QUALIDADE E MÉTODOS NÃO-DESTRUTIVOS NA PÓS-COLHEITA. Gustavo Henrique de Almeida Teixeira

Transcrição

1 QUALIDADE E MÉTODOS NÃO-DESTRUTIVOS NA PÓS-COLHEITA Gustavo Henrique de Almeida Teixeira gustavo@fcav.unesp.br

2 Qualidade Fonte: National Geographic (2016). Foto: Brian Finke.

3 Qualidade Fonte:

4 Qualidade HETEROGÊNEO HOMOGÊNEO

5 Qualidade Perdas: Descarte de maçãs Vacaria (RS).

6 Qualidade Atributos sensoriais Defeitos Valor nutritivo Propriedad es funcionais Constituintes químicos Propriedad es mecânicas Fonte: Abbott (1999)

7 Métodos não destrutivos: visão Desvantagens: Fadiga 1 maçã por segundo Rehkugelr & Throop (1976) Hoje > 15 por segundo Acurácia será? Lei nº , de 20 de junho de min a cada 50 min. Máximo 6 horas/dia. Reduzir custos e manter a acurácia

8 Métodos não destrutivos: Análise e Tecnologia de Processos - PAT Casas de embalagem modernas:

9 Métodos não destrutivos: coloração Determinação da coloração dos frutos: Itália - maçã

10 Métodos não destrutivos: coloração Determinação da coloração dos frutos: Radiação incidente Olho humano Vermelho Verde Azul

11 Métodos não destrutivos: coloração Determinação da coloração dos frutos: Método mais comum. Itália - maçã Israel - laranja

12 Métodos não destrutivos: coloração Fotodetector Valores de X, Y e Z Hunter L, a, b CIE L*, a*, b* Radiação incidente θ45 Filtros Fonte: Jha (2010)

13 Métodos não destrutivos: Visão computacional machine vision Fonte:

14 Métodos não destrutivos: Visão computacional machine vision Vantagens: Pode eliminar o erro do operador; Pode ser usado 24 horas por dia; Pode melhorar o processo de determinação da qualidade. Fonte: Eissa & Khalik (2012)

15 Métodos não destrutivos: Visão computacional machine vision Aquisição da imagem: visível infravermelho fluorescência Fonte: Blaco et al. (2007) e Jorge et al. (2011)

16 Métodos não destrutivos: Visão computacional machine vision Processamento da imagem: Fonte: Cubero et al. (2011)

17 Métodos não destrutivos: Visão computacional machine vision Análise da imagem: Danos Número de defeitos Detecção (%) Mosca-das-frutas Fumagina Injúria por tripes ,8 Cicatrizes ,8 Oleocellosis 99 93,4 Ácaro ,5 Penicillium Fitotoxicidade Chilling injury ,8 Injúria no pedúnculo Anthracnose Pedúnculo Fonte: Blaco et al. (2007)

18 Métodos não destrutivos: Imagem multi e hiperespectral:

19 Métodos não destrutivos: O mais novo na pesquisa com a espectroscopia NIR. Fonte: Lee et al. (2014)

20 Fonte: silviogabor.com.br Métodos não destrutivos: Tomografia de ressonância magnética nuclear: Aplicações: Crescimento dos frutos; Avaliação da maturação; Detecção de defeitos internos; Danos causados por insetos; Danos por fungos; Danos físicos; Estudo sobre desordens fisiológicas; Avaliação de escurecimentos interno; Etc. Fonte: Torres (2007)

21 Métodos não destrutivos: Primeira imagem de ressonância magnética: Limão Fonte: Hinshaw (1977)

22 Métodos não destrutivos: Aplicações: Danos leves Mosca-dasfrutas Danos severos 0 dia 6 dias Doenças Diplodia natalensis Fonte: Torres (2007) Danos por frio

23 Métodos não destrutivos: Tomografia de ressonância magnética nuclear: semente Fonte: Cubero et al. (2011)

24 Métodos não destrutivos: Tomografia computadorizada raio X: Defeitos internos Estrutura e formato em 3D Fonte:

25 Métodos não destrutivos: Espectroscopia do infravermelho próximo (NIR): Sir Frederick William Herschel ( ) Dr. Karl Norris 1963

26 Fonte: NIR na PAT Análises químicas de rotina: Fonte:

27 Fonte: NIR na PAT Clounds: nuvens Quimiometria Resultado Coleta do espectro NIR

28 NIR na PAT Análises químicas de rotina: Fonte: Nicolaï et al. (2007)

29 NIR na PAT

30 NIR na PAT

31 NIR na PAT

32 NIR na PAT

33 NIR na PAT Pêssego obtenção espectros NIR: FT Spectrum 100 N PerkinElmer Cor de fundo Cor de cobertura Fonte: Nascimento et al. (2015)

34 Fonte: fazendacitra.com.br NIR na PAT Oxidação em nozes de macadâmia: Amostras: Jaboticabal SP (2014). Inteira + 45 C por 30 dias Metade FT Spectrum 100 N PerkinElmer Triturada

35 NIR na PAT Macadâmia índice de peróxido (IP): 2,9 a 26,9 meq.kg -1 SEP = 3,45 meq.kg -1, R P 2 = 0,72 e 8 VLs Fonte: Canneddu et al., (2016)

36 NIR autenticação e adulteração Testes apropriados de validação dos modelos de calibração (JNRS, 22, 2014). Fonte: Indicação geográfica - IP

37 Fonte: Lorenzi (1992) NIR autenticação e adulteração Discriminação entre espécies: Jaboticaba Açú [Myrciaria cauliflora (DC) Berg] Jaboticaba Sabará [Myrciaria jaboticaba (Vell.) O. Berg]

38 NIR autenticação e adulteração Discriminação entre espécies: Obtenção dos espectros de jaboticaba - FT Spectrum 100 N PerkinElmer

39 NIR autenticação e adulteração Discriminação entre espécies:

40 NIR autenticação e adulteração Discriminação entre espécies: PCA - NIR LDA = 92% Fonte: Morgenster et al. (2014)

41 Fonte: Revista Menu, nº 130. NIR autenticação e adulteração Discriminação entre espécies: Açaí Euterpe oleracea Mart. Juçara Euterpe edulis Mart.

42 NIR autenticação e adulteração Discriminação entre espécies: Frutos isolados FT Spectrum 100 N PerkinElmer Conjunto de frutos

43 NIR autenticação e adulteração Discriminação entre espécies:

44 NIR autenticação e adulteração Discriminação entre espécies: PCA - espécies Cor - CIE Fonte: Dall Acqua et al. (2015) LDA = 97,3% NIR

45 NIR portáteis Fonte: Google

46 NIR portáteis Utilização nos campos de produção manga - Austrália

47 NIR portáteis Primeiros resultados: Fonte: Santos Neto & Teixeira (2016)

48 Tendência : miniaturização Scio-scanner: Evolução

49 Fonte: Fonte: brianonhealth.com Tendência: miniaturização Scio-scanner:

50 Futuro: checkup Fonte: Mendoza et al. (2012).

51 Futuro: checkup Frutas perfeitas Fonte:

52 Considerações finais Somente quando os consumidores estiverem dispostos a pagar mais por frutas super doces, por exemplo, é que os distribuidores e as casas de embalagens sentirão necessidade de adquirir equipamentos e mudarão seus sistemas, que até então são quase que exclusivamente baseados na aparência externa. Fonte: Nicolaï et al. (2007)

53 Agradecimentos