Aplicações de visão artificial para análise de novas fontes de alimentos

• Processo: 23/07385-7
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de fevereiro de 2024
• Data de Término da vigência: 31 de janeiro de 2026
• Área do conhecimento: Ciências Agrárias - Ciência e Tecnologia de Alimentos - Engenharia de Alimentos
• Pesquisador responsável: Douglas Fernandes Barbin
• Beneficiário: Douglas Fernandes Barbin
• Instituição Sede: Faculdade de Engenharia de Alimentos (FEA). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Bolsa(s) vinculada(s): 24/07881-7 - Aplicação de espectroscopia NIR e imagens hiperespectrais (NIR-HSI) com equipamentos de baixo custo e quimiometria para inspeção e segurança de alimentos relevantes para Brasil e Moçambique, BP.PD
• Assunto(s): Alimentação alternativa Aprendizado computacional Química verde Quimiometria Visão computacional
• Palavra(s)-Chave do Pesquisador: alimentos alternativos | Aprendizado de Máquina | Química Verde | Quimiometria | Visão computacional

Resumo

A segurança alimentar tornou-se uma grande preocupação em todo o mundo, levando ao desenvolvimento de novos alimentos alternativos. O controle de qualidade na indústria de alimentos é tradicionalmente realizado por meio de testes químicos, físicos e microbiológicos, os quais são trabalhosos e requerem reagentes químicos e produzem resíduos. Atualmente é possível substituir a maioria destes métodos por técnicas indiretas rápidas e não destrutivas. Imagem hiperespectral é atualmente o estado da arte neste campo, oferecendo uma série de vantagens sobre os métodos tradicionais de avaliação de qualidade, incluindo facilidade de adaptação para sistemas online e possibilidade de determinação simultânea de vários atributos. No entanto, há poucos estudos sobre o tema em países emergentes. Este projeto visa fortalecer o grupo de pesquisa estabelecido em análises de imagens na avaliação de características físicas e químicas de produtos alimentícios, desenvolvendo métodos analíticos de produtos alimentícios mais sustentáveis. Os alimentos alternativos destinados à aplicação incluem insetos e oleogel como substituto de gordura. A combinação de análise de imagem e espectroscopia NIR em imagem hiperespectral (HSI) pode enfrentar grandes desafios na indústria de alimentos: (1) determinar a composição da matéria-prima, (2) identificar adulteração e autenticação de alimentos e (3) monitorar a qualidade do produto. Esta tecnologia tem visto uma redução nos preços dos equipamentos, porém pode ser mais reduzida através de identificação de comprimentos de onda específicos. Porém, necessita de poderosas ferramentas matemáticas e estatísticas para poder analisar a grande quantidade de informação multivariada que é obtida. A inteligência artificial oferece ferramentas para extrair informações de um conjunto de dados brutos e/ou para calibrar modelos para fins preditivos: quantificação ou classificação. As metodologias analíticas desenvolvidas no projeto oferecerão uma ferramenta confiável e acessível para indústrias e startups que estão começando a crescer nesta área de alimentos alternativos e outras aplicações. Como existem poucas informações sobre a aplicação do HSI para o estudo desses produtos, os novos conhecimentos adquiridos serão de grande valor científico. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

DE MORAES, INGRID ALVES; BARBON JUNIOR, SYLVIO; BARBIN, DOUGLAS FERNANDES. Interpretation and explanation of computer vision classification of carambola ( Averrhoa carambola L. ) according to maturity stage. Food Research International, v. 192, p. 10-pg., 2024-07-31. (19/27354-3, 23/07385-7, 15/24351-2)