Banner Portal
Avaliação da pureza de café por imagens químicas
PDF

Palavras-chave

Ectroscopia
Espectroanalítica
Infravermelho próximo
Café

Como Citar

VIDAL, Cristiane; PASQUINI, Célio Pasquini. Avaliação da pureza de café por imagens químicas. Resumo dos trabalhos do SIMTEC Simpósio dos Profissionais da UNICAMP, Campinas, SP, v. 8, n. 8.Eixo 2, p. e0220845, 2023. DOI: 10.20396/simtec.vi8.Eixo 2.8708. Disponível em: https://econtents.sbu.unicamp.br/eventos/index.php/simtec/article/view/8708. Acesso em: 21 jan. 2026.

Resumo

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.

PDF

Referências

PASQUINI, C. Near infrared spectroscopy: a mature analytical technique with new perspectives – a review. Analytica Chim. Acta, n.1026, p. 8–36, 2018. DOI: https://doi.org/10.1016/j.aca.2018.04.004.

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Copyright (c) 2023 Cristiane Vidal, Célio Pasquini