Avaliação da pureza de café por imagens químicas
Introdução/Objetivo: FUNDAMENTO: Uma das linhas de pesquisa do Instituto de Química é a espectroanalítica, área que emprega a interação da radiação eletromagnética com a matéria para extrair propriedades físico-químicas de uma amostra, de forma qualitativa ou quantitativa. A espectroscopia no infrav...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Online |
| Language: | Portuguese |
| Published: |
Universidade Estadual de Campinas (UNICAMP)
2023
|
| Subjects: | |
| Online Access: | https://econtents.sbu.unicamp.br/eventos/index.php/simtec/article/view/8708 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1864359646208196608 |
|---|---|
| author | Vidal, Cristiane Pasquini, Célio Pasquini |
| author_facet | Vidal, Cristiane Pasquini, Célio Pasquini |
| author_sort | Vidal, Cristiane |
| collection | Portal de Eventos Científicos da UNICAMP |
| container_reference | Resumo dos trabalhos do SIMTEC Simpósio dos Profissionais da UNICAMP; v. 8 (2022): Temática: SimTec 25 anos: Histórias, Conquistas e Desafios Profissionais - Eixo 2; e0220845 |
| description | Introdução/Objetivo: FUNDAMENTO: Uma das linhas de pesquisa do Instituto de Química é a espectroanalítica, área que emprega a interação da radiação eletromagnética com a matéria para extrair propriedades físico-químicas de uma amostra, de forma qualitativa ou quantitativa. A espectroscopia no infravermelho próximo (NIR, 1000-2500 nm) é bastante empregada na análise de alimentos por permitir medidas não destrutivas e com o mínimo de preparo de amostra. O estado da arte desta técnica é a combinação da espectroscopia com imagem, gerando a imagem hiperespectral. OBJETIVO: Desenvolver um método utilizando NIR combinado com imagem para a detecção de impurezas em café torrado e moído, sem preparo de amostra, como alternativa ao método mais laborioso e demorado atualmente empregado (Figura 1). Metodologia: Amostras de café foram propositalmente contaminadas com 1% m/m de casca, que é o máximo permitido de impureza. Foram obtidas imagens de café, de impureza e de misturas de café com impurezas. Estas imagens foram utilizadas para o desenvolvimento (calibração e validação) de um modelo matemático de classificação para identificar os pixels da imagem referentes às impurezas presentes em uma amostra de café. Com os modelos desenvolvidos, buscou-se estabelecer uma relação entre a quantidade de pixels previstos como impureza em relação ao total de pixels da imagem da amostra de café. Assim, definiu-se a métrica da porcentagem de pixels classificados como impureza (PPI) para ser relacionada com o teor (% m/m) da impureza, com o objetivo de atingir 1 % m/m de quantificação. Resultados: Os modelos para classificar os pixels das imagens como classe de café ou classe de impureza apresentaram sensibilidade e especificidade de 99% (Figura 2a). Sob o ponto de vista qualitativo, as impurezas colocadas sobre a superfície de café foram identificadas . Sob o ponto de vista quantitativo, a quantidade pixels detectados como impureza teve uma grande variação para mais de 27 amostras de café com 1% m/m de impureza. Os valores variaram de PPI 0,04 % a 1,25 %. Uma das explicações é que as impurezas ficam mais recobertas pelas finas partículas de café na granulometria de 150-300 µm. Associa-se o fato de que quanto menor a granulometria do café, menor a absorbância. Se partículas menores refletem mais radiação, a radiação pode não acessar as impurezas e o espectro adquirido é mais semelhante ao do café que recobre a impureza. Se a informação química da impureza não é detectada, ela não pode ser corretamente prevista pelo modelo (Figura 2b). Este trabalho é uma contribuição de uma das linhas de pesquisa da universidade aplicada ao interesse da sociedade, que é o desenvolvimento de métodos modernos para controle de qualidade de alimentos e demostra os desafios e as dificuldades analíticas que devem ser superadas nestes desenvolvimentos. Conclusão: Não foi possível estabelecer uma relação confiável entre o valor de PPI e o teor máximo de impurezas permitido (1 % m/m) realizando-se medidas direta do café, sem preparo da amostra. A faixa granulométrica dos cafés (distribuição da moagem) foi uma das causas dessa flutuação. Sugere-se em próximas etapas o preparo de amostra para minimizar o efeito de granulometria ou o desenvolvimento de modelos para serem utilizados de forma sequencial, por exemplo, um primeiro modelo que preveja a granulometria, seguido de outro modelo que informe a impureza para aquela granulometria. |
| first_indexed | 2025-10-08T14:02:51Z |
| format | Online |
| id | ojs-article-8708 |
| institution | Universidade Estadual de Campinas |
| issn | 2525-5398 |
| language | por |
| last_indexed | 2025-11-05T21:06:29Z |
| publishDate | 2023 |
| publisher | Universidade Estadual de Campinas (UNICAMP) |
| record_format | ojs |
| spelling | ojs-article-87082025-11-05T14:32:16Z Avaliação da pureza de café por imagens químicas Avaliação da pureza de café por imagens químicas Vidal, Cristiane Pasquini, Célio Pasquini Ectroscopia Espectroanalítica Infravermelho próximo Café Introdução/Objetivo: FUNDAMENTO: Uma das linhas de pesquisa do Instituto de Química é a espectroanalítica, área que emprega a interação da radiação eletromagnética com a matéria para extrair propriedades físico-químicas de uma amostra, de forma qualitativa ou quantitativa. A espectroscopia no infravermelho próximo (NIR, 1000-2500 nm) é bastante empregada na análise de alimentos por permitir medidas não destrutivas e com o mínimo de preparo de amostra. O estado da arte desta técnica é a combinação da espectroscopia com imagem, gerando a imagem hiperespectral. OBJETIVO: Desenvolver um método utilizando NIR combinado com imagem para a detecção de impurezas em café torrado e moído, sem preparo de amostra, como alternativa ao método mais laborioso e demorado atualmente empregado (Figura 1). Metodologia: Amostras de café foram propositalmente contaminadas com 1% m/m de casca, que é o máximo permitido de impureza. Foram obtidas imagens de café, de impureza e de misturas de café com impurezas. Estas imagens foram utilizadas para o desenvolvimento (calibração e validação) de um modelo matemático de classificação para identificar os pixels da imagem referentes às impurezas presentes em uma amostra de café. Com os modelos desenvolvidos, buscou-se estabelecer uma relação entre a quantidade de pixels previstos como impureza em relação ao total de pixels da imagem da amostra de café. Assim, definiu-se a métrica da porcentagem de pixels classificados como impureza (PPI) para ser relacionada com o teor (% m/m) da impureza, com o objetivo de atingir 1 % m/m de quantificação. Resultados: Os modelos para classificar os pixels das imagens como classe de café ou classe de impureza apresentaram sensibilidade e especificidade de 99% (Figura 2a). Sob o ponto de vista qualitativo, as impurezas colocadas sobre a superfície de café foram identificadas . Sob o ponto de vista quantitativo, a quantidade pixels detectados como impureza teve uma grande variação para mais de 27 amostras de café com 1% m/m de impureza. Os valores variaram de PPI 0,04 % a 1,25 %. Uma das explicações é que as impurezas ficam mais recobertas pelas finas partículas de café na granulometria de 150-300 µm. Associa-se o fato de que quanto menor a granulometria do café, menor a absorbância. Se partículas menores refletem mais radiação, a radiação pode não acessar as impurezas e o espectro adquirido é mais semelhante ao do café que recobre a impureza. Se a informação química da impureza não é detectada, ela não pode ser corretamente prevista pelo modelo (Figura 2b). Este trabalho é uma contribuição de uma das linhas de pesquisa da universidade aplicada ao interesse da sociedade, que é o desenvolvimento de métodos modernos para controle de qualidade de alimentos e demostra os desafios e as dificuldades analíticas que devem ser superadas nestes desenvolvimentos. Conclusão: Não foi possível estabelecer uma relação confiável entre o valor de PPI e o teor máximo de impurezas permitido (1 % m/m) realizando-se medidas direta do café, sem preparo da amostra. A faixa granulométrica dos cafés (distribuição da moagem) foi uma das causas dessa flutuação. Sugere-se em próximas etapas o preparo de amostra para minimizar o efeito de granulometria ou o desenvolvimento de modelos para serem utilizados de forma sequencial, por exemplo, um primeiro modelo que preveja a granulometria, seguido de outro modelo que informe a impureza para aquela granulometria. Universidade Estadual de Campinas (UNICAMP) 2023-04-01 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Texto Text application/pdf https://econtents.sbu.unicamp.br/eventos/index.php/simtec/article/view/8708 10.20396/simtec.vi8.Eixo 2.8708 Resumo dos trabalhos do SIMTEC Simpósio dos Profissionais da UNICAMP; v. 8 (2022): Temática: SimTec 25 anos: Histórias, Conquistas e Desafios Profissionais - Eixo 2; e0220845 2525-5398 por https://econtents.sbu.unicamp.br/eventos/index.php/simtec/article/view/8708/8231 Brazil; Contemporary Brasil; Contemporâneo Copyright (c) 2023 Cristiane Vidal, Célio Pasquini https://creativecommons.org/licenses/by/4.0 |
| spellingShingle | Vidal, Cristiane Pasquini, Célio Pasquini Ectroscopia Espectroanalítica Infravermelho próximo Café Avaliação da pureza de café por imagens químicas |
| title | Avaliação da pureza de café por imagens químicas |
| title_full | Avaliação da pureza de café por imagens químicas |
| title_fullStr | Avaliação da pureza de café por imagens químicas |
| title_full_unstemmed | Avaliação da pureza de café por imagens químicas |
| title_short | Avaliação da pureza de café por imagens químicas |
| title_sort | avaliação da pureza de café por imagens químicas |
| topic | Ectroscopia Espectroanalítica Infravermelho próximo Café |
| url | https://econtents.sbu.unicamp.br/eventos/index.php/simtec/article/view/8708 |
| work_keys_str_mv | AT vidalcristiane avaliacaodapurezadecafeporimagensquimicas AT pasquiniceliopasquini avaliacaodapurezadecafeporimagensquimicas |
