Pesquisadores em Mato Grosso desenvolveram, com apoio da Fundação de Amparo à Pesquisa do Estado de Mato Grosso (Fapemat), uma ferramenta portátil (protótipo) e não invasiva para avaliar a qualidade e maciez da carne bovina em ambiente industrial em tempo real. A tecnologia utiliza técnicas de espectroscopia por reflectância e algoritmos de inteligência artificial (IA) com base em imagens capturadas por câmeras multiespectrais. A solução visa atender demandas da cadeia produtiva da carne, da pecuária à indústria, passando por varejistas e consumidores.
O projeto foi financiado pelo Estado, por meio do Edital nº 004/2021 Pesquisa aplicada – Cadeias Produtivas de Mato Grosso, e é intitulado “Determinação não-destrutiva da maciez da carne bovina (força de cisalhamento) por imagem multiespectral e algoritmos de Inteligência Artificial”.
A técnica é baseada em espectroscopia por reflectância, que utiliza radiação luminosa, incluindo comprimentos de onda visíveis e invisíveis ao olho humano, para interagir com a carne e extrair informações sobre sua composição. Quando essa luz incide sobre o alimento, parte é absorvida e parte é refletida. A forma como a luz retorna dependendo das propriedades físico-químicas do tecido, como teor de gordura, umidade e estrutura das fibras musculares, geram os dados necessários.
Segundo os coordenadores do projeto, doutores Heinsten Frederich Leal dos Santos e Angelo Polizel Neto, da Universidade Federal de Rondonópolis (UFR), “a tecnologia aprende a identificar padrões nas imagens captadas (espectro visível e invisível), permitindo prever a maciez da carne com alta precisão, sem a necessidade de cortes, manipulações e testes destrutivos”.
O estudo definiu comprimentos de onda mais relevantes para correlacionar os dados espectrais com a maciez da carne, tradicionalmente medida anteriormente por força de cisalhamento (força necessária para romper as fibras musculares de forma invasiva). A equipe desenvolveu algoritmos baseados em redes neurais artificiais com precisão superior a 80%. Utilizando técnicas onde as tarefas sejam realizadas no menor tempo possível com custos mínimos, e aprendendo com cada interação (técnica de deep learning).
Com a definição de comprimentos de onda mais relevantes para a análise da carne, validou a metodologia como prova de conceito (TRL 3), ou seja, tecnicamente viável. Posteriormente, foi desenvolvido um protótipo funcional (TRL 4), capaz de operar em tempo real, capturando imagens da carne e estimando sua maciez diretamente na linha de produção.
Entre os principais benefícios da tecnologia, destaca-se a possibilidade de integração direta em frigoríficos, sem necessidade de coleta ou descarte de amostras. Isso elimina perdas, reduz custos laboratoriais, e abre caminho para o uso de dados em programas de melhoramento genético e controle de qualidade da matéria-prima.
Além do desenvolvimento do sistema e dos algoritmos, os pesquisadores estruturaram um banco de dados de amostras robusto, com amostras espectrais associadas a variáveis de qualidade da carne bovina, contribuindo para a formação de um modelo de avaliação mais confiável e automatizado.
A aplicação da inteligência artificial nesse processo permite que decisões operacionais sejam tomadas com base em dados objetivos, reduzindo a intervenção humana em processos sensíveis de controle de qualidade. A solução dialoga com o conceito de indústria 4.0 e amplia a inserção da tecnologia digital no setor de carnes.
“Essa iniciativa está alinhada com os Objetivos de Desenvolvimento Sustentável da ONU, especialmente os ODS 2 (Fome Zero e Agricultura Sustentável), 8 (Trabalho Decente e Crescimento Econômico), 9 (Indústria, Inovação e Infraestrutura), 12 (Consumo e Produção Responsáveis) e 17 (Parcerias e Meios de Implementação). Reforçando o posicionamento da cadeia produtiva da carne bovina brasileira em relação à inovação, eficiência produtiva e sustentabilidade”, finalizou Heinsten.
Fonte: Widson Ovando | Fapemat