Infobibos - Informações Tecnológicas - www.infobibos.com

USO DE IMAGEM DIGITAL PARA SELEÇÃO E CLASSIFICAÇÃO DE FRUTAS E HORTALIÇAS

Juliana Sanches
Antônio Carlos Loureiro Lino

O Brasil é um dos três maiores produtores de frutas do mundo, ficando somente atrás da China e Índia, representando cerca de 5% da produção mundial. Sua produção superou 40 milhões de toneladas em 2008, sendo que o mercado de frutas frescas detém cerca de 47% do total produzido. Segundo o Instituto Brasileiro de Frutas (Ibraf), a fruticultura brasileira tem potencial para aumentar em mais 28 milhões de toneladas em exportações (Agência Sebrae, 2009). Em relação às hortaliças, nos últimos dez anos a produção de hortaliças no país aumentou mais de 30% e a produtividade 38% (Melo, 2008). Em 2006, a produção total de hortaliças foi de 17.000 mil toneladas, gerando cerca de R$ 11.000 milhões, sendo que tomate, batata, melancia, cebola, cenoura e batata-doce respondem por 64% do total produzido (IBGE, 2009; Melo, 2008).

Apesar do número crescente em produção de frutas e hortaliças, cerca de 20 a 30% não chega até a mesa do consumidor o que intimamente está associada à falta de tecnologia apropriada. Estas perdas ocorrem em toda a cadeia produtiva, porém, é na pós-colheita que se concentram os maiores prejuízos e são devidos, principalmente à embalagem, manuseio, transporte inadequados, técnicas de conservação incipientes e falta de seleção e padronização.

Atualmente, a produção de frutas e hortaliças exige alta qualidade e isto se deve às mudanças culturais nos hábitos alimentares dos consumidores. A qualidade vegetal freqüentemente se refere ao tamanho, forma, massa, firmeza, cor e danos, no qual podem ser classificados e ordenados.

A seleção e classificação de frutas e hortaliças merecem atenção, pois apesar de ser tradicionalmente um trabalho de natureza manual, o mercado brasileiro está buscando a profissionalização da comercialização. A crescente demanda por frutos classificados pela qualidade e a falta de consistência no processo baseado na decisão humana resulta numa procura pela automatização na pós-colheita. Para satisfazer as exigências de qualidade do mercado, sistemas de classificação e caracterização objetiva não-destrutivos estão sendo desenvolvidos através do uso de sensores e dispositivos eletrônicos. Uma das técnicas que tem sido estudada na área agrícola é a visão de máquina, cujo escopo é promover a objetividade da classificação dos produtos (Brosnan e Sun, 2004).

Os sistemas de visão de máquina são auto-calibráveis, imunes a aspectos intrínsecos à natureza humana como estresse, emoções, fadiga e julgamentos subjetivos. Estes sistemas contribuem para a melhoria contínua da produção e o aumento da produtividade dada a sua adaptabilidade e capacidade de redução de erros decorrentes da monotonia e da subjetividade em tarefas executadas por humanos (Ramalho, 2003).

Para a aquisição de imagens, um sistema de visão de máquina geralmente consiste de cinco componentes básicos: iluminação, câmera, placa de captura de imagem (digitalizador), dispositivos computacionais de hardware e programas computacionais (Wang e Sun, 2002). Assim, a visão de máquina é reconhecida como o uso integrado de dispositivos de sensoriamento ótico, sem contato direto com o objeto de estudo, pois realizam procedimentos para receber e interpretar uma imagem de uma cena real automaticamente (Sonka, et al., 1999).

Porém, a implementação tecnológica neste setor se torna inviável devido ao alto custo de softwares, equipamentos, além dos custos operacionais. Baseado nestas considerações, a proposta do programa "USO DE IMAGEM DIGITAL PARA SELEÇÃO E CLASSIFICAÇÃO DE FRUTAS E HORTALIÇAS", desenvolvido no IAC, é estudar a adaptação de softwares com código-fonte aberto para habilitar o sistema de seleção e classificação, através do reconhecimento da forma, tamanho, volume, cor e danos mecânicos e/ou fisiológicos. Além disso, é uma das prioridades do programa que as metodologias que estão em desenvolvimento sejam baixo custo.

O projeto intitulado "Utilização da técnica de processamento de imagens para seleção e classificação de morangos" faz parte deste programa com resultados promissores quanto a seleção de morangos quanto ao tamanho e formato. O estudante de Engenharia Agrícola da Unicamp, Danilo Carlos Silva conseguiu bolsa PIBIC/CNPq para o desenvolvimento deste projeto, sob a orientação da PqC Juliana Sanches, e foi agraciado com o prêmio "Maria Beatriz Perecin", pelo melhor trabalho do IAC apresentado no 3° CIIC.

Para o desenvolvimento do projeto, utilizou-se basicamente de um computador, uma câmera fotográfica e o software livre chamado ImageJ para o processamento e análise de imagens. Este software, de domínio público, é baseado na linguagem Java, que exibe, edita, processa e permite analisar imagens de 8, 16 e 32 bits. Além de conseguir calcular os valores de áreas e do pixel selecionado pelo usuário, é capaz também de medir distâncias e ângulos, criar gráficos estatísticos, realizar transações geométricas tais como escala, rotação, translações, calibrar escalas para definir dimensões das medidas reais, calibrar escalas em tons de cinza, realizar cálculos de threshold para definir segmentos dos objetos e analisar partículas predeterminadas. Projetado com uma arquitetura aberta, possibilita a inclusão de novos plugins, agregando maior flexibilidade ao programa e permitindo programar diversas funções de processamento, tais como operações aritméticas e lógicas entre imagens, manipulação de contraste, análise de Fourier, reconhecimento de margem e filtros medianos. (Junior e Pedrini, 2005).

Os morangos foram fotografados após o acondicionamento dos mesmos em bandeja com revestimento em tecido preto, para melhor contraste dos frutos com o fundo e, para se corrigir os tamanhos, foi colocado um retângulo de papel de 5x5 cm, como referência (Figura 1).  

Figura 1. Imagem de uma caixa de morangos.

Através do desenvolvimento de algoritmos, aplicou-se o tratamento de imagens nos morangos captados, processando-os de maneira que a sua forma se tornasse evidente (Figura 2), e permitindo o reconhecimento individual de cada fruto, possibilitando a determinação de suas dimensões. 

Figura 2. Imagem tratada para a realização das medições.

Para a determinação do formato realizou-se uma metodologia aonde o sistema localizou o maior comprimento da fruta e, a partir disso, encontraram-se parâmetros e constantes, onde se conseguiu determinar a largura e o ângulo de cada morango analisado (Figura 3). Para a classificação, selecionou-se, de forma visual, os morangos padrões, levando-se em consideração o formato de "coração". Uma vez escolhido o formato "padrão", realizou-se algoritmos para filtrar a seleção, onde comparou-se os dados fornecidos do primeiro algoritmo com o máximo e mínimo das medidas dos padrões, tornando-se possível a separação e classificação dos morangos em duas categorias (aceitos ou recusados). 

Figura 3. Medidas encontradas através de algoritmos.

O comprimento e largura dos frutos foram gerados pelo software e comparados com as medições efetuadas por meio de paquímetro, obtendo-se altos fatores de correlação.

Através dos resultados gerados neste projeto, é possível concluir que a técnica óptica pode ser uma saída para problemas relacionados a seleção de frutas e hortaliças, fornecendo maior agilidade e confiabilidade devido a sua precisão na seleção, além de baixo custo para a sua implantação.

Estudos estão avançando para a adaptação desta metodologia para outras frutas e hortaliças, principalmente as de maior expressão para exportação, além de futura confecção de mesas classificadoras usando-se as metodologias de seleção propostas.

Bibliografia consultada

AGÊNCIA SEBRAE. 2009. Brasil é o terceiro maior produtor de frutas do mundo. Disponível em http://www.canalrural.com.br/canalrural/jsp/default.jsp?uf=1&local =1&action=noticias&id=2535814&section=noticias. Acessado em 12 de agosto de 2009.

BROSNAN, T.; SUN, D.W. 2004. Improving quality inspection of food products by computer vision - a review. Journal of Food Engineering. 61: 3-16.

IBGE. Sistema IBGE de recuperação automática. 2006. Sidra 2006. Disponível em: http//www.sidra.ibge.gov.br. Acessado em 01 abr 2009.

JUNIOR, T.C., PEDRINI, J.E. 2005. Utilização do software imagej para cálculo de área. In: Congresso Brasileiro de Agroinformática, 5. Anais... Londrina: SIB-AGRO. p. cd-rom.

MELO, P.C.T. de. 2008. Panorama atual da cadeia brasileira de produção de hortaliças. In: CONGRESSO BRASILEIRO DE FRUTICULTURA, 20. Palestras... Vitória: ENCAPER. p.cd-rom.

RAMALHO, G.L.B. 2003. Descrição de um Sistema Experimental de Visão Artificial Aplicado à Inspeção Automática de Frutas na Pós-Colheita. 103p. Monografia (Especialização em Automação Industrial). Fortaleza: Universidade Estadual do Ceará.

SONKA, M.; HLAVAC, BOYLE, R. 1999. Image Processing, Analysis and Machine Vision. Pacific Grove: Brooks/Cole Publishing Company, 2^nd ed., 770p.

WANG, H.H.; SUN, D.W. 2002. Correlation between cheese meltability determined wtih a computer vision method and with Arnott and Schreiber. Journal of Food Science. 7:745-749.

Origem: Instituto Agronômico - www.iac.sp.gov.br

Juliana Sanches possui graduação em Agronomia pela Universidade Estadual Paulista - UNESP , Campus de Jaboticabal (1998), Mestrado em Engenharia Agrícola pela Universidade Estadual de Campinas - UNICAMP (2002) e Doutorado em Agronomia (Produção Vegetal) pela Universidade Estadual Paulista - UNESP , Campus de Jaboticabal (2006). Pesquisadora Científica do Centro de Engenharia e Automação do Instituto Agronômico - IAC desde 2005. Tem experiência na área de pós-colheita de frutas e hortaliças, com ênfase em injúrias mecânicas, embalagem, refrigeração e produtos minimamente processados
Contato: jsanches@iac.sp.gov.br
 

Antônio Carlos Loureiro Lino é Engenheiro Agrícola pela Universidade Federal de Lavras (1985), concluiu o mestrado (2002) e doutorado (2008) em engenharia agrícola pela Universidade Estadual de Campinas. Atualmente é Pesquisador Científico no Centro de Engenharia e Automação do Instituto Agronômico de Campinas. Atua na área de Engenharia Agrícola, com ênfase em aplicação de técnicas perfilométricas ópticas e seleção e classificação de flores, frutos e hortaliças. Em seu currículo Lattes os termos mais frequentes na contextualização da produção cientifica, tecnológica e artístico-cultural são: moiré, profilometria, 3d contour, avaliação, desempenho operacional.
Contato: lino@iac.sp.gov.br