Fatorização de matrizes não negativas para mistura espectral de séries temporais e aprendizado de máquina baseado em voxel: aplicação em filmes biodegradáveis

• Processo: 24/03826-1
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Data de Início da vigência: 01 de julho de 2024
• Data de Término da vigência: 30 de junho de 2025
• Área de conhecimento: Ciências Agrárias - Ciência e Tecnologia de Alimentos - Engenharia de Alimentos
• Pesquisador responsável: Douglas Fernandes Barbin
• Beneficiário: Yasmin Lima Brasil
• Supervisor: Jose Manuel Amigo Rubio
• Instituição Sede: Faculdade de Engenharia de Alimentos (FEA). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Instituição Anfitriã: Universidad del País Vasco, Bizkaia (UPV), Espanha
• Vinculado à bolsa: 22/05540-2 - Estudo de materiais à base de amido usando espectroscopia NIR pórtatil e imagem hiperespectral (HSI) associada a inteligência artificial, BP.DR
• Assunto(s): Inteligência artificial Indústria 4.0
• Palavra(s)-Chave do Pesquisador: artificial intelligence | biodegradable plastics | cassava starch | industry 4 | 0 | Tecnologias analíticas de processo

Resumo

O Brasil ocupa o quarto lugar entre os maiores produtores mundiais de resíduos plásticos, com apenas 1,28% desse material sendo reciclado, contribuindo significativamente para a poluição ambiental. Nesse cenário, os bioplásticos feitos a partir de amido de mandioca surgem como uma alternativa promissora. Esses bioplásticos oferecem propriedades antimicrobianas e antioxidantes quando enriquecidos com bioprodutos como óleo essencial de orégano (OEO), incentivando o uso de materiais mais sustentáveis. No entanto, ao considerar a aplicação desses polímeros no revestimento de frutas, é crucial avaliar a possibilidade de migração de componentes do filme para a superfície dos alimentos. Essa tarefa é desafiadora devido à sobreposição de compostos presentes em quantidades menores, como o OEO. Técnicas avançadas, como a imagem hiperespectral no infravermelho próximo (NIR-HSI) e a microscopia por fluorescência de raios-X (XRF), possibilitam o mapeamento da distribuição de compostos químicos em alimentos. Essa análise é facilitada pela factorização de matriz não negativa (NMF), que, por meio de algoritmos de agrupamento, simplifica matrizes de dados complexas em perfis de concentração e assinaturas espectrais puras. Assim, nosso objetivo é avaliar a migração de OEO dos filmes para a superfície de morangos usando imagens hiperespectrais NIR e microscopia XRF combinadas com técnicas de aprendizado de máquina, de maneira rápida e não destrutiva, alinhando-se aos requisitos da Indústria 4.0.