| Processo: | 23/11773-2 |
| Modalidade de apoio: | Bolsas no Exterior - Estágio de Pesquisa - Doutorado |
| Data de Início da vigência: | 29 de fevereiro de 2024 |
| Data de Término da vigência: | 28 de outubro de 2024 |
| Área de conhecimento: | Ciências Agrárias - Ciência e Tecnologia de Alimentos - Engenharia de Alimentos |
| Pesquisador responsável: | Douglas Fernandes Barbin |
| Beneficiário: | Luis Jam Pier Cruz Tirado |
| Supervisor: | Christopher Trevor Elliott |
| Instituição Sede: | Faculdade de Engenharia de Alimentos (FEA). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil |
| Instituição Anfitriã: | Queen's University Belfast, Irlanda do Norte |
| Vinculado à bolsa: | 20/09198-1 - Imagem hiperespectral e inteligência artificial para controle de qualidade de produtos baseados em proteína: isolados, microcápsulas e géis, BP.DR |
| Assunto(s): | Segurança alimentar Aprendizado computacional Proteínas vegetais Engenharia de processos |
| Palavra(s)-Chave do Pesquisador: | Edible insect | Food Control | Food Security | machine learning | plant protein | Engenharia de Processos |
Resumo O aumento da população mundial nos obriga a buscar novas fontes alternativas de proteína, como a proteína de insetos. No entanto, apesar dos benefícios nutricionais e ambientais associados à produção e consumo de insetos, as culturas ocidentais exibem certo nível de rejeição devido principalmente ao conhecimento, fatores emocionais, neofobia, sabor e textura. No entanto, atualmente, insetos comercialmente disponíveis para consumo humano, como grilos (Acheta domesticus) e larvas-da-farinha (Alphitobius diaperinus), estão disponíveis, com a expectativa de que o mercado diversifique ainda mais, incluindo novos insetos como novos alimentos no futuro. Portanto, é essencial que as organizações reguladoras e de pesquisa promovam o desenvolvimento de técnicas analíticas que possam detectar a pureza das fontes de proteína que consumimos: pó à base de insetos ou à base de plantas. Neste sentido, este projeto visa desenvolver modelos analíticos utilizando informações obtidas de espectrômetros NIR portáteis e imagens hiperespectrais (NIR-HSI). Modelos preditivos serão desenvolvidos usando modelos quimiométricos tradicionais, como Análise Discriminante de Mínimos Quadrados Parciais (PLS-DA) e regressão (PLSR), Análise Discriminante de Máquina de Vetor de Suporte (SVM-DA) e regressão (SVMR) e Data Driven Soft independent class analogy (DD-SIMCA). Espera-se que os resultados demonstrem o excelente desempenho dos espectrômetros NIR portáteis e do NIR-HSI na autenticação de pós puros e misturas à base de insetos e vegetais, bem como na quantificação do nível de mistura de ambos os pós. Ambas as técnicas ofereceriam duas opções viáveis para o controle de qualidade dessas fontes proteicas e podem ser implementadas como métodos de triagem, complementando-se efetivamente. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |