UNIVERSIDADE FEDERAL DO

VALE DO SO FRANCISCO

UNIVERSIDADE FEDERAL DO VALE DO SO FRANCISCO

PROGRAMA DE PS-GRADUAO EM ENGENHARIA AGRCOLA

Alisson Amorim Siqueira

SISTEMA PARA DESENVOLVIMENTO DE MODELOS

MICROBIOLGICOS DE PREDIO E CONTAGEM DE
COLNIAS POR ANLISE COMPUTACIONAL DE
FOTOGRAFIAS

JUAZEIRO BA
2015

UNIVERSIDADE FEDERAL DO VALE DO SO FRANCISCO

PROGRAMA DE PS-GRADUAO EM ENGENHARIA AGRCOLA

Alisson Amorim Siqueira

SISTEMA PARA DESENVOLVIMENTO DE MODELOS

MICROBIOLGICOS DE PREDIO E CONTAGEM DE
COLNIAS POR ANLISE COMPUTACIONAL DE
FOTOGRAFIAS

Trabalho apresentado ao Programa de Ps

Graduao
em
Engenharia
Agrcola
da
Universidade Federal do Vale do So Francisco UNIVASF, como requisito para a obteno do ttulo
de mestre.
Orientador: Dr. Paulo Gustavo Serafim de Carvalho
Coorientadora: Marianne Louise Marinho Mendes

JUAZEIRO BA
2015

S618s

Siqueira, Alisson A.
Sistema para desenvolvimento de modelos microbiolgicos de
predio e contagem de colnias por anlise computacional de
fotografias / Alisson Amorim Siqueira. Juazeiro, 2015.
VIII; 96f.: il.; 29 cm.
Dissertao de Mestrado (Programa de Ps-graduao em
Engenharia Agrcola) - Universidade Federal do Vale do So
Francisco, Campus Juazeiro, Juazeiro-BA, 2015.
Orientador (a): Prof.(a) Dr. Paulo Gustavo Serafim de Carvalho.
1. Modelagem - Computao. 2. Microbiologia. I. Ttulo. II.
Carvalho, Paulo Gustavo Serafim. III. Universidade Federal do Vale
do So Francisco.
CDD 003.3

Ficha catalogrfica elaborada pelo Sistema Integrado de Biblioteca SIBI/UNIVASF

AGRADECIMENTOS
Agradeo a Deus pelo dom da vida, pelo livre arbtrio, pelo discernimento, por ter
colocado em meu caminho pessoas maravilhosas.
Agradeo imensamente ao meu orientador, o Professor Paulo Gustavo, pelo
exemplo mpar de profissional responsvel, dedicado, atencioso e prestativo, pela
pessoa incrvel, honesta, amiga, inteligente, criativa e alegre. Muito obrigado por
sua amizade, por seu incentivo, por acreditar em mim, pelos conhecimentos
compartilhados e pelo entusiasmo contagiante com que faz todas as atividades e
pela orientao impecvel. Obrigado por me ajudar e instruir em cada passo, por
transformar as dificuldades em oportunidades, por ter tornado tudo muito mais
fcil. O que aprendi e aprendo contigo levarei comigo sempre. No cabe em
palavras e nem nesse curto espao a quantidade de elogios e agradecimentos
que tenho a te fazer. Os mesmos agradecimentos e elogios fao a minha
coorientadora, a Professora Marianne Marinho, cujo tempo, contribuies e
disponibilidade permitiram a realizao desse trabalho.
A minha me, Angelita (ngela), pela dedicao, amor, carinho e ateno
constantes desde que me trouxe ao mundo. Muito obrigado por ter investido na
minha educao pessoal e profissional, pelos valores ensinados, pelo exemplo de
mulher honesta, forte e trabalhadora, por me incentivar em cada passo, por no
me deixar baixar a cabea, por insistir no que certo e por tornar tudo mais fcil
para mim. A minha irm, Alana, pelo amor, amizade e carinho desde a infncia,
por cuidar de mim, pela cumplicidade, pelas aventuras e gargalhadas. Por me tirar
do srio, por me tirar do trabalho, por ensinar que nunca devemos nos arrepender
daquilo que nos faz sorrir.
A minha namorada Lasla, pelo amor, carinho, cuidado e proteo. Obrigado por
estar sempre ao meu lado, por me acalmar com teu abrao depois de um dia
corrido e complicado, por me mostrar tantas formas de ser feliz, por me convidar a
experimentar o novo, por me contagiar com sua paz, com sua alegria, sua
bondade, doura e sabedoria. Sinto que ao seu lado sou muito melhor do que eu
jamais poderia ser sozinho.
Ao programa de Ps-Graduao em Engenharia Agrcola, em especial
professora Silvia Helena, pela ateno, apoio e incentivos. Aos amigos de Psgraduao, que me ajudaram de diversas formas e me acompanharam em
agradveis momentos: Wilis, Victor, Nielton, Armando, Marcio, Henrique, Cintia,
Sheila, Roberto, Saulo, Danielle, Indira, Fbio, Bruno, Mayara e em especial a
Daniel Costa, que me incentivou a fazer a matrcula e a Rubem Franca, que muito
me ensinou. Obrigado aos secretrios Carolina Torres e Sinivaldo pela ateno e
disponibilidade que sempre me receberam. Aos professores Miriam Cleide, Jos
Aliandro e Vanessa Donzelli pela disponibilidade e apoio a realizao desse
trabalho. Aos professores Marlon, Brauliro, Vivianni, Mario Miranda e Vanessa
pelos importantes ensinados e incontveis auxlios. Ao professor Kenji, pela
pacincia e ensinamento sobre a contagem de microrganismos e prticas de
laboratrio. A todos que no citei aqui, por falha de memria, mas que agradecerei
pessoalmente. Muito obrigado a todos. A FAPESB pela concesso da bolsa de
estudos e incentivo a esse trabalho.

...Meus olhos viram o que nenhum ser humano

deveria testemunhar: cmaras de gs construdas
por engenheiros ilustres; crianas envenenadas por
mdicos altamente especializados; recm-nascidos
mortos por enfermeiros diplomados; mulheres e
bebs assassinados e queimados por pessoas
formadas em ginsio, colgios e Universidades.
Por isso, caro professor, eu duvido da educao. E
eu lhe fao um pedido: Ajude seus estudantes a se
tornarem humanos. Seus esforos, professor,
nunca devem produzir monstros eruditos e cultos,
psicopatas e Eichmans educados.
Leitura, escrita e aritmtica so importantes
somente se servirem a tornar nossas crianas e
jovens mais humanos...
Carta de um sobrevivente do holocausto
endereada a Janusz Korczak

SIQUEIRA, A. A. Sistema para desenvolvimento de modelos microbiolgicos de

predio e contagem de colnias por anlise computacional de fotografias.

2015. 96f. Dissertao (Mestrado em Engenharia Agrcola) Universidade Federal do
Vale do So Francisco - UNIVASF, Juazeiro, BA.

RESUMO
Os modelos de predio microbiolgica so uma importante ferramenta para
aferio da segurana alimentar e avaliao de riscos nos alimentos,
proporcionando um caminho rpido e relativamente econmico para obteno de
estimativas confiveis sobre o comportamento microbiano, de acordo com as
condies de estocagem de um produto. Apesar da importncia dos modelos de
predio, a dificuldade de utilizao e resoluo dos mesmos, por consistirem de
equaes no lineares e sem soluo analtica, impedem sua ampla utilizao. A
baixa disponibilidade de programas eletrnicos para trabalhar com dados
microbiolgicos, desde a contagem de colnias que iro fomentar os estudos de
modelagem, at o ajuste dos dados em uma determinada equao, so outros
entraves ao uso dos modelos de predio. Para superar essas dificuldades, esse
trabalho teve por objetivo desenvolver ferramentas que facilitasse as atividades de
avaliao e criao de modelos, bem como a contagem automtica de colnias
em experimentos atravs da anlise computacional de fotografias. Para cumprir os
objetivos propostos, gerou-se uma lista de funes ausentes e necessrias aos
programas comumente empregados nas atividades de ajuste de modelos e
contagem de colnias por fotografias. O desenvolvimento dessas funes foi
realizada atravs da implementao de um interpretador computacional de
funes matemtica, mtodos numricos de Levenberg-Marquardt e Runge-Kutta,
e tcnicas de processamento, segmentao e identificaes de colnias por
fotografias. Atravs dessas tcnicas criou-se dois softwares. O primeiro software
desenvolvido permite ajustar, criar e comparar de modelos de crescimento
microbiolgicos, enquanto o segundo prov a contagem automtica de bactrias
por anlise de fotografias. Ambos os programas funcionam sem dependncias
externas, so distribudos gratuitamente, possuem interface clara e objetiva, com
ferramentas funcionais, robustas e fcies de utilizar.

Palavras-chaves: Modelagem de populaes de microrganismos; Contagem de

bactrias; segurana alimentar; Software de modelagem e contagem automtica;

SIQUEIRA, A. A. A software to create predictive models and count

microbiological

colony by computer

photographs analysis. 2015. 96f.

Dissertation (Master in Agricultural Engineering), Federal University of So

Francisco Valley - UNIVASF. Juazeiro BA.

ABSTRACT
The microbiological prediction models are an important tool for assessment of food
safety and risk assessment in food, providing a quick and relatively economical
way to obtain reliable estimates of microbial behavior, according to the storage
conditions of a product. Despite the importance of prediction models, the difficulty
of use and solve them, because they consist of non-linear equations and no
analytical solution, prevent its widespread use. The low availability of electronic
programs for working with microbiological data, from colony count for the modeling
studies, to the data fitting in a given equation, are other barriers to the use of
prediction models. To overcome these difficulties, this study aimed to develop tools
that facilitate the activities of model evaluation and creation, as well as automatic
colony count in experiments, by computer analysis of photographs. To meet the
proposed objectives, it was generated a list of missing and necessary functions to
commonly used programs in modeling activities and colony count by photograph
analysis. The development of these functions were performed by implementing an
computer math functions interpreter, numerical methods of Levenberg-Marquardt
and Runge-Kutta, and processing techniques, segmentation and identification of
colonies by photographs. Through these techniques was created two softwares.
The first developed software is able to adjust, create and compare microbiological
growth models, while the second provides automatic counting of bacteria analysis
of photographs. Both programs operate with no external dependencies are
distributed for free, have a clear and objective interface with functional tools, robust
and ease of use.

Keywords: Modeling microbial populations; Count of bacteria; food security;

Modeling and automatic counting software;

SUMRIO
1. INTRODUO ..................................................................................................... 10
1.1. A conservao de alimentos e os modelos de predio .................................................. 10
1.2. A contagem bacteriana como base de estudos microbiolgicos..................................... 13
1.3 Contribuies esperadas e justificativas .............................................................................. 15
1.4 Objetivos do estudo ................................................................................................................. 16
1.5 Organizao da dissertao ................................................................................................... 17

2. REVISO BIBLIOGRFICA ................................................................................ 18

2.1 Modelagem matemtica e ambiental .................................................................................... 19
2.1.1 Conceitos bsicos ............................................................................................................. 20
2.1.2 Tipologia de sistemas....................................................................................................... 22
2.1.3 A modelagem como procedimento metodolgico........................................................ 25
2.1.4 Caractersticas e funes dos modelos ........................................................................ 27
2.1.5 Procedimento guia para construo de modelos ........................................................ 30
2.1.6 Limitaes e Potencialidades da Modelagem (CHRISTOFOLETTI, 1999) ............. 31
2.1.6 Modelagem matemtica de microrganismos ................................................................ 32
2.2.1. Conceitos bsicos............................................................................................................ 34
2.2.2. Sobrevivncia e multiplicao de microrganismos ..................................................... 37
2.2.3 Modelos matemticos e curva de crescimento ............................................................ 38
2.3 Viso computacional e processamento de imagens .......................................................... 41
2.3.1. Espao de cores e representao de imagem............................................................ 43
2.3.2 Etapas da viso computacional ...................................................................................... 46

3. MATERIAIS E MTODOS ................................................................................... 48

3.1 Desenvolvimento do MicroFit ................................................................................................. 48
3.2 Desenvolvimento do MicroCount ........................................................................................... 53

4. RESULTADOS E DISCUSSO ........................................................................... 61

4.1 Desenvolvimento do MicroFit ................................................................................................. 61
4.2 Caso de uso do MicroFit com leite ........................................................................................ 70
4.3 Desenvolvimento do MicroCount ........................................................................................... 72
4.4 Validao do MicroCount ........................................................................................................ 82
4.5 Integrao do MicroCount e do MicroFit .............................................................................. 83

5. CONCLUSO ...................................................................................................... 85
6. REFERNCIAS .................................................................................................... 86

10

1. INTRODUO

As bactrias so os seres vivos mais adaptados e predominantes do planeta

terra, capazes de ocupar desde o alto dos picos nevados at as profundezas dos
leitos de vulces (ROTHSCHILD et al., 2001) e de suportar as mais adversas
condies de temperatura, salinidade, acidez, presso e radioatividade encontradas
na natureza terrestre (PIKUTA et al., 2007), conseguindo interferir de forma decisiva
no s na vida humana (SALYERS, 2004), mas em toda a ecologia do planeta
(PROSSER et al., 2007). Enquanto algumas bactrias so de grande importncia
para a indstria de alimentos e de frmacos, possibilitando a produo de queijo,
iogurte, vinagre, vinho, frios e diversos outros produtos de valor comercial (VIEIRA,
2011), outras so responsveis pela proliferao de doenas e deteriorao das
caractersticas fsico-qumicas dos alimentos, como mudanas de odor, sabor e
aparncia. Esse processo torna os alimentos imprprios para o consumo, sob o risco
de infeco alimentar, e gerar prejuzos em toda a cadeia de distribuio (COSTA,
2011), exigindo um uso crescente de tcnicas de conservao e estudos que
maximizem o tempo de vida til dos produtos (PINHEIRO et al., 2012), juntamente
com pesquisas e desenvolvimento de solues que colaborem com cada etapa dos
estudos sobre segurana alimentar e controle de crescimento de microrganismos em
alimentos.

1.1. A conservao de alimentos e os modelos de predio

A importncia da alimentao para a sobrevivncia humana tornou a

conservao de alimentos uma das mais antigas e importantes tecnologias
apropriadas pelos homens (MOREIRA, 2010). Conservar um alimento significa
reduzir a atividade microbiolgica a fim de prolongar as caractersticas fsicas,
qumicas e biolgicas de um produto, mantendo-o prprio para consumo e ausente
de bactrias que possam provocar doenas e infeces alimentares (VALSECHI,
2006).

11

Apesar do consenso de que os alimentos devem ser conservados e

estocados corretamente, as doenas transmitidas por microrganismos so uma
gravssima questo de sade pblica em todo o mundo. Anualmente nos Estados
Unidos ocorrem 48 milhes de casos, 128 mil internaes e 3 mil bitos
relacionados doenas alimentares, segundo os Centros de Controle e Preveno
de Doenas (CDCs 2011). No Brasil o Sistema de Informao sobre Mortalidade
(SIM) calcula que de 1999 a 2002 ocorreram 25.281 bitos por doenas transmitidas
por alimentos, com uma mdia de 6.320 bitos/ano (MIN. DA SADE, 2005).
A conservao de alimentos, bem como a predio das caractersticas fsicas
e qumicas desses alimentos no momento de consumo, uma das reas de estudo
da microbiologia preditiva, cincia que assume a hiptese de que os efeitos das
propriedades dos alimentos podem ser previstos por meio de modelos matemticos
derivados de estudos quantitativos dos microrganismos e das condies de
estocagem de um produto (NAKASHIMA et al., 2000). O aumento acentuado da
preocupao pblica por fornecimento de alimentos microbiologicamente seguros e
saudveis impulsionou o desenvolvimento da microbiologia preditiva, sobretudo o
desenvolvimento de modelos de predio microbiolgica (TELEKEN et al., 2011).
Os modelos de predio so definido por Arroyo-Lpez et al. (2014) como
uma das mais importantes ferramentas para aferio da segurana alimentar e
avaliao de risco nos alimentos, pois atravs das curvas de crescimento o
pesquisador poder explicar como ocorre a proliferao de um microrganismo em
determinado alimento, prever o tempo que esse alimento poder permanecer na
prateleira e maximizar esse tempo pela modificao das condies de estocagem,
como a temperatura, e informar ao consumidor at quando possvel utilizar o
produto sem riscos.
Alm de permitir a investigao e avaliao dos processos de conservao de
alimentos e produtos, os modelos preditivos proporcionam um caminho rpido e
relativamente econmico para obteno de dados confiveis sobre crescimento,
inativao e sobrevivncia durante o desenvolvimento microbiano (SARMENTO,
2006).
Um modelo preditivo pode ser de nvel primrio, quando mede a resposta de
um microrganismo no tempo para um ambiente de condies estticas, a exemplo
de uma cmara com temperatura fixa, de nvel secundrio, quando descreve a

12

resposta dos parmetros do modelo primrio para as variaes das condies

ambientais, como em uma cmara simulando uma variao de temperatura em
diversos pontos de um deslocamento, ou de nvel tercirio, quando se trata de

softwares ou solues eletrnicas para resolver os modelos do nvel primrio ou

secundrio (SWINNEN et al., 2004).
Os modelos preditivos primrios so em sua maioria equaes no lineares, a
exemplo do modelo Logstico modificado (Eq. 01), da Equao de Gompertz (Eq. 02)
e da Curva de Baranyi-Robert (Eq. 03), enquanto que os modelos preditivos
secundrios so equaes diferenciais (Eq. 04), como descritos na Tabela 1.

Tabela 1: Exemplo de modelos de predio microbiolgica e suas equaes.

Modelo
Logstico Modificado
Modelo primrio
(FUJIKAWA et al., 2004)
Equao Gompertz
Modelo primrio
(ZHOU et al., 2012)
Baranyi & Roberts
Modelo Primrio
(CAYRE et al., 2007)
Van Impe
Modelo Secundrio
(Huang, 2003)

Equao

   

    

  .   



0


 max   max 
  

 max   max   f  0
!"

 "  .#$ %
&'
!
"
  ()  )*+$, 
 -)  )*(

(Eq. 01)
(Eq. 02)

(Eq. 03)

(Eq. 04)

Trabalhar com equaes no lineares e diferenciais desse tipo geralmente

trabalhoso e envolve dispndio de tempo e ateno, pois uma pequena variao em
um dos parmetros provoca uma grande mudana no valor final da funo. Alm
disso, essas equaes no possuem soluo analtica e para encontrar as
constantes que melhor se ajustem a um conjunto de dados coletados, em cada um
desses modelos, necessrio recorrer a mtodos numricos e computacionais, por
vezes inacessveis aos pesquisadores fora da rea de exatas (SWINNEN et al.,
2004). Se o pesquisador desejar encontrar a soluo dessas equaes, ter que
inferir um valor inicial prximo da soluo real, conforme exige a maioria dos
algoritmos. Se a indicao for distante da soluo, o algoritmo no ir convergir e
gerar a resposta esperada, forando o pesquisador a ficar experimentando solues,

13

por tentativa e erro. Os entraves apresentadas tornam-se ainda mais graves ao se

utilizar modelos de nvel secundrio, com equaes diferenciais.
Diante da dificuldade de utilizao dos modelos primrios e secundrios,
torna-se essencial o uso de um modelo de nvel tercirio, uma motivao mundial
para o desenvolvimento de softwares que facilitam o ajuste de dados experimentais
aos modelos de crescimentos tericos, sendo de grande utilidade, tanto para
pesquisadores como para empresas (GEERAERD, 2005).
Atualmente esto disponveis alguns programas e ferramentas desenvolvidas
com intuito de trabalhar com modelos de predio. As solues existentes
geralmente no possuem executveis autnomos, rodam apenas dentro de um
programa proprietrio, a exemplo do GlnaFit e DMFIT, que funcionam como
complementos do Microsoft Excel (ARROYO-LPEZ et al., 2012), apresentam
dependncias externas, baixa curva de aprendizado e todas as solues executam
apenas modelos internos, no permitindo criao de modelos ou adio de novos
parmetros (como pH, atividade de gua ou concentrao de sal) aos modelos
existentes. Solues com executveis prprios e alternativas comerciais (BROWN,
2009) possuem as mesmas dificuldades.
As ferramentas de propsito geral e pacotes matemticos, como o Matlab e o
R, surgem como alternativa s deficincias dos softwares disponveis (HUANG,
2014), entretanto, para utiliz-las so necessrio conhecimentos de programao e
clculo numrico, normalmente distantes das reas de sade e cincias biolgicas,
o que torna trabalhoso novos esforos para desenvolver, testar e validar modelos de
crescimentos, sendo necessrio e cmodo uma ferramenta funcional que abstraia a
complexidade matemtica necessria para criar novos modelos de predio.

1.2. A contagem bacteriana como base de estudos microbiolgicos

A contagem de bactrias um passo fundamental para diagnosticar nveis de

infeco, estado de contaminao de produtos e prevenir doenas, com inmeras
utilidades para cincias biolgicas, sade e diversas reas do conhecimento,
atuando como base de estudos microbiolgicos (SOUZA et al., 2012). Entender
como as bactrias se comportam e se desenvolvem dentro de um ambiente, com o

14

passar do tempo, essencial para desenvolver modelos de predio e tcnicas para

controle de doenas e fenmenos de origem bacteriana, bem como realizar qualquer
atividade que objetive diminuir os gastos e as perdas de produtos e alimentos por
proliferao de microrganismos (NAKASHIMA et al., 2000).
Esse entendimento advm da aferio da quantidade de Unidades
Formadoras de Colnias (UFC), uma regio visvel que se forma durante a
contaminao e que tende a aumentar de nmero quando as condies ambientais
favorecem esse desenvolvimento (ABELHO, 2012). Atravs da aferio da taxa de
crescimento dos microrganismos e das variaes decorrentes da modificao de
variveis ambientais, como temperatura, acidez, quantidade de gua ou qualquer
varivel de interesse, possvel controlar ou amenizar o desenvolvimento dos
microrganismos, interferindo diretamente no tempo em que um alimento levar para
se deteriorar ou como uma doena ser proliferada, por exemplo.
Para aferir o nmero de colnias formadas, aps um perodo inicial de
inoculao, necessrio recriar as condies na qual a bactria ser exposta no
produto final, atravs do cultivo em meios de culturas, ou ambiente propicio
reproduo, e respectiva contagem visual de colnias em diferentes instantes do
tempo, cujo formato e quantidade dependero do tipo de microrganismo
(NAKASHIMA et al., 2000). Essa um das principais tcnicas utilizadas na
Microbiologia para quantificar e isolar diferentes grupos de microrganismos, e
mesmo diante das modernas tcnicas de biologia celular e molecular, essa etapa
continua sendo obrigatria quando se deseja isolamento e purificao de linhagens
bacterianas (ALVES, 2006).
Os mtodos de contagem podem ser classificados como diretos e indiretos.
Os mtodos diretos distinguem e contam individualmente os microrganismos,
enquanto os mtodos indiretos medem alguma propriedade da populao total,
como medida de turbidez, atividade metablica ou microcalorimetria (PESSA,
2008).
A tcnica de contagem visual de colnias em placas de Petri se destaca entre
as rotinas de anlise microbiolgica, por ser mais antiga e reconhecida como o
mtodo de referncia, alm de mais preciso do que mtodos indiretos de contagem.
Outra vantagem do mtodo direto permitir que somente clulas viveis sejam
contadas e possibilitar o isolamento de colnias para cultivo em culturas puras, que

15

so mais facilmente estudadas e identificadas (CASSOLI, 2013). Apesar de ser uma

tcnica amplamente aceita e relativamente confivel, a contagem um mtodo
trabalhoso, fatigante e propicio a erros humanos de contagem, sobretudo quando
realizado por mais de uma pessoa (MIRANDA et al., 2004).
A principal dificuldade do mtodo o aumento do nmero de colnias visveis
ao longo de um experimento, que alm dificulta a contagem e demandar mais
tempo, eleva as chances de divergncia de resultados, sendo desejvel um
mecanismo automtico de contagem por computador, uma das principais aplicaes
do processamento digital de imagens, atualmente vivel para contagens de clulas,
rvores, frutas, amostras de solo, fungos, plen, espigas, cromossomos, insetos,
madeira, peixes, gros, esperma, parasitas, plncton, larvas, elementos geolgicos,
sedimentos, amianto, automveis, circuitos impressos vrios problemas de interesse
prtico (BARBEDO, 2012).
Para contar colnias, ou qualquer outro elemento, computacionalmente
atravs de processamento de imagens, preciso separar o que se deseja identificar
de qualquer outra rea que possa interferir na contagem, tornando o elemento de
interesse distinto do restante da fotografia (FELICIANO et al., 2005). Ao realizar
essa segmentao, a contagem possa ser executada por algoritmos que identificam
e enumeram cada colnia formada, por meio de tcnicas de viso computacional,
uma tecnologia de identificao artificial que permite s maquinas obterem
informaes a partir de imagens, por vezes buscando a automatizao de tarefas
geralmente associadas viso humana, de forma fcil e rpida (MONGELO, 2012).

1.3 Contribuies esperadas e justificativas

Alm de ser essencial para qualidade e segurana dos alimentos, a

Microbiologia preditiva est intrinsecamente relacionada ao desenvolvimento
econmico e social da populao, atravs de pesquisas e tcnicas que colaboram
para diminuio dos gastos com patologias alimentares, um alarmante problema de
sade pblica mundial.
Na base das tcnicas utilizadas pela microbiologia preditiva, esto os modelos
de predio microbiolgica e a contagem de unidades formadoras de colnias,

16

entretanto, h uma visvel carncia por ferramentas que facilitem essas atividades e
contribuam de forma significativa para realizao das mesmas, com lacunas ainda
no atendidas pelas solues existentes, conforme apresentado anteriormente.
Esse desafio principal incentivador desse trabalho, que espera poder
contribuir para a Microbiologia Preditiva ao facilitar a anlise de dados do
comportamento microbiano em alimentos e incentivar o uso de modelos preditivos.
Os modelos podem contribuir de forma efetiva para a diminuio dos alarmantes
nmeros de bitos decorrentes de intoxicaes alimentares.
esperado ao final desse trabalho o desenvolvimento de dois softwares,
ambos gratuitos, autnomos, funcionais e de fcil utilizao. O primeiro voltado
para o ajuste, criao e comparao de modelos microbiolgicos de crescimento
microbiano, sem exigncia de conhecimentos avanados de matemtica ou
estatstica; O segundo tem por objetivo contribuir com a contagem automtica de
bactrias, de forma transparente e controlada pelo usurio. Espera-se que atravs
das ferramentas aqui propostas, profissionais de microbiologia possam aumentar a
produtividade, possibilitar novos empreendimentos e tornar a anlise dos dados
coletados mais rpida, fcil e confivel.

1.4 Objetivos do estudo

- Objetivos gerais:

Desenvolver um programa de computador gratuito e autnomo que auxilie e

facilite as atividades de criao de modelos de predio e contagem de
colnias microbiolgicas por anlise de fotografias;

- Objetivos especficos:

Disponibilizar um programa de computador capaz de trabalhar com dados e

equaes de crescimento de nvel primrio e secundrio comumente
encontrados na literatura;

Desenvolver uma ferramenta que permita criar e comparar modelos de nveis

primrios e secundrios;

17

Desenvolver filtros de imagens e tcnicas de deteco de objetos que

permitam destacar e contar visualmente colnias em placas de Petri;

Desenvolver uma interface fcil e acessvel para os programas e ferramentas

desenvolvidas;

1.5 Organizao da dissertao

Aps as elucidaes iniciais contidas nessa seo, esse manuscrito est
dividido em 4 partes. Na primeira parte, ser realizada uma reviso bibliogrfica
sobre os principais pontos que tangem a modelagem matemtica, a microbiologia e
a viso computacional; Na segunda parte, ser apresentado os materiais e mtodos
utilizados para reproduo desse trabalho, com foco nas tcnicas chaves; Na
terceira parte, esto os principais resultados obtidos com o trabalho, bem como
casos de usos e comparaes realizadas; Na quarta e ltima parte, esto as
consideraes finais desse manuscrito e intenes futuras.

18

2. REVISO BIBLIOGRFICA

Nessa seo sero apresentados os principais pontos necessrios para

entender o trabalho realizado, a saber, modelagem matemtica, microbiologia e
viso computacional. Tanto modelos preditivos quanto o processamento digital de
imagens so produtos de uma tcnica chamada modelagem matemtica, que est
na base desse estudo. Modelar matematicamente um sistema microbiolgico
significa represent-lo por meio de uma abstrao do processo real, que complexo
e envolve inmeras variveis, sem, contudo, perder a preciso ou as caractersticas
base do processo que se deseja explicar. impossvel descrever, por exemplo,
como se dar o desenvolvimento bacteriano dentro de um produto, considerando
toda a atividade metablica, variveis ambientais como temperatura e presso,
componentes estruturais do produto inoculado, reaes moleculares, eventos
estocsticos e processos ainda no conhecidos pela humanidade, mas possvel
simplificar todo esse ambiente atravs de equaes matemticas, que descrevem
com relativa preciso a quantidade de colnias em um dado instante de tempo aps
o perodo inicial de desenvolvimento.
De forma semelhante, para realizar a identificao de qualquer objeto por
processamento de fotografias, necessrio simplificar a representao da imagem
para aspectos mais primitivos da viso, como imagens monocromticas contendo
somente o objeto de interesse, pois seria impossvel para um computador reproduzir
com preciso todos os processos que a viso e a mente humana realizam para
reconhecer, interpretar e retirar informaes de uma cena. Essa simplificao
realizada atravs de abordagens matemticas que ressaltam partes de interesse da
imagem, desde que se conheam como a imagem est representada.
Ao utilizar modelagem, alm de conhecimentos matemticos e fsicos,
preciso conhecer o que se deseja modelar, com seus aspectos tericos e prticos,
bem como as variveis que o influencia e como o influenciam. Dessa forma, ao se
trabalhar com bactrias, de grande importncia adquirir conhecimento bsico
sobre microbiologia, tanto para entender o que se busca explicar, quanto para poder
explicar os resultados obtidos em termos comuns aos especialistas dessa rea.

19

A teoria e ideia da modelagem esto intrnsecas aos procedimentos

metodolgicos e cientficos, a ponto de diversas vezes passarem despercebido ou
no serem citados explicitamente.

2.1 Modelagem matemtica e ambiental

Para

Christofoletti

(1999),

modelagem

matemtica

constitui

um

procedimento terico envolvendo um conjunto de tcnicas com a finalidade de

compor um quadro simplificado do mundo, cuja complexidade total superior ao que
a conscincia humana capaz de supor e conceber. Modelar algo consiste em
compor uma abstrao da realidade, em funo das concepes de mundo,
trabalhando no campo da abordagem terica, ajustando e/ou orientando
experincias empricas.
A modelagem ambiental, por sua vez, possui a funo de representar os
fenmenos da natureza e de estabelecer delineamentos para a elaborao de novas
hipteses no contexto das teorias ou leis fsicas, favorecendo com que os
enunciados sejam formulados de modo adequado para testes, visando ratificao
ou refutao das ideias preestabelecidas (DOURADO NETO et al., 1998;
THORNLEY, 1998).
Segundo Barioni et al. (2003), pode-se apontar como aspectos positivos da
modelagem: i) fazer predies de interesse particular, ou cenrios futuros, a partir de
dados conhecidos, visando nortear tomadas de deciso e otimizar sistemas de
produo; ii) descobrir o que se deve buscar para entender um sistema para que os
atributo escolhidos representem precisamente o comportamento do modelo; iii)
identificar lacunas do conhecimento, se os atributos no forem capazes de
descrever as relaes e interaes do modelo; iii) nortear a pesquisa, atravs do
rastreamento oferecido pela composio do modelo e iv) fornecer subsdio terico
para estudos mais amplos e mais complexos.
Obviamente, por ser uma abstrao da realidade, o modelo precisa ser
validado com situaes reais, com uma boa aproximao do sistema real.

estabelecimento de valores aos parmetros dos modelos e identificao dos

20

parmetros fisicamente mensurveis do mundo real se constitui outra dificuldade,

bem como o conhecimento sobre a faixa de validade do modelo (DETOMINI, 2004).
A escolha de um modelo apropriado como sendo parte de um projeto de
pesquisa deve sempre estar estreitamente ligada s necessidades da pesquisa
planejada, operacionalizado em escalas temporais e espaciais adequadas. medida
que a pesquisa se desenvolve, dever ocorrer uma interao entre o experimento e
o modelo: os dados experimentais sendo usados para melhorar ou substituir o
modelo, que propiciar novas previses que podero ser relevantes ao local da
pesquisa e ao conjunto de dados (CHRISTOFOLETTI, 1999).
Os conceitos relacionados a sistemas e modelos encontram-se intrnsecos a
todos os procedimentos da modelagem de sistemas ambientas. Essas ideias
expressam perspectivas ligadas com as maneiras de se conceber a estruturao e o
funcionamento dos fenmenos da natureza, auxiliando o modelador nas diferentes
etapas da modelagem matemtica (CHRISTOFOLETTI, 1999). A teoria bsica de
sistemas e modelagem engloba conceitos de abordagem holsticas e reducionistas e
caractersticas e funes dos modelos, que so apresentados a seguir.

2.1.1 Conceitos bsicos

Os conceitos a seguir, extrados da obra de Christofoletti (1999), so

fundamentais para compreenso de modelos e sistemas, dentre eles:
a) Unidade: Representa a qualidade do que um, nico, s ou sem partes,
sendo tudo o que pode ser considerado individualmente. Pode ser formada
por agrupamento de seres individuais, que mantm a caracterstica de nico
dentro do conjunto.
b) Totalidade: Aplica-se s entidades constitudas por um conjunto de partes,
cuja interao resulta numa composio diferente e especfica, independente
do somatrio dos elementos componentes. O todo assume estrutura e
funcionalidade diferenciada dos seus subcomponentes. Em novo nvel
hierrquico cada componente do todo possui caractersticas especificas,
podendo ser considerada unidade, sendo tambm analisada como totalidade.
c) Complexidade: Inerente totalidade encontra-se a concepo e a anlise da
complexidade. Os sistemas complexos apresentam diversidade de elementos,

21

encadeamentos, interaes, fluxo e retroalimentao, compondo uma

unidade organizada. Um sistema complexo pode ser definido como sendo
composto por uma grande quantidade de componentes interatuantes,
capazes de intercambiar informaes com seu entorno condicionante e
capaz, tambm, de adaptar sua estrutura interna como sendo consequncias
ligadas a tais interaes. Exemplos: Organizao social, ecossistema,
crebro.
Outro ponto de definio chave so as definies de Reducionismo e Holismo.
a) Abordagem

analtica (Reducionismo):

Por essa

abordagem

necessidade de focalizar subconjuntos e partes componentes de cada um

desses, a fim de melhor conhecer seus aspectos e as relaes de interao.
Nessa abordagem o procedimento metodolgico desenvolve-se focalizando o
problema em seu nvel inferior na hierarquia da complexidade, sendo mais
intuitivo para o pesquisador entender o funcionamento de sistemas complexo
de forma pontual. Encontra-se mais desenvolvida nas atividades cientficas,
necessria anlise e interpretao. uma sntese ou generalizao do
sistema.
b) Abordagem Holstica (Holismo): Considera que a anlise do fenmeno deve
ser realizada em seu prprio nvel hierrquico, e no em funo do
conhecimento adquirido nos componentes de nvel inferior. Isso significa que
essa abordagem procura compreender o conjunto mais do que suas partes e
sugere que o todo maior que a somatria das propriedades e relao de
suas partes, pois h o surgimento de novas propriedades que no emergem
do conhecimento das suas partes constituintes. Por essa abordagem, o todo
possui propriedades que no podem ser explicadas em temos de seus
constituintes.
Torna-se inadequado entender que haja oposio entre as perspectivas
reducionistas e holsticas. Elas se complementam e se tornam necessrias aos
procedimentos de anlise em todas as disciplinas cientficas. Deve-se estar ciente
da totalidade do sistema abrangente, da complexidade que o caracteriza e da sua

22

estruturao hierrquica. Portando, no desenvolvimento de uma pesquisa, as duas

abordagens so utilizadas em complementao mtua.

2.1.2 Tipologia de sistemas

Compreender a tipologia de sistemas utilizados em modelagem de grande

importncia para a caracterizao e organizao dos sistemas ambientais. Sem uma
definio clara do tipo de sistema que se est modelando, a compreenso das
estruturas e das funcionalidades fica comprometida. Os diversos critrios utilizados
para a classificao no devem ser entendidos de forma excludente, mas de forma
complementar para o melhor rastreio das caractersticas do sistema em foco
(CHRISTOFOLETTI,1999).
Para Chorley e Kennedy (1971), um sistema um conjunto estruturado de
objetos e/ou atributos que consistem de componentes ou variveis que exibem
relaes discernveis um com os outros e operam conjuntamente com um todo
complexo, de acordo com determinado padro. Haigh (1985) defende que um
sistema uma totalidade criada pela integrao de um conjunto estruturado de
partes componentes, cujas interrelaes estruturais e funcionais criam uma inteireza
que no e encontram implicadas por aquelas partes componentes quando
desagregadas.
Christofoletti (1999) simplifica as definies descrevendo que um sistema
representa um conjunto organizado de elementos e de interaes entre os
elementos. Quando se conceitua fenmenos como sistemas, uma das principais
atribuies e dificuldade est em identificar os elementos, seus atributos (variveis)
e suas relaes, a fim de delinear com clareza a extenso abrangida pelo sistema
em foco.
Para a anlise e modelagem ambiental deve-se estar ciente de que distinguir
um sistema na multiplicidade das caractersticas e fenmenos da superfcie terrestre
um ato mental, cuja ao procura abstrair o referido sistema da realidade
envolvente. O procedimento de abstrair, procurando estabelecer os elementos

23

componentes e as relaes existentes, depende da formao intelectual e da

percepo ambiental apresentada pelo pesquisador (CHRISTOFOLETTI,1999).
(CHRISTOFOLETTI,1999)
Os sistemas envolvidos na anlise ambiental funcionam dentro de um
ambiente, fazendo parte de um conjun
conjunto
to maior, denominado Universo, o qual
compreende o conjunto de todo os fenmenos e eventos que, atravs de suas
mudanas e dinamismo, apresentam influncias condicionadoras no sistema
focalizado. Dentro de um universo, os primeiros sistemas so chamados de
antecedentes ou controlantes e os segundos como subsequentes ou controlados,
entretanto, os segundos sistemas podem voltar a exercer influncia sobre os
primeiros atravs da retroalimentao, como ilustrado na Figura 2.

Figura 2:: Representao do Unive

Universo
rso e da ordem classificatria de sistemas. Fonte:
Elaborado pelo autor.
De acordo com o critrio funcional de Forster et al. (1957) os sistemas podem
ser classificados como Isolados ou No
No-Isolados:
a) Sistemas isolados:: Dadas as condies iniciais, no sofrem
sofrem nenhuma perda,
nem recebem energia ou matria do ambiente que os circundam. Os sistemas
isolados favorecem a abordagem dos fenmenos atravs do tratamento
evolutivo e histrico, pois pode
pode-se
se predizer o comeo e a sucesso das
etapas at seu final. Um processo de eroso ou uma garrafa trmica podem
ser considerados sistemas isolados, entretanto, a rigor no existem sistemas
completamente isolados.
b) Sistemas no-isolados
isolados:: Mantm relaes com os demais sistemas do
universo com o qual funcionam, trocando massa
massa e/ou energia. So ditos
Fechados quanto h troca de energia, mas no de matria e Abertos quando
ocorrem constantes trocas de energia e matria, tanto recebendo como
perdendo. Os sistemas ambientais mais comuns so os abertos. Um exemplo

24

de sistema fechado o planeta terra, que recebe energia solar, mas no

perde massa significativa para outros planetas. Como sistema aberto cita-se
uma bacia hidrogrfica, que constantemente troca massa e energia.
Pelo Critrio da Composio (CHORLEY; KENNEDY, 1971) os sistemas
podem ser classificados em:
a) Sistemas morfolgico: So compostos somente pela associao das
propriedades fsicas dos sistemas e de seus elementos componentes, ligados
com os aspectos geomtricos e de composio, constituindo os sistemas
menos complexos das estruturas naturais. Correspondem s formas sobre as
quais se podem escolher diversas variveis a serem medicadas (Massa,
comprimento, etc.). A coeso e a direo da conexidade entre tais variveis
so reveladas pela anlise de correlao. Podem ser isolados, abertos ou
fechados.
b) Sistemas em sequncia ou encadeantes: So compostos por cadeias de
subsistemas, possuindo tanto grandeza como localizao espacial, que so
dinamicamente relacionados por uma cascata de matria e energia. Dentro
de cada subsistema deve haver um regulador que trabalhe a fim de repartir o
input recebido de matria ou energia em dois caminhos armazenando ou
fazendo atravessar o subsistema, como output.
c) Sistemas de processos-resposta: So formados pelas combinaes de
sistemas morfolgicas e sistemas em sequncia. Enquanto os sistemas em
sequncia indicam o processo, os sistemas morfolgico representam a forma,
a resposta determinado funcionamento. Ao definir os sistemas de
processos-reposta, a nfase maior est focalizada na identificao das
relaes entre o processo e as formas que dele resultam, caracterizando a
globalizao do sistema.
d) Sistemas controlados: So Sistemas de processos-respostas controlados
pela atuao do homem. Atravs de certas variveis chaves, ou vlvulas, o
homem pode intervir para produzir modificaes na distribuio de matria e
energia dentro dos sistemas de sequncia e, consequentemente, influenciar
na forma como eles esto relacionados.

25

Por fim, o Critrio da Complexidade (WEAVER, 1958 apud CHRISTOFOLETTI,1999)

classifica os sistemas em:
a) Sistemas simples: So compostos por um conjunto de componentes
conectados conjuntamente e agindo um sobre outros conforme determinada
lei. Exemplo: Movimento dos planetas em torno do Sol, que pode ser
explicado em funo das leis newtonianas.
b) Sistemas complexos, mas desorganizados: So formados por um conjunto
de componentes, mas os objetos so considerados como interagindo de
maneira fraca ou acidental. Exemplo: Gs em um jarro. Interaes entre as
partculas so mais acidentais e muito numerosas para serem estudadas
individualmente.
c) Sistemas complexos organizados: Os componentes so vistos como
interagindo fortemente uns com os outros para formar um sistema complexo e
de natureza organizada. Exemplo: Solos, Rios, sistemas processo-resposta.

2.1.3 A modelagem como procedimento metodolgico

A modelagem pode ser considerada como instrumentos metodolgicos da

pesquisa cientfica. A justificativa reside no fato de que a construo de modelos a
respeito dos sistemas ambientais representa a expresso de uma hiptese cientfica,
que necessita ser avaliada como sendo enunciado terico sobre o sistema ambiental
focalizado (teste de hipteses). Dois procedimentos gerais so adequados
investigao na pesquisa cientfica (CHRISTOFOLETTI, 1999):
a) Concepo indutiva: A investigao cientfica foi considerada por muito
tempo como o procedimento metodolgico geral e clssico das cincias
fsicas e naturais. As etapas estabelecidas nesse procedimento so as
seguintes:
1. Observaes e coleta de todos os fatos e informaes;
2. Definio, anlise e classificao dos fatos e informaes;
3. Derivao indutiva e generalizada a partir dos fatos e informaes;
4. Verificao adicional das generalizaes, por meio de novas
observaes e coletas de dados;
5. Construo de leis e teorias;

26

b) Concepo Hipottico-dedutiva: Surge como algo mais complexo, pois

considera o conhecimento cientfico como sendo espcie de especulao
controlada. As etapas so interconectadas e no h nenhuma razo essencial
para se comear com a primeira, ou seja, pesquisador no precisa,
necessariamente, iniciar seu trabalho por uma hiptese e observao dos
fatos, pode comear por uma teoria ou modelo. As etapas so:
1. Concepo terica de como a realidade encontra-se estruturada,
podendo-se construir modelo a priori;
2. Enunciado de hipteses, que fornea uma interpretao emprica a ser
verificada com as observaes e coletas de dados;
3. Em funo da hiptese, especificar as variveis relevantes, coletar os
dados pertinentes, analis-los e interpret-los;
4. Se a hipteses for validada, passa a categoria de leis, que se integra
na teoria. Se for refutada, ela pode promover a reformulao da teoria
ou proposio de nova teoria;
5. Desde que a significncia de uma relao possa ser estabelecida, ela
pode ser testada com dados de qualquer outra rea ou sistema. Por
meio desses testes as hipteses ganham maior validade de
reaplicao, sendo aceita como generalizao terica.
As etapas do procedimento hipottico-dedutivo expressam um esquema
genericamente aceito no qual est inserido a modelagem de sistemas ambientais,
com configuraes elaboradas em decorrncia de hipteses ou de explicaes. A
Figura 3 ilustra as etapas dos procedimentos indutivo e hipottico dedutivo.
Na concepo de Popper (1975), o fundamental da pesquisa cientfica no
consiste em realizar pesquisas e experimentos para ratificar os resultados ou
hipteses, mas sim em criar condies possveis de refut-las;

27

Figura 3:: O procedimento indutivo apresenta um comportamento linear

linear e que leva a
uma explicao, enquanto o hipottico dedutivo possui interaes mais complexas e
retroalimentadas. Fonte: Elaborado pelo autor.

.4 Caractersticas e funes dos modelos

2.1.4
Na construo de modelos devem-se
devem se considerar aspectos envolvidos com as
caractersticas e funes, que por vezes se entremeiam. So aspectos que
possibilitam identificar e avaliar a qualidade dos modelos oferecidos, criando
exigncias mais especficas com o cuidado a ser aplicado na modelagem. Conforme
as contribuies de Haggett & Chorley (1975), as principais caractersticas dos
modelos so:
a) Seletividade:: A caracterstica fundamental dos modelos que sua
construo implica numa atitude altamente seletiva quanto s informaes, na
qual os rudos e sinais menos importantes
importantes so eliminados para permitir que
se veja algo da essncia das coisas. Para essa seletividade, a fim de eliminar
os detalhes acidentais, surge como fundamental o contexto da relevncia das
variveis discernidas e a ordenao da prioridade em funo do
dos valores
concebidos para integr-las.
integr

28

b) Estruturao: Salienta que os aspectos selecionados da realidade so

explorados em termos de suas conexes. H um padro integrativo entre
componentes

diferenciados,

considerando

as

suas

caractersticas

morfolgicas e funcionais.
c) Enunciativo: O delineamento da estrutura mostra a existncia de
determinado padro, na qual os fenmenos so considerados em termos de
relao sistmica. Esse quadro reveste do significado enunciativo (sugestivo),
pois os modelos bem sucedidos contm sugestes para sua ampliao e
generalizao.
d) Simplicidade: Em sua apresentao, o modelo deve ser suficiente simples de
manipular e de se compreender pelos seus usurios, mas sem detrimento de
ser representativo do espectro total das implicaes que possa ter e da
complexidade necessria para representar com preciso o sistema em
estudo.
e) Analgicos: Os modelos so analogias, porque so diferentes do mundo
real, mostrando uma maneira aproximada de se compreend-lo.
f) Reaplicabilidade: A reaplicabilidade pr-requisito dos modelos nas cincias
empricas. Isso significa que o modelo no se apresenta apenas como
descritivo de um caso, mas possibilita que seja usado para outros casos da
mesma categoria.
Em relao s funes dos modelos, pode-se descrever:
a) Psicolgica: Possibilita que determinada categoria de fenmeno seja
visualizada e compreendida, pois de outra forma no se poderia salientar a
sua complexidade e magnitude.
b) Comunicativa: No sentido de que o modelo proporciona estrutura dentro do
qual as informaes podem ser definidas ordenadas e relacionadas,
favorecendo a comunicao e a difuso de ideias entre os cientistas.
c) Promissora: Os modelos no so apenas estruturas organizadas, com
respeito aos elementos e dados, mas possuem um sentido gerador e frtil
para novos enunciados e percepo das relaes, tornando-se instrumentos
promissores para se extrair dos dados o mximo de informaes;

29

d) Lgica: Os modelos possuem funo lgica, ajudando a explicar como

acontece e se encadeia determinado fenmeno;
e) Normativa:

Possibilita

formular

uma

representao

que

permite

comparao de uma categoria de fenmenos com outras;

f) Adequao: Como a construo de modelos insere-se no contexto dos
procedimentos metodolgicos, permitindo o enunciado e a verificao de
hipteses, levando validao e refutao de leis e teorias, eles devem
apresentar adequabilidade anlise pretendida. Assim, os modelos no
podem ser avaliados como sendo verdadeiros ou falsos, mas como sendo
apropriados, corretos, ajustados, etc.
g) Previsibilidade: Em muitos casos, os modelos so construdos para fornecer
previses especficas como base para tomada de deciso imediata. No setor
de pesquisas, os modelos so usados para propiciar uma previso, a qual
ento ser comparada com a realizao do fenmeno em outro local ou
poca. Esse procedimento permite a checagem independente do modelo,
antes que o mesmo venha a ser adotado.
h) Simulao de cenrio possveis em funo de mudanas ambientais:
Uma funo dos modelos servir como instrumentos para o planejamento. O
planejamento envolve-se em realizar previses, considerando as implicaes
de planos alternativos em os custos de esperar ou coloc-los em prtica. Se
as previses forem corretas, pode-se tomar decises e fazer escolhas entre
os cenrios simulados pela modelagem.
i) Relacionar as mensuraes dos processos a curto prazo com a
evoluo de forma a longo prazo: Geomorfologia e a pedologia propiciam
evidncias sobre as taxas de processos que podem ser mensurados durante
poucos anos e as formas resultantes que levam milhares de anos para se
desenvolver.
j) Condensao temporo-espacial: Os modelos tm a funo de condensar ou
comprimir as escalas temporais e espaciais. Os custos operacionais de
modelos

concretos

tamanho

dos

laboratrios

demandam

operacionalizao em escalas e tempos reduzidos, aumentando tambm a

velocidade dos processos a fim de se obter um resultado em tempo razovel.

30

k) Desenvolver explicaes aplicveis a todas as escalas: Os modelos

necessitam estar fundamentados da melhor maneira possvel em princpios
considerados como estabelecidos. O modelo assume uma especificao no
espacial e ao ganhar aplicabilidade para ser utilizado em sistemas aninhados
nas mais diversas escalas de grandeza espacial, pode ser adjetivado como
de invarincia escalar. O termo explicaes refere-se a justificativas
plausveis e aceitveis, nos campos da lgica, fsica e matematicamente,
sem, no entanto, tornar-se uma verdade absoluta.

2.1.5 Procedimento guia para construo de modelos

O procedimento guia para a construo de modelos consiste numa sequncia

de normas e de passos que podem levar produo de um modelo,
implementao de algum tipo de linguagem formal, ao estabelecimento de
inferncia, prevendo as consequncias do modelo, e a avaliao dessas inferncias
em face da adequabilidade e uso para o qual o modelo foi construdo. Em geral
deve-se compreender o problema, estabelecer um plano para a soluo do mesmo,
executar o plano e checar a adequao da resposta. Essas etapas podem ser
relacionadas como segue (HAEFNER, 1996):
a) Objetivos: O iniciar do procedimento representado pelo enunciado dos
objetivos ou propsitos de modelos a ser construdos. Os enunciados sobre
os objetivos devem constituir repostas s seguintes indagaes: Qual o
sistema a ser modelado? Como o modelo poder ser aplicado? Qual a
regra para finalizar a atividade da modelagem (Quo bom o modelo deve
ser)? Como os produtos do modelo sero analisados, sumarizados e usado?
b) Hipteses: Consiste em transladar os objetivos e o conhecimento disponvel
do sistema em enunciados de hipteses.
c) Formulao Matemtica: As hipteses qualitativas podem ser convertidas
em relaes matemticas. Nessa etapa deve-se usar das informaes
disponveis para a construo do modelo e avaliar a correo dos enunciados

31

e das equaes que descrevem o comportamento dinmico dos elementos e

processos do sistema.
d) Verificao: A quarta etapa corresponde ao conjunto de atividades
necessrias para verificar a preciso dos enunciados e das equaes
propostas.

A verificao corresponde ao processo de analisar se os

algoritmos e cdigos computacionais esto corretos para as definidas

relaes matemticas.
e) Calibragem: A calibragem do modelo consiste em estabelecer parmetros
para as entradas e condies internas do sistema, a fim de se verificar a
adequao das repostas. O objetivo da calibragem definir a escolha mais
adequada dos parmetros ajustados aos modelos, estabelecendo limiares
que representam a sua potencialidade de uso.
f) Anlise e avaliao do modelo: a fase de checagem. Depois que o
modelo for calibrado, pode-se utiliz-lo para produzir as respostas almejadas
nos objetivos que foram especificados.

2.1.6 Limitaes e Potencialidades da Modelagem (CHRISTOFOLETTI, 1999)

A modelagem constitui-se em um importante instrumento para analisar as

caractersticas e investigar mudanas nos sistemas ambientais, propiciando a
melhor abordagem para analisar a complexa interao do sistema e reduzir as
incertezas da previso. Embora amplamente usados e mencionados, os modelos
esto longe de se constituir na cura para os males do mundo e devem ser usados
considerando as suas limitaes, procurando-se discernir as maneiras mais
adequadas para super-las.
O primeiro grande problema dos modelos a avaliao da sua acuidade ou
ajustagem das suas previses. Um segundo problema est relacionado com o
estabelecimento de valores aos parmetros dos modelos e identific-los com os
parmetros fisicamente mensurveis do mundo real.
A escolha de um modelo apropriado como sendo parte de um projeto de
pesquisa deve sempre estar estreitamente engrenada com as necessidades da
pesquisa planejada, operacionalizado em escalas temporais e espaciais adequadas.
medida que a pesquisa se desenvolve, dever sempre ocorrer um dilogo entre o

32

experimento e o modelo: os dados experimentais sendo usados para melhorar ou

substituir o modelo e o modelo propiciando novas previses que so relevantes ao
local da pesquisa e ao conjunto de dados.
A despeito das suas limitaes dos modelos, a aceitao da aplicabilidade
rapidamente se amplia e consequentemente as dificuldades tcnicas em sua
implementao vo sendo paulatinamente superadas.

2.1.6 Modelagem matemtica de microrganismos

Teleken et al. (2011) obtiveram atravs de modelagem matemtica um

excelente ndice de previso sobre a quantidade de populaes de bactrias em
leite de gado UHT. Utilizando dados de uma base de conhecimento web
(www.combase.cc) contendo informaes sobre a quantidade de bactrias ao
longo de um perodo, o autor derivou equaes que representam a reproduo e a
mortalidade de microrganismos e ajustou os dados, relacionando os parmetros
do modelo com as informaes coletadas.
Utilizando

carne

moda

como

produto,

Huang

(2003)

modelou

comportamento da bactria Clostridium perfringens, tanto em temperaturas

constantes quanto em regimes variveis de temperatura, obtendo um bom ajuste
para ambos os casos, atravs do modelo de Gompertz e suas derivadas. Segundo
o autor, a tcnica pode ser aplicada para outros microrganismos e auxiliar a
indstria de alimento na previso do tempo de vida de produtos.
Sarmento (2006) conseguiu aumentar em 20 dias o tempo de vida da
linguia defumada e em 10 dias o tempo da mortadela atravs de modelagem do
crescimento de bactrias cido lcticas, comuns nesses alimentos, atravs de
curvas logsticas e modelo de Gompertz, com modificaes.
Frhling (2013) modelou o desenvolvimento de bactrias em leite cru por
regresso polinomial, conseguindo diminuir os nveis de contaminao do leite por
mudanas de comportamento e tcnicas de ordenha, apoiados pelo modelo.
Dalcanton (2010) modelou matematicamente o crescimento de bactrias
cido lcticas em condies isotrmicas e no isotrmicas, utilizando os modelos
de Gompertz, Logstico e Baranyi-Roberts concluindo que o tempo de vida do leite
prejudicado por flutuaes de temperatura e temperaturas acima do

33

recomendado,

como

observado

nos

testes

realizados

com

Lactobacillus

viridescens e Lactobacillus plantarum em laboratrio.

Em todas as aplicaes citadas anteriormente, os autores relatam uma alta
taxa de ajuste dos modelos aos dados observados em ambiente real, o que
resulta em diminuio de gastos, aumento de produtividade e entendimento do
processo de desenvolvimento microbiolgico. Tambm foi possvel observar nos
problemas analisados que o uso da modelagem surge da necessidade de
obteno de respostas rpidas, de forma barata e eficaz, ou de problemas cujas
respostas s seriam obtidas aps a consumao de um fato, uma das premissas
que incentivam uso de modelos matemticos, alcanado pelos trabalhos citados.

2.2. Microbiologia preditiva

A microbiologia a cincia que estuda os microrganismos, ou formas de

vida microscpicas, que incluem seres procariotas, como bactrias e rqueas, e
seres eucariotas, como fungos, leveduras, microalgas e protozorio (ABELHO,
2012). Presente em todos os ambientes, os microrganismos encontram nos
alimentos os nutrientes e condies necessrias para se desenvolverem,
provocando transformaes no sabor, odor, aspecto, e caractersticas dos
alimentos, que podem ser notados pela fermentao, rancidez e putrefao que se
forma no alimento (SARMENTO, 2006). Com intuito de amenizar os crescentes
surtos alimentares e atender as demandas da sociedade por alimentos seguros e
saudveis, em tempo til, surgiu a microbiologia preditiva, cincia defensora da
ideia de que possvel prever, atravs de modelos matemticos e estudos
quantitativos de microrganismos, o efeito que as condies ambiente provocam na
propriedade dos alimentos (NAKASHIMA et al., 2000). A microbiologia preditiva
aceita como uma ferramenta til para realizao de predies, estimativas de vida
til, desenvolvimento de produto, anlise de riscos, reduo de custos e atividades
educacionais, sendo

uma

das

reas

mais

microbiologia (ARROYO-LPEZ et al., 2012).

importantes

e influentes

da

34

2.2.1. Conceitos bsicos

A seguir so apresentados alguns conceitos bsicos sobre microrganismos,
em especial, bactrias. Sero apresentadas terminologias comuns e as formas de
classificao utilizadas para condies de crescimento.

Crescimento: Em Microbiologia, crescimento microbiano refere-se ao

aumento

do

nmero

no

ao

tamanho

das

clulas,

ou

seja,

microrganismos em crescimento esto aumentando seu nmero (LIMA &

CEZAR, 2013).

Unidades

formadoras

de

colnias

(UFC):

crescimento

de

microrganismos em meio slido origina formao de colnias, uma rea

macroscopicamente visvel resultante da multiplicao celular. Se as
clulas microbianas estiverem completamente dispersas, cada colnia
corresponde a uma bactria inicial em estado vivel e cultivvel. Entendese por clula vivel aquelas com capacidade para se multiplicar (ABELHO,
2012).

Esterilizao: a destruio ou remoo de todas a formas vegetativas e

de resistncia dos microrganismos, patognicos ou no, de um dado
material. Esterilizao diferente de desinfeco, que consiste na remoo
ou na inativao de parte ou de todos os microrganismos patognicos
presentes num dado material (CARDOSO JORGE, 2002).

Observao de clulas microbianas: o ndice de refrao do plasma

bacteriano muito semelhante ao do meio circundante, como placas de
Petri, tornando difcil a observao dos microrganismos em preparaes
no coradas, sendo desejvel um aumento do contraste entre as clulas e o
meio. Esse aumento possvel atravs da colorao de Gram. Em contato
com corantes bsicos, bactrias Gram-Negativas podem ser facilmente
descoradas com solventes orgnicos, enquanto as Gran-Positivas resistem
a esta colorao. Essa diferena explicada pela estrutura da parede
celular e auxilia a identificao de bactrias, como na Figura 4 (ABELHO,
2012). Esse aspecto tem importncia fundamental na identificao visual e

35

computacional das colnias, pois reas distintas na placa de Petri podem

ser facilmente separadas e identificadas.

Figura 4: Colorao e descolorao de bactrias (ABELHO, 2012).

Forma (Morfologia): Cocos (esfricos), Bacilos (bastonetes), Espiral,

Espiroqueta (espiral mais acentuada) ou Vibrio (forma de vrgula), alm
arranjos de cocos, como Diplococos, Estreptococos, Tetrades, Sarcinas,
Estafilococos (Tortora et al. 2005).
Os microrganismos podem ser classificados quanto aos aspectos que

limitam ou favorecem o seu crescimento (LIMA & CEZAR, 2013).

Quanto temperatura:

Psicrfilos: Tem como temperatura tima 15C e pode crescer inclusive a

0C, entretanto altamente sensvel a altas temperaturas. No causam
problemas na preservao de alimentos.

Psicrotrficos: Tambm so capazes de crescer a 0 e em temperaturas

de congeladores domsticos, mas suas temperaturas timas ficam entre 20
e 40 C e seu crescimento no ocorre acima de 40C. Esses
microrganismos so encontrados em alimentos estragados.

Mesfilos: Microrganismos encontrados de 25 a 40C, tendo como

temperatura tima 37, muito comum no corpo de animais, com a

36

temperatura da pele. So responsveis por degradar alimentos e so

patognicos.

Termfilos: So capazes de crescer em altas temperaturas, com

temperatura tima entre 50 e 60C, comumente encontrados em ambientes
de guas termais e solo aquecido. No crescem em temperaturas menores
que 45 C.

Hipertermfilos: podem resistir a temperaturas superiores a 100 C.

Quanto presena de sais:

No Halfilos: no necessitam de sal e no toleram a presena no meio.

Halotolerantes: no necessitam de sal, mas toleram a presena no meio.

Halfilos: necessitam de sal em uma concentrao moderada

Halfilos extremos: necessitam de sal em altas concentraes.

Quanto presena de oxignio:

Aerbios: Podem ser subdividos em Estritos (aquele que necessitam de

O2), Facultativos (aqueles que no necessitam de O2, mas crescem melhor
com O2) e Microaerfilo (necessitam de O2, mas em nveis menores).

Anaerbios: Podem ser subdivididos em Aerotolerantes (no necessitam

de O2, mas crescem melhor sem O2) e Estritos (aqueles no toleram O2).

Tempo de gerao: o intervalo de tempo necessrio para que uma clula

se duplique (NAKASHIMA et al., 2000).

Diluio seriada: Como j explicado, a quantidade de organismos presentes

em alimentos pode ser determinada utilizando o mtodo da contagem de
colnias, um mtodo simples e aplicado universalmente que produz, em
geral, bons resultados. Normalmente, em uma amostra, o nmero de
organismos de uma cultura demasiado para ser contado diretamente,
necessitando diluir uma amostra sucessivamente em fatores de 10, como
ilustrado na Figura 5 (DAMASCENO, 2011).

37

Figura 5: Efeito da diluio sobre o nmero de colnias. Quanto mais diludos,

menor o nmero de colnias, com o contrrio igualmente verdadeiro. Fonte:
Madigan et al. (2006).

2.2.2. Sobrevivncia e multiplicao de microrganismos

A capacidade de sobrevivncia ou multiplicao dos microrganismos dentro

de um alimento definida por fatores intrnsecos e extrnsecos. So classificados
como fatores intrnsecos as prprias caractersticas do alimento, como a atividade
de gua, o pH, o potencial de oxirreduo, a composio qumica, a presena de
fatores antimicrobianos naturais e as interaes entre os microrganismos
presentes nos alimentos. J os fatores extrnsecos, citam-se a temperatura,
presso, umidade e as variveis da composio da atmosfera que envolve o
alimento (DALCANTON, 2010).
A temperatura o principal fator extrnseco responsvel pelas reaes de
deteriorao dos alimentos, especialmente a microbiana, pois os parmetros
cinticos de crescimento so altamente dependentes da temperatura. Como
debatido por Massaguer (2005), resfriar os alimentos entre 0 e 10C uma

38

importante medida de controle da proliferao de microrganimos, entretanto, a

temperatura no os eliminam, apenas torna o processo mais lento, pois alguns
microrganismos, como bactrias psicrotrficas, so capazes de se multiplicar a
baixas temperaturas.
Substncias qumicas e fatores intrnsecos como pH tambm exercem
importante influncia no crescimento de microrganismos. O NaCl, por exemplo,
tido como o principal inibidor de crescimento dos microrganismos (NERBRINK et
al., 1999), funcionando como conservante qumico, enquanto que o pH em torno
da neutralidade (6,5 7,5 H) o mais favorvel para a maioria dos
microrganismos, alguns, como bactrias iro preferir o meio cido, por conta da
inibio da microbiota de competio (FRANCO e LANDGRAF, 1996).

2.2.3 Modelos matemticos e curva de crescimento

Como explicado por Swinnen et al. (2004), os modelos primrios descrevem o

comportamento da populao microbiana com o tempo, sem variao dos
parmetros ambientais, enquanto os modelos secundrios demonstram como os
parmetros obtidos nos modelos primrios se comportam com a variao de
variveis ambientais, comumente a temperatura. Os modelos tercirios referem-se a
softwares ou solues eletrnicas para resolver automaticamente os modelos do
nvel primrio ou secundrio.
O crescimento bacteriano apresenta 4 fases distintas, ilustradas pela Figura
6, que podem ser explicadas como segue (Swinnen et al., 2004): Na fase de Lag
acontece o ajuste da fisiologia e bioqumica das clulas para que possam ser
capazes de explorar o ambiente onde se encontram, sendo uma etapa de
baixssimo crescimento, onde o consumo do alimento tem menor probabilidade de
provocar infeces alimentares. Maximizar o tempo que os microrganismos
passam nessa fase um dos principais objetivos do modelo matemtico.
Na fase seguinte, exponencial, os microrganismos j esto acostumados
com o ambiente e cada componente celular ajustado para que no exista
sntese alm do necessrio para a produo de novas clulas, gerando um
crescimento de ordem exponencial, consumindo os nutrientes dos alimentos. A

39

elevada taxa de desenvolvimento de microrganismos libera metablitos txicos no

meio de crescimento, que provocam morte e lise celular, provocando fim da fase
exponencial e o comeo da fase estacionria, onde acmulo de substncias
txicas e a escassez de nutrientes torna a taxa de crescimento aproximadamente
igual a de mortalidade. Em determinado ponto, os nutrientes do produto se tornam
escassos e os resduos metablicos aumenta a mortalidade, levando os
microrganismos fase de declnio (NAKASHIMA et al., 2000).

Figura 6: Fases do crescimento bacteriano. Fonte: Nakashima et al. (2000).

Os modelos matemticos tm por funo representar essa curva de
crescimento, em uma ou mais fases, utilizando equaes, que possuem uma parte
determinstica, que representa as variveis e cujo comportamento esperado, e
uma parte estocstica, que pode ou no existir no modelo e cujo comportamento
aleatrio e desconhecido (DANNENHAUER, 2010).
O modelo de Gompertz, o modelo Logstico e o modelo de Baranyi e Roberts
so comumente citados na literatura como as principais equaes para se ajustar o
crescimento em nvel primrio (ARROYO-LPEZ et al., 2010).
O modelo de Gompertz (Eq. 05) uma funo exponencial dupla, que
descreve uma curva sigmide assimtrica, onde Y(t) representa o logaritmo decimal
da densidade microbiana no tempo t. A ideia do modelo representar a limitao de
espao e/ou nutrientes, bem como a produo de metablitos txicos, com

40

velocidade de crescimento crescendo at um Maximo e no diminuindo depois, se

assemelhando as 3 primeiras fases do crescimento microbiolgico (ZHOU et al.,
2012).

Em que,

  .   

Eq. 05

A: a quantidade limite de colnias (assntota superior);

B: a velocidade de crescimento relativa no tempo ;
: o tempo onde o crescimento tem sua taxa mxima;
t: um instante de tempo qualquer.
O modelo Logstico (Eq. 06) diferente da curva de Gompertz por ser uma
equao sigmide simtrica. Segundo Dalcanton (2012), aplicao do modelo
Logstico mais limitada quando comparada com o modelo de Gompertz, j que a

     

equao mais simples, com apenas uma exponencial.

Em que,

   

Eq. 06

A: a quantidade limite de colnias;

B: a velocidade de crescimento relativa;
: a metade do tempo da fase exponencial;
t: um instante de tempo qualquer.
Para alguns pesquisadores, o uso de modelos matemticos e ecolgicos na
descrio de curvas de crescimento de bactrias, sobretudo a funo de Gompertz e
o modelo logstico padro, uma abordagem mecnicas e sem interpretao
biolgica. Preocupados com esse fato Baranyi e Roberts (1994) propuseram um
modelo mais focado nas explicaes biolgicas, apresentado em Eq. 07, gerando a
equao a seguinte, que por ser mais complexa que as outras, costuma ajustar
dados com mais preciso.

Em que,


 max   max 

 
0   

 max   max   f  0

Eq. 07

41

Yf: a quantidade limite de colnias;

Y0: a quantidade inicial de colnias;
: a taxa mxima de crescimento do tempo da fase exponencial;
t: um instante de tempo qualquer.
J para modelos secundrios, sobretudo os que se utilizam da temperatura
como fator fundamental, o modelo da raiz quadrada, a equao de Arrhenius (Eq.
08) e o modelo proposto por Van Impe so os mais utilizados. A equao da raiz
quadrada dado como segue, onde k o parmetro de interesse do modelo, b
representa o coeficiente de regresso, T a temperatura (C) e Tmin a
temperatura mnima para o crescimento ou coeficiente do modelo.

./  -)  )*+$

Eq. 08

A equao de Arrhenius, embora mais famosa, em alguns casos, no

descreve bem o efeito da temperatura nas velocidades de crescimento dos
microrganismos. Na equao de Arrhenius, k a velocidade de crescimento, A a
constante da equao (fator pr-exponencial), T a temperatura (K), Ea a energia
de ativao para o crescimento microbiano (kJ/mol) e R representa a constante
universal dos gases (8,314 J/K.mol).

/  

0

1)

Eq. 09

Nota-se que o modelo proposto por Van Impe a derivada da equao de

Gompertz com representando uma temperatura dinmica.

!"

 "  .#$ %
& ' 23  ()  )*+$, 
 -)  )*( 
!
"

Eq. 10

2.3 Viso computacional e processamento de imagens

Viso computacional uma tecnologia de identificao artificial que permite

s maquinas obterem informaes a partir de imagens, por vezes buscando a
automatizao de tarefas geralmente associadas viso humana (MONGELO,

42

2012). A Viso computacional uma das aplicaes do processamento digital de

imagens, que pode ser explicada como um conjunto de tcnicas de manipulao
de pixels (menor unidade que compe uma imagem digital) capazes de
transformar uma imagem em uma representao de interesse, por meio de
algoritmos e equaes, comumente empregadas na melhoria da informao visual
(Figuras 7 e 8), efeitos (Figura 9) e extrao de informaes de forma automtica
(Figura 10). Essas tcnicas tm recebido cada vez mais ateno e desponta como
uma promissora rea de conhecimento dentro da computao (GOMES E
QUEIROZ, 2011).

Figura 7: Imagem aps remoo de rudos. Fonte: Elaborado pelo autor.

Figura 8: Realce de contraste e iluminao. Fonte: Elaborado pelo autor.

43

Figura 9: Aplicao de efeito negativo. Fonte: Elaborado pelo autor.

Figura 10: Captura do ngulo de inclinao de uma imagem obtido por Xbox
one. Fonte: HowStuffWorks, 2014.

2.3.1. Espao de cores e representao de imagem

A cor o resultado da percepo da luz (comprimento de onda de 400770

nm) que incide na retina, especificamente em clulas foto-receptoras, denominadas
cones. A maioria das cores visveis pelo olho humano pode ser representada pela
combinao de luzes monocromticas nos comprimentos de onda do azul, vermelho
e verde (ACHARYA, 2005).

44

Atravs dessa abstrao, criou-se o espao de cores RGB (Red, Green e

Blue), cuja soma ponderada dos componentes vermelho, verde e azul resulta na
sensao de branco vista humana. O espao RGB usado para exibir imagens
coloridas na tela do computador, com cada componente variando de 0 a 255, sendo
o zero nenhuma poro da componente e 255 representando toda a intensidade de
alguma das trs componente (GONZALEZ & WOODS, 2002). Segundo essa ideia,
as cores podem ser representadas como por 3 nmeros, que variam de 0 a 255, de
acordo com a Tabela 1.
Tabela 1: Cores, nomes e cdigo em RGB. Fonte: Elaborado pelo autor.
Cor

Nome
Preto
Branco
Vermelho
Verde
Azul
Amarelo
Azul beb
Rosa
Prata
Cinza 50%
Vermelho Escuro
Amarelo
Verde escuro
Roxo
Verde marinho
Azul Marinho

(R,G,B)
(0,0,0)
(255,255,255)
(255,0,0)
(0,255,0)
(0,0,255)
(255,255,0)
(0,255,255)
(255,0,255)
(192,192,192)
(128,128,128)
(128,0,0)
(128,128,0)
(0,128,0)
(128,0,128)
(0,128,128)
(0,0,128)

A menor poro de cor visvel no monitor chama-se pixel, que representado

por cada minsculo ponto que o monitor possui (um monitor de 1200 x 960 possui
1.152.000 de pontos). Embora seja comum para programadores, as relaes de cor,
saturao e iluminao no sistema RGB no so estabelecidas, tornando outro
sistema de cores, o HSL (Hue, Saturation, Lightness), mais adequado para uso
artstico e certas etapas de processamento digital, na qual deseja-se alterar um
componente e manter os outros (GONZALEZ & WOODS, 2002).

45

Para representar uma imagem no computador preciso criar um conjunto

de pontos (pixel), com orientao vertical e horizontal em relao ao monitor, e
para cada ponto da imagem, fazer brilhar sobre a tela uma representao RGB do
pixel, composta por 3 nmeros (HOSHIRO & GOLDSCHMIDT, 2008). Para criar
um simples boneco, com pixels que representam olhos e boca, preciso gerar
uma matriz de 5x5 e preencher os valores do monitor como apresentados na
Figura 11. Os 25 pixels do boneco representam menos de 1,4 milmetro de uma
tela (1 mm = 3,779528 px) e so necessrios 75 nmeros para representar.

255,255,0 255,255,0 255,255,0 255,255,0 255,255,0

255,255,0

0,0,255

255,255,0

0,0,255

255,255,0

255,255,0 255,255,0 255,255,0 255,255,0 255,255,0

255,255,0

0,255,0

0,255,0

0,255,0

255,255,0

255,255,0 255,255,0 255,255,0 255,255,0 255,255,0

FIGURA

MONITOR

Figura 11: Representao de 10 pixels no monitor Fonte: Elaborado pelo autor.

Para extrair alguma caracterstica da figura, pelos dados da Figura 11, notria a
quantidade de nmeros que precisam ser processados procura de algum
padro. Para simplificar esse trabalho, comum trabalhar com imagens
representadas em cinza (apenas um canal), como apresentado na Figura 11. A
representao ficou mais simples, pois de 16.581.375 (255 x 255 x 255)
possibilidades por ponto, agora a imagem s possui 255. Com a figura em escala
cinza, pode ressaltar alguma caracterstica dela, como na Figura 12:

FIGURA

100

100

100

100

100

100

50

100

50

100

100

100

25

100

100

100

200

200

200

100

100

100

100

100

100

MONITOR

Figura 12: Representao de 10 pixels em um monitor em escala cinza. Fonte:

Elaborado pelo autor.

46

Para contar o nmero de olhos do boneco, pelos dados da Figura 12, seria
preciso retirar os pixels diferentes de 50, de forma que fiquem dois conjuntos:
Iguais a esse valor e abaixo desse valor. Com apenas dois conjuntos, podemos
simplificar a imagem para monocromtica, como ilustrado na Figura 13, indicando
para o computador onde esto os objetos de interesse e cont-lo.
O exemplo apresentado pode ser expandido para imagens reais e de todos
os tamanho, independente do sistema de cores utilizado. Nota-se que para uma
imagem de 640 x 480 pixel, relativamente pequena para os tamanhos atuais, seria
preciso processar 307.200 cores, cada uma com 3 elementos, elevando o tempo
de processamento e a memria utilizada.

FIGURA

MONITOR

Figura 13: Representao monocromtica da Figura 11. Fonte: Elaborado pelo

autor.

2.3.2 Etapas da viso computacional

Aps a aquisio da imagem e sua respectiva digitalizao, possvel dividir

as etapas de processamento da viso computacional em quatro partes (MONGELO,
2012; ALVES, 2006): No pr-processamento, efetua-se um realce da imagem,
reduzindo os rudos, corrigindo a iluminao, o contraste e a nitidez da fotografia,
com intuito de aumentar a qualidade da parte de interesse; Na segmentao, a
imagem dividida (segmentada) de acordo com os objetos a serem identificados,
tornando os objetos da frente da imagem (foreground) e diferenciados dos objetos
do fundo da imagem (background); Na identificao, procurar-se corrigir problemas
de ocluso, onde um objeto pode estar parcialmente escondido atrs de outro objeto
e remove-se de falsos objetos, tornando a imagem para o processamento; No

47

reconhecimento de padres os objetos de interesse so reconhecidos e

classificados com intuito de automatizar a identificao computacional. Essas etapas
so representadas na Figura 14.

Figura 14: Etapas da viso computacional. Fonte: Gonzalez & Wood (1993).

48

3. MATERIAIS E MTODOS

Com intuito de tornar mais claro as etapas desenvolvidas para alcanar os dois
objetivos propostos, dividiu-se essa seco em duas partes: O desenvolvimento do
software para ajuste de modelos microbiolgicos, intitulado MicroFit, e o
desenvolvimento do software para contagem de colnias por anlise MicroCount. O
desenvolvimento de ambos os softwares tiveram incio apenas aps a realizao de
um levantamento bibliogrfico na literatura especializada, com intuito de localizar
solues j existentes, tcnicas utilizadas, caractersticas presentes e ausentes nas
solues encontradas, bem como as contribuies j realizadas e pendentes pelos
achados da pesquisa, cujos detalhes so expostos na seo seguinte.

3.1 Desenvolvimento do MicroFit

O desenvolvimento do software MicroFit teve inicio aps o levantamento

tcnico das solues j existentes, citadas na literatura especializada ou em
compilaes web (ARROYO-LPEZ et al., 2014; PMM, 2014; UC FOOD SAFETY,
2014). As caractersticas teis, funes ausentes e as falhas de cada software foram
registradas em um checklist de funcionalidades, com solues para os problemas
encontrados. As caractersticas foram obtidas com base no uso dos softwares,
descries dos desenvolvedores e documentao dos programas identificados.
Aps a compilao da checklist, planejou-se as funcionalidades de um software que
atendesse aos critrios da lista compilada anteriormente, atravs de prottipos em
folhas de papel, de forma que o usurio final pudesse acessar cada ferramenta
adicionada de forma fcil e intuitiva. Dados reais de crescimento bacteriano, para
teste e validao do programa, foram obtidos gratuitamente no site do COMBASE
(www.combase.cc). A codificao da aplicao foi realizada na linguagem C++,
dentro do ambiente de desenvolvimento integrado C++ Builder 2007, no Sistema
Operacional Windows.
Inicialmente foram programadas as rotinas de leitura e insero de dados,
como importao de arquivos (.txt, .csv e documentos do Microsoft Excel) e

49

digitao de dados pelo usurio. Independente do formato, a leitura dos dados

espera receber um arquivo com mltiplas colunas, cada uma representando um
parmetro do modelo a ser utilizada (tempo, ph, atividade de gua, concentrao de
sal, etc.). Optou-se por armazenar os parmetros lidos do arquivo dentro de um
banco de dados autocontido, SQLite 3 (http://www.sqlite.org/), um programa gratuito,
de cdigo aberto e fcil integrao, que permite cadastrar, consultar e atualizar
dados de forma rpida e segura. No momento do uso da aplicao, os dados
armazenados no SQLite so transferidos para a memria do computador, dentro de
estruturas de dados abstratas, que tornam a manipulao mais eficiente pelos
mdulos e procedimentos do programa.
Aps a implementao dos procedimentos de leitura de dados, foram
codificadas as rotinas para gerao de estatsticas de disperso dos dados
armazenados, que compara o valor observado em laboratrio e o valor estimado
pelos modelos do programa e mtodos de comparao dos modelos, que permitem
o usurio decidir a melhor equao, embasado em mtricas numricas. Entre as
estatsticas programadas esto a mdia, desvio padro, coeficiente de correlao de
Pearson, erro mdio relativo, erro mdio estimado e dados residuais e total.
Os principais modelos descritos na literatura (ARROYO-LPEZ et al., 2012)
foram cadastrados dentro do programa, com intuito de acelerar os clculos e tornar
os usurios mais familiarizados com o que existe de comum no meio acadmico
(Modelos de Gompertz, funes Logstico, curvas de Baranyi-Robert, entre outros).
Para permitir que os usurios pudessem criar novos modelos, sejam eles
primrios ou secundrios, foi desenvolvida uma ferramenta na qual os usurios
pudessem criar seus prprios modelos, montando unicamente a equao desejada,
por meio de funes matemticas, como exponenciais, potenciao, logaritmos,
funes trigonomtricas, variveis e constantes.
Para avaliar uma equao genrica, fornecida pelo usurio, foi preciso
programar um interpretador de expresses matemticas, composto pelos quatro
blocos funcionais de um reconhecedor genrico de linguagens computacionais: o
leitor de smbolos (Scanner), o organizador e identificador de sintaxe (Parser), a
rvore de sntaxe abstrata (Abstract Syntax Tree) e o avaliador (Evaluator), cujo
funcionamento ilustrado na Figura 15.

50

O interpretador desenvolvido executado ao receber um conjunto de

caracteres representando uma equao. O primeiro bloco funcional, o Scanner,
divide e identifica os caracteres de entrada, classificando-os como smbolos (Token)
entendidos pelo programa, permitindo que o Parser, na etapa seguinte, faa a
organizao e ordenao lgica dos termos da equao, checando se a sintaxe foi
obedecida e a precedncia dos operadores e smbolos de unio foi respeitada. Em
caso afirmativo, os smbolos identificados so organizados em forma de rvore de
sintaxe abstrata (AST), uma estrutura facilmente navegvel por algoritmos, e
levando em considerao a precedncia de parntesis, operadores e regras
matemticas. Aps a construo da rvore, o Evaluador atribui o valor de cada item,
na ordem que surge na rvore, de baixo para cima e da esquerda para a direita,
gerando o resultado final da avaliao.

Figura 15: Processamento da equao de entrada em cada bloco do interpretador.

Fonte: Elaborado pelo autor.
Aps a construo do interpretador, foram implementadas as rotinas para
ajuste automtico dos dados, responsveis por avaliar os melhores parmetros para
um modelo, como o algoritmo de Levenberg-Marquardt e as rotinas para execuo
do mtodo numrico de Runge-Kutta (4 ordem). Ambos os mtodos foram testados
e validados dentro do Open Office 4.0.1, atravs do pacote para resoluo de
equaes no lineares Solve (SOLVER, 2014).

51

O funcionamento do algoritmo de Levenberg-Marquardt pode ser explicado

pelas equaes apresentadas na Figura 16. Dado uma equao qualquer (), com m
parmetros, calcula-se a matriz Jacobiana (J) da equao, que a derivada parcial
da equao representando o modelo em relao aos m parmetros que a descreve
e as n linhas de dados que se busca ajustar. Junto com a matriz Jacobiana (J),
necessrio gerar um vetor de resduos (R), que a diferena entre o valor coletado
no experimento e o valor estimado por um conjunto de parmetros em teste. O valor
de cada parmetro (s+1) calculado atravs da tentativa anterior (s) acrescido de
um vetor incremento (), que a resoluo de um sistema no-linear dado pelo
vetor de resduos (R) e a matriz Jacobiana (J) Aps isso calcula-se o valore o vetor
de resduos, que o valor da funo calculada com cada parmetro menos o valor.
Esse processo repetido vrias vezes tente a diminuir o valor do vetor de resduos ao
ponto de deixar o valor estimado o mais prximo do valor obtido experimentalmente,
pois o valores dos parmetros () so corrigidos pelo vetor incremento ().

Figura 16: Esquema de interaes do algoritmo Levenberg-Marquardt.

52

O algoritmo de Levenberg-Marquardt tem por objetivo encontrar o melhor

ajuste para um conjunto de dados, atravs da modificao de parmetros, de tal
modo que a soma dos quadrados das distncias tomadas na vertical entre o modelo
(curva ajustada) e cada um dos pontos coletados (dados reais) seja a menor
possvel (GAVIN, 2013). O mtodo de Runge-Kutta (VALLE, 2012) foi programado
para resolver numericamente uma equao diferencial, que surge naturalmente em
modelos de nvel secundrio, com base nos parmetros iniciais fornecidos pelo
usurio. Novamente foram inseridos no cdigo, estaticamente, os principais modelos
da literatura, alm da possibilidade do usurio inserir sua prpria equao
diferencial.
O mtodo de Runge-Kutta (4 ordem) obtido atravs da resoluo de f(y,t),
dado por Eq. 11, onde o prximo valor da equao (yn+1) obtido a partir do valor
atual (yn) mais a contribuio de 4 termos (K1, K2, K3 e K4) dependente da variao
de t (Eq. 12), varivel responsvel por definir a preciso do mtodo. Quando menor


&
  $6

a variao de t (Eq. 13), mais prximo do valor correto ser a estimativa.

4'   5  $6   %

 789   7 

:
/  </,  </=  /> 
; 9

 789   7  :

Eq. 11

Eq. 12
Eq. 13

O valor de f(y,t) aqui exposto foi obtido da derivada da equao de Gompertz,

que aps discretizao e aplicao de logaritmo neperiano em ambos os lados da
equao (Eq. 14) pode ser rescrita como apresentado acima

.   6  98ABC?DEFG

?@ABC?DEF

Eq. 14

Em que A, B e M so os parmetros do modelo de Gompertz, explicados

anteriormente, mas agora variantes no tempo t.
As rotinas desenvolvidas foram validadas atravs de dados proveniente do
Combase, em sua maioria dados de leite e carne, por serem alimentos de alto
consumo e com grade diversidade de tipos. Ao fim do desenvolvido, a interface do
software foi desenhada, com o objetivo de deixar o usurio familiarizado com o
programa desde o primeiro uso, alm de possibilitar a importao e digitao rpida

53

de dados, visualizar graficamente os dados importados, criar, avaliar e modificar

modelos preditivos, com ajuste automtico de dados e parmetros e exportao dos
resultados gerados. A interface foi criada para que o usurio resolva os problemas
de ajuste da forma mais rpida e intuitiva possvel, evitando configuraes
desnecessrias ou necessidade de entendimento da complexidade matemtica.

3.2 Desenvolvimento do MicroCount

Aps a realizao do levantamento bibliogrfico em busca das solues,
contribuies e tcnicas j existentes teve incio o desenvolvimento do software para
contagem de colnias bacterianas. O desenvolvimento comeou pelos algoritmos de
leitura e exibio de imagens nos formatos mais comumente encontrados, como
.bmp, .jpg, .png e tif. Aps a leitura, cada figura foi convertida para um estrutura de
dados interna ao programa, que representa em forma de matriz cada uma das 3
cores contidas em cada pixel de uma imagem, independente do formato lido. Aps a
leitura, testou-se a visualizao, opes de zoom e enquadramento de figuras.
O desenvolvimento dos algoritmos seguiu a ordem das 4 etapas de identificao da
viso computacional, comumente citadas na literatura (MONGELO, 2012; ALVES,
2006) e exemplificados na Figura 17. Pr-processamento, segmentao e
identificao.

Figura 17: Etapas do processamento de uma imagem contendo colnias. Fonte:

Elaborado pelo autor.
A principal tcnica implementada, que resume os 4 pontos citados pela viso
computacional, foi o algoritmo de deteco de bordas Canny (ZHOU et al., 2011).
Essa tcnica desenvolvida em 4 passos, exemplificados na Figura 18. Da

54

esquerda para a direita tem-se: 1) imagem original; 2) a imagem em escala de cinza

e suavizada por mscara gaussiana; 3) gradiente das componentes x e y do
operador de Sobel; 4) A imagem com bordas refinada (supresso de no mximos);
5) Bordas detectadas por histerese e Threshold.

Figura 18: Processamento de bordas em 5 passos para 2 exemplos genricos.

Fonte: http://www-scf.usc.edu/~boqinggo/Canny.htm
Dado a representao de uma imagem gentica, de m colunas e n linhas, no
qual f(x,y) representa um pixel (R,G,B) na linha y e coluna x, tem-se:

4
'

4<'

4'   H
I
4$'


4
'< I
4<'< I
I
I
4$' < I

Onde 4+' K  LM*#NO

(PQ#

4
' *
4<' *
J
I
4$' *

Eq. 15

RM!

Com 3 componentes de cores a imagem passa a exigir uma complexidade

elevada de processamento, que obriga o algoritmo de deteco a realizar as
operaes pelo menos 3 vezes. Essa carga extra de trabalho pode ser eliminada
convertendo a imagem para uma escala cinza, tcnica que pode ser efetuada
multiplicando os canais [R; G; B], em cada pixel da figura, pelas constantes [0,2989;
0,5870; 0,1140], fazendo com que cada ponto f(x,y) agora seja representado por
uma nica cor (em escala cinza).

f(x,y) = [0,30*vermelho(x,y) + 0,59*azul(x,y) + 0,11*verde(x,y)]

Eq. 16

55

Aps transformar a cada pixel colorido em cinza, a imagem passa a ter

apenas um canal, diminuindo consideravelmente a complexidade da representao,
entretanto, ele ainda apresenta rudos, como partes serrilhas e variao de cores
muito prximas que no ajudam a recuperao de caractersticas. Para diminuir a
quantidade de rudos de uma imagem, efetua-se filtro gaussiano (Eq. 17), que o
gradiente das componentes X e Y (Eq. 18) da convoluo da imagem h1 pela a
mscara gaussiana h2, na horizontal (eq. 19) e vertical (Eq. 20), com largura e
intensidade k. Quanto maior o valor de , mais desfocado e sem rudo fica a imagem
(O passo 2 ilustrado nesse exemplo tem como uma matriz de dimenso 5).

S'  

,  ,

V
W
<TU ,
<U ,

ZS[Z
XS  Y
\
ZS[Z

ZS
,
,
 / V , W  V W  N9  N, 
Z
<U
<U

ZS
,
,
 / V , W  V W  N9 N, 
Z
<U
<U

Eq. 17
Eq. 18
Eq. 19
Eq. 20

Com a imagem contendo somente um canal (cinza), com baixa influncia do

rudo, possvel exaltar as bordas e as caractersticas a serem extradas, atravs
das derivadas das componentes X (Eq. 21) e Y (Eq. 22) de um operador P qualquer
(Sobel, Roberts Cross, Prewitt, entre outros). A magnitude do gradiente M (Eq. 23),
a raiz do quadrados dos termos e o ngulo do gradiente o arco-tangente das
componentes X e Y do operador selecionado (Eq. 24). Sendo I(x,y) uma imagem
qualquer, tem-se que as componente Px e Py do gradiente so:

]^ +' K  _+' K 
  _+' K  _+ 
' K 
  _+ 
' ` a bc

]^d +' K  _+' K  _ + 

' K  _+' K 
  _+ 
' ` 
 a bc
5+' K  e]^, +' K  ]d, +' K
]^ +' K
f+' K  (Mg($ V
W
]d +' K

Eq. 21
Eq. 22
Eq. 23

Eq. 24

56

Os passos realizados so ilustrados nas aplicaes das Figura 19 e 20.

Figura 19: Transformao de imagem em escala cinza e remoo de rudos. Fonte:

http://en.wikipedia.org/wiki/Sobel_operator

Figura 20: Aplicao do operador de Sobel sobre a imagem cinza. Fonte:

http://en.wikipedia.org/wiki/Sobel_operator
Os passos 4 e 5 so responsveis por diminuir o tamanho das bordas e refinar o
trao do contorno, com base no valor do ngulo da etapa anterior e na intensidade
da magnitude dos pontos vizinhos da matriz M. A histerese preenche buracos vazios
ao logo das bordas detectadas, utilizando o valor de 8 pixels adjacentes Ao fim do
processo as bordas so detectadas com base nos valores limites de um limiar prdefinido, para mostrar mais ou menos detalhes de uma imagem, podendo inclusive
ser utilizado para descartar elemento do background, como ilustrado na Figura 21.
Aps a obteno de bordas da imagem, possvel aplicar a transformada
circular de Hough (ACHTERT et al., 2008) para identificar o centro das colnias. O
principio de funcionamento dessa tcnica desenhar um circulo de raio R em cada
ponto que contem um pixel branco e guardar quantas vezes esse circulo passa
sobre qualquer ponto da imagem. O ponto que acumular mais crculos ao redor

57

formar um centro de acumulao, que entendido como o raio de uma esfera

existente naquele ponto. Os valores acumulados podem ser desenhados. A Figura
22 exemplifica o uso da transformada de Hough sobre 24 crculos.

Figura 21: Deteco de borda com Threshhold de 0.85 (superior) e 0.93 (inferior).
Fonte: http://www-scf.usc.edu/~boqinggo/Canny.htm

Figura 22: Aplicao da transformada de Hough em bordas de colnias bacterianas.

Fonte: Elaborado pelo autor.

58

Para validar o programa desenvolvido utilizaram-se fotografias disponveis na

internet e realizou-se um experimento para aquisio de imagens, cujos passos
realizados so explicados a seguir, bem como detalhes das tcnicas de prprocessamento, segmentao e identificao de objetos selecionados.
- Cultivo das bactrias para aquisio de fotografia
Para

cultivo

das

bactrias

utilizou-se

uma

placa

matriz

contendo

Pseudomonas aeruginosa da linhagem UFPEDA 416, proveniente da Coleo de

microrganismos do departamento de Antibiticos da Universidade Federal de
Pernambuco (UFPEDA), conservada em meio de cultura gar Nutriente, datado de
20/02/2013. Atravs de um perfurador retirou-se quatro discos da placa matriz e
adicionou-se a um tubo de ensaio contendo uma soluo esterilizada de 9 ml de leite
de cabra tipo C, comumente encontrado em mercados, objetivando inocular o
produto com a bactria. A soluo passou por um Vortex, com intuito de
homogeneizar o inculo no contedo do tubo de ensaio e em seguida retirou-se,
com uma micropipeta, 1 ml da soluo homogeneizada e adicionou a um outro tubo
de ensaio, contendo tambm 9 ml de leite. O processo de homogeneizao e
transferncia para o tubo foi realizado mais 3 vezes para obter uma diluio de 10-5.
Retirou-se 1 ml da soluo diluda e a colocou dentro de um Erlenmeyer contendo
99 ml do leite esterilizado. O contedo do Erlenmeyer foi tambm homogeneizado e
atravs de uma pipeta microvolumtrica, com ponteiras descartveis, retirou-se 50 l
da soluo e a espalhou, com uma Ala de Drigalski, sobre uma placa de Petri
contendo meio de cultura Mueller Hinton. Para cada instante de tempo foram
preparadas 5 placas. Todo o experimento foi realizado dentro de uma cmara de
fluxo laminar com luz UV, contendo um bico de bunsen para flambar os
equipamentos utilizados. As etapas realizadas so resumidas na Figura 23.

Figura 23: Processo de preparao das placas. Fonte: Elaborado pelo autor.

59

- Aquisio de fotografias
Para obter as fotografias utilizou-se uma cmera digital

Cmera Digital Sony H

Series DSC-HX300/B de 20.4 Megapixels, equipada com lentes um filtro polarizador

CIR POLARIZING Citiwide, para evitar o reflexo das Placas de Petri.As imagens
no passaram por qualquer processamento em programas de manipulao de
imagens e nenhum corante foi adicionado ao experimento. As imagens foram salvas
em formato .jpg, padro da mquina.

- Ambiente de desenvolvimento
A codificao da aplicao foi realizada na linguagem C++, dentro do ambiente de
desenvolvimento integrado C++ Builder 2007, no Sistema Operacional Windows 7.
No foram utilizadas bibliotecas externas, alm das que esto includas no
compilador, para processar as imagens. Aps o planejamento dos casos de uso do
programa e dos requisitos funcionais e no funcionais do programa, teve inicio a
codificao do programa. Inicialmente foram programadas as rotinas para leitura de
imagens. Optou-se por transformar todos os formatos de imagens lidos (.jpg, .gif,
.png, .tif e .bmp) em estruturas de dados armazenadas em memria, com 3 bytes
por cada pixel da imagem lida (um byte para o cada canal: vermelho, verde e azul,
com transparncia ignorada). Todos os mtodos de processamento so orientados a
essa estrutura, que durante os teste se mostraram mais rpidos do que a
manipulao padro oferecida pelo sistema operacional, atravs da manipulao de
pixels. Adicionou-se ao programa a possibilidade de replicar para um conjunto de
imagens todos os mtodos aplicados para processar uma imagem anterior. Funes
para exportao de dados foram adicionadas ao programa, que coloca em clulas o
resultado de cada identificao. A interface do programa foi planejada para ser
intuitiva e fcil de utilizar, com um tutorial inicial explicando a importncia das etapas
de processamento.

- Pr-processamento
As fotografias do mundo real comumente apresentam milhes de cores, diversas
texturas, background, problemas de cor, contraste, iluminao, rudo e diversos
aspectos que tornam a mesma quase impossvel de ser processada com toda a
riqueza de detalhes. O pr-processamento tem por objetivo diminuir essa riqueza e

60

torna a imagem mais fcil de ser segmentada. Para realizao dessa etapa foram
implementados algoritmos para correo de luminosidade e contraste da imagem,
filtro mediano, que atribui a cor mdia de uma regio para cada pixel dentro de um
raio especfico, mudana para escala cinza, modificao do espao de cores (RGB e
HSL), misturador de canais, removedor de rudo, filtro passa baixa, passa alta,
mximo, mnimo, ressaltador de bordas e ofuscador. Todos os cdigos
implementados tm por objetivo destacar o objeto de interesse do restante da
imagem. Enquanto algumas imagens utilizaro poucos filtros, outras, de difcil
visualizao, utilizaro vrios filtros para conseguir destacar uma rea.

- Segmentao
A segmentao das imagens dependente do pr-processamento. Embora a
imagem possa ser processada em outro software, como o Adobe Photoshop ou o
Gimp, necessrio diminuir a riqueza de detalhes das imagens para permitir que
o computador interprete de forma fcil a parte de interesse e consiga separ-la
nessa etapa. Para segmentar a imagem foram implementados, alm da tcnica de
deteco de bordas, algoritmos de binarizao, para tornar todos os pixels que esto
abaixo de um valor definido e em preto todos que so maiores que esse valor,
seleo por histograma de cores e seleo por verossimilhana de pixel. A
segmentao torna-se fcil ou difcil de acordo com o nvel de pr-processamento
realizado.

- Identificao de objetos
Para identificar os objetos destacados durante a segmentao utilizou-se as tcnicas
da Transformada de Hough (ACHTERT et al., 2008), que realiza a deteco de
formas geomtricas em imagens digitais, e o Template Matching (BRUNELLI, 2009;
YUHAI et al. , 2005), tcnica que procura por pequenos padres dentro da imagem
alvo e tenta casar com um padro preestabelecido e tcnica de identificao de
bordas. As tcnicas podem ser customizadas, para identificar colnias com
diferentes raios ou considerar agrupamentos de colnias e so capazes de
reconhecer colnias que se formam na borda da placa de Petri, algumas vezes sem
formato especfico. Aps destacado o objeto de interesse, o mesmo transformado
em dados que so exibidos para o usurio e enumerados. possvel utilizar

61

imagens processadas completamente em outros programas e utilizar o software

desenvolvido apenas para contar os objetos destacados.

4. RESULTADOS E DISCUSSO
Assim como explicitado em Materiais e Mtodos, essa seo ser dividida em
duas etapas: A primeira parte sero apresentados os resultados referentes ao
desenvolvimento do software MicroFit, uma ferramenta capaz de indicar os
parmetros de uma equao que melhor se ajustam um conjunto de dados e com
base nessa caracterstica criar modelos de crescimento microbiolgico, enquanto
que a segunda parte trata do desenvolvimento do software MicroCount, uma
ferramenta que processa fotografias de experimento com colnias bacterianas e
conta automaticamente o total de colnias identificadas. Aps a descrio dos
resultados obtidos, sero expostos testes de execuo do programa.

4.1 Desenvolvimento do MicroFit

Dentre

os

principais

programas

encontrados

aps

levantamento

bibliogrfico cita-se ComBase Predictor, DMFit 3.0, GInaFit, IBPT, PMP 7.0, SSSP,
Bugdeath 1.0, Food Spoilage Predictor, PMM Lab e IPMP 2013, escolhidos por
terem entre suas funcionalidades a predio microbiolgica, mesmo que alguns
desse programas extrapolem esse escopo. As solues analisadas desempenham
corretamente as funes bsicas descritas pelos desenvolvedores e idealizadores,
como ajustes de parmetros a modelos prefixados e gerao de grficos contendo
dados para anlise. Apesar disso, todas as solues analisadas apresentam
desvantagens e problemas do ponto de vista tcnico e prtico.
Dentre os principais problemas identificados, destaca-se o fato de que
praticamente todas as solues apresentam dependncias de pacotes e softwares
pagos para serem executados (como o Microsoft Excel), no possuem executveis
autnomos (rodando apenas dentro de outro programa, como um complemento),
possuem interface pouco intuitiva, baixa curva de aprendizado, impossibilidade de
importar ou trabalhar com dados externos aos programas, ausncia de funes para

62

exportar resultados e as solues so aplicadas apenas para modelos e

microrganismos especficos. Dentre as caractersticas desejadas esses programas
esto o suporte multilngua, a capacidade de desenvolver novos modelos para
representao do crescimento microbiolgico, bem como a possibilidade de
adicionar ou remover parmetros e trabalhar em situaes alm das prestabelecida pelo desenvolvedor. Apesar dos problemas encontrados, as solues
disponveis apresentam uma diversificada e rica base de dados sobre diversos
microrganismos, situao e ambientes, com dados reais, alm de algumas solues
permitirem trabalhar com modelos primrios e secundrios, como o IPMP 2013.
Como citado em Huang (2014), todos esses problemas podem ser sanados
atravs de solues comerciais de propsito geral, como SAS, Matlab,
Mathematica, S-Plus, or SPSS, ou solues open source, como R, apesar disso,
cada um desses programas possuem sintaxes e formas de programa especficas e
exigem que o usurio compreenda toda a matemtica envolvida no processo, alm
do preo muitas vezes proibitivo.
Com intuito de sanar os problemas identificados e citados anteriormente, cada
ferramenta do software aqui proposto, intitulado MicroFit, foi cuidadosamente
planejada, sobretudo a interface grfica do usurio. Atravs de uma interface
simples, com menus claros e diretos (Figura 24), o usurio j no primeiro acesso
consegue localizar a ferramenta desejada e sente-se como se j conhecesse o
programa.

Durante

desenvolvimento

buscou-se

retirar

configuraes

desnecessrias e posicionar cada elemento na ordem de uso mais lgica.

Em cada um dos menus possvel encontrar exemplos, dicas e formas de
uso, alm de funes para importao ou exportao de dados. Apresentado nesse
trabalho em Portugus do Brasil, o software pode ser traduzido para outras lnguas
dentro do menu Opes e configuraes, tendo como idioma padro o ingls.

63

Figura 24: Menu principal do software desenvolvido. Fonte: Elaborador pelo autor.

A interface para entrada de dados (Menu importar ou Digitar dados)

igualmente intuitiva. Atravs de clulas semelhantes planilhas, o usurio pode
digitar, importar arquivos, filtrar os dados disponveis, adicionar e remover colunas
(parmetros), exportar os dados em visualizao e aplicar modelos primrios e
secundrios aos dados digitados ou importados, alm de trabalhar com mltiplos
perfis de dados e modelos (Figura 25).
Para testar e validar a aplicao desenvolvida utilizou-se dados disponveis
gratuitamente no site do Combase (www.combase.cc). Esses dados apresentam a
concentrao de microrganismo em funo do tempo, durante as fases de
crescimento microbiano

64

Figura 25: (a) Interface de entrada de dados. Exemplo com Pseudomonas ssp.
obtidos do Combase. Fonte: Elaborador pelo autor.

Para utilizar um modelo preditivo, o pesquisador escolhe um perfil de dados salvo,

seleciona os modelos primrios que se deseja ajustar e mapeia as variveis dos
modelos com os dados, como ilustrado na Figura 26. Os dados informados podem
ser utilizados em ajustes tericos de crescimento microbiano de nvel primrio e
secundrio, permitindo que o pesquisador estime o tempo de prateleira, parmetros
de inativao e outras possibilidades condizentes com os parmetros adicionados,
de forma muito mais fcil e flexvel do que as ferramentas atuais permitem.

65

Figura 26: Aplicao de modelo de Gompertz (linha) para ajuste de dados (pontos).
Fonte: Elaborador pelo autor.

A anlise estatstica, como o erro mdio, grau de ajuste, influncia dos

parmetros e as ferramentas de comparao entre modelos permitem a
desambiguao de resultados e modelos, alm de fornecer mtricas confiveis para
as escolhas realizadas. Para fornecer essas mtricas o programa desenvolvido faz
uso do algoritmo de Levenberg-Marquardt, que se diferencia de outras tcnicas de
minimizao pelo fato de no necessitar de uma indicao inicial prxima do valor
verdadeiro, como o mtodo de Newton (VALLE, 2012), utilizando o resultado de uma
execuo como a prpria estimativa inicial da prxima execuo, com elevada
convergncia para os principais modelos de crescimento encontrados na literatura.
Para tornar a anlise transparente e fcil de reproduzir, os resduos e as
estatsticas intermedirias so apresentados ao usurio, bem como a possibilidade
de exportar esses dados e utilizar em outros programas. Durante a comparao dos
modelos, o peso de cada parmetro apresentado ao usurio, permitindo que seja

66

decidido numericamente se o parmetro tem influncia no modelo, bem como a

verificao do princpio da parcimnia.
No software em questo tambm esto disponveis os modelos de nvel
secundrio, que incorporam mudanas das condies ambientais dentro dos
modelos primrios, na forma de perfis de temperatura ou quaisquer outros
parmetros que afetem a taxa de crescimento (Figura 27). As equaes diferenciais
so resolvidas pelo mtodo de Runge-Kutta, que se utiliza de aproximaes
numricas para estimar o valor da equao em um ponto futuro.

Figura 27: Modelos secundrios, com um perfil de temperatura em forma de onda.

Fonte: Elaborador pelo autor.

Alm de permitir a incorporao de perfis dinmicos de temperatura, atravs

de importao de planilhas ou digitao de dados, possvel mudar as funes de
efeitos do crescimento dinmico, como equaes de Arrhenius e modelo da raiz
quadrada (NAKASHIMA et al., 2000).
O software descrito nesse trabalho possui uma ferramenta ainda no
abordada em outro programa do gnero: a possibilidade de desenvolver modelos,

67

utilizando funes matemticas e parmetros informados livremente pelo usurio

(Figura 28), ou seja, o pesquisador pode inferir e testar seu prprio modelo,
comparando com os j existentes. Por exemplo, ao invs de utilizar a curva de
Baranyi-Robert (Eq. 03) para obter a curva ajustada de um conjunto de dados, o

usurio poder optar por um modelo mais simples, como
  "
 /,
mais fcil de trabalhar e explicar.

Figura 28: Interface para desenvolvimento de novos modelos tericos. Fonte:

Elaborador pelo autor.

Dentro do programa esse modelo seria digitado utilizando a sintaxe $y =L*(1exp(-k*$t)), onde o $ representa as variveis do modelo, com $t representando o
perodo de tempo, e as letras, como L e k, as constantes que sero estimadas com
base nos valores das variveis. Ao solicitar a estimativa dos parmetros, o programa
plota os dados observados, os estimados, calcula as estatsticas de disperso e
informa o melhor valor para as constantes do modelo. Em questo de segundos o

68

pesquisador poder desenvolver obter resultados estatsticos dos modelos digitados

como equaes. De maneira semelhante possvel fazer ajuste de modelos
secundrios, de resoluo ainda mais onerosa quando no se possui conhecimento
e ferramentas apropriadas, em geral mtodos numricos para resoluo de
equaes diferenciais que no possuem soluo analtica.
A facilidade de trabalhar com equaes e dados dentro do programa
desenvolvido abstrai a utilizao de mtodos numricos de ajuste, permitindo que
pesquisadores no familiarizados com esses mtodos possam ajustar curvas e
desenvolver novos modelos, focando na explicao microbiolgica dos parmetros
informados, sem a necessidade de realizar analises matemticas complexas que
podem impedir o empreendimento. Com a curva ajustada, possvel conhecer a
taxa de crescimento de um microrganismo, o efeito do ambiente sobre o mesmo,
estabelecer a vida til de um produto e tomar decises com base nos dados
apresentados pelo software.
Essa caracterstica tem como objetivo incentivar o desenvolvimento de novos
modelos, cada vez mais precisos, de uma maneira rpida e fcil. O desenvolvimento
dessa ferramenta est fundamentado em um interpretador de funes desenvolvido
internamente no software, capaz de reconhece uma cadeia de caracteres contendo
uma funo matemtica, que descreve ou no os dados experimentais. Essa cadeia
poder conter variveis, constantes, derivadas, operaes elementares, funes
trigonomtricas, exponenciais, logartmicas, razes e potncias, que devem ser
escritas como mostrado na Figura 29.

Ao digitar a expresso que representa o modelo a ser testado, as estatsticas

de um perfil de dados selecionado so calculadas e apresentadas para o usurio.
Todas as funes apresentadas possuem mecanismos de exportao de dados e
representao grfica. Da mesma forma que os modelos primrios podem ser
livremente montados pelos pesquisadores, os modelos secundrios tambm podem
ser montados e resolvidos automaticamente pelo mtodo de Runge-Kutta, que
possibilita adicionar o efeito das condies ambientais aos modelos de crescimento
primrios (temperatura, pH, ou quaisquer outros parmetros) e exibir graficamente e
numericamente

os

efeitos

do

ambiente

no

crescimento

dinmico

dos

microrganismos. Apesar desse trabalho ter citado apenas o uso em ajuste de

69

modelos microbiolgicos de crescimento, o software poder ser utilizado com as

mesmas ferramentas para ajustes genricos de funes e modelos, no
necessariamente ligados microbiologia preditiva.

Figura 29: Sintaxe de funes e operadores aceitos pelo programa. Entende-se

como constante os parmetros dos modelos e variveis como as colunas de dados
do experimento. Fonte: Elaborador pelo autor.
O MicroFit distribudo gratuitamente, no possui dependncias externas,
fcil de utilizar, possui interface grfica amigvel e com alta curva de aprendizado,
contem um editor de equaes no abordado em outras solues e um conjunto de
ferramentas e possibilidades que tornam esse programa mais atrativo, competitivo e
distinto de outras solues disponveis.
O programa desenvolvido no tem como objetivo substituir nenhuma das
solues analisadas nesse manuscrito, mas complement-las e oferecer aos
pesquisadores de modelos preditivos uma ferramenta para trabalhar com ajuste de
modelos microbiolgicos e tomada de decises rpidas. O programa encontra-se em
verso estvel e novos estudos esto sendo efetuados com intuito de adicionar
ferramentas, mtricas de comparao e exemplos esto em desenvolvimento para
implementao de uma verso futura.

70

4.2 Caso de uso do MicroFit com leite

Atravs de um experimento realizado com leite de vaca, aferiu-se a quantidade de
unidades formadoras de colnias (em log) inoculadas ao longo de 125 horas de
anlise. Os dados, apresentados na Tabela 2, so provenientes do Combase e
foram tabelados na ordem de coleta. Deseja-se saber quais os valores das
constantes que melhor ajustam o modelo e se razovel supor que em temperatura

     

constante o microrganismo em estudo pode ser modelo pela curva logstica.

   

Tabela 2: Dado do experimento ao logo de 125 horas.

Tempo (h)

Log(UFC)
0
0,25
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Tempo (h)
3,39
3,36
3,3
3,49
3,75
4,18
4,52
4,86
5,22
5,53
5,74
6,26
6,53
6,94
7,34
7,72
8

Log(UFC)
16
17
18
19,5
21
22,5
24
27
30
34
38,75
48,5
57,66
64,5
77
101,5
125

8,22
8,44
8,64
8,77
8,91
9,05
9,27
9,28
9,31
9,52
9,58
9,45
9,51
9,3
9,58
9,63
9,67

Fonte: Combase (2014).

Seguindo os passos abaixo possvel descobrir se a suposio est correta.
1) Inicialmente deve-se importar os dados tabelados pela interface de entrada de
dados do programa;
2) A curva logstica bastante difundida na literatura e j acompanha o software.
Caso o Pesquisador deseje fazer alguma modificao no referido modelo, basta
inform-la no formato da sintaxe de entrada do programa: $y = a+c/(1+exp(-b*($t-l)))

71

3) Seleciona-se o perfil de dados importador, o modelo logstico e clica em Ajustar.

De acordo com a sada do software, Figura 30, utilizando os parmetros abaixo, a
curva logstica ajusta 99,81% dos dados, com um erro mdio de 0,11, indicando
que razovel supor que em temperatura constante os microrganismos se
desenvolvem no leite segundo a equao abaixo:

   <'hii<j 

k'
j;<h

  b'<
<kb  l'
c<<b

O pesquisador poder ainda comparar o ajuste obtido para variaes da funo

logstica, suprimindo parmetros para torn-la mais fcil de explic-la, por
exemplo, e plotar tudo em um mesmo grfico, para comparao visual e numrica.

Figura 30: Sada do software para o modelo selecionado. Fonte: Elaborador pelo
autor.

72

4.3 Desenvolvimento do MicroCount

Antes do desenvolvimento e codificao da aplicao realizou-se um

levantamento

por

programas

criados

com

intuito

de identificar colnias

bacterianas, alm de uma pesquisa sobre as tcnicas, filtros, possibilidades e

limitaes dos principais editores de imagens, como Adobe Photoshop e Gimp,
bibliotecas de viso computacional, como OpenCV (Open Source Computer Vision
Library) e programa de propsito geral, como o Matlab. A escolha dos programas
e bibliotecas baseou-se nos critrios de popularidade todos os eleitos so
lderes de mercado em seu segmento.
A anlise dos editores de imagem, sobretudo do Photoshop, revelou
tcnicas de pr-processamento de imagens que facilitam significativamente o
trabalho das etapas posteriores, como controle, contraste, remoo de rudo,
tcnicas de separao de histograma, mistura de pixels para ressaltar partes de
interesse, controle de nitidez, iluminao, equalizao e espaos de cores. O
Photoshop capaz de processar imagens, entretanto, no foi desenvolvido com
intuito de identificar objetos, rea na qual o OpenCV e o Matlab se destacam,
com sofisticados algoritmos de deteco e reconhecimento de padres que
permitem segmentar os objetos de interesse das imagens (MARENGONI &
DENISE, 2009). A anlise dessas ferramentas permitiu o entendimento das
tcnicas de suavizao, clculo de operadores de gradientes, como o operador de
Sobel, Supresso de No-Mximos, histerese e threshold, bem como tcnicas de
identificao de curvas e transformadas de Hough.
Apesar de sofisticados, tanto o OpenCV quanto o Matlab requerem
conhecimentos de programao, na maioria das vezes distante da realidade de
muitos pesquisadores. Alm disso, por serem de propsito geral demandam um
tempo elevado e um estudo de caso para que seu uso seja especificado para
contagem de bactrias, sem qualquer garantia que o processo seja executado
como esperado.
Em seu levantamento sobre o estado da arte da contagem de objetos por
fotografia, Barbedo (2012) afirma que programas e solues especficas para
identificao de padres e objetos funcionam melhor do que solues de propsito
geral. O autor ainda relata no seu levantamento, resumido na Tabela 3, que a

73

contagem de clulas e bactrias a forma de contagem mais comum de objetos

por fotografia.
Tabela 3: Trabalho correlatos sobre contagem de bactrias (*).
Autor

Pontos ressaltados

Mukherjee et al.
(1995) apud
Barbedo (2012)

Possui etapas de pr-processamento e contagens

aproximadas pelo transformada da distncia. Destaca-se mais
pelo pioneirismo do que pelos resultados obtidos.

Cordiki et al.
(1998) apud
Barbedo (2012)

Prope uma forma de destacar as bactrias com lmpadas

halgenas, atribuindo ao programa apenas a tarefa de
separao do limiar (threshold) das cores.

Marotz et al. (2001) Possui pr-processamento e reconhecimento de objetos com

apud Barbedo
base do programa. Utiliza parmetros e lgica fuzzy para
(2012)
indicar objetos promissores e possveis candidatos colnia.
Osowsky e Gamba Prope a contagem com aparato fsico para captura de
(2001) apud
imagens, com remoo de background, utilizao de limiar e
Barbedo (2012)
correo da iluminao, com excelente taxa de acerto.
Chen e Zhang
(2008) apud
Barbedo (2012)

Uma reviso atualizada do mtodo de Osowsky e Gamba

(2001), com diferenas sutis.

Schnholzer et al.
(2002) apud
Barbedo (2012)

Prope a aquisio de imagens por cada canal (Verde,

Vermelho e Azul), distino da colnia para o background. As
colnias sofreram colorao para auxiliar o programa.

Selinummi et al.
(2005) apud
Barbedo (2012)

Utiliza um mtodo convencional de correo da imagem e

separao por limiar de cores e binarizao da imagem.

Zhang R. et al.
(2008) apud
Barbedo (2012)

Prope um sistema para deteco, classificao e contagem

de colnias por segmentao hierrquica do background, do
da placa de Petri at as colnias.

Men et al. (2008)

apud Barbedo
(2012)

Converte a imagem para tons de cinza e as bordas do

recipiente contendo as amostras so eliminadas, seguindo de
aplicao de limiar ponderado pelo histograma da imagem.

Goyal (2008) apud

Barbedo (2012)

O autor fornece dicas de como facilitar o reconhecimento das

imagens, atravs da estrutura da aquisio e montagem de
hardware especfico, sem inovaes no algoritmo utilizado.

Ates e Gerek
(2009) apud
Barbedo (2012)

Aps binarizar a imagem, utilizando o limiar do histograma da

imagem, o autor faz uso da transformada de Hough, com
algoritmo divisor de gua para separar e contar as colnias.

74

O autor utiliza um filtro de mediano, para reduzir o rudo da

imagem, aplica binarizao por meio de limiar seletivo e
remoo das bordas da placa para contar as bactrias de
forma heurstica.
(*) Foram includos somente trabalho que utilizam tcnicas distintas de
abordagens anteriores. Fonte: Barbedo (2012).
Shen et al. (2010)
apud Barbedo
(2012)

Apesar do elevado nmero de trabalhos sobre contagem de clulas,

nenhuma soluo apresentou um mtodo que tornasse obsoleto o mtodo
anterior. Nos trabalhos identificados as tcnicas foram utilizadas, na maioria das
vezes, de forma exclusiva, quando poderia ser utilizadas em conjunto e contribuir
de forma significativa para os resultados. Alm disso, todas as solues propostas
so completamente dependente da forma de aquisio da fotografia. Imagem sem
contraste com background ou com unidades formadoras sem diferenciao
aparente geram erros de contagem em todas as solues. Os projetos apontados
anteriormente no podem ser encontrados facilmente na internet, necessitando
quase sempre contatar os autores e solicitar uma cpia do programa, que muitas
vezes possui dependncias de outras ferramentas ou no esto mais disponveis,
restando somente a publicao como forma de contribuio.

Figura

31:

Scan

500.

Fonte:

http://www.interscience.fr/automatic-colony-

counting-scan.
Alm de programas, esto disponveis no mercado equipamentos dedicados
para contagens de Unidade Formadoras de Colnia. Dentre os mais baratos e
compactos est o Scan 500, da empresa Francesa Intersience for Microbiology,
que fornece o hardware, o software, o rea de iluminao e todo o aparto

75

necessrio pela contagem, apresentando excelente resultados. O preo do

equipamento, sem taxa de importao de 7.500,00 Euros, aproximadamente
R$ 23.000 reias. O preo do equipamento, apresentado na Figura 31, torna a
soluo inacessvel em muitos locais, contudo os resultados obtidos so
excelentes e muito prximos do valor exato.
Dentre os projetos disponveis online, a iniciativa mais bem sucedida o
OpenCFU, um programa gratuito, de cdigo aberto, com interface simples, fcil de
utilizar e instalar, rpido e robusto. O projeto facilmente encontrado no Source
Forge (http://opencfu.sourceforge.net/) e utiliza OpenCV para analisar as imagens,
sendo compatvel com Windows e Linux. O programa se destaca pela maturidade,
pela contagem correta e direta em uma ampla gama de imagens, alm da
disponibilidade e iniciativa de torn-lo aberto. A interface bsica do programa
apresentada na Figura 32 e por apresentar os melhores resultados dentre as
solues testadas foi escolhido para comparao dos resultados obtidos.
O OpenCFU tem como caracterstica abstrair do usurio final as etapas de
pr-processamento, segmentao e contagem de colnias, limitando as opes
para anlise das imagens. Essa forma automtica de processar a imagem,
embora cmoda, pode dificultar a contagem de colnias mais aglomeradas ou o
uso de imagens de baixa qualidade. A ausncia de funes para exportao, bem
como o uso de tcnicas alternativas esto entre as ferramentas desejadas
soluo.

76

Figura 32: Contagem de bactrias pelo OpenCFU. O resultado indicado na parte

superior da interface (Nessa figura foram identificadas as 24 colnias). Fonte:
Elaborado pelo autor.
Para o desenvolvimento desse trabalho, as tcnicas encontradas na
literatura e utilizadas por outras solues foram incorporadas ao programa com o
objetivo de permitir o processamento de um amplo nmero de imagens e
disponibilizar

resultados

com

elevada

preciso.

Aps

realizao

do

levantamento explicado anteriormente e da anlise das diversas solues

existente o programa foi concebido com a interface apresentada na Figura 33.
Filtros para pr-processamento, tcnicas de segmentao, identificao e
contagem foram implementados sem parmetros automticos, para tornar o
programa menos dependente do processo de aquisio, do tipo de bactria e do
experimento realizado.

77

Figura 33: Interface principal do programa MicroCount, desenvolvido nesse

trabalho, com uma imagem de experimento aberta. Fonte: Elaborado pelo autor.
Ao abrir o software apresentado um breve tutorial de como utilizar as
tcnicas e ferramentas. Atravs do menu principal o usurio pode abrir as
imagens, redimensionar, escolher filtros, tcnicas de segmentao e contagem de
colnias. Na lateral esquerda do programa so exibidas as imagens importadas e
uma memorial das tcnicas utilizadas, para replicao em um conjunto de
imagens provenientes de um mesmo experimento.
Ao fim do processamento apresentado ao usurio a opo de exportar os
dados da contagem. Nenhuma restrio sobre a origem das imagens feito pelo
software. A imagem pode ser pr-processada em qualquer outro programa e
importada para o software apenas realizar a contagem ou pode ser processada
em diversos nveis dentro do programa e exportada a qualquer momento para
outro programa realizar a contagem.

78

Menu Abrir Arquivo: O primeiro menu, apresentado na Figura 34, permite a

incluso de imagens, individuais ou em grupo, que so exibidas na lateral
esquerda do programa e permite a seleo com um nico clique.

Figura 34: Seleo de imagens para trabalho dentro do MicroCount. Fonte:

Elaborado pelo autor.
Menu Configurar imagens: Permite o redimensionamento das imagens, para
acelerar a identificao (Figura 35). O tamanho da imagem tem muito menos
influncia na identificao do que a forma como as fotografias foram obtidas,
como iluminao correta, colorao, ngulo e eliminao de reflexos.

Figura 35: Redimensionamento de imagens. Fonte: Elaborado pelo autor.

79

Menu Processar imagens: A opo para processar imagens dispe de 25 filtros

capazes de melhorar o contraste do background com os objetos de interesse,
permitindo ainda a eliminao de faixas do histograma da imagem, remoo de
canais e o processamento de cores em RGB ou HSL. Esse bloco tem por objetivo
facilitar o trabalho da etapa seguinte.

Figura 36: Opes para pr-processamento das imagens. Fonte: Elaborado pelo
autor.
Menu identificar imagens: Aps processar a imagem possvel identificar os
objetos contigos na mesma, atravs das tcnicas de deteco de borda, Hought
Circle e algoritmos de fora bruta, que checam se a parte destacada pode formar
um circulo. As colnias identificas so plotadas sobre a imagem, para contra prova
e no final da interface grfica exibido o nmero de mais provvel (Figura 37).
Os menus restantes no apresentam janelas, pois a ao executada
diretamente na interface principal. Ressalta-se que em cada passo a imagem gerada
pode ser restaurada ou exportada e os passos executados para um arquivo pode ser
replicado para todos os outros abertos.
O programa desenvolvido trabalha de forma indistinta com arquivos.jpg, .bmp,
.tif, .gif e .png, possui executvel prprio e no tem dependncias externas. Para o
pr-processamento da imagem esto disponveis filtros para correo de contraste,
iluminao, converso para escala cinza, remoo de saturao, ferramentas para

80

diminuio de rudos, como desfoque gaussianos, mscaras gaussianas, filtro

mdio, anti-serrilhado, inversores, filtros de Sobel, remoo de canais, background,
eliminao de faixas, mistura de pixels, equalizadores, posterizadores entre outros.
Cada filtro pode ser aplicado diversas vezes e os parmetros de intensidade podem
ser selecionados pelo usurio. Para identificar os objetos executada a tcnica de
Deteco de Bordas Canny (ZHOU et al., 2011).

Figura 37: Opes para identificao de contagem das bactrias. Fonte:

Elaborado pelo autor.
Todos os sistemas de identificao de objeto possuem limitaes tcnicas e
com esse projeto no diferente. As tcnicas existentes funcionam em situaes
controladas, como uma faixa tima e uma faixa de incerteza, onde no se aplica a
soluo. Na maioria das vezes, a soluo encontra-se fora do programa, sendo
necessrio atribuir colorao a uma colnia, melhorar a forma de aquisio das

81

imagens e outras tcnicas comuns em fotografia digital. Outras vezes necessrio

criar procedimentos especficos, para problemas especficos.
No foi encontrado na literatura citada softwares que unissem distintas
tcnicas de edio de imagens, segmentao, deteco de bordas e viso
computacional em um mesmo projeto, de forma controlada pelo usurio. Alm do
software desenvolvido por esse programa, foi gerado uma biblioteca com todos os
procedimentos utilizados, que pode ser livremente incorporados a outros projetos,
para diversos objetivos. Essa biblioteca contem algoritmos utilizados por software
como Photoshop, tcnicas de deteco de bordas, espaos de cores, funes para
manipulao de arquivos e desenho de primitivas, com um nico arquivo.
Para testar o programa foram utilizadas imagens disponveis na internet e
algumas imagens provenientes de um experimento realizado com leite de cabra. Os
principais resultados obtidos so apresentados a seguir.

82

4.4 Validao do MicroCount

Para validar o programa desenvolvido utilizou-se como base o software OpenCFU

3.9, pela sua robustez e maturidade. Utilizou-se o melhor nmero obtido em cada
software, que foi aquele mais prximo do valor exato. A validao contou com 6
grupos de imagens:
1) Imagens com baixa densidade e alto contraste: Independente da qualidade,
ambos os softwares contaram a mesma quantidade.
2) Imagens com alta densidade, alto contraste e alta qualidade: Ambos os
softwares processaram as imagens corretamente, como uma rpida vantagem para
o MicroCount, que chegou mais prximo do valor real ou alcanou o nmero exato.
3) Imagens com alta densidade, alto contraste e baixa qualidade: Com imagens
de baixa qualidade o OpenCFU teve dificuldade de localizar as colnias, enquanto
que o MicroCount localizou normalmente.
4) Imagens com baixo contraste: Independente da qualidade e densidade,
nenhum dos programas identificou corretamente as colnias, mas o OpenCFU
conseguiu localizar um nmero maior de colnias, mesmo algumas vezes errando a
posio onde se encontra a colnia.
5) Imagens com cores distintas: Independente de qualidade e densidade o
MicroCount processou melhor as imagens com duas ou mais cores.
6) Imagens que no representam colnias: Independente de qualidade e
densidade o MicroCount processou melhor contendo outras formas, como moedas e
crculos genricos.
Em linhas gerais os programas apresentaram resultados parecidos, com uma
pequena vantagem para o MicroCount, exceto em imagens de baixa nitidez. Notouse um desempenho de velocidade melhor que OpenCFU, entretanto, algumas vezes
ficou difcil identificar o que o OpenCFU estava realmente contando. A qualidade e a
falta de contraste do background da imagem com o objeto de interesse pode
prejudicar a contagem do nmero de colnias de bactrias. Em condies de boa
visibilidade os resultados obtidos confirmam que a contagem computacional de
bactrias possvel e apresenta uma elevada taxa de acerto.

83

4.5 Integrao do MicroCount e do MicroFit

Tratado de forma separada nesse documento, para facilitar a compreenso,

dos softwares desenvolvidos, o MicroCount e o MicroFit podem ser utilizados em
conjunto. Aps processar uma imagem contendo Unidade Formadoras de Colnias
possvel exportar o nmero de colnias identificadas. Partindo do principio de que
em um mesmo experimento as caractersticas de tamanho, posio, contraste e
iluminao das imagens sero mantidas aproximadamente constantes, possvel
replicar os algoritmos utilizados para identificar uma figura (preferencialmente a mais
densa em nmero de colnias) e contar automaticamente todas as imagens abertas
no programa. Considerando, por exemplo, um experimento de 4 horas contendo 7,
20, 42 e 73 unidades formadoras de colnias, apresentadas abaixo.

Figura 38: Experimento de contagem de microrganismo com durao de 4 horas.

Fonte: Elaborado pelo autor.
Inicialmente deve-se organizar todas as imagens em uma nica pasta e
solicitar ao MicroCount que localize e carregue os arquivos. Logo em seguida, podese aplicar filtros para melhorar a identificao e efetuar a deteco de bordas com
contagem da ltima imagem, pois a que apresenta a maior complexidade, por ter a
maior densidade de colnias. Quando o algoritmo for ajustado para contar
corretamente a quantidade de colnias presentes na imagem com maior quantidade,
todas as outras imagens podero utilizar as tcnicas aplicadas, pois so mais
simples que a imagem final (Figura 39).
Ao verificar que a contagem est condizente com a quantidade de colnias
presentes, atravs da sobreposio das imagens, replica-se o algoritmo (sequncia
de passo que o usurio efetuou at chegar ao nmero exato) para todas as imagens

84

adicionadas interface do programa. Uma janela de exportao ser exibida ao fim

do processamento, com a opo de exportao para Excel e CSV. Ao exportar,
tanto o nmero de colnias identificadas quanto o log10 desse nmero sero
adicionados planilha, em ordem crescente de quantidade, criando um arquivo
pronto para ser processada pelo MicroFit. Ao abrir a planilha no MicroFit possvel
escolher qual ser o parmetro utilizado (contagem ou o log da contagem) e quais
so os tempos correspondentes a cada crescimento e salvar o perfil de dados.
Com o perfil salvo possvel ajustar os dados modelos primrios,
secundrios e desenvolver novos modelos com base no perfil selecionado.

Figura 39: Contagem das colnias. Fonte: Elaborado pelo autor.

85

5. CONCLUSO
Este trabalho mostrou que o ajuste de dados experimentais a modelos
tericos de crescimento, explicados por equaes no lineares, possui importantes
aplicaes na microbiologia de alimentos e consequentemente na sade pblica
mundial, entretanto, a dificuldade, tempo e conhecimentos necessrios para realizar
esses ajustes podem inviabilizar todo o processo, sendo de suma importncia um
software que auxilie essa atividade e abstraia a complexidade matemtica e o
trabalho mecnico envolvidos. De forma semelhante, a contagem de bactrias em
placas de Petri, utilizado na microbiologia, farmcia, medicina e diversos campos da
biologia, demandam um trabalho fatigante de contagem, que poderia ser amenizado
por tcnicas de processamento e identificao de imagens.
5.1 MicroFit Programa para ajuste de dados e criao de modelos
O software MicroFit torna possvel o ajuste automtico de dados
experimentais a modelos microbiolgicos de crescimento terico, possibilitando a
criao, o ajuste e validao de novos modelos de forma fcil e rpida, despontando
como uma importante ferramenta de auxlio s atividades dos profissionais da
microbiologia. Espera-se que o software aqui apresentado possa contribuir para a
melhoria da segurana alimentar de produtos perecveis, bem como das estimativas
do tempo de vida dos produtos, alm de incentivar outros empreendimentos
relacionados ao uso de modelos de predio e ajustes de equaes a dados
experimentais, ligados a Engenharia Agrcola e reas afins.
5.2 MicroCount Programa para contagem de colnias por fotografias
O MicroCount permite que a identificao e contagem de microrganismos por
fotografias seja um processo vivel, prtico e com uma elevada taxa de acerto,
diminuindo consideravelmente o tempo de tabulao de dados referentes
contagem de microrganismos. Os filtros incorporados ao programa para prprocessamento de imagens, unidos tcnicas de identificao de colnias com
parmetros controlveis, tornam o processo de contagem bastante robusto para
processar imagens com diferentes nveis de dificuldade, mesmo que em alguns
momentos seja necessrio assistir o processo de identificao manualmente.

86

5.3 Trabalhos futuros

Os autores acreditam que os programas desenvolvidos nesse trabalho
possam ser utilizados em outras situaes prticas, envolvendo ajuste de dados,
desenvolvimento de modelos e processamento de imagens. Novos esforos esto
sendo despendidos para melhorar as funcionalidades de ambos os softwares, bem
como a portabilidade para outras plataformas, como o acesso online, via web.

6. REFERNCIAS

ABELHO, M. Manual de Monitorizao Microbiolgica Ambiental: Curso

de Especializao Tecnolgica em Qualidade Ambiental. CEF - Centro de
Ecologia Funcional, Departamento de Cincias da Vida, Universidade de Coimbra,
Portugal. 2012. 60p. Disponvel em: <http://www.esac.pt/Abelho/Monitor_
ambiental/ManualMonitorizacao.pdf> Acessado em: 29/12/2015.
ACHARYA, T., RAY, A. K. Image Processing- Principles and
Applications. John Wiley & Sons, Inc. 2005.
ACHTERT , E; BHM, C; DAVID, J.; Krger, P.; Zimek, A. Global
Correlation Clustering Based on the Hough Transform, Statistical Analysis
and Data Mining. vol 1(3), pp. 111-127, 2008.http://dx.doi.org/10.1002/sam.10012
ALVES, G. M. Mtodo fundamentado em processamento digital de
imagens para contagem automtica de unidades formadoras de colnias.
Dissertao de mestrado. Universidade Federal de So Carlos, So Carlos, SP,
2006. 125 p.
ARROYO-LPEZ, F.N.; BAUTISTA-GALLEGO, J.; GARRIDO-FERNNDEZ,
A. Role of predictive microbiology in food preservation. In: BHAT, R.; ALIAS,

87

A.K.; PALIYATH, G. Progress in Food Preservation. 1. ed. Wiley-Blackwell,

10/01/2012. Captulo 19. Wiley-Blackwell. http://dx.doi.org/10.1002/9781119962045.
ARROYO-LPEZ, F.N.; BAUTISTA-GALLEGO, J.; GARCA-GIMENO, R.M.;
GARRIDO-FERNNDEZ, A. Predictive Microbiology: a valuable tool in food
Safety. In: Practical Food Safety: Contemporary Issues and Future Directions. BHAT,
R. & GOMEZ-LOPEZ, V.M. Wiley Blackwell, 06/2014. Captulo 25. ISBN 978-1-11847460-0.
BARANYI, J.; ROBERTS, T.A. A dynamic approach to predicting bacterial
growth in food. International Journal of Food Microbiology, v. 23, p.277-294, 1994.
BARIONI, L. G.; MARTHA JNIOR, G. B.; RAMOS, A. K. B.; VELOSO, R.
F.; RODRIGUES, D. C.; VILELA, L. Planejamento e gesto do uso de recursos
forrageiros na produo de bovinos em pastejo. In: Simpsio sobre manejo da
pastagem, 20., Piracicaba, 2003. Anais. Piracicaba: FEALQ. 2003. p.105-154.
BARBEDO, Jayme Garcia Arnal. Estado da Arte das Tcnicas de
Contagem de Elementos Especficos em Imagens Digitais. Documentos 120.
Embrapa ISSN 1677-9274. Empresa Brasileira de Pesquisa Agropecuria.
Embrapa Informtica Agropecuria. Ministrio da Agricultura, Pecuria e
Abastecimento. 2012.
BIOTEC. Disponvel em: <http://cit.kuleuven.be/biotec/downloads.php>
Acessado em: 19/04/2014.
BRASIL. MINISTRIO DA SADE. Secretaria de Vigilncia em Sade.
Vigilncia epidemiolgica das doenas transmitidas por alimentos no Brasil,
1999 2004. Ano 5; n. 06; 28/12/2005. Disponvel em
<http://portal.saude.gov.br/portal/arquivos/ pdf/ bol_epi_6_2005_corrigido.pdf.>
Acessado em: 09/05/2014.

88

BRUNELLI , R., Template Matching Techniques in Computer Vision:

Theory and Practice, Wiley, ISBN 978-0-470-51706-2, 2009
CARDOSO JORGE, A.O. 2002. Princpios de biossegurana em
odontologia. Rev. biocinc.,Taubat, v.8, n.1, p.7-17, jan.-jun.2002.
CAYRE, Mara E.; VIGNOLO, Graciela M.; GARRO, Oscar A. Seleccin de
un Modelo Primario para Describir la Curva de Crecimiento de Bacterias
Lcticas y Brochothrix thermosphacta sobre Emulsiones Crnicas Cocidas.
Informacin tecnolgica, La Serena, v. 18, n. 3, 2007 .
CASSOLI, L.D. Contagem bacteriana total: Entendendo o processo de
anlise. Clnica do Leite ESALQ/USP. Piracicaba, SP.. 2013. Comunicado No.
013. pp. 05-10
CASTRO, M.F.P.P.M.; SCHMIDT, F. L.; PENTEADO, A. L. Growth of
Salmonella Enteriditidis and Listeria Monocytogenesin Melon Pulp: Predictive
Modelling and Evaluation of Model Performance. Brazilian Journal of Food
Technology, Campinas, So Paulo, v. 10, n. 3, p. 176-182, 2007
COSTA, Andyara Lena dos Santos. A Microbiologia dos Alimentos e a
Importncia dos Microorganismos teis, Deteriorantes e Patognicos.
Microbiologia e Higiene Alimentar. Universidade Anhembi Morumbi. 2011.

CDC - Centers for Disease Control and Prevention. Estimating Foodborne

Illness: An Overview. 2011. Disponvel em: <http://www.cdc.gov/
foodborneburden/estimates-overview.html> Acessado em: 09/05/2014.
CHORLEY, R.J.; KENNEDY, B.A. Physical Geography: a system approach.
Londres, Editora Prenttice Hall Inc. Co.. 1971. 351p.

89

CHRISTOFOLETTI, A. Modelagem de sistemas ambientais. So Paulo:

Blcher, 1999. 256p.
COMBASE. Disponvel em: <http://www.combase.cc/index.php
/en/downloads> Acessado em: 19/04/2014.
DALCANTON, F. Modelagem matemtica do crescimento de bactrias
cido lcticas em condies isotrmicas e no isotrmicas. Tese de
mestrado. Florianpolis-SC. Ps-Graduao em Engenharia de Alimentos. 2010.
DAMASCENO, R.G. Comparao e desenvolvimento de metodologias
para o controle de qualidade de inoculantes. Porto Alegre-RS. Tese
(Doutorado). Universidade Federal do Rio Grande do Sul. 2011. 390 p.
DANNENHAUER, C.E. Desenvolvimento de um Aplicativo Computacional
para Microbiologia Preditiva. Universidade Federal de Santa Catarina, Programa
de Ps-Graduao em Engenharia de Alimentos. Florianpolis, SC. Dissertao:
Mestrado. 2010. 73 f.
DETOMINI, E. R. Modelagem da produtividade potencial de Brachiaria

brizantha (Variedades cultivadas Marandu e Xaras). Dissertao (Mestrado).

rea de Fitotecnia. Escola Superior de Agricultura Luiz de Queiroz, Universidade
de So Paulo, Piracicaba, 2004. 112p.
DOURADO NETO, D.; TERUEL, D. A.; REICHARDT, K.; NIELSEN, D. R.;
FRIZZONE, J.A.; BACCHI, O. O. S. Principles of crop modeling and simulation:
I. uses of mathematical models in agricultural science. Scientia Agricola, v.55, n.
especial Piracicaba, 1998. p.46-50.
FELICIANO, F.F.; Souza, I.L. & Leta, F. R. Viso computacional aplicada
metrologia dimensional automatizada: consideraes sobre sua exatido.
Engevista, v. 7, n. 2, p. 38-50, dezembro 2005.

90

FOSTER, C.; RAPOPORT, A; TRUCCO, E. Some unsolved problems in

the theory of non-isolated Systems. General Systems Yearbook, vol. 2, 1957,
pp. 9-29.
FRANCO, B.G.M. Microbiologia dos Alimentos. 1 ed. So Paulo, Atheneu,
1999.
FRANCO, B.D.G.M.; LANDGRAF, M. Microrganismos Patognicos de
Importncia em Alimentos. In: Microbiologia dos Alimentos. So Paulo: Atheneu,
1996, cap.4, p. 33 82, 182p.
FUJIKAWA, H; KAI, A & MOROZUMI, S. A new logistic model for
Escherichia coli growth at constant and dynamic temperatures. Food
Microbiology. v. 21, n. 5, p. 501509, 2004.
FRHLING, S.W. Modelagem matemtica do crescimento bacteriano no
leite cru. Universidade Regional do Noroeste do Estado do Rio Grande do Sul
UNIJU. Departamento de Cincias exatas e Engenharia. Dissertao: Mestrado.
2013. 80 p.
GAVIN, H.P. The Levenberg-Marquardt method for nonlinear least
squares curve-fitting problems. Department of Civil and Environmental
Engineering. Duke University. 2013. Disponvel em <http://people.duke.edu/
~hpgavin/ce281/lm.pdf> Acessado em: 18/06/2014.
GEERAERD A.H.; VALDRAMIDIS V. P.; VAN IMPE, J. F. GInaFiT, a
freeware tool to assess non-log-linear microbial survivor curves. A.H.
International Journal of Food Microbiology, v. 102, p. 95-105, 2005.
GIBBS, P.; GEKAS V. Water Activity and Microbiological Aspects of
Foods a Knowledge. Leatherhead Food Research Association, Randalls Road,
Leatherhead, Surrey UK, University of Hania, Crete, Greece, 2001.

91

GONZALEZ, R. & WOODS, P. Digital Image Processing. Prentice Hall,

2002, 2nd ed.
HAEFNER, J. W. Modeling biological systems: principles and
applications. Chapman and Hall, New York, New York, USA. 1996.
HAGGET, P ; CHORLEY, R. J. Modelos fsicos e de informao em
geografia. Modelos em Geomorfologia. Trad. Arnaldo Viriato de Medeiros. Rio de
Janeiro: Livros Tcnicos e Cientficos, 1975. 260 p.
HAIGH, M. J. Geography and General System Theory, Philosophical
Homologies and Current Practice. Geoforum. Special Issue: Links between the
natural and social sciences. v.16, n.2, p.191-203. 1985.
HIRSCH, S. Almanaque de bichos que do em gente. editora correcotia.
3 ed. Captulo 7: Bactrias. ISBN: 9788586331060. 2000. 255 pp.
HOSHIRO, S.H. & GOLDSCHMIDT, R.R. Processamento de imagens.
Instituto Militar de Engenharia. Seo de Engenharia de Computao. Monografias
em Sistemas e Computao, No. 05/2008. ISSN: 1982-9035. Rio de Janeiro-RJ.
2008.
HowStuffWorks, Imagem. Disponvel em: <http://electronics.howstuff
works.com/playstation-camera6.htm> Acessado em: 28/12/2014.
HUANG, L. Dynamic computer simulation of Clostridium perfringens
growth in cooked ground beef. International Journal of Food Microbiology,
Wyndmoor, v. 87, p. 217227, 2003.
HUANG, L. IPMP 2013 - A comprehensive data analysis tool for predictive
microbiology. International Journal of Food Microbiology, 171:100-107. 2014.

92

HUANG, L. USDA Integrated Pathogen Modeling Program. USDA

Agricultural Research Service, Eastern Regional Research Center, Wyndmoor, PA.
2013.
LIMA, A.S. & CEZAR, M. A. Estrutura, Morfologia e Reproduo das
Bactrias. 2013. Disponvel em: <http://www.ccta.ufcg.edu.br/admin.files
.action.php?action=download&id=2848>. Acessado em: 29/12/2014.
MADIGAN, M .T.; MARTINKI, J. M.; BROCK, T . D . (2006). Biology of
microorganisms. 11 edio. Pearson Prentice Hall, Upper Saddle River, NJ.
MARENGONI, Mauricio ; DENISE, Stringhini. Introduo Viso
Computacional usando OpenCV. Tutorial. Revista de Informtica Terica e
Aplicada, v. XVI, p. 1-36, 2009.
MASSAGUER, P.R. Microbiologia dos processos alimentares. Varela
editor, So Paulo, SP, Brazil. 2005.
MIRANDA, E. F. O.; TAKATSU, A.; UESUGI, C. H. Colonization of the roots
of weed cultivated in vitro and in pots by ralstonia solanacearum, biovars 1, 2
and 3. Fitopatologia Brasileira , v. 29, n. 2, p. 121127, Maro/Abril 2004.
MONGELO, A.I. Validao de mtodo baseado em viso computacional
para automao da contagem de viabilidade de leveduras em indstria
alcooleiras. Dissertao (Mestre em Biotecnologia) apresenta ao Programa de PsGraduao em Biotecnologia da Universidade Catlica Dom Bosco UCDB. Campo
Grande, 2012. Disponvel em: www.gpec.ucdb.br/pistori/publicacoes/arnaldo_
sbiagro2011.pdf. Acesso em: 02 jun. 2013.
MOREIRA, S.A. Alimentao e comensalidade: aspectos histricos e
antropolgicos. Cincia e Cultura, Campinas, So Paulo, v. 62, n. 4, 2010.
Disponvel em: <http://cienciaecultura.bvs.br/scielo.php?script=sci_arttext&
pid=S0009-67252010000 400009&lng=en&nrm=iso>. Acessado em: 18/06/2014.

93

NAKASHIMA, S.M.K.; ANDR, D.S.; FRANCO, B.D.G.M. Reviso: Aspectos

Bsicos da Microbiologia Preditiva. Brazilian Journal of Food Technology,
Campinas, So Paulo, v. 3, p. 41-51, 2000.
NERBRINK, E.; BORCH, E.; BLOM, H.; NESBAKKEN, T. A model based
on absorbance data on the growth rate of Listeria monocytogenes and
including the effects of pH, NaCl, Nalactate and Na-acetate. International
Journal of Food Microbiology, n.47, p. 99-109, 1999.
PESSA, G.S. Avaliao de procedimentos para contagem de
Saccharomyces cerevisiae em sistemas de anlise por injeo em fluxo
(FIA). Dissertao de Mestrado. Universidade Federal de Alfenas. Alfenas/MG.
2008.
PINHEIRO, Arthur Melo, Kathiani Elisa de Souza Valguima Victoria Viana
Aguiar Odakura, Willian Paraguassu Amorim. Contagem Automatica de
Colonias usando Hough Circles. Anais do WVC. Faculdade de Ciencias Exatas
e Tecnologia (FACET). Universidade Federal da Grande. 2012.
PIKUTA, E. V.; Hoover, R. B. & Tang, J. Microbial extremophiles at the
limits of life. Crit. Rev. Microbiol. Ed. 33, pp.183209. 2007.
PMM LAB. Predictive Microbial Modeling. Disponvel em:
<http://sourceforge.net/p/pmmlab/wiki/Links> Acessado em: 18/04/2014.
POPPER, Karl. Conhecimento objetivo. Belo Horizonte: Itatiaia, 1975.
PROSSER, J.I. et al. Brendan J. M. Bohannan , Tom P. Curtis , Richard J.
Ellis et al. 2007. The role of ecological theory in microbial ecology. Nature
Reviews Microbiology ed .5, pp. 384392. 2007 | doi:10.1038/nrmicro1643.

94

QUEIROZ, J.E.R. & GOMES, H.M. Introduo ao Processamento Digital de

Imagens. Departamento de Sistemas e Computao, UFCG. Revista RITA. v. 8. n.1.
2001.
SALYERS, A. A.; Gupta, A.; Wang, Yanping. Human intestinal bacteria as
reservoirs for antibiotic resistance genes. TRENDS in Microbiology Vol.12
No.9. 2004.
SARMENTO, C.M.P. Modelagem do Crescimento Microbiano e Avaliao
Sensorial no estudo da Vida de Prateleira de mortadela e lingia defumada em
armazenamento isotrmico e no isotrmico. Dissertao (Doutorado em
Engenharia Qumica) - Universidade Federal de Santa Catarina, Florianpolis. 2006.
145 f.
SILVA JUNIOR, E.O. Manual de controle higinico-sanitrio em
alimentos. 5. ed. So Paulo. Livraria Varela, 2002. 479 p.
SOUZA, K; Pinheiro, A.; Amorim, W. & Odakura, V. Contagem automtica
de unidades formadoras de colnias de bactrias em placas de Petri com o
uso do algoritmo Template Matching. Anais do WVC. Faculdade de Ciencias
Exatas e Tecnologia (FACET). Universidade Federal da Grande Dourados
(UFGD). 2012. Disponvel em: http://iris.sel.eesc.usp.br/wvc/Anais_WVC2012/
pdf/97997.pdf
SOLVER. Solver for Nonlinear Programming. Disponvel em: < http://ext
ensions. openoffice.org/en/project/solver-nonlinear-programming-beta> Acessado
em: 06/07/2014.
SWINNEN, I.A.M., BERNAERTS, K., DENS, E.J.J., GEERAERD, A.H. & VAN
IMPE, J.F. Predictive modelling of the microbial lag phase: a review. International
Journal of Food Microbiology. v. 94, p. 137159. 2004.

95

ROTHSCHILD, L. J.; MANCINELLI, R. L. Life in Extreme Environments.

Nature 409 (2001): 10921101.
TELEKEN, J. T.; ROBAZZA, W. S.; GOMES, G. A. Mathematical modeling
of microbial growth in Milk. In: Cincia e Tecnologia de Alimentos, Chapec,
Santa Catarina, v. 31, n. 4, pp. 891-896. 2011. Disponvel em:
<http://www.scielo.br/pdf/cta/v31n4/10.pdf>
THORNLEY, J.H.M. Grassland dynamics: an ecosystem simulation model.
Wallingford: CAB International, 1998. 241p.
TORTORA, G.J. et al., Microbiologia. Porto Alegre; ArtMed, 8 ed., 2005.
Captulo 4.
UC Food Safety. Pathogen Modeling Programs. Division of Agriculture and
Natural Resources, University of California. Disponvel em: <http://ucfoodsafety.
ucdavis.edu/ Food_Safety_Links/Pathogen_Modeling_Programs/> Acessado em:
18/04/2014.
VALSECHI, O.C. Microbiologia dos Alimentos. Universidade Federal de
So Carlos, Centro de Cincias Agrrias. Departamento de Tecnologia
Agroindustrial e Socioeconomia Rural. Araras, So Paulo. 2006. Disponvel em
<http://www.cca.ufscar.br/~ vico/Microbiologia%20dos%20Alimentos.pdf> Acessado
em: 12/05/2014.
VALLE, K.N.F. Mtodos Numricos de Euler e Runge-KuttaMonografia de
especializao em matemtica. Universidade Federal de Minas Gerais, BeloHorizonte, Minas Gerais. 2012. 40 f. Disponvel em: <http://www.mat.ufmg.br/
~espec/Monografias_Noturna/Monografia_KarineNayara .pdf>. Acessado em:
18/06/2014.
VIEIRA, A. P. Aplicao de bacteriocinas de bactrias lcticas para
controle de Listeria monocytogenes em queijo Minas Frescal Processado

96

pelo mtodo de acidificao direta. Piracicaba. Dissertao Mestrado. Escola

superior de Agricultura Luiz de Queiroz. 2011. 107 p.
YUHAI ,Li., L. Jian, T. Jinwen, X. Honbo. A fast rotated template matching
based on point feature. Proceedings of the SPIE 6043: MIPPR. SAR and
Multispectral Image Processing. 2005. pp. 453-459.
WEAVER, J.E. Classification of root systems of forms of grassland and
a consideration of 25 their significance. Ecology , v. 39, p. 393-401, 1958.
Zhou, K.; Gui, M.; Li, P.; Xing, S.; Cui, T.; Peng, Z. Effect of combined
function of temperature and water activity on the growth of Vibrio harveyi.
Brazilian Journal of Food Technology, Campinas, So Paulo, v. 43, n. 4, p. 13651375, 2012.
ZHOU, Ping. YE,Wenjun. XIA, Yaojie & WANG, Qi. An Improved Canny
Algorit hm for Edge Detection. Journal of Computational Information Systems
7:5 (2011) 1516-1523. 2011 Disponvel em: http://www.jofcis.com/published
papers/2011 _7_5_ 1 516_1523.pdf