SISTEMA DE SEGURANÇA ALIMENTAR: CONSTRUÇÃO DE UMA BASE DE DADOS SOBRE CARACTERÍSTICAS QUE DEFINEM A QUALIDADE DE FRUTAS E HORTALIÇAS.

Transcrição

1 SISTEMA DE SEGURANÇA ALIMENTAR: CONSTRUÇÃO DE UMA BASE DE DADOS SOBRE CARACTERÍSTICAS QUE DEFINEM A QUALIDADE DE FRUTAS E HORTALIÇAS. DEYDYANE DOS S. MOREIRA, CHRISTIANE F. L. LIMA 2,FRANCISCO J. C. LIMA 3, 1 Aluna do Curso Tecnologia em Alimentos, Instituto Federal do Maranhão, IFMA, Campus São Luís - Maracanã. 2 Professora Doutora, Instituto Federal do Maranhão, IFMA, Campus São Luís - Maracanã. 3 Professor Mestre do Instituto Federal do Maranhão, IFMA, Campus São Luís - Maracanã. RESUMO: Doenças Transmitidas por Alimentos (DTAs) compõem um grave problema de saúde pública em nível mundial, levando à morte, milhares de pessoas a cada ano. Os microrganismos provocam alterações nos alimentos, tais como fermentação, putrefação, modificação na aparência ou pode simplesmente utilizá-los como veículo de disseminação de doenças e são responsáveis pela maioria dos casos de DTAs. Nesse contexto, a proteção da saúde pública envolve o controle de qualidade dos alimentos, antes de serem consumidos. A escassez de pesquisas acerca do uso de tecnologias aplicadas no controle e segurança dos alimentos constitui-se em um dos fatores limitantes na redução do número de enfermidades ocasionadas pelo consumo de alimentos contaminados. Com base no exposto, o presente estudo partiu do objetivo de criação uma base de dados de características físico químicas e microbiológicas de frutas e hortaliças que será utilizada por um sistema imunológico artificial aplicado no controle de qualidade (inocuidade) dos alimentos. A base de dados com características que definem a qualidade de frutas e hortaliças proposta neste estudo futuramente poderá ser usada como referência para os produtores e consumidores, bem como oferecer experiências aos alunos do IFMA na área de segurança alimentar. Este estudo de pesquisa é parte integrante de um projeto maior que visa implementar um sistema que auxilie na segurança dos alimentos, por meio do uso de modelos computacionais baseados em Sistemas Imunológicos Artificiais (SIA). Com o uso do sistema, tanto especialistas como produtores e consumidores poderão detectar e, dessa forma, prevenir intoxicações e infecções produzidas pela ingestão de alimentos contaminados, bem como permitir o controle da transmissão de doenças ocasionadas por alimentos. Palavras-chave: Controle e segurança dos frutos e hortaliças, base de dados, sistemas imunológicos artificiais. INTRODUÇÃO Segundo a resolução nº12/cnnpa, os frutos e as hortaliças seguem condições para se tornar próprias para o consumo; As frutas devem ser frescas no caso do consumo in natura, terem atingido o grau máximo ao tamanho, aroma, cor e sabor próprios da espécie e variedades, apresentarem grau de maturação tal que lhes permita suportar a manipulação, o transporte e a conservação em condições adequadas para o consumo mediato e imediato, serem colhidas cuidadosamente e não estarem golpeadas ou danificadas por quaisquer lesões de origem física ou mecânica que afetem a sua aparência; a polpa e o pedúnculo, quando os houver, devem se apresentar intactos e firme, não conterem substâncias terrosa, sujidades ou corpos estranhos aderentes à superfície da casca, estarem isentos de umidade externa anormal, aroma e sabor estranhos, estarem livres de resíduos de fertilizantes. Desta forma, por meio deste presente trabalho, está catalogado, na forma de uma base de dados, um conjunto de características (aqui chamados de atributos) que possam

2 ser utilizados para diagnosticar se as frutas e hortaliças estão livres de contaminação, ou seja, próprias para o consumo humano. A base de dados de características de frutas e hortaliças saudáveis e não saudáveis proposto neste trabalho futuramente poderá ser usado como referência para os produtores e consumidores, bem como oferecer experiências aos alunos do IFMA na área de segurança alimentar. Este trabalho é parte integrante de um projeto maior que está sendo desenvolvido, que visa implementar um sistema que auxilie na segurança dos alimentos, por meio do uso de modelos computacionais baseados em Sistemas Imunológicos Artificiais (SIA). Com o uso do sistema, tanto especialistas, como produtores e consumidores poderão detectar e prevenir intoxicações e infecções e assim, permitir o controle da transmissão de doenças ocasionadas por alimentos. CLASSIFICAÇÃO DE DADOS USANDO SISTEMAS IMUNOLÓGICOS ARTIFICIAIS Os sistemas imunológicos artificiais são um conjunto de sistemas inspirados no sistema imunológico humano, que podem ser aplicados a diversas áreas, como reconhecimento de padrões, classificação, otimização de problemas, detecção de anomalias, aprendizado de máquina, dentre outros (DE CASTRO, 2001). Exemplos de sistemas imunológicos artificiais aplicados na otimização, reconhecimento de padrões e classificação de dados têm-se: o algoritmo de seleção clonal (CLONALG) (de Castro; Von Zuben, 2002), o sistema de classificação clonal (CSCA) (Brownlee, 2005), o sistema de reconhecimento imunológico artificial (AIRS) (Watkins et al, 2004) e IMMUNOS-99 (Brownlee, 2005). Esses algoritmos serão utilizados como classificadores no sistema a ser desenvolvido. Um classificador (KULKARNI et al, 1998), também chamado de modelo de decisão, pode ser utilizado para determinar se um alimento é próprio ou não próprio para o consumo, com base nas suas características físico-químicas e microbiológicas. O modelo é construído por meio de um processo de aprendizagem, normalmente categorizado como aprendizagem supervisionada, realizado com base em um conjunto de exemplos rotulados em diferentes classes, levando em consideração os valores de seus N atributos, utilizado para treinar o classificador. Um ponto importante para a construção do sistema é encontrar uma fonte de dados que possa ser utilizada como conjunto de treinamento e teste pelos classificadores. Portanto, se faz necessária a criação da base de dados de características que possam ser utilizados para diagnosticar se um alimento é inócuo, visto que esta base de dados não é encontrada na literatura. MATERIAL E MÉTODOS O projeto de pesquisa que origina este artigo está em andamento, com previsão de conclusão em agosto de A metodologia que está sendo utilizada nesta pesquisa envolve as seguintes etapas: Realizar levantamento bibliográfico sobre as características físico-químicas e microbiológicas que definem a inocuidade de frutas e hortaliças; Escolher quais frutas e hortaliças que farão parte da base de dados; Pesquisar sobre os valores de referência recomendados pelas legislações nacionais vigentes; Criar a base de dados de características físico-químicas e microbiológicas de frutas e hortaliças; Formatar características, na forma de atributos, de acordo com o padrão exigido pelo sistema que está sendo desenvolvido.

3 Os algoritmos escolhidos como classificadores (CLONALG, CSCA, AIRS e IMUNNOS-99) encontram-se implementados no pacote de software WEKA (Waikato Environment for Knowledge Analysis), desenvolvido na Universidade de Waikato na Nova Zelândia (WITTEN; FRANK, 2005). RESULTADOS E DISCUSSÃO A base de dados já está sendo construída, levando em consideração os valores de referências recomendados pelas legislações nacionais vigentes e encontrados na literatura. Foram definidas as características (atributos) mais relevantes para identificar se a fruta ou a hortaliça está própria para o consumo. A Tabela 1 ilustra um exemplo da base de dados para fruta e hortaliça. Neste exemplo têm-se onze atributos relevantes para quantificar e qualificar o alimento. Tabela 1 Exemplo de base de dados de características para fruto e hortaliça. Físico Químico Microbiológico Fruto Casca Comprimento Diâmetro Peso ph Banana Sólidos solúveis Acidez Total Coliforme Fecal a 45 C Salmonel a Resíduo de Agrotóxico Glifosato Própria para o consumo? VI 17,124 3,64 100,76 4,45 22,80 0, Ausência 0,02 Sim I ,15 4,80 0, Ausência 0,04 Não V 15 2,5 98, ,4 445 Ausência 0,01 Sim II , , Presente 0,05 Não III ,01 5,11 8 0, Ausência 0,10 Não VII 17 3,6 100,2 3,5 22,9 0, Ausência 0,08 Não IV 16,3 2,8 85,14 4,3 20,3 0, Ausência 0,01 Não II 11,65 1,5 32,1 5,75 3,87 0, Ausência 0,11 Sim V 15,78 3,58 99,5 3,7 22,5 0, Ausência 0,02 Não VI 17,1 3,63 97,5 3,46 22,78 0, Ausência 0,0 Sim Físico Químico Microbiológico Resíduo de Agrotóxico Hortaliça Casca Sódio Água Proteínas Cinzas Potássio Tomate Coliforme fecal Salmonela Acefato Metamidofós Própria para o consumo? III ,0 0, Ausência 0,5 0,5 Sim I 1,2 50 0,4 1, Ausência 0,6 0,7 Não II 2, ,9 0,23 239,6 100 Ausência 0,43 0,32 Sim III 3,1 90 1,1 0, Presença 0,56 0,66 Não II 1, ,39 0, Ausência 0,49 0,44 Não III 2,99 41,12 0,33 0, Ausência 0,59 0,32 Não III 2, ,90 0, Ausência 0,45 0,30 Não II 2,78 93,35 0,98 0, Ausência 0,21 0,33 Sim II 1,18 48,98 0,32 0, Ausência 0,41 0,43 Não II 1,12 50,16 0,34 0, Ausência 0,59 0,69 Não Com base na Tabela 1, têm-se alguns atributos essenciais e determinantes na análise da banana e do tomate. No caso da fruta banana: o atributo relacionado ao parâmetro físico é composto por: Casca: os valores que classificam a casca segundo a escala de maturação de Von Loesecke são: I, II, III, IV, V, VI, VII; Sendo que I:Totalmente verde, II: Verde com traços amarelos, III: Mais verde do que amarelo, IV: Mais amarelo do que verde, V: Amarelo com ponta verde, VI: Amarelo, VII: Amarelo com áreas marrons. Comprimento do fruto: sendo permitido o comprimento a partir de 17,124 mm.

4 Diâmetro do fruto: sendo o valor aceitável a partir de 3,648 mm. Peso: sendo permitido a partir de 100 g. O atributo relacionado ao parâmetro químico é composto por: ph: o valor permitido é no máximo de 4,45. Solido Solúveis: O teor de sólidos solúveis deve ser no mínimo 22,8. Acidez Total: O valor aceitável é no máximo 0,59 de ácido málico. O atributo relacionado ao parâmetro microbiológico é composto por: Coliformes a 45 C a legislação vigente estabelece o limite tolerado seja de 5x10 2 UFC/NMP presente na amostra, esse valor foi transformado para número decimal que ficou 500. Salmonela: segundo a legislação vigente deve está ausente. O atributo relacionado ao parâmetro resíduo de agrotóxico é composto por Glifosato: o valor permitido é 0,02 mg/kg No caso, da hortaliça tomate: o atributo que está relacionado ao parâmetro físico composto por: Casca: é a definição do estagio de maturação do fruto. Os valores que classificam a casca I, II, III. Sendo que I: tomate com o ápice amarelecendo, II: tomate com a cor entre a classe I e 90% da cor final, III: tomate com mais 90% da cor final. O atributo que está relacionado ao parâmetro físico composto por: Sódio: 3 mg Água: 94% Proteínas: 1 g Cinzas: 0,3 g Potássio: 244 mg O atributo relacionado ao parâmetro microbiológico é composto por coliforme fecal e salmonela. Onde: Coliforme fecal: máximo 2x102/g, esse valor foi transformado para número decimal que ficou 200. Salmonelas: ausência. O atributo relacionado ao parâmetro resíduo de agrotóxico é composto acefato e metamidofós onde o valor permitido é no máximo 0,05 mg/kg CONCLUSÃO A segurança dos alimentos envolve a manipulação segura de alimentos a partir do momento em que é cultivado, embalado, distribuído e preparado para prevenir doenças a partir de seu consumo. A segurança alimentar é de responsabilidade de quem manipular e

5 preparar alimentos comercialmente para entrega aos consumidores e dos consumidores que preparar e comer em suas casas. As doenças transmitidas por alimentos, ou intoxicação alimentar, podem ser causadas por bactérias ou por vírus que se espalham porque o alimento não é limpo, armazenado ou manuseado adequadamente. Estas doenças podem causar a morte em algumas pessoas. A construção de uma base de dados que serve de referência, facilita o trabalho de produtores e consumidores, uma vez que estes não precisam pesquisar e consultar os padrões de referências recomendados pelos órgãos competentes. REFERÊNCIAS BRASIL, CNNPA - Comissão Nacional de Normas e Padrões para Alimentos. Resolução nº. 12, de 24 de julho de Aprova NORMAS TÉCNICAS ESPECIAIS, do Estado de São Paulo, revistas pela CNNPA, relativas a alimentos (e bebidas), para efeito em todo território brasileiro. Disponível em: Acesso 16. Fev.2015 BROWNLEE, J. Immunos-81, the misunderstood artificial immune system. Technical Report 3 01, jan DE CASTRO, L. N. Engenharia imunológica: desenvolvimento e aplicação de ferramentas computacionais inspiradas em sistemas imunológicos artificiais Tese de Doutorado - Universidade Estadual de Campinas, São Paulo, DE CASTRO, L. N. D.; ZUBEN, F. J. V. The clonal selection algorithm with engineering applications. In: GECCO Workshop Proceedings, p Morgan Kaufmann, KULKARNI, S. R.; LUGOSI, G.; VENTKATESH, S. S. Learning pattern classification a survey. IEEE Trans. Inform. Theory, v. 44, n. 6, p , out WATKINS, A.; TIMMIS, J.; BOGGESS, L. Artificial immune recognition system (airs): An immune-inspired supervised learning algorithm. Genetic Programming and Evolvable Machines, Hingham, MA, USA, v. 5, n. 3, p , WITTEN, I. H.; FRANK. E. Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations. 2. ed. San Francisco, California: Morgan Kaufmann Publishers, AGRADECIMENTOS: Os autores agradecem ao Instituto Federal do Maranhão (IFMA), campus Maracanã, pelo financiamento da bolsa de Iniciação Científica (PIBIC) fornecida à aluna Deydyane dos Santos Moreira e pela infraestrutura de pesquisa disponibilizada ao projeto. Autor a ser contatado: Deydyane dos Santos Moreira - deydy.dsm@gmail.com telefone: (98)