Utilização de função dielétrica para estimar o teor de água de sementes de café

Abstract

O interesse na utilização das propriedades dielétricas de produtos agrícolas granulares tem aumentado devido ao seu potencial para aplicação em novas tecnologias, como a medição contínua do teor de água de grãos e sementes em operações que utilizam o controle automático de processos, como a colheita, secagem e aeração. O procedimento mais eficaz para diminuir os erros que as alterações no fluxo de massa do produto provocam na estimativa do seu teor de água é a derivação de modelos que empregam a permissividade elétrica relativa ε' e o fator de perda dielétrica ε" das sementes. Assim, este trabalho teve como objetivo desenvolver um modelo dielétrico a partir da função [(ε'-1)/ε"] para determinação indireta e não-destrutiva do teor de água de sementes de café utilizando o método da capacitância no intervalo de radiofreqüências. Os testes experimentais foram realizados em 2005, no Laboratório de Engenharia Agrícola da Universidade Estadual do Norte Fluminense. Dentre os modelos obtidos, aquele que permitiu estimar o teor de água de sementes de café com melhor grau de acurácia apresentou erro-padrão da estimativa entre 0,2 e 1,2 pontos percentuais e erro máximo entre 0,4 e 2,6 pontos percentuais.

The interest in dielectric properties of grains has been increasing over the years due to their potential utilization in new technologies such as the on-line estimation of moisture content in automatic control of harvest, drying and aeration. The most convenient way of reducing measurement errors caused by fluctuations in grain mass flow rate is the derivation of dielectric models based on the relative permittivity ε' and loss ε" of the product. The object of this research work is to develop a dielectric model derived from the function, [(ε'-1)/ε"] for indirect and non-destructive on-line moisture content measurement of parchment coffee seeds at radiofrequencies. Experimental tests were conducted during the 2005 year, at the Agricultural Engineering Laboratory of the Northern Rio de Janeiro State University, Brazil. The best-fit model could estimate moisture content with standard errors of estimate in the range from 0.2 to 1.2 percentage points moisture and maximum errors from 0.4 to 2.6, percentage points moisture.