Le processus de sélection des grains de café de spécialité implique trois types d'inspection. Deux sont physiques et impliquent des échantillons de café brut et torréfié. Le troisième est sensoriel et consiste à goûter la boisson. La certification est fournie par la Specialty Coffee Association of America (SCAA).

Conformément aux directives de la SCAA, la qualité du café est mesurée sur une échelle décimale de zéro à 100. Un café de spécialité doit obtenir une note de 80 ou plus. Le producteur envoie un échantillon de grains bruts à trois dégustateurs (dégustateurs), qui torréfient et préparent le café de chaque lot, toujours dans le respect des normes SCAA, avant d'émettre un rapport.

Cependant, des scientifiques brésiliens du Centre d'énergie nucléaire en agriculture (CENA-USP) de l'Université de São Paulo, en collaboration avec des collègues du Collège d'agriculture Luiz de Queiroz (ESALQ-USP) et du Centre informatique de l'Université fédérale de Pernambuco (UFPE) , ont développé une méthode de sélection des grains de café basée sur l'imagerie multispectrale et l'apprentissage automatique. La méthode ne nécessite pas de torréfaction et peut être effectuée en temps réel pendant le processus de production. Il évite une éventuelle erreur humaine, bien qu'il repose sur un équipement coûteux. Un article sur la nouvelle méthode a récemment été publié dans Computers and Electronics in Agriculture .

« Les cafés de spécialité sont souvent récoltés de manière sélective, ce qui signifie que seules les cerises rouges mûres sont cueillies. Elles sont récoltées individuellement à la main. peut aboutir à une culture commerciale standard », a déclaré Winston Pinheiro Claro Gomes, premier auteur de l'article. Gomes est titulaire d'un doctorat. candidate en chimie au CENA-USP, avec Wanessa Melchert Mattos et Clíssia Barboza da Silva comme directrices de thèse.

"Dans notre méthode, nous séparons les haricots considérés comme spécialisés et commerciaux standard en utilisant une combinaison d'imagerie multispectrale et d'algorithmes mathématiques qui traitent les données fournies par les images", a expliqué Gomes. "Le café de spécialité doit marquer entre 80 et 100, mais notre modèle ne peut pas dire si les grains ont 80 ou 90. Cela nécessiterait un apprentissage automatique avec des échantillons pour chaque score afin de spécifier ces catégories dans le modèle mathématique."

Méthodologie multispectrale

L'équipe a utilisé une technique d'imagerie multispectrale (MSI) basée sur la réflectance et l'autofluorescence, dans laquelle des images du même objet sont prises à différentes longueurs d'onde, suivies d'un modèle d'apprentissage automatique pour classer les haricots en fonction des informations glanées sur les images.

« L'utilisation du MSI dans l'industrie du café est très récente. Il est principalement utilisé pour cartographier l'azote dans les plantations de café, détecter la nécrose des grains et détecter les ravageurs et les maladies des plantes, comme le montre la littérature sur le sujet », a déclaré Gomes. .

Les chercheurs ont analysé 16 échantillons de haricots verts provenant de cultures commerciales spécialisées et standard cultivées dans les États de Minas Gerais et de São Paulo. Dix des grains de café de spécialité (Coffea arabica) provenaient de la récolte 2016/17 cultivée dans la région d'Alta Mogiana. Ils avaient été évalués lors du concours de café Alta Mogiana 2017 et ont été fournis par l'association des producteurs de café de spécialité de la région. Les six autres échantillons ont été prélevés sur des cultures commerciales standard achetées en vrac sur le marché local.

Pour chaque échantillon, 64 fèves sans traitement préalable ont été séparées au hasard, donnant un total de 1 024 fèves (384 standard, 640 de spécialité), et utilisées pour l'étalonnage, la validation et les tests d'apprentissage automatique.

Gomes a résumé la procédure comme suit :"Nous avons placé les haricots dans une boîte de Pétri et l'avons mis dans l'appareil, qui est une sphère contenant des LED, des filtres optiques et une caméra. La caméra est descendue sur les échantillons jusqu'à ce qu'ils soient complètement recouverts et capturés. après illumination homogène et diffuse à différentes longueurs d'onde, il a d'abord pris des images de réflectance monochrome puis des images d'autofluorescence, après quoi les informations relatives aux régions d'intérêt ont été extraites par le logiciel embarqué et utilisées pour construire les algorithmes qui ont classé les échantillons et nous ont donné les résultats."

Une analyse en composantes principales (ACP) a ensuite été effectuée pour étudier les variables qui influencent les différences entre les cafés de spécialité et les cafés standard. Les chercheurs ont exécuté quatre algorithmes d'apprentissage automatique, la machine à vecteurs de support (SVM) s'avérant la meilleure et étant utilisée pour calculer les coefficients d'estimation des variables clés.

Fluorescence

Les fèves de spécialité ont une forme plus uniforme dans les images du spectre visible (RVB), tandis que les fèves standard sont plus intenses dans les images d'autofluorescence.

"Notre modèle mathématique et nos algorithmes utilisent des informations sur l'intensité du signal provenant d'images de fluorescence. Il peut arriver qu'un composé présent dans les haricots soit plus excité à une longueur d'onde particulière. Un signal de fluorescence plus ou moins intense peut également être lié à une variation de la concentration d'un composé dans des haricots, par exemple", a déclaré Gomes.

"Le modèle que nous avons choisi était celui qui fonctionnait le mieux pour faire la distinction entre les grains de café de spécialité et les grains de café standard. Dans ce modèle, l'information la plus importante dans le but de construire des limites de séparation provenait de la fluorescence verte. Nous avons donc décidé d'analyser les composés individuels qui affichent naturellement une fluorescence verte et ont essayé d'associer certains composés fluorescents qui pourraient influencer le processus de séparation du classement du café."

La fluorescence verte, un marqueur biologique représenté par la lumière verte dans le spectre visible, a été analysée pour 10 composés phénoliques, et les données ont montré que la catéchine, la caféine et certains acides (acide 4-hydroxybenzoïque, acide sinapique et acide chlorogénique) répondaient intensément après avoir été excités avec une lumière bleue à 405 nanomètres (nm), émettant de l'énergie à 500 nm. Ces données d'autofluorescence (excitation/émission à 405/500 nm) ont le plus contribué à distinguer les grains verts spéciaux des grains verts standards.

"Ce sont des espèces chimiques associées à des groupes aromatiques qui absorbent l'énergie relative à une longueur d'onde spécifique. Dans les méthodes basées sur l'autofluorescence, les variations des niveaux de ces espèces chimiques dans les qualités de café de spécialité et standard peuvent être utilisées pour faire la distinction entre les deux groupes", Gomes a dit.

Les différences de niveaux de ces composés sont généralement utilisées pour faire la distinction entre les grains de café de spécialité et les grains de café standard. "Pour mes recherches de maîtrise, j'ai étudié la composition chimique de ces échantillons, et bien qu'il n'y ait pas de différences entre les espèces chimiques, nous avons trouvé des variations dans leurs concentrations, en particulier les niveaux d'acide chlorogénique et de caféine", a-t-il déclaré.

Les prochaines étapes, selon Gomes, consisteront à obtenir des échantillons de chacun des niveaux de score définis par la SCAA pour les cafés de spécialité (pas une tâche facile) et à classer les grains en fonction de leurs scores. "Au Brésil, les cafés sont notés au plus 90-92. Il est difficile de trouver plus haut que cela. Seul le café importé, d'Éthiopie, par exemple, obtient un score de 100. Dans ma recherche doctorale, j'essaie de classer les grains sur la base d'images radiographiques, et j'ai décidé d'augmenter le nombre d'échantillons et l'ampleur de l'analyse en incluant des haricots importés », a-t-il déclaré. + Explorer plus loin

Une application Android vérifie la torréfaction des grains de café