Conteúdo para Assinantes

Continue lendo ilimitado o conteúdo para assinantes do Estado de Minas Digital no seu computador e smartphone.

price

Estado de Minas Digital

de R$ 9,90 por apenas

R$ 1,90

nos 2 primeiros meses

Utilizamos tecnologia e segurança do Google para fazer a assinatura.

Assine agora o Estado de Minas digital por R$ 9,90/mês. Experimente 15 dias grátis >>

Estado de Minas

Detector de fraude portátil

Usando ondas de rádio e inteligência artificial, sistema criado por cientistas americanos identifica a presença de contaminantes em alimentos e combustíveis com até 97% de precisão


postado em 26/12/2018 05:04



Ao olhar as roupas da loja de departamento, as pequenas etiquetas brancas presas às peças passam despercebidas. Se depender de pesquisadores do Instituto Tecnológico de Massachusetts (MIT), nos Estados Unidos, o hábito pode mudar. Eles querem usar esses e outros identificadores descartáveis em algo que desperte o interesse de consumidores: a possibilidade de detectar adulteração em alimentos e combustíveis.
A proposta, apresentada, no 17º Encontro ACM Hot Topics in Networks, em Washington (EUA), no mês passado,  combina um sistema de emissão de ondas de rádio com inteligência artificial para identificar fraudes em produtos. A solução recebe o nome de sistema RFIQ e, conforme o objetivo dos criadores, poderá se transformar em um aparelho que permita que pessoas comuns fiscalizem qualquer tipo de material. “Queremos democratizar o controle da qualidade e da segurança de alimentos e outros produtos, levar esse sistema às mãos de todas as pessoas”, destaca Fadel Adib, professor do MIT e coautor do artigo que descreve a criação.
A nova ferramenta utiliza a técnica por radiofrequência (RFID), uma abordagem convencional de identificação de produtos. O sistema é composto por um leitor, que emite ondas eletromagnéticas até o alimento, e por pequenos chips de silício, as tags RFID, implantados no material analisado. Quando o emissor envia o sinal, as peças metálicas refletem as ondas recebidas com uma frequência diferenciada, que varia de acordo com a composição do produto em questão.
A variação na frequência é recebida pelo leitor, que envia o sinal a um computador conectado externamente. A partir de técnicas de aprendizagem de máquina, um braço da inteligência artificial que ensina robôs a identificar padrões, o grupo do MIT ensinou o sistema a diferenciar quais frequências equivalem a um material normal ou a um material adulterado (veja infográfico).
Para testar a criação, os pesquisadores utilizaram álcool puro e álcool contaminado com 25%, 50%, 75% e 100% de metanol. Além disso, analisaram alimentos para bebês contaminados com melamina, substância presente na fabricação de plásticos, com uma porcentagem que variou até 30%. Quando o emissor enviou as ondas de rádio para os produtos, “as pequenas ondas eletromagnéticas viajaram e foram distorcidas pelas moléculas e pelos íons do conteúdo do recipiente. Esse processo é conhecido como weak coupling (acoplamento fraco, em português)”, explica Adib e sua equipe, em comunicado.
Assim, se a propriedade do material muda, o mesmo acontece com as propriedades do sinal emitido. São essas alterações que ajudam a máquina conectada ao leitor a analisar as frequências que retornam das tags RFID para identificar os casos de adulteração e detalhar a porcentagem de contaminantes no produto. Ao fim do teste, o sistema conseguiu detectar 96% dos casos de adulteração dos alimentos infantis e 97% dos casos de álcool.

Fraudes combinadas Professora do Departamento de Física da Universidade Federal de Juiz de Fora (UFJF), Maria José Valenzuela acredita que o grupo estadunidense terá que fazer novos testes em outros tipos de produto para alcançar resultados mais significativos. “Eles utilizaram adulterações específicas, com muita contaminação. Por isso, acredito que precisarão aplicar mais testes com a ferramenta, já que não existe um único tipo de fraude”, afirma a também responsável pela criação do aparelho Milktech, detector de fraudes em leite (leia Saiba mais).
A múltipla combinação de contaminantes também deve ser levada em conta pelos pesquisadores, segundo Valenzuela. “O que há é uma variabilidade natural, tanto de alimentos que poderão ser contaminados quanto de fatores adulterantes. Sem falar que as pessoas não utilizam apenas um componente para contaminar um alimento. No leite, por exemplo, usam água para fraudar a bebida e sal para evitar que percebam a adulteração. É o que chamamos de adulteração mista”, diz.

Interferências externas  Agora, o grupo de pesquisa do MIT pretende estudar formas de aperfeiçoar ainda mais o sistema, preparando-o para possíveis interferências do ambiente em que o produto analisado se encontra, como o formato do recipiente de armazenamento. “Queremos generalizar para qualquer ambiente. Isso exige que sejamos muito robustos, porque você quer aprender a extrair os sinais certos e a eliminar o impacto externo no material analisado”, diz Adib.
Flávio Vasconcelos, professor do Departamento de Engenharia Elétrica da Universidade Federal de Minas Gerais (UFMG),

 

sugere que a parte mais difícil para alcançar esse objetivo está no leitor do sistema, que deverá enviar emissões variadas, dependendo do material inspecionado. “O transmissor deverá ser capaz de gerar uma ampla faixa de frequências do sinal a ser transmitido. Também deverá ter programas para processamento da informação vinda da tag que o permita identificar, em um vasto banco de dados, quais os materiais que levaram o circuito a funcionar apenas naquela condição”, afirma o professor.
Washington Melo, pesquisador em RFID da Empresa Brasileira de Pesquisa Agropecuária (Embrapa), lembra alguns componentes de interferência que precisarão ser levados em conta pela equipe do MIT. “A água é uma substância que absorve muita frequência das ondas emitidas. Por isso, um submarino, quando vai enviar um sinal, precisa subir para mais perto da superfície. Além disso, identificação por radiofrequência é inviável em latarias porque o metal não deixa o campo elétrico entrar na estrutura. Nesse caso, não teria como obter uma resposta do conteúdo dentro do recipiente”, pontua.

 

Aprendizagem de máquina faz a diferença

 

Depois que o emissor do sistema de radiofrequência (RFID) envia uma onda eletromagnética para pequenos chips do produto analisado, a emissão é refletida de volta com uma frequência diferente, dependendo da composição do material investigado. Essa alteração permite que um computador externo analise a onda recebida e indique se o produto está ou não adulterado. Para isso, a máquina recorre a um procedimento estatístico que ensina robôs a diferenciar padrões. Mas isso só é possível se ela receber dados prévios mostrando quais são as frequências características de produtos puros e de materiais contaminados.


Para Maria José Valenzuela, uma das idealizadoras de um aparelho de detecção de fraude no leite, a implementação da aprendizagem de máquina foi o ponto inovador da pesquisa estadunidense, uma vez que potencializa os resultados do sistema desenvolvido. “É uma boa ferramenta para incorporar parâmetros e treinar o programa com as fraudes mais comuns, com variadas aplicações”, afirma a docente da Universidade Federal de Juiz de Fora (UFJF). “A inteligência artificial utiliza critérios estatísticos e, por isso, consegue ver diferenças mínimas em um alimento adulterado que um método comum de detecção de contaminantes por RFID não consegue perceber”, opina.


Mesmo assim, a professora afirma que a ideia dos pesquisadores em aplicar a criação em qualquer tipo de produto adulterado é uma tarefa inviável. “Cada alimento é suscetível a algum tipo de fraude, e programar uma máquina para detectar todos eles levaria tempo demais. Seria uma programação para cada alimento diferente. O ideal seria programar o sistema para identificar um único adulterante para diversos alimentos, em vez de detectar vários adulterantes em vários alimentos”, opina. (GB*)

 

*Estagiário sob a supervisão da editora Carmen Souza 

 

 

saiba mais

criação brasileira

 

Desenvolvido desde 2008 por professores da Universidade Federal de Juiz de Fora (UFJF), o aparelho Milktech (foto) detecta fraude em leite com componentes como água, sal, açúcar e soda cáustica, em uma análise rápida de 10 segundos. O dispositivo também detecta a acidez do produto.A praticidade do aparelho, que indica a adulteração a partir da detecção de condutividade do líquido, é outro ponto forte. Ele é portátil e conta com uma bateria recarregável. Por conta do fácil manuseio, a inspeção pode ser feita em campo, no momento de carregamento dos caminhões ou nos tanques de produção, onde costumam ocorrer as adulterações. A invenção teve a patente concedida pelo Instituto Nacional de Propriedade Intelectual (INPI) em junho deste ano.

 

 


Publicidade