USP desenvolve IA capaz de identificar frescor da carne em tempo real

Pesquisadores da Universidade de São Paulo (USP) desenvolveram uma técnica baseada em inteligência artificial (IA) capaz de avaliar, em tempo real, o frescor da carne por meio da análise de imagens digitais. A tecnologia utiliza visão computacional para identificar padrões visuais imperceptíveis ao olho humano e pode ampliar o controle de qualidade na indústria alimentícia, além de reforçar a segurança alimentar dos consumidores.

O estudo foi desenvolvido no projeto RastreIA, sediado no Centro de Energia Nuclear na Agricultura (Cena-USP), e propõe uma alternativa mais rápida e menos invasiva em relação aos métodos tradicionais de avaliação da carne, que ainda dependem, em grande parte, de análises laboratoriais demoradas, caras e destrutivas.

Segundo o pesquisador Robson Campos, doutorando do Cena e integrante da equipe responsável pelo estudo, as avaliações atuais também costumam depender de inspeções visuais humanas, sujeitas a falhas que podem tanto gerar desperdício de alimentos quanto comprometer a segurança do consumidor.

A nova abordagem utiliza modelos de visão computacional treinados para reconhecer alterações relacionadas ao processo de deterioração da carne. De acordo com Campos, a tecnologia pode permitir análises automatizadas em linhas industriais, com alta precisão e redução de custos operacionais.

“O sistema pode verificar peça por peça em uma linha de corte de carne com precisão próxima de 100% em relação ao frescor, tornando o processo mais rápido e seguro”, afirmou o pesquisador.

O trabalho ocorre em um contexto de crescimento da produção nacional de carne bovina. Dados da Companhia Nacional de Abastecimento (Conab) indicam que o Brasil assumiu, em 2025, a liderança mundial do setor, com cerca de 12,4 milhões de toneladas produzidas, superando Estados Unidos e China.

Além disso, pesquisas recentes apontam maior preocupação dos consumidores com qualidade, origem e sustentabilidade dos alimentos. Questões como armazenamento inadequado e falhas no manuseio podem comprometer características como odor, textura e coloração da carne.

A técnica descrita em artigo publicado na revista científica Food Chemistry combina redes neurais convolucionais profundas (DCNNs), amplamente usadas em reconhecimento de imagens, com a ferramenta Radam, desenvolvida por pesquisadores do Instituto de Física de São Carlos (IFSC-USP).

A tecnologia é capaz de extrair padrões complexos de textura das imagens utilizando modelos previamente treinados, o que reduz a necessidade de grandes volumes de dados e de alto poder computacional. Segundo os pesquisadores, isso facilita a aplicação do sistema em ambientes industriais, como frigoríficos.

Durante os testes, algoritmos de aprendizado de máquina analisaram imagens de carne bovina previamente classificadas em diferentes estágios de frescor. Os resultados apresentaram índices de precisão entre 93% e 100%, dependendo da configuração utilizada.

Apesar dos resultados considerados promissores, os pesquisadores alertam que a análise visual não substitui completamente métodos laboratoriais tradicionais. Isso porque fatores microbiológicos e químicos internos da carne podem não ser detectados apenas pela aparência externa.

Os cientistas também destacam que variáveis como iluminação, posicionamento da câmera e teor de gordura podem influenciar o desempenho dos modelos de IA. Por isso, a proposta é que a visão computacional atue de forma complementar às técnicas convencionais de análise.

O projeto conta com financiamento da Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp).