Análisis reológico en el procesamiento de alimentos: factores, aplicaciones y perspectivas futuras con integración de...

Área de la Ciencia:

• Ciencia y Tecnología de los Alimentos
• Reología
• Aplicaciones de Aprendizaje Automático

Sus antecedentes:

• La reología de los alimentos es crucial para determinar la textura, el sabor, la estabilidad y la calidad general.
• La producción compleja de alimentos y las demandas del mercado requieren métodos de caracterización avanzados.
• El aprendizaje automático (AA) ofrece herramientas potentes para analizar sistemas alimentarios complejos.

Objetivo del estudio:

• Revisar la integración del aprendizaje automático con la reología de los alimentos.
• Examinar las aplicaciones del AA en el análisis de texturas (reología de deformación grande y pequeña).
• Resumir los factores que influyen en la reología de los alimentos y las interacciones de los componentes.

Principales métodos:

• Revisión de la literatura existente sobre reología de alimentos y aprendizaje automático.
• Análisis de mediciones reológicas, incluida la deformación grande y pequeña.
• Exploración de algoritmos de aprendizaje automático para el análisis de datos reológicos.

Principales resultados:

• El aprendizaje automático predice y analiza eficazmente las propiedades reológicas de los alimentos.
• La integración del AA con la reología ayuda en el análisis del flujo de alimentos y la caracterización de la deformación.
• El AA facilita la optimización de la formulación de productos, el monitoreo de procesos y el análisis sensorial.

Conclusiones:

• El aprendizaje automático mejora significativamente la caracterización y optimización de la reología de los alimentos.
• A pesar de los desafíos con grandes conjuntos de datos y condiciones complejas, el AA muestra una alta eficacia.
• El desarrollo futuro de enfoques reológicos basados en AA tiene un potencial sustancial para la industria alimentaria.