Paula Guatimosim
 |
| Na estrutura fechada, a iluminação artificial deve ser constante e sem oscilações. Os tomates utilizados no experimento vieram de Paty do Alferes (Fotos: Divulgação) |
A pesquisa, conduzida na Universidade Federal Rural do Rio de Janeiro (UFRRJ), busca aprimorar o controle de qualidade do tomate. Desenvolvido por professores e alunos das disciplinas Visão Computacional e Aprendizagem de Máquinas Aplicadas à Agricultura, do Programa de Pós-Graduação em Engenharia Agrícola e Ambiental (PGEAAmb), o trabalho pretende auxiliar o produtor a identificar padrões de qualidade dos tomates, o que pode auxiliar na determinação do ponto ideal de colheita, na classificação dos tomates pela agroindústria e na seleção do fruto na decisão de compra do consumidor.
Em uma estrutura compacta, com cerca de 1,50m x 1,0m, é instalada uma câmera digital (como as de celulares ou de módulos microeletrônicos) e ali são colocados tomates em diferentes estágios de maturação, sob iluminação artificial constante e sem oscilações. As imagens capturadas pela câmera vão para o computador para serem processadas. Algoritmo de aprendizagem de máquina quantifica a intensidade de cor das bandas RGB (vermelho, verde e azul), que correspondem às características colorimétricas. Após essa etapa, o algoritmo consegue classificar os frutos a partir dos diferentes padrões, que poderão ser destinados ao consumidor final ou à indústria. As características colorimétricas também poderão ser utilizadas para estimar os valores de parâmetros de qualidade dos frutos como firmeza e teor de açúcar.
 |
| Anderson Costa: para o pesquisador, o objetivo do estudo é tornar a classificação mais precisa, reduzir as perdas na colheita, e no pós-colheita e na comercialização |
Segundo o pesquisador Anderson Costa, autor do estudo, a classificação manual está suscetível a erros de avaliação, ligadas à percepção humana. Com a classificação automatizada por sistemas de visão computacional, os agricultores aumentam a capacidade de acerto na classificação e seleção destes frutos. “Nosso objetivo é tornar a classificação mais precisa, reduzir as perdas na colheita, no pós-colheita e na comercialização, além de oferecer um método de baixo custo para o produtor”, explica o engenheiro agrícola, que integra o grupo de pesquisa Visão Computacional Aplicada à Agricultura. Ele conta com apoio da FAPERJ para desenvolver suas pesquisas por meio do programa de Auxílio ao Pesquisador Recém-contratado e também da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes).
Anderson Costa lembra que o estado do Rio de Janeiro é um grande produtor de olerícolas, e que essa tecnologia pode ser de grande ajuda para os produtores, inclusive os de Paty de Alferes, uma das principais regiões produtoras de tomates do estado e município onde foram colhidos os frutos para a pesquisa. Mas a meta da equipe, formada por ele e mais três professores e seis alunos, inclusive um de Iniciação Científica apoiado pela FAPERJ, é poder levar a tecnologia para a lavoura, tornando-a acessível também ao pequeno produtor. O próximo passo, segundo o pesquisador, é adaptar essa tecnologia, com câmera automatizada, à produção de hortaliças folhosas, como alface, rúcula, agrião, couve etc. Nesse caso, o objeto de estudo será mensurar parâmetros como nível de clorofila, a área foliar e a altura das plantas, proposta submetida por ele ao programa Jovem Cientista do Nosso Estado.
