Orientador: Ricardo Tokio Higuti / Banca: Aparecido Augusto de Carvalho / Banca: Ivan Nunes da Silva / Resumo: Na indústria de laticínios, a qualidade do leite é medida por alguns parâmetros como gordura, lactose, proteína e água adicionada. Baixos teores de gordura podem diminuir suas propriedades nutricionais, e o que pode ser um indicativo de adulteração, com consequências econômicas e para a saúde. Por estas razões, o leite recebido de produtores deve passar por alguns testes antes de sua aceitação nos laticínios. Atualmente, as técnicas utilizadas para medição de parâmetros do leite em geral envolvem manipulação de produtos químicos e podem ser demoradas e destrutivas. Desta forma, observa-se a necessidade do desenvolvimento de métodos rápidos, de fácil manipulação e que não tragam perigo ao ser humano. Este trabalho apresenta um estudo sobre a caracterização de leite fluido utilizando técnicas de ultra-som e redes neurais artificiais. Métodos de ultra-som podem ser rápidos, não destrutivos e não agressivos enquanto que redes neurais possuem a vantagem de aprender através de exemplos apresentados e de generalizar as informações aprendidas. As redes neurais também são capazes de extrair informações não apresentadas de forma explícita, através de exemplos. Utiliza-se uma célula de medição de parâmetros acústicos para obter dados como a velocidade de propagação, coeficiente de atenuação e densidade de amostras. Esses valores são correlacionados com as propriedades do leite, como teor de gordura e teor de agua adicionada, que são medidos com métodos convencionalmente utilizados em laticínios e laboratórios de tecnologia de alimentos, como o método Gerber e o crioscópio. Esses dados são utilizados para projetar uma rede neural artificial do tipo MLP (Multi-Layer Perceptron), que fornece na saída o teor de gordura e a quantidade de água adicionada ao leite, a partir dos... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In the dairy industry, quality of milk is measured by some parameters such as fat, lactose, protein and water content (or added water). Lower values of fat content can decrease its nutritional properties, while higher values of water content may be an indicative of adulteration, for example, resulting in health and economic impacts. For these reasons, in dairy industries, milk that is received from producers must be tested or certificated before its acceptance. Nowadays, the techniques used for milk parameters measurement, in general, involve manipulation of chemical products, may be time-consuming and destructive. Consequently, the development of faster methods, with ease of manipulation and that are not harmful to the human being are important. This work presents a study about the characterization of milk using ultrasound techniques and neural networks. Ultrasound methods can be fast, non destructive and non aggressive, while neural networks techniques have the advantage of learning through presented examples and of generalizing the learned information. An ultrasonic liquid measurement cell is used to obtain data as acoustic propagation velocity, attenuation coefiicient and density of samples. Those values are correlated with milk properties, as fat content and added water, that are measured with con- ventional methods used in dairy industries and food technology laboratories, such as the Gerber method and the crioscope. Using these data, MLP (Multi-Layer Percep- tron) neural networks are obtained, that determine the fat content and the amount of added water to the milk, having as inputs the measured acoustic parameters from the measurement cell. The developed neural networks resulted in more than 95% of correct classifications, with a resolution of 0,1% in the determination of the fat content. For added water, the... (Complete abstract click electronic access below) / Mestre