Novo app de celular diz se o seu abacate está maduro ou não

Principal ingrediente da famosa guacamole mexicana, o abacate é uma fruta que “passa do ponto” com rapidez. Não à toa, decepção de abrir um desses frutos e se deparar com as temidas manchinhas marrons (ou um interior verde demais para consumo). A nova ferramenta busca evitar momentos como esse no dia-a-dia dos consumidores, prevendo, com precisão, o grau da maturação e a qualidade interna dos abacates.

Para isso, os cientistas treinaram os modelos de IA com mais de 1.400 imagens feitas com um smartphone. O sistema avaliou a firmeza da fruta – à grosso modo, a sua casca – com quase 92% de precisão, e a qualidade interna – entre fresco ou podre – com mais de 84% de precisão.

A firmeza do abacate é um fundamental para que os pesquisadores possam analisar a maturação da fruta. Esse indicador foi medido usando um analisador de textura, que, por sua vez, serviu como uma métrica de maturação e base para o treinamento do modelo de IA.

Apesar dos elevados índices de precisão – 92% e 84% –, os autores do estudo acreditam que essas taxas podem ser melhoradas à medida que mais imagens são adicionadas ao sistema de aprendizado da IA.

A aparência dos abacates pode parecer semelhante entre os estágios de maturação, o que pode dificultar a distinção baseada exclusivamente na aparência superficial da fruta. Para resolver esse desafio, abordagens de deep learning foram utilizadas para capturar automaticamente uma gama maior de informações, como a forma, textura e padrões espaciais do abacate. Medidas como essa aumentam a precisão.

Alto valor de mercado e alto índice de desperdício – cerca de 40% – são fatores que levaram os pesquisadores a escolherem o abacate como fruta de estudo.

Durante o amadurecimento, os abacates mudam a cor da casca de verde claro para roxo escuro e diminuem gradualmente a firmeza. Esse processo ocorre rapidamente, assim como com outras frutas e vegetais após a colheita. É neste estágio que a maior parte do desperdício de alimentos ocorre.

Em comunicado, Luyao Ma, da Universidade Estadual do Oregon, afirmou que os abacates estão entre as frutas mais desperdiçadas no mundo por amadurecerem com rapidez. Outras frutas – como maçãs e tomates – também passam pelas etapas de amadurecimento com velocidade. O elevado número de alimentos que se tornam indesejáveis quando a sua firmeza diminui para níveis considerados inaceitáveis pelos consumidores é o que tem contribuído para o aumento do número de alimentos desperdiçados no mundo.

O desenvolvimento do sistema aprendeu com erros anteriores. Pesquisas antecedentes utilizaram imagens e técnicas de machine learning – “aprendizado de máquina” – para avaliar a qualidade das frutas. O procedimento foi baseada na seleção manual dos melhores alimentos, de acordo com as características físicas de cada um. Outra limitação foi o uso de algoritmos tradicionais, que prejudicou o desempenho das previsões.

“Para superar essas limitações, usamos abordagens de deep learning que capturam automaticamente uma gama mais ampla de informações, incluindo forma, textura e padrões espaciais para aumentar a precisão e a robustez das previsões de qualidade do abacate”, afirmou In-Hwan Lee, da Universidade Estadual do Oregon, em comunicado.

A tecnologia desenvolvida não está limitada apenas aos abacates. O objetivo é desenvolver uma ferramenta que seja capaz de avaliar o grau de maturação e a qualidade de outros tipos de alimento. Além disso, os pesquisadores também projetam que, uma vez que se trata de um mecanismo baseado em um smartphone, o sistema desenvolvido possa ser utilizado por varejistas e, até mesmo, por consumidores em suas próprias casas.

Esse desperdício é um desafio global. Hoje, 30% dos alimentos descartados provém de varejos e domicílios, onde métodos tradicionais de avaliação, como a “inspeção” visual da fruta, são ineficientes. Com a nova tecnologia, os pesquisadores esperam diminuir esse dado e auxiliar não apenas varejistas e consumidores, mas também a indústria alimentícia que implementa métodos especializados para avaliarem as frutas que podem torná-las impróprias para consumo.