L'imagerie multispectrale et l'intelligence artificielle permettent de trier les grains de café standard et de spécialité.

01.09.2022 - Brasil

Des chercheurs brésiliens ont mis au point une méthode de sélection réalisée directement avec les grains de café en temps réel. Elle ne nécessite pas de torréfaction, ne détruit pas les échantillons et peut être intégrée comme une étape du processus de production.

Winston Pinheiro Claro Gomes

Traitement des images multispectrales basées sur la réflectance et l'autofluorescence à l'aide de modèles mathématiques

Le processus de sélection des grains de café de spécialité implique trois types d'inspection. Deux sont physiques et portent sur des échantillons de café brut et de café torréfié. Le troisième est sensoriel et consiste à goûter la boisson. La certification est assurée par la Specialty Coffee Association of America (SCAA).

Conformément aux directives de la SCAA, la qualité du café est mesurée sur une échelle décimale allant de zéro à 100. Un café de spécialité doit obtenir un score de 80 ou plus. Le producteur envoie un échantillon de grains bruts à trois cuppers (dégustateurs), qui torréfient et préparent le café de chaque lot, toujours conformément aux normes de la SCAA, avant de publier un rapport.

Toutefois, des scientifiques brésiliens du Centre pour l'énergie nucléaire dans l'agriculture de l'Université de São Paulo (CENA-USP), en collaboration avec des collègues du Collège d'agriculture Luiz de Queiroz (ESALQ-USP) et du Centre informatique de l'Université fédérale de Pernambuco (UFPE), ont mis au point une méthode de sélection des grains de café basée sur l'imagerie multispectrale et l'apprentissage automatique. La méthode ne nécessite pas de torréfaction et peut être réalisée en temps réel pendant le processus de production. Elle évite les éventuelles erreurs humaines, bien qu'elle repose sur des équipements coûteux. Un article sur cette nouvelle méthode a récemment été publié dans Computers and Electronics in Agriculture.

"Les cafés de spécialité sont souvent récoltés de manière sélective, ce qui signifie que seules les cerises rouges mûres sont cueillies. Elles sont récoltées individuellement à la main. Si un producteur de café de spécialité récolte des grains verts, ou utilise à tout moment la cueillette par bandes, manuelle et/ou mécanisée, cette procédure peut aboutir à une récolte commerciale standard", a déclaré Winston Pinheiro Claro Gomes, premier auteur de l'article. Gomes est un candidat au doctorat en chimie au CENA-USP, avec Wanessa Melchert Mattos et Clíssia Barboza da Silva comme conseillers de thèse.

"Dans notre méthode, nous séparons les grains considérés comme spécialisés et les grains commerciaux standard en utilisant une combinaison d'imagerie multispectrale et d'algorithmes mathématiques qui traitent les données fournies par les images", explique Gomes. "Le café de spécialité doit obtenir un score compris entre 80 et 100, mais notre modèle ne peut pas dire si les grains sont à 80 ou à 90. Cela nécessiterait un apprentissage automatique avec des échantillons pour chaque score afin de spécifier ces catégories dans le modèle mathématique."

La recherche a été menée avec le soutien d'une bourse pour jeunes chercheurs accordée à Barboza da Silva, avant-dernier auteur de l'article, et d'une bourse de recherche régulière, accordée à Mattos, dernier auteur de l'article.

Méthodologie multispectrale

L'équipe a utilisé une technique d'imagerie multispectrale (MSI) basée sur la réflectance et l'autofluorescence, dans laquelle des images du même objet sont prises à différentes longueurs d'onde, suivies d'un modèle d'apprentissage automatique pour classer les haricots en fonction des informations glanées dans les images.

"L'utilisation du MSI dans l'industrie du café est très récente. Elle est surtout utilisée pour cartographier l'azote dans les plantations de café, détecter la nécrose des grains, ainsi que les parasites et les maladies des plantes, comme le montre la littérature sur le sujet", a déclaré M. Gomes.

Les chercheurs ont analysé 16 échantillons de grains verts provenant de cultures commerciales spéciales et standard cultivées dans les États de Minas Gerais et de São Paulo. Dix des grains de café de spécialité(Coffea arabica) provenaient de la récolte 2016/17 cultivée dans la région d'Alta Mogiana. Ils avaient été notés lors du concours de café Alta Mogiana 2017 et ont été fournis par l'association des producteurs de café de spécialité de la région. Les six autres échantillons ont été prélevés sur des récoltes commerciales standard achetées en vrac sur le marché local.

Pour chaque échantillon, 64 fèves sans traitement préalable ont été séparées au hasard, ce qui donne un total de 1 024 fèves (384 standard, 640 de spécialité), et utilisées pour la calibration, la validation et le test de l'apprentissage automatique.

Gomes a résumé la procédure comme suit : "Nous avons placé les haricots dans une boîte de Pétri et l'avons placée dans le dispositif, qui est une sphère contenant des LED, des filtres optiques et une caméra. La caméra est descendue au-dessus des échantillons jusqu'à ce qu'ils soient complètement recouverts et a capturé des images après un éclairage homogène et diffus à différentes longueurs d'onde. Elle a d'abord pris des images monochromes de réflectance puis des images d'autofluorescence, après quoi les informations relatives aux régions d'intérêt ont été extraites par le logiciel embarqué et utilisées pour construire les algorithmes qui ont classé les échantillons et nous ont donné les résultats."

Une analyse en composantes principales (ACP) a ensuite été réalisée pour étudier les variables qui influencent les différences entre les cafés de spécialité et les cafés standard. Les chercheurs ont utilisé quatre algorithmes d'apprentissage automatique, la machine à vecteur de support (SVM) s'étant avérée la meilleure et ayant été utilisée pour calculer les coefficients d'estimation des variables clés.

Fluorescence

Les grains de café spéciaux se sont révélés de forme plus uniforme dans les images du spectre visible (RVB), tandis que les grains standard étaient plus intenses dans les images d'autofluorescence. "Notre modèle mathématique et nos algorithmes utilisent les informations sur l'intensité du signal provenant des images de fluorescence. Il peut arriver qu'un composé présent dans les haricots soit plus excité à une longueur d'onde particulière. Un signal de fluorescence plus ou moins intense peut également être lié à la variation de la concentration d'un composé dans les haricots, par exemple. Le modèle que nous avons choisi est celui qui a le mieux réussi à distinguer les grains de café de spécialité des grains de café standard. Dans ce modèle, l'information la plus importante pour la construction des frontières de séparation provenait de la fluorescence verte. Nous avons donc décidé d'analyser les différents composés qui présentent naturellement une fluorescence verte et avons essayé d'associer certains composés fluorescents qui pourraient influencer le processus de séparation du café", a déclaré M. Gomes.

La fluorescence verte, un marqueur biologique représenté par une lumière verte dans le spectre visible, a été analysée pour 10 composés phénoliques, et les données ont montré que la catéchine, la caféine et certains acides (acide 4-hydroxybenzoïque, acide sinapique et acide chlorogénique) réagissaient intensément après avoir été excités par une lumière bleue à 405 nanomètres (nm), émettant une énergie à 500 nm. Ces données d'autofluorescence (excitation/émission à 405/500 nm) ont le plus contribué à distinguer les haricots verts de spécialité des haricots verts standard.

"Il s'agit d'espèces chimiques associées à des groupes aromatiques qui absorbent l'énergie relative à une longueur d'onde spécifique. Dans les méthodes basées sur l'autofluorescence, les variations des niveaux de ces espèces chimiques dans le café de spécialité et le café standard peuvent être utilisées pour distinguer les deux groupes", a déclaré M. Gomes.

Les différences de niveaux de ces composés sont généralement utilisées pour distinguer les grains de café de spécialité des grains de café standard. "Dans le cadre de mes recherches de maîtrise, j'ai étudié la composition chimique de ces échantillons et, bien qu'il n'y ait pas de différences dans les espèces chimiques, nous avons constaté des variations dans leurs concentrations, en particulier les niveaux d'acide chlorogénique et de caféine", a-t-il déclaré.

Les prochaines étapes, selon Gomes, consisteront à obtenir des échantillons de chacun des niveaux de notation définis par la SCAA pour les cafés de spécialité (ce qui n'est pas une mince affaire) et à classer les grains en fonction de leur notation. "Au Brésil, les cafés sont notés au maximum 90-92. Il est difficile de trouver plus haut que cela. Seul le café importé, d'Éthiopie par exemple, obtient une note de 100. Dans le cadre de mes recherches doctorales, je tente de classer les grains sur la base d'images radiographiques et j'ai décidé d'augmenter le nombre d'échantillons et l'étendue de l'analyse en incluant les grains importés", a-t-il déclaré.

Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.

Publication originale

Autres actualités du département science

Actualités les plus lues

Plus actualités de nos autres portails

Univers thématique IA