Banca de QUALIFICAÇÃO: ALFREDO BENETI DIANI

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: ALFREDO BENETI DIANI
DATA: 15/01/2026
HORA: 09:00
LOCAL: Sala de Defesas da Pós-graduação
TÍTULO:

AVALIAÇÃO, COMPARABILIDADE E EXPLICABILIDADE DE ALGORITMOS DE APRENDIZADO DE MÁQUINA NA MODELAGEM DE DADOS ESPECTRAIS PARA PREVISÃO DAS FORMAS QUÍMICAS DA MIOGLOBINA

PALAVRAS-CHAVES:

Pigmento heme; Cor da carne; Espectroscopia VIS; Machine Learning; XAI; Green AI.

PÁGINAS: 50
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:

A avaliação da cor da carne, um atributo essencial de qualidade e frescor, é determinada pela proporção dinâmica das formas da mioglobina (deoximioglobina, oximioglobina e metamioglobina) na superfície da carne. Atualmente, a quantificação desses pigmentos é amplamente realizada pelo método físico-químico de Krzywicki (1979), o qual apresenta inconsistências críticas, como a geração de proporções fisicamente impossíveis, que impedem a automação em tempo real na indústria alimentícia. Para superar essa limitação, este projeto de pesquisa propõe o desenvolvimento e a avaliação sistemática de um conjunto diversificado de algoritmos de regressão supervisionada (incluindo Ridge, SVR, Random Forest, XGBoost e Redes Neurais Artificiais) em dados de espectroscopia na região do visível (VIS) para prever as proporções das formas da mioglobina na carne bovina. A metodologia envolve a implementação dos modelos em dados espectrais brutos (390-710 nm), otimização de hiperparâmetros via validação cruzada, e uma análise comparativa que transcende a acurácia (R², RMSE, RPD). A avaliação será aprofundada por meio de três pilares importante para a adoção industrial: a explicabilidade (XAI), utilizando a técnica SHAP para compreender as decisões do modelo e identificar a importância dos comprimentos de onda; a sustentabilidade (Green AI), quantificando a pegada de carbono e o tempo de treinamento de cada algoritmo; e a robustez do modelo em respeitar as restrições físicas do problema. Como resultados esperados, almeja-se identificar o modelo ótimo que ofereça o melhor equilíbrio entre alta acurácia, interpretabilidade transparente e eficiência computacional, gerando uma ferramenta mais precisa e confiável que o método tradicional, e culminando na publicação de artigos científicos e no desenvolvimento de um sistema computacional validado.

MEMBROS DA BANCA:
Externo à Instituição - ROBLEDO DE ALMEIDA TORRES FILHO - UFV (Suplente)
Interno - RICARDO RODRIGUES MAGALHAES (Suplente)
Externo ao Programa - EDUARDO MENDES RAMOS - DCA/ESAL (Membro)
Presidente - DANTON DIEGO FERREIRA (Membro)
Externo ao Programa - ALCINEIA DE LEMOS SOUZA RAMOS - DCA/ESAL (Membro)