Os defeitos mais difíceis no processamento de castanhas são os que você consegue ver mas não consegue distinguir — e os que você não consegue ver de jeito nenhum. Um fragmento de casca de noz tem a mesma cor que uma amêndoa de noz. Uma pedra que veio com a colheita parece uma castanha para uma câmera de cor. Uma amêndoa com mofo interno pode estar perfeitamente bege na superfície enquanto carrega aflatoxina por dentro. Não são casos extremos; são exatamente os defeitos que transformam um contêiner sadio em uma rejeição na fronteira da UE, uma reclamação de cliente ou um recall.
Uma classificadora de cor convencional é cega para os três. Este artigo explica por quê, o que as tecnologias que de fato resolvem isso — IA de forma/textura e visão em infravermelho próximo (NIR) com InGaAs — realmente detectam, e como a classificação óptica se tornou um ponto de controle nomeado para aflatoxina no comércio internacional de castanhas.

Câmeras de luz visível leem cor; sensores infravermelhos leem do que o objeto é feito.
Os três desafios de classificação mais difíceis em castanhas
1. Material estranho da mesma cor
Após a descascagem, o fluxo de resíduos está cheio de material que compartilha a cor da amêndoa: fragmentos de casca e medula (o diafragma lenhoso dentro de uma noz), lascas de casca de amêndoa e amendoim, lascas de casca de pistache, talos e pedras trazidas do campo. Para uma câmera de luz visível (RGB), um fragmento fino de casca sobre uma amêndoa é uma correspondência de cor. Essa é a falha mais comum da classificação "barata" de castanhas — a máquina relata 99%+ de pureza em cor e ainda embarca casca.
O padrão AFI usado no comércio internacional de castanhas especifica material estranho abaixo de 0.1% e amêndoas defeituosas abaixo de 4% para níveis de amêndoa inteira. Atingir 0.1% de material estranho é impossível só com cor quando o material estranho é da cor da castanha.
2. Mofo interno, dano por insetos e mirramento
Algumas amêndoas defeituosas falham na substância, não na superfície: um furo de inseto, uma amêndoa mirrada ou de dois lóbulos ou — pior — uma amêndoa com crescimento de mofo interno e as micotoxinas que vêm com ele. A cor superficial pode ser irrepreensível. A contaminação por aflatoxina causada por Aspergillus está fortemente ligada a danos por insetos (por exemplo, a lagarta-das-nozes em amêndoas), e o mofo cresce em amêndoas já abertas por insetos que se alimentam, de modo que uma amêndoa que parece "quase boa" pode carregar o problema.
3. Contaminantes densos e de baixa densidade estranhos
Vidro, plástico duro, fragmentos de metal e material estranho mais leve, como barbantes ou pedaços de gravetos, entram pela colheita e pelo processamento. Alguns deles combinam com a castanha em cor, e são exatamente os itens que causam o dano de marca e de responsabilidade mais grave quando chegam a um consumidor.

Fragmentos de casca, medula e pedras da mesma cor são invisíveis para uma máquina apenas de cor.
Por que a classificação de cor não resolve isso — e o que InGaAs / NIR faz
A classificação de cor lê luz visível refletida: vermelho, verde, azul. Ela responde "que tom tem este objeto?". Defeitos da mesma cor são, por definição, invisíveis a essa pergunta.
A visão em infravermelho próximo responde a uma pergunta diferente: "do que este objeto é feito?"
Sensores InGaAs (arsenieto de gálio e índio) formam imagens na banda do infravermelho de ondas curtas (SWIR), onde as ligações moleculares no produto absorvem e refletem luz de forma diferente. A consequência prática para castanhas:
- Amêndoas de castanha são ricas em óleo. Casca, medula, pedra, vidro e a maioria dos plásticos não são. Na banda SWIR, a diferença entre uma amêndoa gordurosa e um contaminante lenhoso ou mineral é grande e inequívoca, mesmo quando ambos são idênticos aos olhos. É assim que as classificadoras InGaAs conseguem remover fragmentos de casca e pedras/vidro da mesma cor que as máquinas de cor não conseguem.
- Diferenças subsuperficiais e de umidade revelam defeitos que não descoloriram a superfície — mofo oculto, dano interno por insetos e aflatoxina em estágio inicial que as câmeras visíveis perdem.
- Canais NIR (infravermelho próximo) são a família mais ampla; o InGaAs é a implementação de sensor de ponta usada para classificação "invisível" e "da mesma cor" em castanhas e sementes.
Isso não é especulação nem marketing específico de um fornecedor — é a arquitetura consolidada da categoria de classificação de castanhas. Grandes fabricantes de classificadoras documentam exatamente esses mecanismos: a plataforma MultiVision da Bühler combina comprimentos de onda visíveis e infravermelhos mais detecção de forma especificamente para remover material estranho da mesma cor e micotoxinas, incluindo aflatoxina, em amendoins e castanhas. A Alapros afirma que o InGaAs "permite a separação de defeitos que não podem ser distinguidos visualmente … [e] cascas de amêndoas". A Hefei Meyer lista séries dedicadas de infravermelho (CI/KI) para "separação de casca e amêndoa de castanha" e remoção de vidro, pedra e metal, e uma série CG que usa NIR/InGaAs/UV para impurezas nocivas. Toda a categoria converge no mesmo ponto: para defeitos da mesma cor e subsuperficiais, você precisa de sensoriamento infravermelho de material, não de mais pixels de cor.
Como a IA acrescenta a camada de forma e textura
Ao lado do hardware espectral, as classificadoras modernas acrescentam aprendizado profundo de IA / visão computacional para tratar defeitos que não são puramente cor nem puramente material: peles enrugadas, pequenos furos de insetos, amêndoas mirradas e de dois lóbulos, e o contorno característico de uma metade versus uma lasca.
Isso importa para o equilíbrio rendimento/pureza de uma forma específica. Uma classificadora de cor baseada em regras ajustada de forma agressiva o suficiente para capturar uma amêndoa mofada pálida também rejeitará amêndoas boas e pálidas — pureza alta, arraste terrível. A classificação por IA melhora a separação entre os dois, de modo que você consegue manter um limiar de defeitos rigoroso sem despejar produto comercializável. Nossa plataforma de imagem ValueSort roda classificação por aprendizado profundo que reconhece produto bom e defeituoso em cor, forma e textura juntas, com detecção documentada de até manchas de doença de 0.03 mm, e armazena os perfis aprendidos para que os mesmos critérios se mantenham de lote a lote.
Uma nota de honestidade prática para compradores: IA de cor + forma (o que uma classificadora RGB de ponta faz) e sensoriamento de material InGaAs/NIR (o que uma classificadora de composição química faz) são níveis de capacidade diferentes. Muitos processadores precisam de ambos: IA para defeitos de forma e de superfície, NIR/InGaAs para casca da mesma cor, pedra e mofo interno. Quando comparar cotações, pergunte explicitamente quais canais espectrais existem na máquina, e teste os defeitos que importam para você na sua própria amostra. (Pergunte-nos quais configurações espectrais estão disponíveis como padrão ou opcionais no seu modelo.)
A classificação óptica como ponto de controle de segurança alimentar
O argumento mais forte para investir em classificação espectral e por IA é regulatório, e está bem documentado.
A União Europeia estabelece o patamar prático mais rigoroso. Segundo o Regulamento (UE) 2023/915 da Comissão, os níveis máximos de aflatoxina para castanhas colocadas no mercado para o consumidor final são apertados — para amêndoas, pistaches e caroços de damasco, 8 µg/kg de AFB1 e 10 µg/kg para a soma de B1+B2+G1+G2; para avelãs e castanhas-do-pará, 5 µg/kg de AFB1 e 10 µg/kg no total. Crucialmente, o mesmo regulamento permite um limite mais alto para castanhas "a serem submetidas a classificação ou outro tratamento físico" antes de chegar ao consumidor — um sinal claro de que a lei trata a classificação mecânica/óptica como a etapa que leva um lote à conformidade.
A indústria californiana de amêndoas torna a classificação um PCC explícito. Seu Programa Voluntário de Amostragem de Aflatoxina (VASP) e o fluxograma HACCP do setor listam a Classificação Mecânica / Óptica / Manual como Ponto Crítico de Controle nº 1 para aflatoxina, e exigem que um lote reprovado seja "processado posteriormente com meios eletrônicos, manuais ou outros de classificação para remover castanhas danificadas e reduzir os níveis de aflatoxina" antes de poder ser retestado para um embarque destinado à UE. Em outras palavras: a classificação não é um requinte de qualidade — é a intervenção designada que salva um contêiner inteiro da rejeição.
O mecanismo é bem compreendido porque o contaminante se concentra nos defeitos. Como as amêndoas portadoras de aflatoxina são desproporcionalmente as danificadas por insetos, mofadas e descoloridas, remover uma pequena fração de rejeitos sinalizados visual e espectralmente retira uma fração muito maior do total de aflatoxina do lote. A indústria californiana de castanhas relata que a classificação eletrônica e manual de rotina reduz significativamente a aflatoxina em um dado lote — e o InGaAs/NIR estende essa remoção às amêndoas contaminadas que ainda não descoloriram, aquelas que a classificação de cor sozinha deixa passar.
Construindo o caso de conformidade na sua linha
Para um exportador de castanhas, a etapa de classificação deve ser especificada para produzir evidência, não apenas produto:
- Uma lista de defeitos nomeados por produto — preto/mofado, inseto, mirrado, casca, medula, pedra, vidro, plástico — com a taxa de remoção-alvo para cada um.
- Remoção documentada na sua própria amostra, incluindo os defeitos da mesma cor que uma demonstração de cor não consegue mostrar.
- Uma passagem de reclassificação no fluxo de rejeitos para recuperar amêndoa boa — é aqui que uma máquina multinível (nossa CS-LA1200D de duplo deck, que separa três níveis em uma passagem) protege o rendimento mantendo a pureza.
- Um sistema óptico estável que não sofre deriva no meio do turno em amêndoas oleosas e com poeira, para que os números de QA que você assina sejam os números que você embarca.
Um lote que passa nos seus defeitos de cor mas ainda carrega fragmentos de casca e uma amêndoa mofada não descolorida não é um lote conforme — e é exatamente essa lacuna que o InGaAs/NIR e a IA foram criados para fechar.
Conclusão
Casca da mesma cor, mofo interno oculto e contaminantes de pedra/vidro são os defeitos que realmente prejudicam uma marca de castanhas, e uma classificadora apenas de cor não consegue vê-los. A categoria convergiu na resposta: IA para forma e superfície, infravermelho (InGaAs/NIR) para composição de material e defeitos subsuperficiais, e uma passagem de reclassificação para recuperar rendimento — razão pela qual a classificação óptica está escrita na lógica de aflatoxina da UE e no HACCP da indústria de amêndoas como um ponto de controle, não uma opção.
Se você enfrenta alto arraste de fragmentos de casca ou risco de rejeição na UE, fale conosco sobre uma configuração de classificação multiespectral de castanhas e teste os seus defeitos mais difíceis em um teste de amostra gratuito: Solicite um teste de remoção de defeitos de castanhas.
Perguntas frequentes
Uma classificadora de cor consegue remover fragmentos de casca das amêndoas de castanha?
Uma classificadora apenas de cor geralmente não consegue, porque os fragmentos de casca compartilham a cor da amêndoa. A remoção de casca da mesma cor é feita com sensoriamento infravermelho de material (InGaAs/NIR), que detecta a diferença entre uma amêndoa rica em óleo e um fragmento de casca lenhoso e sem óleo, muitas vezes combinado com reconhecimento de forma por IA.
A classificação óptica consegue reduzir a aflatoxina em castanhas?
Sim. A aflatoxina se concentra em amêndoas mofadas, danificadas por insetos e descoloridas, de modo que remover esses rejeitos reduz a aflatoxina do lote. A indústria californiana de amêndoas trata a classificação mecânica/óptica/manual como um Ponto Crítico de Controle para aflatoxina, e o Regulamento (UE) 2023/915 permite um limite mais alto antes da classificação justamente porque a classificação é a etapa de conformidade. O NIR/InGaAs adicionalmente alcança amêndoas contaminadas que ainda não descoloriram.
Qual é a diferença entre a classificação NIR e a InGaAs?
O infravermelho próximo (NIR) é a família espectral mais ampla usada para ler composição em vez de cor. O InGaAs é um sensor específico de ponta para a banda do infravermelho de ondas curtas, usado para os defeitos "da mesma cor" e subsuperficiais mais difíceis, como a separação de casca e amêndoa e o mofo interno. O InGaAs é geralmente o nível de capacidade superior.
Quais são os limites de aflatoxina da UE para castanhas?
Para castanhas vendidas ao consumidor final, o Regulamento (UE) 2023/915 estabelece 8 µg/kg de AFB1 e 10 µg/kg no total (B1+B2+G1+G2) para amêndoas, pistaches e caroços de damasco, e 5 µg/kg de AFB1 e 10 µg/kg no total para avelãs e castanhas-do-pará. Limites mais altos aplicam-se apenas a castanhas destinadas a classificação/tratamento físico adicional. Sempre confirme o limite atual e as regras de amostragem com o seu mercado de destino.








