Special- og standardkaffebønner kan sorteres ved hjælp af multispektral billeddannelse og kunstig intelligens

Processen med at udvælge specialkaffebønner indebærer tre slags inspektion. To er fysiske og involverer prøver af rå og ristet kaffe. Den tredje er sensorisk og involverer smagning af drinken. Certificering leveres af Specialty Coffee Association of America (SCAA).

I overensstemmelse med SCAAs retningslinjer måles kaffekvaliteten på en decimalskala fra nul til 100. En specialkaffe skal score 80 eller mere. Avleren sender en prøve af råbønner til tre kopper (smagere), som rister og laver kaffe fra hver batch, igen i overensstemmelse med SCAA-standarderne, før de udsender en rapport.

Imidlertid samarbejder brasilianske forskere ved University of São Paulo's Center for Nuclear Energy in Agriculture (CENA-USP) med kolleger ved Luiz de Queiroz College of Agriculture (ESALQ-USP) og Computer Center ved Federal University of Pernambuco (UFPE) , har udviklet en metode til valg af kaffebønne baseret på multispektral billeddannelse og maskinlæring. Metoden kræver ikke ristning og kan udføres i realtid under produktionsprocessen. Det undgår mulige menneskelige fejl, selvom det er afhængigt af dyrt udstyr. En artikel om den nye metode er for nylig blevet publiceret i Computers and Electronics in Agriculture .

"Specialkaffe høstes ofte selektivt, hvilket betyder, at kun de modne røde kirsebær plukkes. De høstes individuelt i hånden. Hvis en specialkaffeavler høster grønne bønner, eller til enhver tid bruger strimmelplukning, manuel og/eller mekaniseret, er denne procedure kan resultere i en standard kommerciel afgrøde," sagde Winston Pinheiro Claro Gomes, første forfatter til artiklen. Gomes er ph.d. kandidat i kemi ved CENA-USP, med Wanessa Melchert Mattos og Clíssia Barboza da Silva som specialevejledere.

"I vores metode adskiller vi bønner, der betragtes som specialiteter og standard kommercielle ved hjælp af en kombination af multispektral billeddannelse og matematiske algoritmer, der behandler dataene fra billederne," forklarede Gomes. "Specialkaffe skal score mellem 80 og 100, men vores model kan ikke fortælle, om bønner er 80 eller 90. Det ville kræve maskinlæring med prøver for hver score for at specificere disse kategorier i den matematiske model."

Multispektral metode

Holdet brugte en multispektral billeddannelsesteknik (MSI) baseret på reflektans og autofluorescens, hvor billeder af det samme objekt tages ved forskellige bølgelængder, efterfulgt af en maskinlæringsmodel til at klassificere bønner i henhold til informationen fra billederne.

"Brugen af ​​MSI i kaffeindustrien er meget ny. Det bruges mest til at kortlægge nitrogen i kaffelunde, opdage nekrose i bønner og opdage skadedyr og sygdomme i planter, som det kan ses fra litteraturen om emnet," sagde Gomes .

Forskerne analyserede 16 prøver af grønne bønner fra special- og standard kommercielle afgrøder dyrket i staterne Minas Gerais og São Paulo. Ti af specialkaffebønnerne (Coffea arabica) var fra 2016/17-afgrøden dyrket i Alta Mogiana-regionen. De var blevet bedømt i 2017 Alta Mogiana Coffee Contest og blev leveret af regionens sammenslutning af specialkaffeproducenter. De øvrige seks prøver blev taget fra standard kommercielle afgrøder købt i løs vægt på det lokale marked.

For hver prøve blev 64 bønner uden forudgående behandling adskilt tilfældigt, hvilket gav i alt 1.024 bønner (384 standard, 640 specialiteter) og brugt til maskinlæringskalibrering, validering og test.

Gomes opsummerede proceduren som følger:"Vi anbragte bønnerne i en petriskål og puttede den i enheden, som er en kugle, der indeholder LED'er, optiske filtre og et kamera. Kameraet sænkede sig over prøverne, indtil de var helt dækket og tog billeder efter homogen og diffus belysning ved forskellige bølgelængder. Det tog først monokrome reflektansbilleder og derefter autofluorescensbilleder, hvorefter information vedrørende områderne af interesse blev udtrukket af den indbyggede software og brugt til at bygge de algoritmer, der klassificerede prøverne og gav os resultaterne."

Principal komponentanalyse (PCA) blev derefter udført for at undersøge de variabler, der påvirker forskellene mellem special- og standardkaffe. Forskerne kørte fire maskinlæringsalgoritmer, hvor støttevektormaskinen (SVM) viste sig at være den bedste og blev brugt til at beregne koefficienter til at estimere nøglevariablerne.

Fluorescens

Specialbønner sås at være mere ensartede i formen i billederne med synligt spektrum (RGB), mens standardbønner var mere intense i autofluorescensbillederne.

"Vores matematiske model og algoritmer bruger information om signalintensitet fra fluorescensbilleder. Det kan ske, at nogle forbindelser, der er til stede i bønner, er mere exciterede ved en bestemt bølgelængde. Et mere eller mindre intenst fluorescenssignal kan også relatere til variation i koncentrationen af ​​en forbindelse i bønner, for eksempel," sagde Gomes.

"Den model, vi valgte, var den, der klarede sig bedst til at skelne mellem special- og standardkaffebønner. I denne model kom den vigtigste information med henblik på at konstruere adskillelsesgrænser fra den grønne fluorescens. Vi besluttede derfor at analysere de enkelte forbindelser, der udviser naturligt grøn fluorescens og forsøgte at associere nogle fluorescerende forbindelser, der kunne påvirke kaffeklassificeringsprocessen."

Grøn fluorescens, en biologisk markør repræsenteret af grønt lys i det synlige spektrum, blev analyseret for 10 phenolforbindelser, og dataene viste, at catechin, koffein og visse syrer (4-hydroxybenzoesyre, sinapinsyre og chlorogensyre) reagerede intenst efter at være blevet exciteret med blåt lys ved 405 nanometer (nm), der udsender energi ved 500 nm. Disse autofluorescensdata (excitation/emission ved 405/500 nm) bidrog mest til at skelne grønne specialbønner fra grønne standardbønner.

"Dette er kemiske arter forbundet med aromatiske grupper, der absorberer energi relateret til en specifik bølgelængde. I autofluorescens-baserede metoder kan variationer i niveauer af disse kemiske arter i specialiteter og standardkvaliteter af kaffe bruges til at skelne mellem de to grupper," Gomes sagde.

Forskelle i niveauer af disse forbindelser bruges typisk til at skelne mellem special- og standardkaffebønner. "Til min masterforskning studerede jeg den kemiske sammensætning af disse prøver, og selvom der ikke var nogen forskelle i kemiske arter, fandt vi variationer i deres koncentrationer, især niveauerne af chlorogensyre og koffein," sagde han.

Next steps, according to Gomes, will entail obtaining samples from each of the SCAA-defined score levels for specialty coffees (no easy task) and classifying the beans according to their scores. "In Brazil, coffees are rated at most 90-92. It's hard to find any higher than that. Only imported coffee, from Ethiopia, for example, scores 100. In my Ph.D. research, I'm attempting to classify beans on the basis of X-ray images, and I've decided to increase the number of samples and the breadth of the analysis by including imported beans," he said. + Udforsk yderligere

An Android application checks how roasted coffee beans are