agroindustria

Elaboración y Clasificación Sensorial de Gelatinas de Patas de Pollos. Correlación usando Redes Neuronales Artificiales

Preparation and Sensorial Classification of Gelatins from Chicken Feet. Correlation using Artificial Neural Networks



Poliana F. Almeida(1, 2), Wonder A. L. Alves(1), Thiago M. B. Farias(1), José C. Curvelo Santana(1*)

(1) Programa de Mestrado em Engenharia deProdução, Universidade Nove de Julho (UNINOVE), Av. Francisco Matarazzo, 612, CEP: 05001-100, São Paulo-Brasil. (e-mail: jccurvelo@uninove.br)
(2) Instituto Federal de Educación, Ciencia y Tecnología Mato Grosso,IFMT – Campus São Vicente, MT-Brasil. (e-mail: poliana.fernandes@hotmail.com)

Resumen

Se presenta la estrategia para desarrollada para la clasificación sensorial de gelatinas obtenidasde patas de pollos utilizando redes neuronales basadas en los algoritmos de Kohonen. Estas redes muestran ser buenas herramientas para hacer las comparaciones sensoriales entre muestras, permitiendo identificar cuáles son las mejores muestras entre las gelatinas. De acuerdo a los resultados la Gelatina D, con 3,80 % (m/v) de polvo de gelatina y 28,6 (m/v) de azúcar fue a mejor entre las gelatinasde patas de pollo, recibiendo una aceptación sensorial entre 6 y 8 puntos en la escala hedónica.

Palabras clave: redes neuronales, gelatinas de patas de pollos, análisis sensorial, calidad de los alimentos

Abstract

A strategy has been developed for the sensorial classification of jellies made from chicken feet using neural networks based on Kohonen algorithms. These networks showed to begood tools for sensorial comparison among samples, allowing identification of the best gelatins. The sample Gelatin D, con 3.80% (w/v) of gelatin powder and 28.6 (w/v) of sugar was the best than gelatin samples from chicken feet, with its sensorial qualities varying between 6 and 8 times in hedonic scale.

Keywords: neural network, chicken feet gelatins, sensorial analysis, food qualityINTRODUCCIÓN

Las redes neuronales artificiales (RNA) han contribuido a los diversos campos de la investigación en la solución de problemas complejos. En la ingeniería mecánica, cómo se ha señalado en trabajo desarrollado por Villada y Cadavid (2007), que han presentado un algoritmo para diagnosticar fallas entre espiras del estator de motores de inducción mediante la aplicación de RNA y porAlves et al. (2011) han presentado una metodología para análisis de la rugosidad basada en las características superficiales de las imágenes obtenidas de microscopios ópticos y electrónicos, donde los valores extraídos de los patrones de rugosidad primaria se incorporan después a una RNA de perceptrón multicapa. En la ingeniería de organización, cómo el trabajo levado a cabo por Henriquéz y Palma(2011) se detalla el mecanismo automatizado por RNA por el cual se determina el estado de la iluminación, temperatura, humedad y otros valores de entorno y cómo se actúa sobre los patrones de comportamiento del usuario. En las ciencias naturales y da tierra, cómo el trabajo de García et al. (2010), que han aplicado un modelo de RNA con retropropagacion, para predecir el transporte de contaminantes(cobre y cadmio) en medios saturados, homogéneos e isotrópicos para diferentes clases texturales. En la ciencia de alimentos, como el trabajo de Curvelo Santana et al. (2010), que han presentado una RNA basada en los algoritmos de Kohonen para lo agrupamiento de vinos de cerezas de los Barbados por sus calidades sensoriales y en la medicina, como el trabajo desarrollado por Dias y Radonsky (2003),que han presentado una RNA basada en los algoritmos de Kohonen para la identificación de las enfermedades por el agrupamiento de sus síntomas. Todos estos autores han demostrado que las RNA son buenas herramientas para aplicación en el control, en la inspección de la calidad de productos, en los diagnósticos medicinales, en las organizaciones de empresas y en otros campos de la investigación,...