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
• Município da Instituição Sede: Campinas
• Bolsa(s) vinculada(s): 25/09896-4 - Autenticação de farinha de grão-de-bico por algoritmos de mistura espectral baseados em espectros NIR e quimiometria, BP.IC; 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

(9)

(As publicações científicas contidas nesta página são originárias da Web of Science ou da SciELO, cujos autores mencionaram números dos processos FAPESP concedidos a Pesquisadores Responsáveis e Beneficiários, sejam ou não autores das publicações. Sua coleta é automática e realizada diretamente naquelas bases bibliométricas)

MORAES, INGRID A.; ARRIGHI, LEONARDO; BARBON JR, SYLVIO; CUNHA, ROSIANE L.; BARBIN, DOUGLAS F.. Explainable artificial intelligence (XAI) applied to deep computer vision for the assessment and classification of oleogels with varying oleogelator types and concentrations. Microchemical Journal, v. 221, p. 11-pg., 2026-02-01. (19/27354-3, 23/07385-7)

CRUZ-TIRADO, J. P.; FERREIRA, RAMON SOUSA BARROS; BATISTA, EDUARDO AUGUSTO CALDAS; HONORIO, LARA; AMIGO, JOSE MANUEL; BARBIN, DOUGLAS FERNANDES. Detecting vegetable oils in black soldier fly larvae oil using infrared spectroscopy coupled with one-class and hierarchical modelling. FOOD CONTROL, v. 183, p. 13-pg., 2026-05-01. (24/12932-0, 23/11773-2, 23/07385-7)

CRUZ-TIRADO, J. P.; HAUGHEY, SIMON A.; ELLIOTT, CHRISTOPHER T.; BARBIN, DOUGLAS FERNANDES. Portable NIR spectrometer and FTIR and soft modelling to authenticate edible cricket, mealworm and buffalo worm flour. FOOD CONTROL, v. 179, p. 16-pg., 2025-07-18. (23/11773-2, 19/27354-3, 23/07385-7, 20/09198-1)

MORAES, INGRID A.; KAUFMANN, KARINE CRISTINE; BARBON JUNIOR, SYLVIO; NEVES, MARINA G.; VILLA, JAVIER E. L.; BARBIN, DOUGLAS F.. Authentication of coriander oil and adulterant identification using electronic nose and spectroscopic techniques. Food Chemistry, v. 483, p. 10-pg., 2025-08-15. (23/16840-0, 19/03812-2, 23/07385-7, 24/15243-0)

MORAES, INGRID A.; VILLA, JAVIER E. L.; CUNHA, ROSIANE L.; BARBIN, DOUGLAS F.. Monitoring oxidative stability of oleogels and oils by vibrational spectroscopic techniques. Food Research International, v. 212, p. 11-pg., 2025-04-29. (23/07385-7, 19/27354-3)

CRUZ-TIRADO, J. P.; VIEIRA, MATHEUS SILVA DOS SANTOS; FERREIRA, RAMON SOUSA BARROS; AMIGO, JOSE MANUEL; BATISTA, EDUARDO AUGUSTO CALDAS; BARBIN, DOUGLAS FERNANDES. Prediction of total lipids and fatty acids in black soldier fly (Hermetia illucens L.) dried larvae by NIR-hyperspectral imaging and chemometrics. SPECTROCHIMICA ACTA PART A-MOLECULAR AND BIOMOLECULAR SPECTROSCOPY, v. 329, p. 10-pg., 2024-12-22. (23/11773-2, 22/07725-0, 23/07385-7, 24/12932-0, 20/09198-1, 15/24351-2, 08/57808-1, 14/50951-4)

MORAES, INGRID ALVES DE; ARRIGHI, LEONARDO; BARBON JR, SYLVIO; VILLA, JAVIER E. L.; CUNHA, ROSIANE LOPES; BARBIN, DOUGLAS FERNANDES. Explainable artificial intelligence (xAI) applied to deep computer vision of microscopy imaging and spectroscopy for assessment of oleogel stability over storage. Journal of Food Engineering, v. 394, p. 12-pg., 2025-07-01. (23/07385-7)

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)

MORAES, INGRID A.; BARBON JUNIOR, SYLVIO BARBON; VILLA, JAVIER E. L.; CUNHA, ROSIANE L.; BARBIN, DOUGLAS F.. Predicting oleogels properties using non-invasive spectroscopic techniques and machine learning. Food Research International, v. 207, p. 15-pg., 2025-04-25. (19/03812-2, 19/27354-3, 23/07385-7)