• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Special- och standardkaffebönor kan sorteras med multispektral avbildning och artificiell intelligens

    Multispektrala bilder baserade på reflektans och autofluorescens bearbetas med hjälp av matematiska modeller. Kredit:Winston Pinheiro Claro Gomes

    Processen att välja specialkaffebönor innebär tre typer av inspektioner. Två är fysiska och involverar prover på rått och rostat kaffe. Den tredje är sensorisk och går ut på att smaka på drycken. Certifieringen tillhandahålls av Specialty Coffee Association of America (SCAA).

    I enlighet med SCAA:s riktlinjer mäts kaffekvaliteten på en decimalskala från noll till 100. Ett specialkaffe måste få 80 eller mer. Odlaren skickar ett prov av råa bönor till tre koppare (provare), som rostar och gör kaffe från varje batch, återigen i enlighet med SCAA-standarder, innan de utfärdar en rapport.

    Däremot samarbetar brasilianska forskare vid University of São Paulo Center for Nuclear Energy in Agriculture (CENA-USP), med kollegor vid Luiz de Queiroz College of Agriculture (ESALQ-USP) och Computer Center vid Federal University of Pernambuco (UFPE) , har utvecklat en metod för val av kaffebönor baserad på multispektral bildbehandling och maskininlärning. Metoden kräver ingen rostning och kan utföras i realtid under produktionsprocessen. Det undviker möjliga mänskliga fel, även om det förlitar sig på dyr utrustning. En artikel om den nya metoden har nyligen publicerats i Computers and Electronics in Agriculture .

    "Specialkaffe skördas ofta selektivt, vilket innebär att endast de mogna röda körsbären plockas. De skördas individuellt för hand. Om en specialkaffeodlare skördar gröna bönor, eller när som helst använder bandplockning, manuellt och/eller mekaniserat, är detta förfarande kan resultera i en vanlig kommersiell gröda, säger Winston Pinheiro Claro Gomes, första författare till artikeln. Gomes är en Ph.D. kandidat i kemi vid CENA-USP, med Wanessa Melchert Mattos och Clíssia Barboza da Silva som avhandlingsrådgivare.

    "I vår metod separerar vi bönor som anses vara specialiteter och standard kommersiella med en kombination av multispektral bildbehandling och matematiska algoritmer som bearbetar data som tillhandahålls av bilderna," förklarade Gomes. "Specialkaffe måste få mellan 80 och 100, men vår modell kan inte avgöra om bönor är 80 eller 90. Det skulle kräva maskininlärning med prover för varje poäng för att kunna specificera dessa kategorier i den matematiska modellen."

    Multispektral metod

    Teamet använde en multispektral avbildningsteknik (MSI) baserad på reflektans och autofluorescens, där bilder av samma objekt tas vid olika våglängder, följt av en maskininlärningsmodell för att klassificera bönor enligt informationen från bilderna.

    "Användningen av MSI i kaffeindustrin är mycket ny. Det används mest för att kartlägga kväve i kaffelundar, upptäcka nekros i bönor och upptäcka skadedjur och sjukdomar i växter, vilket framgår av litteraturen om ämnet", säger Gomes .

    Forskarna analyserade 16 prover av gröna bönor från specialgrödor och kommersiella standardgrödor som odlats i delstaterna Minas Gerais och São Paulo. Tio av specialkaffebönorna (Coffea arabica) kom från grödan 2016/17 som odlades i Alta Mogiana-regionen. De hade betygsatts i 2017 års Alta Mogiana Coffee Contest och levererades av regionens sammanslutning av specialkaffeproducenter. De övriga sex proverna togs från kommersiella standardgrödor som köpts i bulk på den lokala marknaden.

    För varje prov separerades 64 bönor utan föregående behandling slumpmässigt, vilket gav totalt 1 024 bönor (384 standard, 640 specialiteter), och användes för maskininlärningskalibrering, validering och testning.

    Gomes sammanfattade proceduren på följande sätt:"Vi placerade bönorna i en petriskål och lade den i enheten, som är en sfär som innehåller lysdioder, optiska filter och en kamera. Kameran sänkte sig över proverna tills de var helt täckta och tog bilder efter homogen och diffus belysning vid olika våglängder. Det tog först monokroma reflektansbilder och sedan autofluorescensbilder, varefter information om de intressanta områdena extraherades av den inbyggda programvaran och användes för att bygga algoritmerna som klassificerade proverna och gav oss resultaten."

    Principal component analysis (PCA) utfördes sedan för att undersöka de variabler som påverkar skillnaderna mellan specialkaffe och standardkaffe. Forskarna körde fyra maskininlärningsalgoritmer, där stödvektormaskinen (SVM) visade sig vara den bästa och användes för att beräkna koefficienter för att uppskatta nyckelvariablerna.

    Fluorescens

    Specialbönor sågs vara mer enhetliga i formen i bilderna med synligt spektrum (RGB), medan standardbönor var mer intensiva i autofluorescensbilderna.

    "Vår matematiska modell och algoritmer använder information om signalintensitet från fluorescensbilder. Det kan hända att någon förening som finns i bönor är mer exciterad vid en viss våglängd. En mer eller mindre intensiv fluorescenssignal kan också relatera till variation i koncentrationen av en förening i bönor, till exempel," sa Gomes.

    "Den modell vi valde var den som presterade bäst när det gällde att skilja på specialkaffebönor och standardkaffebönor. I denna modell kom den viktigaste informationen i syfte att konstruera separationsgränser från den gröna fluorescensen. Vi beslutade därför att analysera de enskilda föreningarna som uppvisar naturligt grön fluorescens och försökte associera några fluorescerande föreningar som kan påverka separationsprocessen för kaffeklassificering."

    Grön fluorescens, en biologisk markör representerad av grönt ljus i det synliga spektrumet, analyserades för 10 fenolföreningar, och data visade att katekin, koffein och vissa syror (4-hydroxibensoesyra, sinapinsyra och klorogensyra) reagerade intensivt efter att ha blivit exciterade med blått ljus vid 405 nanometer (nm), avger energi vid 500 nm. Dessa autofluorescensdata (excitation/emission vid 405/500 nm) bidrog mest till att skilja gröna specialbönor från gröna standardbönor.

    "Dessa är kemiska arter associerade med aromatiska grupper som absorberar energi relaterad till en specifik våglängd. I autofluorescensbaserade metoder kan variationer i nivåer av dessa kemiska arter i specialiteter och standardkvaliteter av kaffe användas för att skilja mellan de två grupperna," Gomes sa.

    Skillnader i nivåer av dessa föreningar används vanligtvis för att skilja mellan specialkaffebönor och standardkaffebönor. "För min masterforskning studerade jag den kemiska sammansättningen av dessa prover, och även om det inte fanns några skillnader i kemiska arter, fann vi variationer i deras koncentrationer, särskilt nivåerna av klorogensyra och koffein," sa han.

    Nästa steg, enligt Gomes, kommer att innebära att man skaffar prover från var och en av de SCAA-definierade poängnivåerna för specialkaffe (ingen enkel uppgift) och klassificering av bönorna enligt deras poäng. "I Brasilien har kaffet högst betyget 90-92. Det är svårt att hitta något högre än så. Endast importerat kaffe, från till exempel Etiopien, får 100. I min doktorandforskning försöker jag klassificera bönor på basis av röntgenbilder, och jag har bestämt mig för att öka antalet prover och analysens bredd genom att inkludera importerade bönor", sa han. + Utforska vidare

    En Android-app kontrollerar hur rostade kaffebönor är




    © Vetenskap https://sv.scienceaq.com