Predição de antocianinas em diferentes matérias-primas usando Machine Learning.

As antocianinas, pigmentos naturais com reconhecidas propriedades bioativas e aplicações como corantes alimentícios, apresentam desafios significativos devido à sua instabilidadee degradação. A predição de antocianinas em fontes vegetais é essencial para controle de qualidade e estudos sobre estabilidade. O Machine Learning (ML), uma subárea da Inteligência Artificial que desenvolve algoritmos capazes de aprender padrões a partir de dados, surge como ferramenta poderosa na ciência de alimentos e química analítica, oferecendo novas abordagens para predição de antocianinas. Este trabalho explora as aplicações do ML na predição de antocianinas, incluindo a predição do seu comportamento sob diversas condições, análise de dados de degradação, a validação de métodos de quantificação, a otimização de processos de extração e a implementação de análises não destrutivas. Os estudos analisados demonstram que técnicas de ML de análise de dados, combinadas com métodos não destrutivos, representam um avanço significativo na predição e monitoramento de compostos antociânicos. O sistema Neuro Fuzzy Inference System (ANFIS) mostrou-se eficiente na previsão da degradação de antocianinas em casca de uva, cenoura preta e repolho roxo, oferecendo uma alternativa robusta para a otimização de processos industriais, como pasteurização. Assim como, abordagens baseadas em imagens hiperespectrais (HSI) e algoritmos de aprendizado de máquina, como Stacked Auto-Encoder- Genetic Algorithm - Extreme Learning Machine (SAE-GA-ELM), Random Forest (RF) e CatBoost, comprovaram sua eficácia na predição não destrutiva de antocianinas em amora-preta, pétalas de Rosa chinensis, alface roxa e folhas de macieira. Os métodos superam as limitações das técnicas tradicionais (como espectrofotometria) ao reduzir custos, tempo de análise e danos às amostras, além de possibilitaranálises mais rápidas, automatizadas e com maior precisão, mesmo em grandes volumes de dados. A integração entre espectroscopia, processamento de imagens e ML surge como uma ferramenta promissora para aplicações na indústria alimentícia, possibilitando maior eficiência na preservação de compostos antociânicos e na qualidade dos produtos.