Modeling of coffee ripeness and beverage quality using proximal and remote sensing

• Autor(a) principal: Martins, Rodrigo Nogueira
• Data de Publicação: 2022
• Tipo de documento: Tese
• Idioma: eng
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: https://locus.ufv.br//handle/123456789/29946; https://doi.org/10.47328/ufvbbt.2022.371
• topic: Café - Maturação; Café - Avaliação sensorial; Café - Qualidade; Agricultura - Sensoriamento remoto; Drone; Espectroscopia do infravermelho próximo; Máquinas e Implementos Agrícolas

O café é uma das commodities agrícolas mais valiosas, cujo valor de mercado e potencial de exportação dependem da qualidade da bebida. Por sua vez, a qualidade da bebida resulta da interação de diferentes fatores desde a maturação dos frutos na colheita até as práticas pós- colheita. Tradicionalmente, a maturação dos frutos é avaliada por meio de amostragens manuais em campo, enquanto a qualidade da bebida é avaliada por meio de análise sensorial com provadores treinados. Esses métodos são demorados, não representativos de toda a área de cultivo e no caso da avaliação de qualidade são subjetivos devido a influência pessoal do provador. Por outro lado, o advento do sensoriamento remoto aéreo por meio dos Veículos Aéreos não Tripulados (VANT), bem como da espectroscopia associada a quimiometria e as técnicas de modelagem estatística apresentam-se como uma abordagem rápida e precisa para monitorar a variabilidade espaço-temporal da maturação e predizer a qualidade da bebida. Neste sentido, o objetivo geral dessa tese, estruturada na forma de capítulos, incluindo a introdução e conclusão geral, consistiu na modelagem da maturação e qualidade da bebida do café arábica usando sensoriamento remoto e proximal. No segundo capítulo, desenvolveu-se um índice de vegetação (IV) para monitoramento da maturação do café usando imagens aéreas. Para tal, foi montado um experimento em cinco talhões de café Arábica em Paula Cândido, Minas Gerais, Brasil. Durante a fase de maturação do café na safra 2018-2019, foram realizados quatro voos para aquisição de informações espectrais do dossel da lavoura utilizando dois VANTs, um equipado com uma câmera multiespectral de cinco bandas (RGB, RedEdge e NIR) e outro com câmera RGB. Para fins de validação, foram realizadas contagens manuais da porcentagem de frutos verdes usando grades de amostragem irregulares em cada coleta. Após o processamento das imagens, foram obtidos o índice de maturação do café (CRI – Coffee Ripeness Index) e outros cinco IVs (MCARI1, NDVI, NDRE, GNDVI e GRRI). O CRI foi desenvolvido combinando a refletância na banda do vermelho com a refletância dessa mesma banda extraída de um alvo vermelho incluído na área imageada. De maneira geral, o CRI mostrou maior sensibilidade em discriminar plantas de café aptas para colheita daquelas não aptas com relação a maturação. Além disso, os maiores valores de R 2 e menor valor da raiz do erro quadrático médio (RMSE) para estimar a maturação do café também foram apresentados pelo CRI (R 2 : 0,70; 12,42%), enquanto nos demais IVs os valores de R 2 e RMSE variaram de 0,22 a 0,67 e de 13,28 a 16,50%, respectivamente. No terceiro capítulo, foram desenvolvidos dois modelos para a predição da maturação dos frutos usando variáveis espectrais e texturais e determinadas as melhores variáveis para o desenvolvimento de mapas de variabilidade espaço-temporal da maturação. Para tanto, dados de maturação obtidos de seis lavouras de café (incluindo aquelas descritas no segundo capítulo) nas safras 2018-2019 e 2020-2021 e imagens aéreas de sete voos realizados em ambas as safras foram utilizados para a modelagem. Por meio das imagens, foram obtidas 12 variáveis espectrais e 64 texturais compostas por bandas e IVs. O desempenho do algoritmo Random Forest utilizando variáveis espectrais e texturais (R²: 0,71 e RMSE: 11,47%) foi superior ao modelo baseado apenas nas variáveis espectrais (R²: 0,67 e RMSE: 12,09%). Por fim, em ambos os cenários, as variáveis que apresentaram maior importância nos modelos de predição foram os IVs CRI e MCARI1 e as bandas do vermelho e do NIR. Finalmente, no quarto capítulo, desenvolveu-se um método para predição da qualidade da bebida do café com base em espectroscopia do NIR de amostras de café, bem como para a classificação da qualidade final da bebida usando diferentes variáveis obtidas a partir de imagens de VANT. Inicialmente, foi montado um experimento na safra 2020-2021 em sete talhões de café nos municípios de Paula Cândido e Araponga. Durante a colheita do café foram realizados 13 voos usando um VANT equipado com uma câmera RGB. Em seguida, diferentes variáveis espectrais, climáticas e de terreno foram obtidas a partir dos ortomosaicos. Para fins de validação, o café colhido foi processado e submetido à análise sensorial. Na sequência, foram obtidos espectros do NIR (1000-2450 nm) de 180 amostras de café torrado e moído. A predição dos atributos de qualidade baseada nos espectros do NIR foi realizada usando regressão de mínimos quadrados parcial (PLS – Partial Least Squares) e a combinação do PLS com o algoritmo de seleção de variáveis (OPS – Ordered Predictors Selection). Em geral, as melhores predições foram obtidas para a finalização, percepção geral, corpo e equilíbrio usando o PLS- OPS, cujo coeficiente de correlação de predição (r P ) e RMSE da predição (RMSE P ) variaram de 0,78 a 0,82 e de 0,15 a 0,13, respectivamente. Na segunda análise, as variáveis extraídas das imagens foram usadas no desenvolvimento de modelos de classificação da qualidade da bebida. Os resultados não foram satisfatórios. Assim, o uso de imagens obtidas por VANT para classificação da qualidade da bebida ainda precisa ser mais bem explorado em estudos futuros. Palavras-chave: Agricultura digital. VANT. Maturação dos frutos de café. Análise sensorial, Espectroscopia do NIR.