Método portátil associa inteligência artificial e micro-ondas, sendo capaz de identificar misturas de óleos de soja, milho, girassol e canola
O azeite de oliva é um dos produtos agropecuários mais fraudados do mundo. Com a quebra de safra em Portugal e Espanha em 2024, os países que mais produzem o óleo vegetal, os preços tiveram grande alta nos supermercados, o que, por sua vez, intensificou a adulteração. Pensando nisso, uma inovação desenvolvida na Escola de Engenharia de São Carlos (EESC) da Universidade de São Paulo (USP) alia sensoriamento em micro-ondas e inteligência artificial para quantificar até 5% de adulterantes em azeite de oliva extravirgem.
De acordo com o pesquisador Júlio Alarcon, autor da dissertação que detalha o estudo, o método é capaz de identificar óleos de soja, milho, girassol e canola com precisão de 99,2%. Segundo ele, trata-se de uma solução mais acessível e prática em comparação às técnicas tradicionais, como ressonância magnética nuclear. Além de garantir menor custo, o sistema apresenta potencial para aplicação em larga escala na indústria e no mercado consumidor por permitir a fabricação de dispositivos portáteis.
O objetivo foi criar uma tecnologia acessível e eficiente para detectar adulterações em azeite de oliva, algo que, com os métodos tradicionais, exige equipamentos caros e pessoal especializado. Com o sensor planar em micro-ondas, consegue-se identificar adulterantes como óleo de soja e canola com alta precisão, além de quantificar os níveis de adulteração de forma prática e portátil. O sensor desenvolvido opera a partir da análise da permissividade eletromagnética das amostras de azeite, ou seja, como o material reage à presença de um campo elétrico e influencia a interação entre cargas elétricas no seu interior.
Assim, em conjunto com redes neurais artificiais, o sistema é capaz de detectar não apenas a presença de adulterantes, mas também qual é o adulterante
e sua quantidade, com margem de erro inferior a 2%. A base do sistema desenvolvido está na tecnologia de micro-ondas, que utiliza frequências semelhantes às de sinais de Wi-Fi e celulares para analisar as propriedades do azeite. Um sensor planar, composto de tiras de cobre em uma placa, é inserido no material a ser analisado, emitindo sinais de micro-ondas e medindo a resposta eletromagnética do material analisado e previamente alocado.
A diferença do sinal transmitido na entrada e captado na saída,
permite identificar e quantificar a adulteração – Foto: Júlio Alarcon
O sensor interage diretamente com o azeite, captando variações no ambiente que indicam a presença de adulterantes. É como uma espectrometria de micro-ondas, que detecta mudanças sutis nas propriedades do óleo. O funcionamento envolve a emissão de sinais eletromagnéticos por um lado do sensor e sua captação do outro. O sistema compara a entrada e a saída do sinal para identificar diferenças no perfil de permissividade do azeite puro em relação a misturas adulteradas. O sensor é imerso no óleo e detecta até mesmo alterações muito pequenas, graças à sensibilidade da tecnologia e ao refinamento das redes neurais que processam os dados. Além de sua eficiência, a tecnologia se destaca pela simplicidade. Com ajustes para torná-lo portátil, o sistema pode ser usado em laboratórios ou por profissionais do mercado de azeites.
As redes neurais artificiais foram fundamentais para o sucesso da pesquisa, isso porque elas permitiram o processamento e a análise dos dados coletados pelo sensor de micro-ondas. Essas redes são responsáveis por identificar padrões nos sinais captados, diferenciando os tipos de adulterantes e quantificando suas proporções. O sensor sozinho dá as informações brutas, mas é a rede neural que faz a mágica de transformar esses dados em resultados precisos, como identificar o tipo de óleo misturado e a porcentagem de adulteração.
como clandestinidade, contrabando e fraude
Durante o desenvolvimento, os pesquisadores treinaram a rede neural com dados de 260 amostras, incluindo azeites puros e adulterados com óleos de soja, milho, girassol e canola. Para garantir precisão, foram aplicadas técnicas de pré-processamento que ajustaram os dados e minimizaram erros. Foram testadas diferentes configurações, desde redes mais simples, com duas camadas, até modelos mais complexos para encontrar o equilíbrio ideal entre eficiência e precisão. No final, chegou-se a um sistema que atinge até 99% de acerto.
A rede neural utilizada foi configurada com perceptrons multicamada (MLP), “neurônios artificiais” que recebem, processam e transmitem informações, empregando arquiteturas com duas ou quatro características de entrada. Ela opera em um modelo no qual os dados fluem da camada de entrada para a saída e passam por uma ou mais camadas ocultas. Esse modelo desenvolvido pode ser ajustado para detectar adulterações em outros produtos ou até mesmo para monitorar processos industriais. A ideia é expandir o uso dessa tecnologia para diferentes aplicações, mantendo a simplicidade e a eficiência do sistema.
Acesse a pesquisa completa CLICANDO AQUI.
