A tonalidade na cor do café torrado varia em decorrência do objetivo de produção, todavia existe um padrão internacional para o grau de torra utilizado em análises sensoriais, e este é mensurado por meio de um equipamento de alto custo que, em alguns modelos, não permite armazenamento de seus resultados em um sistema de integração de dados. Os sistemas de Visão Computacional surgem como alternativas para uma rápida análise, armazenamento e integração com outros dados acerca do café, objetiva-se com este trabalho a construção de um sistema de visão computacional para identificação das diferentes tonalidades nos grãos de café torrados e moídos. Para isso, foi realizada uma conversão do padrão de cores RGB de câmeras digitais para parâmetros em L* a* e b* de cada pixel da imagem digital, obtendo assim uma média de todos os pixels da amostra. Para a criação do sistema de visão foram utilizados: uma estrutura metálica fechada, sistema de iluminação padronizados por LED’s, uma câmera digital acoplada em sua parte superior e software processador das imagens implementado com modelos de regressão polinomiais e redes neurais artificiais para aproximação de uma função que represente o grau de torra das amostras fotografadas. Para construção do modelo de transformação de espaços de cores, foi utilizado um banco de dados de cartelas de cores e 150 amostras de café torrados em diferentes tonalidades para treinamento de uma rede neural artificial. Por meio dos resultados obtidos, verificou-se que o modelo possui boa acurácia com uma baixa divergência. Ademais, foram desenvolvidas aplicações Android/iOS para cadastro de dados da saca, dados de análise física e análise sensorial definidos pela Associação Americana de Cafés Especiais (SCAA). Estas aplicações também permitem coletas de temperatura das amostras e envio a uma plataforma integrada com um baixo custo de implantação, se comparada a outras ferramentas disponíveis.
The shade of color of roasted coffee varies in light of the production objective. However, there is an international standard for the degree of roasting used in sensorial analyses, measured by means of a high costing equipment that, in some models, does not allow storing the results in a data integration system. The Computational View systems emerge as alternatives for a quick analysis, storage and integration with other data concerning coffee. Thus, the objective of this work is the construction of a computational view system for identifying the different shades of roasted and milled coffee grains. For this, a conversion of the RGB color standards of digital cameras was performed for parameters L*, a* and b* of each pixel of the digital image, obtaining an average of all pixels of the sample. For creating the computational view system a closed metallic structure, illumination system standardized by LEDs, a digital camera attached in its superior side and processing software of the images implemented with polynomial regression models and artificial neural networks for approximating a function that represents the most accurate roasting degree of the photographed samples were used. For constructing the transformation model of color spaces, a databank of color charts and 150 samples of roasted coffee in different shades for training an artificial neural network were used. With the results obtained, it was verified that the model presents good accuracy with low divergence. Furthermore, Android/iOS applications we developed for registering sac data, physical and sensorial analysis data defined by the American Association of Special Coffees (SCAA). These applications also allow taking the temperature of samples and posting to an integrated platform with low implementation cost if compared to other tools available.
