Pesquisadores da USP (Universidade de São Paulo) criaram um sistema baseado em inteligência artificial capaz de identificar o estágio de conservação da carne bovina a partir de imagens digitais, com índice de acerto entre 93% e 100%.

A tecnologia, desenvolvida no âmbito do projeto RastreIA, sediado no Centro de Energia Nuclear na Agricultura (Cena/USP), dispensa o contato físico com o produto e pode ser aplicada em linhas de produção industrial.

O trabalho foi publicado na revista científica Food Chemistry e conta com financiamento da Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp).

Como o sistema funciona

A metodologia combina redes neurais convolucionais profundas, amplamente utilizadas no reconhecimento de imagens, com uma ferramenta chamada Radam, sigla em inglês para codificação aleatória de mapas agregados de ativação profunda.

Desenvolvida por pesquisadores do Instituto de Física de São Carlos (IFSC/USP), a Radam identifica padrões de textura em imagens e adapta o conhecimento de modelos já treinados para tarefas específicas, reduzindo a demanda por grandes volumes de dados e por alto processamento computacional.

No estudo, informações visuais da carne, como cor e textura, e suas assinaturas bioquímicas foram processadas por algoritmos de aprendizado de máquina, que classificaram as amostras em diferentes estágios de frescor. Os testes foram realizados com conjuntos de imagens de carne bovina previamente categorizadas.

Robson Campos, doutorando no Cena e um dos autores do estudo, descreve o alcance prático da tecnologia: “A inteligência artificial pode contribuir enormemente para a ciência dos alimentos, à medida que uma máquina com uma boa IA integrada pode verificar peça por peça em uma linha de corte de carne com precisão de quase 100%, pelo menos em relação ao frescor, agilizando a verificação, aumentando a segurança e reduzindo custos”.

Contexto e limitações

O Brasil é líder mundial na produção de carne bovina. Em 2025, o país registrou cerca de 12,4 milhões de toneladas, à frente de Estados Unidos e China, segundo a Companhia Nacional de Abastecimento (Conab). Em 2026, pesquisa do Instituto QualiBest apontou que consumidores brasileiros demonstram preocupação com a origem e a qualidade do produto que consomem.

Os métodos tradicionais de controle de qualidade dependem de análises laboratoriais que exigem coleta de amostras, uso de reagentes e tempo de processamento, o que os torna inviáveis para aplicações em escala industrial e em tempo real. A verificação visual feita por humanos, por sua vez, está sujeita a falhas que podem gerar tanto descarte desnecessário quanto riscos ao consumidor.

Os próprios pesquisadores, porém, apontam restrições ao modelo atual. O sistema avalia apenas atributos externos visíveis, sem alcançar alterações microbiológicas ou químicas no interior do alimento. Variáveis como iluminação, posicionamento da câmera e teor de gordura da amostra também podem interferir nos resultados.

Para a equipe, a visão computacional deve atuar em conjunto com métodos analíticos convencionais, não em substituição a eles, formando uma abordagem mais abrangente por meio da fusão de dados.

Nunca foi tão fácil ficar bem informado com O Antagonista

Inscreva-se