Spezialitäten- und Standardkaffeebohnen können mithilfe von Multispektralbildern und künstlicher Intelligenz sortiert werden

Der Prozess der Auswahl von Spezialitätenkaffeebohnen umfasst drei Arten von Kontrollen. Zwei davon sind physisch und umfassen Proben von Roh- und Röstkaffee. Bei der dritten handelt es sich um eine sensorische Prüfung, bei der das Getränk verkostet wird. Die Zertifizierung wird von der Specialty Coffee Association of America (SCAA) vorgenommen.

Nach den Richtlinien der SCAA wird die Kaffeequalität auf einer Dezimalskala von null bis 100 gemessen. Ein Spezialitätenkaffee muss 80 oder mehr Punkte erreichen. Der Erzeuger schickt eine Probe der rohen Bohnen an drei Verkoster, die aus jeder Charge einen Kaffee rösten und zubereiten, ebenfalls gemäß den SCAA-Standards, bevor sie einen Bericht ausstellen.

Brasilianische Wissenschaftler des Zentrums für Kernenergie in der Landwirtschaft der Universität São Paulo (CENA-USP) haben jedoch in Zusammenarbeit mit Kollegen des Luiz de Queiroz College of Agriculture (ESALQ-USP) und des Computerzentrums der Bundesuniversität von Pernambuco (UFPE) eine Methode zur Auswahl von Kaffeebohnen entwickelt, die auf multispektraler Bildgebung und maschinellem Lernen basiert. Die Methode erfordert keine Röstung und kann in Echtzeit während des Produktionsprozesses durchgeführt werden. Sie vermeidet mögliche menschliche Fehler, obwohl sie auf teure Ausrüstung angewiesen ist. Ein Artikel über die neue Methode wurde kürzlich in der Zeitschrift Computers and Electronics in Agriculture veröffentlicht.

"Spezialitätenkaffees werden oft selektiv geerntet, das heißt, es werden nur die reifen roten Kirschen gepflückt. Sie werden einzeln von Hand geerntet. Wenn ein Spezialitätenkaffeeanbauer grüne Bohnen erntet oder zu irgendeinem Zeitpunkt eine manuelle und/oder maschinelle Streifenernte durchführt, kann dieses Verfahren zu einer handelsüblichen Ernte führen", sagte Winston Pinheiro Claro Gomes, Erstautor des Artikels. Gomes ist Doktorand in Chemie am CENA-USP, mit Wanessa Melchert Mattos und Clíssia Barboza da Silva als Betreuerinnen der Arbeit.

"Bei unserer Methode trennen wir Bohnen, die als Spezialitäten und Standardkaffee gelten, mithilfe einer Kombination aus multispektraler Bildgebung und mathematischen Algorithmen, die die von den Bildern gelieferten Daten verarbeiten", erklärt Gomes. "Spezialitätenkaffee muss zwischen 80 und 100 Punkten liegen, aber unser Modell kann nicht sagen, ob die Bohnen 80 oder 90 Punkte haben. Das würde maschinelles Lernen mit Stichproben für jeden Wert erfordern, um diese Kategorien im mathematischen Modell zu spezifizieren".

Die Forschung wurde mit Unterstützung eines Young Investigator Grant, das Barboza da Silva, dem vorletzten Autor des Artikels, gewährt wurde, und eines Regular Research Grant, das Mattos, dem letzten Autor des Artikels, gewährt wurde, durchgeführt.

Multispektrale Methodik

Das Team verwendete eine multispektrale Bildgebungstechnik (MSI) auf der Grundlage von Reflexion und Autofluoreszenz, bei der Bilder desselben Objekts bei verschiedenen Wellenlängen aufgenommen werden, gefolgt von einem maschinellen Lernmodell zur Klassifizierung von Bohnen anhand der aus den Bildern gewonnenen Informationen.

"Die Verwendung von MSI in der Kaffeeindustrie ist sehr neu. Sie wird hauptsächlich zur Kartierung von Stickstoff in Kaffeeplantagen, zur Erkennung von Nekrosen in Bohnen und zur Erkennung von Schädlingen und Krankheiten in Pflanzen eingesetzt, wie aus der Literatur zu diesem Thema hervorgeht", so Gomes.

Die Forscher analysierten 16 Proben von grünen Bohnen aus Spezial- und Standardkaffeekulturen, die in den Bundesstaaten Minas Gerais und São Paulo angebaut wurden. Zehn der Spezialitätenkaffeebohnen(Coffea arabica) stammten aus der Ernte 2016/17, die in der Region Alta Mogiana angebaut wurde. Sie waren beim Alta Mogiana Coffee Contest 2017 bewertet worden und wurden vom Verband der Spezialitätenkaffeeproduzenten der Region zur Verfügung gestellt. Die anderen sechs Proben stammten aus handelsüblichen Ernten, die auf dem lokalen Markt als Bulkware gekauft wurden.

Von jeder Probe wurden 64 Bohnen ohne vorherige Behandlung nach dem Zufallsprinzip aussortiert, so dass sich insgesamt 1 024 Bohnen (384 Standard, 640 Spezialitäten) ergaben, die für die Kalibrierung, Validierung und Prüfung des maschinellen Lernens verwendet wurden.

Gomes fasste das Verfahren wie folgt zusammen: "Wir haben die Bohnen in eine Petrischale gegeben und sie in das Gerät gestellt, das eine Kugel mit LEDs, optischen Filtern und einer Kamera ist. Die Kamera fuhr über die Proben, bis sie vollständig bedeckt waren, und nahm Bilder nach homogener und diffuser Beleuchtung bei verschiedenen Wellenlängen auf. Danach wurden die Informationen über die interessierenden Regionen von der integrierten Software extrahiert und zur Erstellung der Algorithmen verwendet, die die Proben klassifizierten und uns die Ergebnisse lieferten.

Anschließend wurde eine Hauptkomponentenanalyse (PCA) durchgeführt, um die Variablen zu untersuchen, die die Unterschiede zwischen Spezialitäten- und Standardkaffee beeinflussen. Die Forscher führten vier Algorithmen des maschinellen Lernens durch, wobei sich die Support Vector Machine (SVM) als die beste erwies und zur Berechnung von Koeffizienten zur Schätzung der Schlüsselvariablen verwendet wurde.

Fluoreszenz

Die Spezialbohnen wiesen in den Bildern mit sichtbarem Spektrum (RGB) eine gleichmäßigere Form auf, während die Standardbohnen in den Autofluoreszenzbildern intensiver waren. "Unser mathematisches Modell und unsere Algorithmen verwenden Informationen über die Signalintensität von Fluoreszenzbildern. Es kann vorkommen, dass eine in den Bohnen enthaltene Verbindung bei einer bestimmten Wellenlänge stärker angeregt wird. Ein intensiveres oder schwächeres Fluoreszenzsignal kann zum Beispiel auch auf Schwankungen in der Konzentration einer Verbindung in den Bohnen zurückzuführen sein. Wir haben uns für das Modell entschieden, das bei der Unterscheidung zwischen Spezialitäten- und Standardkaffeebohnen am besten funktioniert. Bei diesem Modell lieferte die grüne Fluoreszenz die wichtigste Information für die Konstruktion von Trennungsgrenzen. Wir beschlossen daher, die einzelnen Verbindungen zu analysieren, die in der Natur grüne Fluoreszenz aufweisen, und versuchten, einige fluoreszierende Verbindungen zuzuordnen, die den Trennungsprozess bei der Kaffeesortierung beeinflussen könnten", so Gomes.

Die grüne Fluoreszenz, ein biologischer Marker, der durch grünes Licht im sichtbaren Spektrum dargestellt wird, wurde für 10 phenolische Verbindungen analysiert, und die Daten zeigten, dass Catechin, Koffein und bestimmte Säuren (4-Hydroxybenzoesäure, Sinapinsäure und Chlorogensäure) intensiv reagierten, nachdem sie mit blauem Licht bei 405 Nanometern (nm) angeregt wurden und Energie bei 500 nm emittierten. Diese Autofluoreszenzdaten (Anregung/Emission bei 405/500 nm) trugen am meisten zur Unterscheidung von grünen Spezialbohnen und grünen Standardbohnen bei.

"Dies sind chemische Spezies, die mit aromatischen Gruppen verbunden sind und Energie bei einer bestimmten Wellenlänge absorbieren. Bei auf Autofluoreszenz basierenden Methoden können Unterschiede im Gehalt dieser chemischen Spezies in Spezialitäten- und Standardkaffeesorten zur Unterscheidung zwischen den beiden Gruppen genutzt werden", so Gomes.

Unterschiede in den Konzentrationen dieser Verbindungen werden normalerweise zur Unterscheidung zwischen Spezialitäten- und Standardkaffeebohnen verwendet. "Im Rahmen meiner Masterarbeit untersuchte ich die chemische Zusammensetzung dieser Proben, und obwohl es keine Unterschiede bei den chemischen Arten gab, fanden wir Variationen in ihren Konzentrationen, insbesondere beim Gehalt an Chlorogensäure und Koffein", sagte er.

Die nächsten Schritte, so Gomes, bestehen darin, Proben von jeder der von der SCAA definierten Bewertungsstufen für Spezialitätenkaffees zu erhalten (keine leichte Aufgabe) und die Bohnen entsprechend ihrer Bewertung zu klassifizieren. "In Brasilien werden die Kaffees höchstens mit 90-92 bewertet. Höhere Werte sind nur schwer zu finden. Nur importierter Kaffee, zum Beispiel aus Äthiopien, erreicht 100 Punkte. In meiner Doktorarbeit versuche ich, Bohnen auf der Grundlage von Röntgenbildern zu klassifizieren, und ich habe beschlossen, die Anzahl der Proben und den Umfang der Analyse zu erhöhen, indem ich importierte Bohnen einbeziehe", sagte er.