APLICAÇÃO DE ALGORITMOS DE INTELIGÊNCIA ARTIFICIAL NA IDENTIFICAÇÃO DE FRAUDES EM ALIMENTOS UTILIZANDO PARÂMETROS BROMATOLÓGICOS- com mel sem id

Prévia do material em texto

APLICAÇÃO DE ALGORITMOS DE INTELIGÊNCIA ARTIFICIAL NA IDENTIFICAÇÃO DE FRAUDES EM ALIMENTOS UTILIZANDO PARÂMETROS BROMATOLÓGICOS
Palavras-chave: Algoritmos, controle, inteligência artificial, automação
Introdução: A Inteligência Artificial (IA) tem se mostrado altamente eficaz na autenticação e no controle de qualidade de alimentos, especialmente do leite e do mel. Redes neurais e algoritmos de aprendizado de máquina permitem detectar fraudes com rapidez, precisão e baixo custo, otimizando o monitoramento de princípios bromatológicos e fortalecendo a rastreabilidade na cadeia produtiva. Objetivo: Analisar, por meio de uma revisão integrativa, o avanço da aplicação da inteligência artificial na análise e no controle de qualidade e veracidade de alimentos, destacando seus principais benefícios, desafios e perspectivas futuras. Métodos: Foi realizada uma revisão bibliográfica de literatura nas bases de dados SciELO, Sciadvances e SpringerLink, utilizando os descritores “inteligência artificial”, “fraudes alimentares” e “parâmetros bromatológicos”. Foram incluídos artigos publicados entre 2020 e 2025, em português e inglês. Após triagem e leitura dos títulos e resumos, foram analisados estudos que utilizaram técnicas espectroscópicas (tais como NIR, MIR e Raman) integradas à quimiometria como formas de coleta e análise de dados para a classificação e verificação de alimentos adulterados, visto que essas metodologias oferecem dados exatos sobre a composição química e apoiam a utilização de algoritmos de aprendizado de máquina. Resultados: Os estudos revisados demonstraram que a IA é altamente eficaz na classificação e autenticação de alimentos. Em leites, algoritmos de aprendizado supervisionado detectaram diluição e adição de substâncias como amido e ureia, correlacionando alterações de densidade e condutividade elétrica. Em amostras de mel, técnicas espectroscópicas associadas à IA identificaram adulterações com xaropes de glicose e frutose, com alta precisão na diferenciação entre produtos puros e falsificados. O estudo levou à conclusão de que o método proposto é uma alternativa eficaz, acessível e simples para detectar fraudes em leite e mel pasteurizado, viável para uso em campo, reforçando o controle de qualidade, reduzindo prejuízos econômicos, protegendo a saúde pública e combatendo a concorrência desleal. Considerações finais: A utilização de algoritmos de inteligência artificial com base em parâmetros bromatológicos melhora significativamente a prevenção de fraudes em leite e mel, mas requer investimentos em infraestrutura, padronização de dados e treinamento de profissionais. Essa integração entre ciência dos alimentos e IA cria um novo modelo de segurança alimentar, promovendo maior transparência, confiança e inovação no setor.
Referências bibliográficas: BRITO, Paula. Método analítico de baixo custo é desenvolvido para a detecção de fraudes em leite. SciELO em Perspectiva | Press Releases, 02 jun. 2025. Disponível em: https://pressreleases.scielo.org/blog/2025/06/02/metodo-analitico-de-baixo-custo-e-desenvolvido-para-a-deteccao-de-fraudes-em-leite/. 
PEREIRA, A. A. et al. Scanner digital images combined with color parameters: a case study to detect adulterations in liquid cow’s milk. Food Analytical Methods, v. 4, p. 573–578, 2011. Disponível em: https://link.springer.com/article/10.1007/s12161-011-9216-2. 
FERREIRA, Dhiuliane Martins. O uso da Inteligência Artificial na detecção de fraudes em alimentos: uma revisão de literatura. 2024. Trabalho de Conclusão de Curso (Bacharelado em Biomedicina) — Instituto Federal Goiano, Campus Urutaí, 2024. Disponível em: https://repositorio.ifgoiano.edu.br/bitstream/prefix/5155/3/TCC_DHIULIANE%20MARTINS%20FERREIRA.pdf. 
REDAÇÃO SCIADVANCES. IA pode detectar origem exata do mel e evitar fraudes. SciAdvances, 2025. Disponível em: https://sciadvances.com.br/n/ia-pode-detectar-origem-exata-do-mel-e-evitar-fraudes/. 
image1.png