A classificação do mel depende da matéria prima utilizada, sendo importante na valorização e identificação
do produto. A caracterização pode ser obtida pela análise de parâmetros fÃsico-quÃmicos.
Neste trabalho foram diferenciadas 25 amostras de mel floral e melato, por meio do método de Kirkwood.
Foi desenvolvido um modelo neural com redes do tipo multilayer percentron, algoritmo de
aprendizagem backpropagation e um sistema de fácil operação para utilização pelos apicultores. Dessa
forma, foi possÃvel verificar a eficiência das redes em classificar o mel com precisão de 100%, utilizando
parâmetros de pH e açúcar redutor que são determinados de forma simples, barata e rápida.
The honey classification depends on the raw material, this classification is important in the appreciation
e identification of the product. The characterization can be given by the analysis of physic-chemical
parameters. In this paper, 25 samples of honey were classified into floral honey or honeydew through the
Kirkwood method. A neural model was developed with multilayer percentron networks, backpropagation
learning algorithm and an easy operation system for the use of beekeepers. Tested networks were able to classify the honey with 100% precision, using only the pH and reducing sugar parameters, which are determined
in an easy, cheap and quick way.
