Identificação de adulterantes presentes em café torrado moído por equipamento de imageamento hiperespectral de baixo custo e ferramentas quimiométricas

Abstract

Resumo: Durante o bienio 2019/20, cerca de 165,0 milhões de sacas de 60kg de café verde foram produzidas no Brasil. Sendo o café uma das bebidas quentes mais consumidas do mundo, garantir a qualidade do produto final, evitando adulterações é de extrema relevância. Com isso, o governo brasileiro já atua criando legislações para o controle do café torrado moído consumido no país. Todavia, não há uma metodologia padrão para esse controle, restando ao analista realizar a contagem manual da presença de adulterantes na amostra. Além de ser uma prática demorada, a necessidade de um analista identificar visualmente a diferença entre grãos parecidos traz grande subjetividade, sendo facilmente contextada em laudos técnicos. Neste trabalho, foi desenvolvido uma metodologia de imageamento hiperespectral de baixo custo na região espectral entre 350 a 920nm para analisar amostras de café torrado moído misturadas com os adulterantes casca de café, milho, cevada, caroço de açaí e triguilho entre concentrações de 3% a 20% (m/m) e sem nenhum tratamento. A área analisada foi de 5x5 mm de cada amostra, com resolução espacial de 0,2mm / pixel. Usando os espectros médios gerados por cada imageamento, foi possível identificar o tipo de café majoritário presente na amostra com mais de 95% de assertividade usando ferramentas de discriminação como PLSDA e DD-SIMCA. Analisando cada espectro da imagem, a alta resolução vinculada a ferramentas quilométricas não-supervisionadas (MCR-ALS) e supervisionadas de discriminação (PLS-DA, DD-SIMCA) gerou mapas de superfície com clara distinção entre as componentes das misturas, café e adulterante, localizando espacialmente a possível adulteração presente na amostra.

Abstract: During the biennium 2019/20, approximately 165.0 million 60kg sacks of green coffee were produced in Brazil. As coffee is one of the most consumed hot beverages in the world, ensuring the quality of the final product, avoiding adulteration, is of utmost importance. Consequently, the Brazilian government is already taking action by creating legislation to control the roasted ground coffee consumed in the country. However, there is no standard methodology for this control, leaving the analyst to manually count the presence of adulterants in the sample. Besides being a time-consuming practice, the need for an analyst to visually identify the difference between similar grains introduces significant subjectivity, easily contested in technical reports. In this study, a low-cost hyperspectral imaging methodology was developed in the spectral range between 350 to 920nm to analyze samples of roasted ground coffee mixed with adulterants such as coffee husks, corn, barley, acai seeds, and cracked wheat at concentrations ranging from 3% to 20% (m/m) without any treatment. The analyzed area was 5x5 mm for each sample, with a spatial resolution of 0.2 mm/pixel. Using the average spectra generated by each imaging, it was possible to identify the predominant type of coffee present in the sample with over 95% accuracy using discrimination tools such as PLS-DA and DDSIMCA. Analyzing each spectrum of the image, the high resolution coupled with unsupervised multivariate curve resolution (MCR-ALS) and supervised discrimination tools (PLS-DA, DD-SIMCA) generated surface maps with clear distinction between the components of the mixtures, coffee and adulterant, spatially locating the possible adulteration present in the sample.