Inteligência artificial ultrassónica pode verificar a qualidade do atum congelado

A Universidade de Tokai e a Fujitsu desenvolveram uma nova tecnologia para inspecionar a qualidade do atum congelado no Japão. A investigação conjunta centrou-se no desenvolvimento de uma nova tecnologia de inteligência artificial (IA)¹ por ultrasons, resultando na primeira técnica do mundo para medir a qualidade da carne de atum congelado sem cortar ou danificar o produto. A nova tecnologia oferece, assim, um novo método para inspecionar a qualidade do atum congelado sem diminuir o seu valor, podendo um dia contribuir para uma maior confiança e segurança na distribuição global de atum congelado e de outros produtos alimentares.

A procura de atum, tanto no Japão como a nível mundial, aumentou significativamente, com 15 países a pescar e a produzir mais de cinquenta mil toneladas de atum até 2020². O recente boom global da comida japonesa aumentou a procura de atum de alta qualidade, que é principalmente utilizado para sashimi (peixe cru).

A maior parte do atum natural capturado em estado selvagem é rapidamente congelado a bordo de navios de pesca comerciais, sendo depois entregue aos consumidores através de distribuidores para restaurantes e supermercados. No entanto, a qualidade do atum depende muito das condições no momento da pesca e da forma como é manuseado ao longo do processo de distribuição.

Os métodos convencionais de inspeção da frescura e da qualidade da carne do atum congelado exigem geralmente que os inspetores cortem a cauda do peixe para examinar visualmente uma seção transversal da cauda do atum. O corte da cauda do atum danifica frequentemente e, em última análise, reduz o valor do peixe, e o processo depende fortemente de um número limitado de peritos com formação adequada para efetuar com precisão a inspeção da qualidade.

Processo convencional de inspeção da frescura do atum congelado em que a cauda do peixe é cortada.

As ondas ultrassónicas são aplicadas em testes de qualidade em vários domínios como um método de teste não destrutivo. No entanto, a sua utilização em produtos congelados, como o atum, é difícil devido à elevada atenuação das ondas acústicas.

Para resolver estes problemas, a Universidade de Tokai, sob a direção do Professor Keiichi Goto do Departamento de Pescas, Escola de Ciência e Tecnologia Marinha, e a Fujitsu realizaram uma investigação conjunta para examinar atum congelado com ondas ultrassónicas de baixa frequência e baixa atenuação para inspecionar a frescura do peixe. Ao analisar as formas de onda utilizando a aprendizagem automática, as duas partes desenvolveram com êxito o primeiro método do mundo para determinar a frescura do atum congelado sem cortar o produto.

De 1 de abril de 2022 a 31 de março de 2023 (com continuação prevista após o exercício de 2023).

Para encontrar a frequência de ultrassons ideal para examinar atum congelado, a Universidade de Tokai e a Fujitsu realizaram testes com várias frequências de ondas. Os testes mostraram que as ondas ultrassónicas com uma frequência relativamente baixa, de cerca de 500 kHz, deram resultados ótimos.

Para determinar os possíveis indicadores de frescura insuficiente, as duas partes compararam as formas de onda de ultrassons do atum em termos de qualidade e frescura. Como resultado, a Universidade de Tokai e a Fujitsu descobriram que a intensidade de reflexão na área central da coluna vertebral dos espécimes de atum com frescura insuficiente era particularmente intensa. Com base nestas descobertas, as duas partes criaram um modelo de aprendizagem baseada em ondas refletidas da espinha dorsal mediana do atum, capaz de inspecionar corretamente a frescura do atum congelado com uma precisão de 70% a 80%.

Para além das formas de onda que o olho humano pode facilmente diferenciar (imagem 2), a tecnologia de IA recentemente desenvolvida também é capaz de identificar distinções em formas de onda que são difíceis de perceber visualmente (imagem 3).

Imagem 2 (esquerda): Diferenças nas formas de onda da qualidade da frescura que são fáceis de detetar com o olho humano. Imagem 3 (direita): Diferenças nas formas de onda da qualidade da frescura que são difíceis de detetar a olho nu, mas que podem ser identificadas pela IA.

Imagem 4: Imagem do ecrã do sistema.

Imagem 5: Imagem de utilização.

. Os grossistas de produtos do mar podem facilmente inspecionar a frescura de um peixe inteiro com um dispositivo portátil quando compram atum aos pescadores.

. Aplicada a inspeções em instalações como portos de pesca através de correias transportadoras, a tecnologia poderia ser utilizada para inspeções automatizadas de lotes da frescura do atum congelado.

No futuro, a Universidade de Tokai e a Fujitsu realizarão testes em mais amostras de atum para aumentar a precisão da tecnologia recentemente desenvolvida e melhorá-la para que possa detetar outros defeitos de qualidade no atum congelado, como coágulos sanguíneos e tumores.

Os dois parceiros planeiam também realizar ensaios de campo em fábricas de transformação de marisco e levar a cabo investigação para aplicar a tecnologia a uma vasta gama de domínios, como a indústria pecuária, que lida com produtos congelados, o domínio biológico e o domínio médico.

Referências bibliográficas

1. Tecnologia de IA de ultrassons: Um grupo de tecnologias de IA especializadas no processamento de dados adquiridos por ultrassons. As ondas ultrassónicas refletidas pelos ossos aparecem como sombras nos dados. Ao reduzir ou utilizar estas características dos dados de ultrassons, a Fujitsu está a desenvolver uma tecnologia de IA que é robusta a problemas como a rota automática dos ultrassons.

2. 15 países capturam e produzem mais de cinquenta mil toneladas de atum até 2020: De “World Tuna Catch and Production Ranking and Transition by Country” (em japonês).

3. Aprendizagem automática: Um ramo da IA. Uma técnica em que um algoritmo aprende automaticamente as características necessárias para a classificação de objetos a partir de dados de treino. Tecnologia que demonstra um elevado desempenho, mesmo para padrões complexos e de grão fino que são difíceis de criar pelos programadores.

4. Frescura insuficiente: Condição em que a rigidez pós-morte progride. No caso do atum congelado, a rigidez pós-morte desenvolve-se entre o momento da captura e o momento da congelação, e o atum em estado de rigidez pós-morte tem um valor de produto inferior ao do atum congelado imediatamente após a captura.

5. A Universidade de Tokai e a Fujitsu recortaram as ondas refletidas a partir do meio do osso e realizaram a aprendizagem automática a partir de 222 formas de onda de ultrassons obtidas de 10 fatias de atum de boa e má qualidade. Para além destas amostras, a Universidade de Tokai e a Fujitsu calcularam uma pontuação de frescura a partir de 126 formas de onda de ultrassons obtidas de um total de 6 fatias de atum de boa e má qualidade e verificaram se as formas de onda das fatias de boa qualidade podiam ser distinguidas das fatias de má qualidade. Como resultado, a Universidade de Tokai e a Fujitsu encontraram uma diferença significativa na pontuação de frescura dos espécimes de boa e má qualidade.

6. A Universidade de Tokai e a Fujitsu avaliaram a precisão do modelo de aprendizagem automática utilizando uma curva AUC-ROC (Area Under Receiver Operating Characteristic Curve). Uma curva ROC mostra a taxa de verdadeiros positivos no eixo vertical e a taxa de falsos positivos no eixo horizontal, enquanto a área sob a curva é obtida entre 0,0 e 1,0, e 1,0 é um valor de pontuação perfeito. Em geral, um certo nível de desempenho pode ser alcançado quando o valor é superior a 0,7. Como resultado da avaliação da nova tecnologia pela AUC-ROC, a Universidade Tokai e a Fujitsu obtiveram um valor de 0,791, o que significa uma exatidão entre 70% e 80%.