Discussão

A validação quantitativa foi expressa em percentuais de confiabilidade das predições, e a avaliação qualitativa foi através de matrizes de confusão e parâmetros como acurácia, precisão, revocação e medida-F. O modelo K-Nearest Neighbor foi o melhor para identificar fraudes por água, água deionizada e formaldeído 37%, enquanto que outros modelos como K-Nearest Neighbor e K-means foram os melhores para verificar fraudes por gordura no leite.

Conclusão

Com os resultados obtidos, utilizando e testando o procedimento elaborado, com base em conceitos da Agricultura 4.0, é possível concluir que há um grande potencial para redução no número de análises e testes físico-químicos, tornando mais fácil, rápido e econômico o processo de detecção de fraudes nas três frentes possíveis: diretamente no produtor, no transporte e no processo de industrialização.