1

Uso de Imagem Digital para Seleção e Classificação de Frutas e Hortaliças

Juliana Sanches Antônio Carlos Loureiro Lino

Instituto Agronômico, Centro Avançado de Pesquisa Tecnológica do Agronegócio de Engenharia e Automação, jsanches@iac.sp.gov.br; lino@iac.sp.gov.br

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

2

vegetal frequentemente 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

3

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).

4

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.

5

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.

6

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.

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.

7

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, 2nd 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.