RESUMO A aplicação de métodos ópticos para análise da qualidade de frutos apresenta vantagens em comparação a métodos convencionais, tais como, a não destruição da amostra e a possibilidade de automatizar processos de controle de qualidade. Objetivou-se com este trabalho comparar redes neurais artificiais desenvolvidas a partir de índices de atividade biológica obtidos pela técnica óptica do biospeckle laser e a partir das variáveis físico-químicas obtidas por técnicas convencionais destrutivas, avaliando o acerto de classificação quanto a maturação de tomates utilizando como referência uma classificação previamente realizada por inspeção visual. Para realização do experimento foram utilizados 150 tomates divididos em três estádios de maturação. A análise multivariada de componentes principais foi realizada visando avaliar a interação da variância dentro dos grupos de dados obtidos pela técnica do biospeckle laser e pelos métodos laboratoriais destrutivos. Duas redes neurais artificiais foram desenvolvidas, sendo a primeira rede neural gerada utilizando os índices de atividade biológica como vetores de entrada e a segunda rede neural gerada utilizando as variáveis físico-químicas como vetores de entrada. A comparação da capacidade de acerto entre as duas redes neurais, tendo como base uma classificação de referência, foi realizada a partir dos parâmetros índice Kappa e exatidão global. A variância da maturação em função dos índices de atividade biológica pôde ser explicada pelo primeiro componente principal. A rede neural gerada a partir dos índices de atividade biológica apresentou melhor desempenho para classificar os tomates nos três estádios de maturação apresentando índice Kappa significativo e uma exatidão global de 67,5%.

ABSTRACT Optical methods for analysing fruit quality have various advantages compared to conventional methods, including not destroying the sample and the possibility of automating the quality control process. The aim of this study was to compare artificial neural networks developed from biological activity indices obtained using the biospeckle laser optical technique, and from physico-chemical variables obtained by conventional destructive techniques, through an evaluation of their precision in classifying ripe tomatoes, using as a reference an earlier classification carried out by visual inspection. A total of 150 tomatoes were used in the experiment, divided into three ripening stages. Multivariate principal component analysis was used to evaluate interaction of the variance within the groups of data obtained using the biospeckle laser technique and destructive laboratory methods. Two artificial neural networks were developed, the first generated using biological activity indices as input vectors, and the second using physico-chemical variables. The precision of the two neural networks was compared using the Kappa index and overall accuracy, and was based on a reference classification. The variation in ripening as a function of the biological activity indices was explained by the first principal component. The neural network generated from the biological activity indices showed the best performance in classifying the tomatoes into the three ripening stages, with a significant Kappa index and an overall accuracy of 67.5%.