Pesquisadores da Universidade Federal Rural do Rio de Janeiro (UFRRJ) desenvolveram um protocolo para aprimorar o controle de qualidade de tomates. Visão computacional e algoritmos de aprendizagem de máquina foram empregados para classificar os frutos de acordo com a cor — um dos principais fatores levados em conta pelo consumidor no momento de compra.
A solução abre caminho para o desenvolvimento de dispositivos automatizados de baixo custo que possam ser usados por pequenos produtores, comerciantes e consumidores, monitorando a qualidade dos frutos de maneira não invasiva e instantânea. Ela está descrita em estudo publicado na última edição da Revista Engenharia Agrícola, em fevereiro.
Tomates colhidos pelos pesquisadores foram classificados com base nas características colorimétricas associadas ao processo de maturação, com frutos verdes (imaturos), de tonalidade mista (com diferentes tons de verde e vermelho, em processo de maturação) e maduros (com mais de 90% de sua cor vermelha, os comumente escolhidos pelos consumidores).
Os frutos foram fotografados com uma câmera digital, e suas imagens inseridas em um programa para identificar o código RGB (de red, green and blue; vermelho, verde e azul, uma espécie de assinatura digital da cor) correspondente às características colorimétricas. Um modelo de árvore decisória foi desenvolvido para classificar os tomates segundo seu potencial de compra, baseado nas características colorimétricas mais relevantes, como tonalidade, saturação e luminância. Em cada etapa, ao “responder” cada pergunta, o algoritmo se aproxima da solução final.
Um sistema como esse pode contribuir para a redução de desperdícios na colheita, visto que os tomates não amadurecem uniformemente — é comum que na colheita mecanizada existam frutos colhidos antes ou depois do tempo ideal, o que diminui seu valor de mercado.
Além disso, muitos métodos de classificação e seleção de frutos acabam sendo realizados de forma manual, ou com equipamentos laboratoriais destrutivos e que demandam mão-de-obra técnica qualificada. Métodos de classificação como o proposto pela pesquisa, também podem ter potencial de aplicação nas etapas de pós-colheita pela agroindústria e na própria etapa de comercialização do produto, possibilitando o monitoramento e controle de qualidade.
“O uso dessas tecnologias representa uma solução promissora para aprimorar a qualidade, eficiência e confiabilidade na produção de tomates e em outros setores agrícolas, impulsionando a inovação e o progresso na indústria”, diz o pesquisador Anderson Costa, autor do estudo, que integra o grupo do grupo de pesquisa Visão Computacional Aplicada à Agricultura (Agrivis). “O uso de algoritmos de deep learning para a classificação dos frutos e o desenvolvimento de uma câmara seletora de frutos automatizada são alguns dos passos futuros.”
Fonte: Agência Bori
