Detecção de contaminantes em grãos de café com imagem hiperespectral

Objetivo

Esta nota de aplicação examina como a tecnologia de imagem hiperespectral (HSI) aprimora a inspeção de qualidade e segurança de alimentos, com foco específico na detecção de contaminantes em grãos de café. Utilizando nossos sistemas avançados de imagem VNIR, NIR e SWIR, o estudo explora como a tecnologia HSI detecta corpos estranhos e contaminantes para assegurar qualidade e segurança no processamento de alimentos.

Panorama dos desafios de qualidade e segurança de alimentos

Os fabricantes de alimentos enfrentam dificuldades para identificar contaminantes, como corpos estranhos, e manter os padrões de qualidade. Detectar materiais estranhos ao café em meio aos grãos — como gravetos, cascas e pedras — é crítico para garantir qualidade e segurança.

A imagem hiperespectral permite a detecção detalhada de contaminantes ao capturar dados espectrais em cada pixel, diferenciando os grãos de café de potenciais contaminantes com base em suas feições espectrais. A natureza não destrutiva da tecnologia é uma grande vantagem para a indústria de alimentos, pois inspeciona os produtos sem alterá-los ou danificá-los.

Imagem hiperespectral na inspeção de qualidade de alimentos

Para este estudo, dois tipos de grãos de café e diversos contaminantes foram medidos com nossas câmeras hiperespectrais especializadas VNIR, NIR e SWIR, cada uma oferecendo faixa espectral e resolução distintas.

Os contaminantes testados incluíram gravetos, cascas e pedras. As respostas espectrais foram registradas para cada configuração de câmera, a fim de avaliar sua eficácia em distinguir esses contaminantes dos grãos de café.

Figura 1: Foto da amostra e dos contaminantes.

Em comparação com os sistemas de visão tradicionais, o valor agregado da imagem hiperespectral fica evidente:

• Tanto os grãos de café quanto os contaminantes estavam torrados, resultando em cores muito semelhantes. Isso torna uma câmera RGB, isoladamente, inadequada para distingui-los.
• Os grãos de café e os contaminantes também têm densidades semelhantes, o que torna a inspeção por raios X ineficaz.
• A imagem hiperespectral, por sua vez, revela a composição química dos materiais, tornando-se o método mais adequado para esta aplicação.

Medições das amostras e análise de dados

Os dados espectrais do sensor VNIR (visível e infravermelho próximo) não revelaram feições distintas o suficiente para separar de forma confiável os grãos de café dos contaminantes, com diferenciação mínima observada nos espectros.

Figura 2: Espectros VNIR dos grãos de café e dos contaminantes.

Como esperado, um modelo PLS-DA não apresenta bom desempenho para separar os contaminantes dos grãos de café quando a análise se restringe a essa faixa espectral.

Figura 3: Predição baseada no modelo VNIR (laranja para grãos e roxo para contaminantes).

Módulo de imagem NIR

O sensor NIR (infravermelho próximo) captou feições espectrais mais distintivas, particularmente em torno de determinadas bandas de absorção molecular. Esses picos alinharam-se a espectros característicos do café, ampliando a capacidade de diferenciar os contaminantes.

Figura 4: Espectros NIR dos grãos de café e dos contaminantes.

Vale destacar também que as diferenças espectrais podem ser realçadas com técnicas apropriadas de pré-processamento. Além disso, é possível definir uma região espectral de interesse (ROI) que cubra apenas a faixa relevante — outra vantagem do nosso sistema de imagem integrado.

Figura 5: Espectros NIR dos contaminantes (roxo) e dos grãos (laranja) após o pré-processamento.

Os resultados da modelagem mostraram boa separação entre os grãos de café e os contaminantes.

Figura 6: Predição baseada no modelo NIR (laranja para grãos e roxo para contaminantes).

Módulo de imagem SWIR

A câmera SWIR (infravermelho de ondas curtas) apresentou as feições espectrais mais completas. Ela abrange a faixa espectral do sensor NIR convencional e se estende ainda mais pelo espectro infravermelho. Essa faixa adicional permitiu que o modelo incorporasse mais marcadores espectrais relacionados à cafeína, aumentando a exatidão da detecção de contaminantes.

Figura 7: Espectros SWIR dos grãos de café e dos contaminantes.

Figura 8: Predição baseada no modelo SWIR (laranja para grãos e roxo para contaminantes).

Conclusão

Com base nos resultados, tanto a câmera NIR quanto a SWIR identificaram os contaminantes com eficácia, sendo que o sensor SWIR ofereceu exatidão ligeiramente superior devido à sua faixa estendida. No entanto, considerando a eficiência de custo, a excelente definição de ROI e a compatibilidade integrada com nossa plataforma unificada de software, recomendamos a configuração com câmera NIR para a detecção de contaminantes no processamento industrial de café.

A implementação da imagem hiperespectral no processamento de alimentos aumenta a segurança do produto, reduz o desperdício e eleva os padrões de controle de qualidade, oferecendo aos fabricantes uma ferramenta confiável e totalmente integrada para detectar contaminantes e assegurar os mais altos padrões de qualidade.