Physics-Informed Fourier Thermography Transformer for Non-Destructive Detection and Quantification of Braeburn Browning Disorder in Apple

Dentro de um caixote de maçãs, uma crise oculta frequentemente se desenrola. A fruta pode parecer perfeita por fora, com casca lisa e um brilho vibrante, mas, nas profundezas da polpa, um distúrbio conhecido como escurecimento de Braeburn está se espalhando silenciosamente. Esta condição, que transforma o tecido branco e crocante em uma massa marrom difusa, é um pesadelo para produtores e varejistas porque não pode ser vista a olho nu. Máquinas de classificação tradicionais, que dependem de câmeras para detectar manchas superficiais ou mudanças de cor, são inúteis aqui; elas simplesmente deixam passar a fruta danificada, apenas para que o defeito seja descoberto mais tarde por um consumidor ou um embalador que corta a maçã ao meio. O desafio não é apenas encontrar as maçãs ruins, mas entender por que elas estão ruins sem destruir as boas. Para resolver isso, os cientistas voltaram-se para a física do calor. Todo objeto retém energia térmica e, quando essa energia se move, ela conta uma história sobre o que reside abaixo da superfície. Se você aquecer ou resfriar um objeto rapidamente, a maneira como a temperatura da superfície retorna ao normal depende do material em seu interior. Um tecido sólido e saudável conduz o calor de forma diferente de um tecido colapsado e danificado. Ao observar como uma maçã esfria e depois aquece lentamente de volta ao normal, é possível ver o dano invisível antes mesmo que ele se torne visível.

Uma equipe de pesquisadores partiu para construir um sistema que pudesse ler essa história térmica para maçãs Braeburn. Eles reuniram 640 maçãs de oito pomares diferentes, colhidas em dois momentos distintos, e as submeteram a várias condições de armazenamento projetadas para criar uma ampla gama de danos internos. Algumas maçãs foram armazenadas em ar normal, enquanto outras foram mantidas em atmosferas especiais com alto teor de dióxido de carbono ou baixo oxigênio, condições conhecidas por desencadear o distúrbio de escurecimento. O objetivo era criar uma população de frutas que variasse de perfeitamente saudáveis a severamente danificadas, garantindo que o teste fosse rigoroso. Uma vez terminado o período de armazenamento, cada maçã foi colocada em um ambiente controlado e submetida a um breve e suave jato de ar frio. Esse pulso de resfriamento foi suave o suficiente para evitar ferir a fruta, mas forte o suficiente para criar uma diferença de temperatura temporária. Enquanto as maçãs permaneciam ali, uma câmera infravermelha especial registrou a temperatura de sua superfície a cada décimo de segundo durante noventa segundos. Isso criou um vídeo das maçãs recuperando lentamente o seu calor.

Os pesquisadores não apenas olharam para o vídeo bruto. Em vez disso, eles traduziram a mudança de temperatura de cada ponto individual na casca da maçã em uma linguagem matemática que descreve como o calor se moveu ao longo do tempo. Eles focaram em dois aspectos específicos desse movimento: a força da mudança de temperatura e o tempo dessa mudança. O tempo, ou fase, provou ser a pista mais poderosa. Assim como o ponteiro de um relógio se move em um ritmo constante, independentemente de quão clara esteja a sala, o tempo da recuperação do calor permaneceu consistente mesmo se o jato de resfriamento fosse ligeiramente irregular ou se a casca da maçã tivesse um brilho diferente. Esse tempo mudou visivelmente para as frutas danificadas; o calor demorou mais para retornar ao normal em áreas onde o tecido havia colapsado. Para dar sentido a esses dados complexos, a equipe construiu um modelo computacional que atuava como um observador altamente treinado. Este modelo analisava os mapas de tempo juntamente com fotos coloridas padrão da casca da maçã. Ele aprendeu a ignorar os detalhes superficiais, como o brilho vermelho ou o tamanho da maçã, e focou inteiramente nos atrasos sutis no fluxo de calor que sinalizavam a podridão interna.

Os resultados foram impressionantes. O sistema conseguiu distinguir entre quatro níveis de dano com uma precisão de quase 92 por cento. Ele identificou corretamente maçãs que estavam saudáveis, aquelas com quantidades ínfimas de escurecimento, aquelas com danos moderados e aquelas que estavam severamente arruinadas. Mais importante, ele podia estimar exatamente quanto da polpa da maçã estava afetada, com uma margem de erro de menos de três pontos percentuais. Quando os pesquisadores testaram o sistema em maçãs de pomares e datas de colheita que o sistema nunca havia visto antes, ele desempenhou tão bem quanto, provando que havia aprendido a física do dano em vez de apenas memorizar a aparência de árvores específicas. O sistema também se mostrou robusto contra imperfeições do mundo real. Mesmo quando o ar de resferamento era ligeiramente mais fraco ou mais forte do que o pretendido, ou quando a casca da maçã estava levemente úmida, o modelo manteve sua alta precisão. Essa estabilidade é crucial porque uma linha de classificação comercial nunca é perfeitamente uniforme.

O estudo também esclareceu o que esta tecnologia não é. Não é uma varinha mágica que pode ver através da maçã em três dimensões como um exame médico, nem substitui a necessidade de um gerenciamento cuidadoso do armazenamento. Os pesquisadores descobriram que o sistema funciona melhor porque detecta a maneira específica como o tecido danificado retarda o fluxo de calor, uma mudança física que ocorre antes que a cor mude. Embora outros métodos, como raios-X, possam ver o interior das frutas, eles são caros e lentos. Este método térmico é passivo, seguro e rápido o suficiente para ser integrado a uma linha de classificação, desde que as frutas possam ser resfriadas e imagens capturadas em lotes. Os pesquisadores enfatizaram que o sistema não depende da cor da maçã ou das condições específicas de armazenamento em que foi mantida; ele depende da própria resposta física da fruta a uma sonda térmica suave.

No fim, este trabalho oferece uma ponte prática entre o teste destrutivo que atualmente domina o controle de qualidade e a necessidade de uma forma não destrutiva de examinar cada maçã. Ao converter um breve pulso de resfriamento em uma medida calibrada de saúde interna, o sistema transforma uma falha fisiológica oculta em um sinal visível. Ele permite que os produtores classifiquem as frutas com base em sua verdadeira condição interna, em vez de seu exterior enganoso. Embora a tecnologia ainda precise ser testada através de mais safras e diferentes variedades de maçã para estar totalmente pronta para o uso generalizado, a descoberta central é clara: a maneira como uma maçã se recupera de um resfriamento revela seus segredos e, com as ferramentas certas, esses segredos podem ser lidos antes que a primeira mordida seja dada.