Algoritmos e imagens digitais são usados para conferir se o mamão está maduro
06 de fevereiro de 2018Peter Moon | Agência FAPESP – Não há colheita mecanizada de mamão papaia, apesar de ser um desejo antigo de fruticultores. Uma dificuldade para se conseguir um método automatizado confiável está em identificar frutos em diferentes estágios – maduros, perto do amadurecimento ou ainda verdes –, com variações entre eles.
Em busca de uma solução para o problema, um grupo da Faculdade de Engenharia de Alimentos da Universidade Estadual de Campinas (FEA-Unicamp) tem investigado o uso de algoritmos e de visão computacional para a análise de produtos agrícolas.
“A ideia é automatizar a colheita a partir do emprego de tecnologias de imagem não invasivas, como a análise computadorizada de imagens digitais em luz visível e também em infravermelho”, disse Douglas Fernandes Barbin, que conduz projeto de pesquisa sobre o assunto com apoio da FAPESP. Resultados do trabalho foram publicados na edição de fevereiro da revista Computers and Electronics in Agriculture.
O senso comum diz que um mamão papaia está maduro quando apresenta a casca amarela, enquanto a casca verde identifica aquele ainda distante da devida maturação. Em muitos casos isso é o correto, mas há muitas exceções.
“No caso do mamão papaia, normalmente o estágio de maturação do fruto é identificado pela cor da casca. Mas nem sempre é o que ocorre e há muita variação. Muitas vezes um fruto amarelo não está necessariamente maduro, ou seja, a transformação de seus compostos em açúcar não está completa, quando ficará mais doce e mais macio ao paladar. Outras vezes, uma parte do fruto está amarela e a outra verde, dificultando a decisão sobre a colheita”, disse Barbin.
A equipe da Unicamp, em parceria com um grupo da Universidade Estadual de Londrina liderado por Sylvio Barbon Jr., investigou a aplicação de um sensor portátil que serve para iluminar e analisar os frutos no mamoeiro. O dispositivo emite um sinal luminoso que reflete na casca dos frutos e é captado quando retorna, tendo sua informação espectral colhida.
O espectro eletromagnético é composto por todas as formas de radiação eletromagnética, que podem ser extremamente energéticas e perigosas – como os raios gama e os raios X – ou inofensivas, como as ondas de rádio, de TV e do celular.
A luz visível, aquela que os olhos foram adaptados a reconhecer, ocupa uma pequena faixa do espectro eletromagnético. Os raios infravermelhos ocupam uma faixa espectral invisível para os humanos, mas visível para muitos animais, como diversas espécies de aves.
“No caso do mamão papaia, a faixa espectral infravermelha fornece informações importantes sobre o estágio de maturação bioquímica dos frutos”, explicou Barbin. Essas informações podem ser utilizadas de forma complementar aos dados das imagens digitais, melhorando ainda mais a precisão do método.
No estudo, amostras de papaia foram compradas em supermercados da cidade de Campinas. Os exemplares foram medidos, pesados e a cor da casca foi determinada a partir do uso de um colorímetro. Também foram analisadas propriedades físico-químicas, tais como pH, quantidade de sólidos solúveis, total de carotenoides e conteúdo de ácido ascórbico.
A partir desse conjunto de dados, toda a amostra foi classificada em três estágios de maturação, de acordo com a firmeza da polpa. A aferição foi feita com o uso de um aparelho chamado texturômetro, que fornece resultados em uma escala de valores de força “N”.
Os frutos com polpa mais firme foram classificados no grupo MS1 (maior que 33 N). Os frutos com firmeza de polpa menor intermediária (entre 33 N e 20 N) foram colocados no grupo MS2. E os frutos com firmeza de polpa menor do que 20 N, ou seja, macios e em condições de consumo, ficaram no grupo MS3.
“Com relação ao dispositivo de aquisição das características das frutas, foi utilizada uma câmera de imageamento digital compacta. O dispositivo foi posicionado em uma estrutura ajustada para proporcionar iluminação adequada e melhor representação da superfície da fruta”, explicou Barbin.
Duas imagens coloridas foram registradas de cada fruto, uma para cada lado. As imagens foram tratadas digitalmente, de modo a separar o registro original em três canais de cor (vermelho, verde e azul) e também em termos de tonalidade, saturação, claridade e outros detalhes.
“Com a imagem digital de cada amostra foram explorados diversos espaços de cor para representá-la com o objetivo de obter um melhor desempenho durante a classificação da fruta. Entre os espaços de cor explorados, estudamos RGB, HSV, CIELab e suas formas médias nas superfícies analisadas como atributos descritivos”, disse Barbin.
Árvore de Decisão
O pesquisador explica que esses atributos descritivos foram usados para induzir o algoritmo de Árvore de Decisão (ou “Floresta Randômica”, do inglês “Random Forest”) e modelar um sistema classificador de modo a identificar as classes de amadurecimento das frutas.
O processamento computacional de todos os indicadores, seguido por seu tratamento estatístico, forneceu indicadores de firmeza de polpa para cada um dos frutos.
“Esses indicadores foram comparados com os valores que haviam sido obtidos de forma mecânica anteriormente e conseguimos obter até 94,7% de acerto”, disse Barbin.
O pesquisador da FEA-Unicamp afirma que há grande demanda entre os agricultores para mecanizar a colheita do fruto e as vantagens seriam muitas. No Nordeste, nas plantações irrigadas do Vale do São Francisco, por exemplo, seria possível identificar e colher frutos que atingissem o estágio ideal de amadurecimento apenas quando já se encontrassem nos mercados do eixo Rio-São Paulo, alguns dias após a colheita.
“Já os frutos menos maduros seriam destinados à exportação, enquanto aqueles mais maduros poderiam ser destinados aos mercados mais próximos da região de plantio, como as capitais do Nordeste”, disse.
Entre os próximos passos da pesquisa está a adaptação do sensor a um dispositivo manual e portátil, que possa ser usado na lavoura, apontando o sinal luminoso para os frutos no mamoeiro.
Notícias
Agenda
Chamadas
-
THI (Alemanha) Seed Fund
Prazo: 16/12 -
Chamada FAPESP PITE – Grandes Projetos
Prazo: 10/02/2025 -
Praticar Ciência
Prazo: 16/02 -
Chamada PIPE-FAPESP Fase 3
Prazo: 24/02 -
FAPESP-NWO (Países Baixos): Eventos Extremos de Calor e Água
Prazo: 04/03 -
Programa Pesquisa Inovativa em Pequenas Empresas (PIPE)
Fluxo contínuo -
PIPE-FAPESP Transferência de Conhecimento (PIPE-TC)
Fluxo contínuo