Aplicação de espectroscopia raman e ciência de dados como estratégia para reconhecimento e autenticação de cevada cervejeira

• Processo: 25/04128-9
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 11 de maio de 2025
• Data de Término da vigência: 10 de agosto de 2025
• Área de conhecimento: Ciências Agrárias - Ciência e Tecnologia de Alimentos - Ciência de Alimentos
• Pesquisador responsável: Juliana Azevedo Lima Pallone
• Beneficiário: Gabriel Gozzi
• Supervisor: Ana Maria Jimenez Carvelo
• Instituição Sede: Faculdade de Engenharia de Alimentos (FEA). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Instituição Anfitriã: Universidad de Granada (UGR), Espanha
• Vinculado à bolsa: 24/09561-0 - APLICAÇÃO DE ESPECTROSCOPIA NIR E CIÊNCIA DE DADOS PARA AVALIAÇÃO NÃO DESTRUTIVA DE CEVADA (Hordeum vulgare L.), BP.IC
• Assunto(s): Controle da qualidade Espectroscopia Raman Quimiometria Espectroscopia
• Palavra(s)-Chave do Pesquisador: controle de qualidade | espectroscopia Raman | Quimiometria | Espectroscopia

Resumo

A pesquisa de mobilidade internacional na Universidade de Granada (Espanha) busca explorar técnicas inovadoras não utilizadas pelo grupo de origem no Brasil, como a Espectroscopia de Raman com Deslocamento Espacial (Spatially Offset Raman Spectroscopy, SORS). Durante o estágio, serão aplicados algoritmos de aprendizagem de máquina para o controle de qualidade não destrutivo de cevada. Técnicas espectroanalíticas, como Raman, combinadas com algoritmos multivariados de machine learning, são promissoras na área de alimentos, podendo otimizar processos, reduzir custos e melhorar a qualidade dos produtos. No entanto, há poucos estudos sobre a aplicação da espectroscopia Raman no controle de cevada, tornando inédita sua aplicação para reconhecimento e autenticação de cevada cervejeira. Para o estudo, foram adquiridas amostras de grãos de cevada cervejeira e forrageira de diferentes regiões. Os espectros serão coletados na faixa de 350-2000 cm¿¹ utilizando um equipamento portátil. A análise espectral será feita com técnicas de machine learning, aplicando pré-processamento adequado e validando os modelos com dados externos. Os resultados contribuirão para o desenvolvimento de métodos mais rápidos, sustentáveis e eficientes no controle de qualidade da cevada cervejeira, beneficiando a indústria cervejeira ao garantir autenticidade e evitar fraudes.