Pesquisa do Inatel mapeia uso de IA na classificação do café

Pesquisa analisou mais de 800 modelos de inteligência artificial, explorando as principais abordagens utilizadas para otimizar a qualidade e o processamento do grão

Um estudo desenvolvido pela doutoranda Isabela Vasconcelos, aluna do programa de Telecomunicações do Inatel, pelo WAI Lab, em parceria com a Universidade de Grenoble-Alpes (UGA), da França, e a VinUniversity, do Vietnã, alcançou destaque internacional ao ser publicado no Artificial Intelligence Review, um dos periódicos mais prestigiados do mundo na área de Inteligência Artificial.

A pesquisa consistiu em uma revisão sistemática da literatura científica sobre o uso de técnicas de aprendizado de máquina para a classificação de café. Durante 9 meses, a pesquisa analisou mais de 800 modelos de inteligência artificial, explorando as principais abordagens utilizadas para otimizar a qualidade e o processamento do grão.

Entre os métodos avaliados, destacaram-se redes neurais convolucionais e técnicas baseadas em aprendizado profundo, que demonstraram maior eficácia na análise de dados sensoriais e químicos do café.

Filha de cafeicultores de Santa Rita do Sapucaí, Isabela viu nas dificuldades enfrentadas por sua família a motivação para seu estudo.

“Por conhecer de perto as dores do produtor rural, quis desenvolver uma solução que pudesse trazer objetividade à análise do café, que hoje é muito subjetiva e, em alguns casos, suscetível a falhas humanas”, explicou a pesquisadora. Sua pesquisa mapeou o uso de IA em processos como classificação de qualidade, identificação de defeitos e até análise do perfil de sabor.

Além de contribuir para a academia, os resultados trazem impactos práticos para a agricultura de precisão, oferecendo soluções que podem ser adotadas por produtores para elevar os padrões de qualidade e competitividade no mercado global.

A aplicação de inteligência artificial na análise do café abre portas para inovações que vão além da cafeicultura, podendo ser estendidas a outras áreas da agricultura de precisão. Ferramentas como aprendizado profundo e redes neurais permitem maior assertividade no monitoramento de culturas, identificação de doenças e melhoria da qualidade em diferentes setores.

O artigo completo pode ser consultado aqui.