Pesquisadores desenvolvem tecnologia que combina sensores de micro-ondas e redes neurais artificiais para identificar adulteração em azeites de oliva com mais precisão e custos menores
Pior que pagar caro no azeite de oliva é pagar e levar um produto fraudado. Uma inovação desenvolvida na Escola de Engenharia de São Carlos (EESC) da USP alia sensoriamento em micro-ondas e inteligência artificial para quantificar até 5% de adulterantes em azeite de oliva extravirgem. O método é capaz de identificar óleos de soja, milho, girassol e canola com precisão de 99,2%, e é 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.
“Nosso 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, conseguimos identificar adulterantes como óleo de soja e canola com alta precisão, além de quantificar os níveis de adulteração de forma prática e portátil”, explica Júlio Alarcon, autor da dissertação desenvolvida na EESC.
Atualmente, técnicas como ressonância magnética nuclear e cromatografia, também utilizadas para identificar adulterações, são caras, demoradas e utilizam equipamentos não portáteis.
Júlio Alarcon – Foto: Arquivo pessoal
“A ideia era buscar uma alternativa viável, que pudesse ser aplicada em larga escala, sem depender de tecnologias caras e inacessíveis”, destaca Alarcon.
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. 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%.
As micro-ondas
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. “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”, explica o pesquisador.
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”, detalha.
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. “Nosso objetivo é que qualquer pessoa, com o mínimo de instrução, possa utilizar o sensor para identificar fraudes rapidamente”, afirma o pesquisador.
Tiras de cobre são os materiais principais do sensor planar utilizado para transmitir e captar as micro-ondas da aferição – Foto: Reprodução / Arquivo do pesquisador
A diferença do sinal de micro-ondas transmitido na entrada e captado na saída permite identificar e quantificar a adulteração – Foto: Reprodução / Arquivo do pesquisador
Redes neurais
As redes neurais artificiais foram fundamentais para o sucesso da pesquisa, permitindo 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 nos 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”, explica Vinicius Marrara Pepino, coautor do trabalho e pesquisador e professor no GMeta (Grupo de Metamateriais: Microondas e Óptica) do Departamento de Engenharia Elétrica e Computação da EESC.
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.
Vinicius Marrara Pepino – Foto: Arquivo pessoal
“Testamos diferentes configurações, desde redes mais simples, com duas camadas, até modelos mais complexos para encontrar o equilíbrio ideal entre eficiência e precisão”, detalha Pepino. “No final, conseguimos um sistema que atinge até 99% de acerto”, diz.
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”, prospecta o pesquisador.
A pesquisa foi orientada pelo professor Ben-Hur Viana Borges, diretor do GMeta, e está disponível aqui.
Para mais informações: julio.alarcon@usp.br, com Júlio Alarcon
Texto: Jean Silva – Estagiário sob orientação de Tabita Said
Arte: Simone Gomes
Jornal da USP
