Atomos MSI — plataforma robótica multiespectral para qualidade de carne e classificação de carcaças

O Atomos MSI é uma plataforma robótica de imagem multiespectral de cinco bandas — $\lambda \in \{365,\,450,\,530,\,660,\,850\}\,\mathrm{nm}$ — montada em um manipulador SCARA de 3 eixos, com aquisição sequencial LED–CMOS e análise em tempo real (Electron/React + FastAPI + BLE). A hipótese de engenharia é direta: se as bandas caírem sobre picos de absorção de cromóforos-alvo (mioglobina e fluoróforos de oxidação), razões de reflectância/absorbância bastam para aproximar estado redox e frescor sem o cubo hiperespectral completo — HSI entrega química fina, mas a USD 30.000–150.000+ e com latência incompatível com uso inline.

Neste post documentamos a arquitetura do instrumento, a motivação óptica das bandas, a aproximação de Krzywicki por razões $A_{450}/A_{530}/A_{660}$, os índices OxI / TVB-N / IFU e o classificador por limiares. Fechamos o ciclo com uma sessão laboratorial em sobrecoxa de frango (G. gallus domesticus, 2026-05-03) — classe Degraded, MetMb $53{,}4\%$ — que ilustra o pipeline ponta a ponta e, ao mesmo tempo, o risco de transferir limiares de músculo vermelho para uma superfície de baixa mioglobina. Incluímos ainda a extensão a solo (PLSR sobre OSSL) e o mapeamento do protótipo de bancada ao arcabouço industrial de tipificação (multiangular, grau ordinal IN 9/2004, ML embarcado).

Ancestral óptico

A linha MSI desta série começa no protótipo DIY 660+850 nm (C270, só simulação; working-paper histórico), passa pelo MSI-sensor como bancada de métodos (4 bandas, hardware real) e chega aqui: SCARA + 5 bandas + análise em tempo real. O dimensionamento radiométrico do cabeçote LED é o modelo forward de iluminação — simulação que justifica uniformidade e contraste, não aquisição in situ.

---

1. Problema e motivação científica

A tipificação de carcaças bovinas, ovinas e caprinas no Brasil atribui graus de acabamento e conformação sob critérios normativos. Em paralelo, a ciência de alimentos demanda proxies objetivos de frescor, oxidação de mioglobina e, a médio prazo, composição (proteína, gordura, umidade, TVB-N). RGB de banda larga captura aparência; HSI captura química com excesso de custo e latência. MSI de poucas bandas é a hipótese de engenharia do projeto: se as $\lambda$ forem escolhidas sobre picos de absorção conhecidos, descritores de reflectância/absorbância podem aproximar o estado redox e o frescor sem o cubo hiperespectral completo.

Formulamos quatro questões alinhadas à agenda de qualidade e tipificação:

1. Q1 — Um cabeçote de 5 LEDs de banda estreita + CMOS monocromática, com aquisição sequencial e posicionamento robótico repetível, produz assinaturas $R_\lambda$ estáveis o bastante para índices de domínio (carne, solo)?
2. Q2 — Na ausência das $\lambda$ clássicas de Krzywicki (473, 525, 572, 700 nm), razões de absorbância entre 450/530/660 nm preservam a lógica física de partição OxiMb / MetMb / DesoxiMb?
3. Q3 — Limiares de frescor calibrados em referência (predominantemente bovina) transferem para frango, cuja concentração de mioglobina é $\sim 10\times$ menor ($\sim 0{,}05\,\mathrm{mg\,g^{-1}}$ vs.\ $\sim 0{,}5\,\mathrm{mg\,g^{-1}}$)?
4. Q4 — Como o protótipo laboratorial (ângulo único, SCARA 3-DOF, notebook) se mapeia no arcabouço industrial (multiangular, 5 poses, 6 eixos, SoC embarcado, grau ordinal 1–5 da IN 9/2004)?

O Atomos é tratado como instrumento de aquisição e análise exploratória, não como oráculo metrológico de tipificação. Reflectâncias são relativas à sessão (sem Spectralon absoluto no fluxo de carne reportado); o canal IR 850 nm é excluído dos índices de carne por irradiância insuficiente na revisão atual do hardware.

---

2. Fundamentos e trabalho relacionado

2.1 Cromóforos e escolha de bandas

A banda verde é a mais diagnóstica no Vis-NIR curto para cor e frescor indireto; a literatura reporta $A_{576}/A_{540}$ com $R_p=-0{,}915$ frente a TVB-N — o Atomos aproxima essa razão por $A_{530}/A_{660}$.

2.2 Absorbância Beer–Lambert

Seja $R_\lambda \in [0,1]$ a reflectância média da banda (luminância BT.601 normalizada por 255 no fluxo tipico de carne). A absorbância é

$$A_\lambda = -\log_{10}(R_\lambda),\qquad R_\lambda \ge 10^{-4}.$$

Calibração dark/white (flat-field + Beer–Lambert absoluto) está implementada no backend, mas a sessão experimental reportada usa média de pixel $/255$ — reflectância relativa à sessão.

2.3 Particionamento redox (aproximação de Krzywicki)

O método clássico de Krzywicki (1979) exige 473, 525, 572 e 700 nm — conjunto indisponível. Adota-se heurística de razões de absorbância que preserva a discriminação física:

$$\begin{aligned} s_{\mathrm{Oxi}} &= \min\!\bigl(4,\, A_{530}/A_{660}\bigr), \\ s_{\mathrm{Met}} &= \min\!\bigl(4,\, A_{660}/A_{530}\bigr), \\ s_{\mathrm{Desox}} &= \min\!\bigl(4,\, A_{450}/A_{530}\bigr), \end{aligned}$$

com

$$\mathrm{pct}_i = \frac{s_i}{\sum_j s_j}\times 100.$$

OxiMb domina quando $A_{530}\gg A_{660}$; MetMb quando $A_{660}\gg A_{530}$; DesoxiMb quando $A_{450}$ eleva-se relativamente a $A_{530}$.

2.4 Índices de frescor e oxidação

Classificação por limiares (código vigente / working paper PT-BR):

$$\text{Classe}= \begin{cases} \text{Fresh} & \mathrm{TVBN}>1{,}8 \land \mathrm{OxI}<0{,}5 \land \mathrm{IFU}<1{,}2 \\ \text{Moderate} & \mathrm{TVBN}>1{,}0 \land \mathrm{OxI}<0{,}9 \land \mathrm{IFU}<2{,}0 \\ \text{Degraded} & \text{caso contrário.} \end{cases}$$

Valores de referência citados no código: Fresh $\mathrm{OxI}\approx 0{,}37$, $\mathrm{TVBN}\approx 2{,}69$; Moderate $\approx 0{,}72$ / $1{,}39$; Degraded $\mathrm{OxI}>1$, $\mathrm{TVBN}<0{,}9$.

2.5 Vis-NIR versus SWIR

A documentação de espectroscopia do projeto delimita o alcance de 365–850 nm: adequado para cor CIE, redox de Mb (aproximado), frescor indireto e fluorescência UV; limitado para gordura intramuscular, umidade industrial, TVB-N direto e ácidos graxos — que pedem SWIR. Expansão mínima recomendada: 580, 700–730 e 940–970 nm. PLSR na literatura Vis-NIR (400–1050 nm) reporta, por exemplo, $R^2_p\approx 0{,}78$–$0{,}86$ para proteína, gordura, umidade e TVB-N sob protocolos laboratoriais densos — teto ao qual o MSI esparso ainda não aspira.

---

3. Arquitetura do instrumento

3.1 Hardware

O laço de captura LED opera sem o braço (comentário explícito no BleManager); o SCARA fornece posicionamento repetível na bancada e é formalizado em documento separado de visual servoing eye-in-hand. A lei de correção discreta por waypoint usa erro visual normalizado $\mathbf{e}=[\tilde{c}_x-0{,}5,\,\tilde{c}_y-0{,}5]^\top$ e $\Delta\mathbf{q}=-\lambda\mathbf{L}_{\mathrm{scara}}^{-1}\mathbf{e}$ — não IBVS contínuo.

3.2 Pilha de software

Pipeline espectral (spectral.py): decodificação → luminância BT.601 $\to$ $R_\lambda$ $\to$ índices, grupos funcionais, similaridade cosseno ($\cos\theta\geq 0{,}92$ vs.\ $\sim 21$ assinaturas), SNV opcional, modelos de domínio (carne, solo).

3.3 Metadados de carcaça (ponte normativa)

A UI de captura expõe CarcassMetadataDTO: espécie (ovino / bovino / caprino), grau de acabamento 1–5 (IN 9/2004), abatedouro e notas — pensado para dataset de treino ordinal, ainda que o classificador atual de frescor opere em três classes por limiar.

---

4. Protocolo experimental

4.1 Amostra e aquisição (carne)

4.2 Solo (extensão de domínio)

Índices heurísticos (matéria orgânica proxy, NDWI-like, vermelhidão Fe, TSAVI) e PLSR treinado na Open Soil Spectral Library (OSSL) VisNIR, interpolado para as 5 bandas MSI + SNV. Alvos: carbono orgânico, carbono total, argila, areia, pH. $R^2_{\mathrm{CV}}$ do manifesto: OC $\approx 0{,}48$, C total $\approx 0{,}67$, argila $\approx 0{,}18$, areia $\approx 0{,}05$, pH $\approx 0{,}10$ — pH e areia fracos; declarar no uso.

---

5. Resultados — sessão de carne 2026-05-03

5.1 Reflectâncias médias

O perfil — alto no azul/verde, queda no vermelho/IR — é compatível com pele/gordura de frango, não com músculo vermelho bovino saturado em Mb. Essa observação condiciona toda a interpretação dos índices.

5.2 Índices e classificação

Com $\mathrm{TVBN}=0{,}53<1$ e $\mathrm{OxI}=1{,}90>0{,}9$, a regra (Eq. de classe) atribui Degraded de forma consistente. A leitura científica correta, contudo, é condicional à espécie: limiares calibrados sob lógica de músculo vermelho aplicados a uma superfície de frango com baixa Mb e alta contribuição de pele/gordura — evidência a favor de Q3 (não-transferência) mais do que veredito absoluto de deterioração química.

5.3 Mapeamento ao arcabouço de carcaças

---

6. Parâmetros do protocolo

---

7. Limitações e validade

1. Irradiância IR insuficiente. O canal 850 nm é capturado, mas excluído dos índices de carne; proxies de água/gordura via IR ficam zerados.
2. Krzywicki incompleto. Sem 572 e 700 nm, a partição redox é aproximação por razões — fisicamente motivada, não metrologicamente equivalente.
3. Especificidade por espécie. Limiares e assinaturas de referência não transferem de bovino para frango sem recalibração; o ensaio 2026-05-03 ilustra o risco.
4. Reflectância relativa. Sem Spectralon no fluxo reportado, comparações entre sessões/iluminações são frágeis.
5. Ângulo único. O arcabouço industrial exige multiangular; o protótipo ainda não fecha as 5 poses anatômicas.
6. Classificador por regras. Não há RF/GBM/CNN supervisionado no caminho crítico de frescor; solo tem PLS, carne não.
7. Solo. $R^2_{\mathrm{CV}}$ baixos para pH/areia; sessões com saturação de OC/C exigem cautela interpretativa.
8. Docs legados. spectroscopy_meat_analysis.tex documenta limiares/fórmulas anteriores; a fonte de verdade metodológica vigente é analyze_meat() + working paper PT-BR.

---

8. Direções de pesquisa

• Biblioteca espectral por espécie e estado (fresco / moderado / degradado), com limiares ou modelos ordinais recalibrados.
• LEDs IR 50–100 mW; inclusão de 580, 700–730 e 940–970 nm; ativar calibrate() (dark/white) no fluxo de carne.
• ML tabular (RF/GBM) → CNN leve 5-bandas (MobileNet / EfficientNet-Lite) → destilação HSI→MSI.
• Deploy headless em Raspberry Pi 5 (inferência tabular <5 ms; CNN ~80–150 ms no alvo documentado).
• Hardware: SCARA → 6 eixos + planejador de 5 poses → célula inline (<30 s p95; ovinos ~600 cab./h no arcabouço).
• Integração com a linha carcass_quality / Apex: MSI Atomos como descritor espectral pareado ao grau IN 9 e à segmentação de gordura por imagem.

---

9. Conclusão

No âmbito da avaliação não-destrutiva de carne e da tipificação de carcaças, o Atomos MSI formaliza um compromisso de engenharia: cinco bandas fisicamente motivadas, posicionamento robótico e análise em tempo real bastam para fechar o ciclo laboratorial de aquisição → espectro → índices redox/frescor — sem o custo do HSI. O ensaio em frango demonstra o pipeline ponta a ponta e, ao mesmo tempo, a necessidade de calibração por espécie (Q3): a classe Degraded é mecanicamente correta sob os limiares vigentes, porém cientificamente condicionada a um perfil de pele/gordura com baixa Mb. O instrumento não substitui o avaliador normativo nem a metrologia SWIR; fornece a plataforma sobre a qual hipóteses de contraste espectral, fusão multiangular e ML embarcado podem ser testadas até a célula inline. A validade industrial depende, daqui em diante, de radiometria absoluta, bandas adicionais, amostra multi-espécie pareada à IN 9/2004 e fechamento do laço robótico multiangular.

---

Referências

• Krzywicki, K. (1979). Assessment of relative content of myoglobin, oxymyoglobin and metmyoglobin at the surface of beef. Meat Science, 3(1), 1–10. https://doi.org/10.1016/0309-1740(79)90019-6
• Brasil. Ministério da Agricultura, Pecuária e Abastecimento. (2004). Instrução Normativa nº 9, de 4 de maio de 2004.
• Qiao, J., Ngadi, M. O., Wang, N., Gariépy, C., & Prasher, S. O. (2007). Pork quality and marbling level assessment using a hyperspectral imaging system. Journal of Food Engineering, 83(1), 10–16.
• Kamruzzaman, M., ElMasry, G., Sun, D.-W., & Allen, P. (2012). Prediction of some quality attributes of lamb meat using NIR hyperspectral imaging and multivariate analysis. Analytica Chimica Acta, 714, 57–67.
• ElMasry, G., Sun, D.-W., & Allen, P. (2011). Non-destructive determination of water-holding capacity in fresh beef by using NIR hyperspectral imaging. Food Research International, 44(9), 2624–2633.
• Orgiazzi, A., et al. Open Soil Spectral Library (OSSL) — VisNIR soil spectroscopy resources for PLS calibration.
• Melo, L. S. (2026). Plataforma Robótica de Imagem Multiespectral para Análise Não-Destrutiva da Qualidade de Carne e Classificação de Carcaças. Working paper iCEV / Atomos MSI (atomos_meat_analysis_report_ptbr.tex).
• Melo, L. S. (2026). Documentação técnica de espectroscopia Vis-NIR para carne (spectroscopy_meat_analysis.tex) e modelagem de visual servoing SCARA 3-DOF (docs/3DOF-Scara/).