El proceso de selección de granos de café de especialidad implica tres tipos de inspección. Dos son físicos e involucran muestras de café crudo y tostado. El tercero es sensorial y consiste en probar la bebida. La certificación es proporcionada por la Asociación de Cafés Especiales de América (SCAA).

De acuerdo con las pautas de SCAA, la calidad del café se mide en una escala decimal de cero a 100. Un café especial debe tener una puntuación de 80 o más. El productor envía una muestra de granos crudos a tres catadores (catadores), quienes tuestan y preparan café de cada lote, de nuevo de acuerdo con los estándares de SCAA, antes de emitir un informe.

Sin embargo, científicos brasileños del Centro de Energía Nuclear en la Agricultura (CENA-USP) de la Universidad de São Paulo, en colaboración con colegas de la Facultad de Agricultura Luiz de Queiroz (ESALQ-USP) y del Centro de Computación de la Universidad Federal de Pernambuco (UFPE) , han desarrollado un método de selección de granos de café basado en imágenes multiespectrales y aprendizaje automático. El método no requiere tostado y se puede realizar en tiempo real durante el proceso de producción. Evita posibles errores humanos, aunque se basa en equipos costosos. Recientemente se ha publicado un artículo sobre el nuevo método en Computers and Electronics in Agriculture .

"Los cafés especiales a menudo se cosechan de forma selectiva, lo que significa que solo se recogen las cerezas rojas maduras. Se cosechan individualmente a mano. Si un productor de café especial cosecha granos verdes, o en cualquier momento utiliza la recolección en tiras, manual y/o mecanizada, este procedimiento puede resultar en una cosecha comercial estándar", dijo Winston Pinheiro Claro Gomes, primer autor del artículo. Gomes es un Ph.D. candidato en química en el CENA-USP, con Wanessa Melchert Mattos y Clíssia Barboza da Silva como asesoras de tesis.

"En nuestro método, separamos los granos considerados especiales y comerciales estándar utilizando una combinación de imágenes multiespectrales y algoritmos matemáticos que procesan los datos proporcionados por las imágenes", explicó Gomes. "El café de especialidad debe tener una puntuación de entre 80 y 100, pero nuestro modelo no puede decir si los granos tienen 80 o 90. Eso requeriría aprendizaje automático con muestras para cada puntuación a fin de especificar estas categorías en el modelo matemático".

Metodología multiespectral

El equipo utilizó una técnica de imágenes multiespectrales (MSI) basada en la reflectancia y la autofluorescencia, en la que se toman imágenes del mismo objeto en diferentes longitudes de onda, seguidas de un modelo de aprendizaje automático para clasificar los granos según la información obtenida de las imágenes.

“El uso de MSI en la industria del café es muy reciente. Se utiliza principalmente para mapear nitrógeno en cafetales, detectar necrosis en granos y detectar plagas y enfermedades en plantas, como se puede ver en la literatura sobre el tema”, dijo Gomes. .

Los investigadores analizaron 16 muestras de judías verdes de cultivos comerciales estándar y de especialidad cultivados en los estados de Minas Gerais y São Paulo. Diez de los granos de café de especialidad (Coffea arabica) eran de la cosecha 2016/17 cultivados en la región de Alta Mogiana. Habían sido calificados en el Concurso de Café de Alta Mogiana 2017 y fueron suministrados por la asociación de productores de cafés especiales de la región. Las otras seis muestras se tomaron de cultivos comerciales estándar comprados a granel en el mercado local.

Para cada muestra, se separaron al azar 64 granos sin tratamiento previo, dando un total de 1024 granos (384 estándar, 640 especiales), y se usaron para calibración, validación y prueba de aprendizaje automático.

Gomes resumió el procedimiento de la siguiente manera:"Colocamos los granos en una placa de Petri y la metimos en el dispositivo, que es una esfera que contiene LED, filtros ópticos y una cámara. La cámara descendía sobre las muestras hasta cubrirlas por completo y capturaba imágenes. después de una iluminación homogénea y difusa en diferentes longitudes de onda. Primero tomó imágenes monocromáticas de reflectancia y luego imágenes de autofluorescencia, después de lo cual el software integrado extrajo la información relacionada con las regiones de interés y la utilizó para construir los algoritmos que clasificaron las muestras y nos dieron Los resultados."

Luego se realizó un análisis de componentes principales (PCA) para investigar las variables que influyen en las diferencias entre los cafés especiales y estándar. Los investigadores ejecutaron cuatro algoritmos de aprendizaje automático, y la máquina de vectores de soporte (SVM) demostró ser la mejor y se usó para calcular coeficientes para estimar las variables clave.

Fluorescencia

Se observó que los frijoles especiales tenían una forma más uniforme en las imágenes de espectro visible (RGB), mientras que los frijoles estándar eran más intensos en las imágenes de autofluorescencia.

"Nuestro modelo matemático y nuestros algoritmos usan información de intensidad de señal de imágenes de fluorescencia. Puede suceder que algún compuesto presente en los frijoles esté más excitado a una longitud de onda particular. Una señal de fluorescencia más o menos intensa también puede relacionarse con la variación en la concentración de un compuesto en frijoles, por ejemplo", dijo Gomes.

"El modelo que elegimos fue el que mejor se desempeñó en distinguir entre granos de café estándar y de especialidad. En este modelo, la información más importante para construir los límites de separación provino de la fluorescencia verde. Por lo tanto, decidimos analizar los compuestos individuales que muestra naturalmente una fluorescencia verde y trató de asociar algunos compuestos fluorescentes que podrían influir en el proceso de separación de la clasificación del café".

Se analizó la fluorescencia verde, un marcador biológico representado por la luz verde en el espectro visible, para 10 compuestos fenólicos, y los datos mostraron que la catequina, la cafeína y ciertos ácidos (ácido 4-hidroxibenzoico, ácido sinápico y ácido clorogénico) respondieron intensamente después de ser excitados con luz azul a 405 nanómetros (nm), emitiendo energía a 500 nm. Estos datos de autofluorescencia (excitación/emisión a 405/500 nm) fueron los que más contribuyeron a distinguir las judías verdes especiales de las judías verdes estándar.

"Estas son especies químicas asociadas con grupos aromáticos que absorben energía relacionada con una longitud de onda específica. En los métodos basados ​​en la autofluorescencia, las variaciones en los niveles de estas especies químicas en los grados de café de especialidad y estándar se pueden usar para distinguir entre los dos grupos", dijo Gomes. dijo.

Las diferencias en los niveles de estos compuestos generalmente se usan para distinguir entre granos de café especiales y estándar. “Para mi investigación de maestría, estudié la composición química de estas muestras y, aunque no hubo diferencias en las especies químicas, encontramos variaciones en sus concentraciones, especialmente en los niveles de ácido clorogénico y cafeína”, dijo.

Los próximos pasos, según Gomes, implicarán obtener muestras de cada uno de los niveles de puntaje definidos por SCAA para cafés especiales (una tarea nada fácil) y clasificar los granos de acuerdo con sus puntajes. "En Brasil, los cafés tienen una calificación máxima de 90 a 92. Es difícil encontrar algo más alto que eso. Solo el café importado, de Etiopía, por ejemplo, tiene una puntuación de 100. En mi investigación de doctorado, intento clasificar los granos sobre la base de imágenes de rayos X, y he decidido aumentar la cantidad de muestras y la amplitud del análisis al incluir frijoles importados", dijo. + Explora más

Una aplicación de Android comprueba cómo están tostados los granos de café