Detecção de fraudes em café torrado e moído por análise de imagem: caso do milho

Abstract

Para eliminar divergências na interpretação dos resultados e agilizar os atuais métodos de detecção de fraudes em café torrado e moído, foi estabelecida uma metodologia baseada na análise por imagem e fundamentada no princípio de que diferentes materiais podem apresentar reflectâncias distintas em diferentes comprimentos de onda do espectro eletromagnético. Partiu-se da hipótese de que o pó de café adulterado, sendo submetido a uma fonte artificial de iluminação, teria uma reflectância nos canais R, G e B maior do que a do pó de café não adulterado. As amostras de café são submetidas as etapas de limpeza, secagem e homogeneização e, a seguir, efetua-se a geração de imagens multiespectrais, utilizando uma lupa eletrônica acoplada a uma câmara (CCD) que capta as imagens nas bandas RGB. As imagens geradas são passadas para um computador, onde são armazenadas, processadas e classificadas por meio de um "software" de processamento de imagens digitais. A resposta espectral de cada componente é identificada a partir do seu histograma ou diretamente sobre a imagem gerando um padrão. A área é calculada em porcentagem e para a quantificação final das impurezas na amostra utiliza-se uma curva de calibração entre a área relativa obtida pela classificação supervisionada de imagens e a porcentagem de impurezas presentes nas amostras. Destacam-se como vantagens: a agilidade da resposta para os casos em que se exige uma análise de uma grande quantidade de amostras; ausência de subjetividade; e a não destruição das amostras analisadas. Este método assegura um patamar mínimo de detecção de 93% das impurezas do produto.

In order to reduce divergence in the results and to obtain a higher capability of analysis, we developed a method to identify and quantify fraud in toasted and milled coffees. The method was based on the generation and analysis of RGB multispectral images. The rationale was that the adulterated coffees present higher reflectance values than those from pure coffee. The samples of coffee were initially cleaned, dried and homogenized. Multispectral images were then generated and stored in the computer through the use of an electronic lupe connected to a CCD (Charge Coupled Device) camera. The images were classified by using a image processing software package. The spectral response of each component was identified from its histogram or directly in the image, generating a pattern. The area, calculated in percentage, was transformed in percent of weight from a calibration curve obtained previously. The main advantages of this methodology are: possibility of analyses of high number of samples in a relatively short time period; lack of subjectivity; and non-destruction of analyzed samples. The method allows a minimum accuracy of 93%.