[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-128304-pt":3,"doc-seo-128304-112":30,"detail-sidebar-cat-0-pt-112":91},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":4,"is_deleted":4,"is_public":20,"is_downloadable":20,"audit_status":20,"page_count":21,"language":22,"language_code":23,"site_id":24,"html_lang":23,"table_of_contents":25,"faqs":26,"seo_title":27,"seo_description":14,"update_tm":28,"read_time":29},128304,962085564381,"Clementine","https://ap-avatar.wpscdn.com/davatar_6f874abed73319feea01a86fa6f0fab8",32,"Pesquisa e Relatórios","Predição de Antocianinas em Diferentes Matérias-Primas - Usando Machine Learning","As antocianinas, pigmentos naturais com reconhecidas propriedades bioativas e uso como corantes alimentícios, enfrentam desafios por instabilidade e degradação. A predição em fontes vegetais é crucial para controle de qualidade e avaliação de estabilidade. O estudo discute aplicações de Machine Learning para prever comportamento sob condições variadas, analisar dados de degradação e apoiar validação de quantificação, otimização de extração e análises não destrutivas, com ganhos de precisão e redução de tempo e custos.","PREDIÇÃO DE ANTOCIANINAS EM DIFERENTES MATÉRIAS-PRIMAS  \nUSANDO MACHINE LEARNING  \nRenires dos Santos Teixeira1*, Arliene do Socorro Batista dos Santos2, Flavia Tayna Serra Silva3, Gabriel Laquete de Barros4, José Matheus Santos Oliveira5, Andreza de Brito Leal6, Natássia Rafaelle Medeiros Sirqueira7, Márcia Vizzotto8, Patrícia A. Jaques9, Leonardo  \nNora10  \n1* Universidade Federal de Pelotas, Departamento de Ciência e Tecnologia Agroindustrial, Pelotas, Rio Grande do Sul, Brasil, ORCid: 0000-0002-6953-7063, E-mail: [reniresantos@gmail.com](reniresantos@gmail.com)  \n2 Universidade Federal de Pelotas, Centro de Desenvolvimento Tecnológico, Pelotas, Rio Grande do Sul, Brasil, ORCid: 0009-0009-9820-6296, E-mail: [arlienebatista@gmail.com](arlienebatista@gmail.com)  \n3 Universidade Federal de Pelotas, Departamento de Ciência e Tecnologia Agroindustrial, Pelotas, Rio Grande do Sul, Brasil, ORCid: 0009-0002-2383-8423, E-mail: [flavia.belavista2@gmail.com](flavia.belavista2@gmail.com)  \n4 Universidade Federal de Pelotas, Departamento de Ciência e Tecnologia Agroindustrial, ORCid: 0000-0001-5411-3906, E-mail: [gabrielbarros95@yahoo.com.br](gabrielbarros95@yahoo.com.br)  \n5 Universidade Federal de Pelotas, Departamento de Ciência e Tecnologia  \nAgroindustrial, Pelotas, Rio Grande do Sul, Brasil, ORCid: 0000-0003-2193-4788, E-mail: [josematheussantos98@gmail.com](josematheussantos98@gmail.com)  \n6 Universidade Federal de Pelotas, Departamento de Ciência e Tecnologia  \nAgroindustrial, Pelotas, Rio Grande do Sul, Brasil, ORCid: 0000-0001-5605-0507, E-mail: [andrezaleal.tecno@gmail.com](andrezaleal.tecno@gmail.com)  \n7 Universidade Federal de Pelotas, Centro de Desenvolvimento Tecnológico, Pelotas, Rio Grande do Sul, Brasil, ORCid: 0000-0003-4601-7396, [E-mail: natassiamsads@gmail.com](E-mail: natassiamsads@gmail.com)  \n8 Embrapa Clima Temperado, Laboratório de Ciência e Tecnologia de Alimentos, Pelotas, Rio Grande do Sul, Brasil, ORCid: 0000-0002-8071-4980, E-mail: marcia.vizzotto@embrapa.br  \n9 Universidade Federal de Pelotas, Centro de Desenvolvimento Tecnológico, Pelotas, Rio Grande do Sul, Brasil, ORCid: 0000-0002-2933-1052, [E-mail: patricia.jaques@gmail.com](E-mail: patricia.jaques@gmail.com)  \n10 Universidade Federal de Pelotas, Departamento de Ciência e Tecnologia Agroindustrial, Pelotas, Rio Grande do Sul, Brasil, ORCid: 0000-0002-4675-1403, E-mail: [l.nora@me.com](l.nora@me.com)  \nRESUMO  \nAs antocianinas, pigmentos naturais com reconhecidas propriedades bioativas e aplicações como corantes alimentícios, apresentam desafios significativos devido à sua instabilidade e 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 ferramentapoderosa na ciência de alimentos e química analítica, oferecendo novas abordagens para prediçãode 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  \nvalidação de métodos de quantificação, a otimização de processos de extração e a implementaçãode análises não destrutivas. Os estudos analisados demonstram que técnicas de ML de análise de dados, combinadas com métodos não destrutivos, representam um avanço significativo naprediçãoe 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 erepolho 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 ef","cbCaiautEOEbhibS","https://ap.wps.com/l/cbCaiautEOEbhibS","pdf",357245,1,18,"Portuguese","pt",112,"# Resumo\n# Introdução\n## Importância das antocianinas e aplicações\n## Fatores que afetam concentração e estabilidade\n## Desafios na quantificação e garantia da qualidade","[{\"question\":\"Por que a predição de antocianinas em diferentes matérias-primas é importante?\",\"answer\":\"Porque a concentração e o comportamento das antocianinas variam entre fontes vegetais e condições, impactando padronização de cor, bioatividade e aplicabilidade industrial. A predição apoia controle de qualidade e estudos de estabilidade.\"},{\"question\":\"Quais fatores ambientais e intrínsecos influenciam a concentração de antocianinas?\",\"answer\":\"O conteúdo pode variar com pH, temperatura, luz, oxigênio, presença de enzimas e íons metálicos. Essas variações comprometem a estabilidade e a consistência dos resultados.\"},{\"question\":\"Como o Machine Learning contribui para a análise e a predição de antocianinas?\",\"answer\":\"O texto descreve o uso de modelos como ANFIS e abordagens baseadas em imagens hiperespectrais e algoritmos de aprendizado (como SAE-GA-ELM, Random Forest e CatBoost) para predição e monitoramento. Essas técnicas buscam reduzir custos e tempo, além de permitir análises não destrutivas com maior precisão.\"}]","Predição de Antocianinas em Diferentes Matérias-Primas - Usando Machine Learning | PDF",1785946720,28,{"code":4,"msg":31,"data":32},"ok",{"site_id":24,"language":23,"slug":33,"title":13,"keywords":34,"description":14,"schema_data":35,"social_meta":86,"head_meta":88,"extra_data":90,"updated_unix":28},"prediction-of-anthocyanins-in-different-raw-materials-using-machine-learning","",{"@graph":36,"@context":85},[37,54,68],{"@type":38,"itemListElement":39},"BreadcrumbList",[40,44,48,51],{"item":41,"name":42,"@type":43,"position":20},"https://docshare.wps.com","Home","ListItem",{"item":45,"name":46,"@type":43,"position":47},"https://docshare.wps.com/pt/document/","Document",2,{"item":49,"name":12,"@type":43,"position":50},"https://docshare.wps.com/pt/document/pesquisa-e-relatórios/",3,{"item":52,"name":13,"@type":43,"position":53},"https://docshare.wps.com/pt/document/prediction-of-anthocyanins-in-different-raw-materials-using-machine-learning/128304/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":23,"description":14,"dateModified":62,"datePublished":62,"encodingFormat":61,"isAccessibleForFree":63,"interactionStatistic":64},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":41,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-05",true,{"@type":65,"interactionType":66,"userInteractionCount":4},"InteractionCounter",{"@type":67},"ViewAction",{"@type":69,"mainEntity":70},"FAQPage",[71,77,81],{"name":72,"@type":73,"acceptedAnswer":74},"Por que a predição de antocianinas em diferentes matérias-primas é importante?","Question",{"text":75,"@type":76},"Porque a concentração e o comportamento das antocianinas variam entre fontes vegetais e condições, impactando padronização de cor, bioatividade e aplicabilidade industrial. A predição apoia controle de qualidade e estudos de estabilidade.","Answer",{"name":78,"@type":73,"acceptedAnswer":79},"Quais fatores ambientais e intrínsecos influenciam a concentração de antocianinas?",{"text":80,"@type":76},"O conteúdo pode variar com pH, temperatura, luz, oxigênio, presença de enzimas e íons metálicos. Essas variações comprometem a estabilidade e a consistência dos resultados.",{"name":82,"@type":73,"acceptedAnswer":83},"Como o Machine Learning contribui para a análise e a predição de antocianinas?",{"text":84,"@type":76},"O texto descreve o uso de modelos como ANFIS e abordagens baseadas em imagens hiperespectrais e algoritmos de aprendizado (como SAE-GA-ELM, Random Forest e CatBoost) para predição e monitoramento. Essas técnicas buscam reduzir custos e tempo, além de permitir análises não destrutivas com maior precisão.","https://schema.org",{"og:url":52,"og:type":87,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":89,"canonical":52},"index,follow",{"doc_id":7,"site_id":24},{"code":4,"msg":5,"data":92},[93,98,102,105,109,113,117,119,123,127],{"id":94,"doc_module":4,"doc_module_name":46,"category_name":95,"show_sort_weight":96,"slug":97},26,"Contos e Romances",60,"story-novel",{"id":99,"doc_module":4,"doc_module_name":46,"category_name":100,"show_sort_weight":96,"slug":101},46,"Estilo de Vida","lifestyle",{"id":29,"doc_module":4,"doc_module_name":46,"category_name":103,"show_sort_weight":96,"slug":104},"Exames","exam",{"id":106,"doc_module":4,"doc_module_name":46,"category_name":107,"show_sort_weight":96,"slug":108},47,"Geral","general",{"id":110,"doc_module":4,"doc_module_name":46,"category_name":111,"show_sort_weight":96,"slug":112},29,"Histórias em Quadrinhos","comic",{"id":114,"doc_module":4,"doc_module_name":46,"category_name":115,"show_sort_weight":96,"slug":116},27,"Literatura","literature",{"id":11,"doc_module":4,"doc_module_name":46,"category_name":12,"show_sort_weight":96,"slug":118},"research-report",{"id":120,"doc_module":4,"doc_module_name":46,"category_name":121,"show_sort_weight":96,"slug":122},33,"Religião e Espiritualidade","religion-spirituality",{"id":124,"doc_module":4,"doc_module_name":46,"category_name":125,"show_sort_weight":96,"slug":126},31,"Saúde e Cuidados","healthcare",{"id":128,"doc_module":4,"doc_module_name":46,"category_name":129,"show_sort_weight":96,"slug":130},45,"Tecnologia","technology"]