Classificação multivariada de alimentos usando histogramas de cor como informação analítica

 A avaliação da qualidade de produtos alimentícios exigida pelos órgãos de fiscalização para autorizar sua comercialização tem sido realizada com base na identificação e/ou quantificação de espécies químicas ou da determinação de diversos parâmetros físico-químicos. Contudo, a maioria dos métodos de referência adotados nas legislações específicas possuem algumas desvantagens, tais como o elevado custo, a lentidão de análise e a necessidade de várias etapas de pré-tratamento das amostras. Assim, surge a necessidade do desenvolvimento de novas metodologias analíticas que reduzam o tempo de resposta através da simplificação do procedimento analítico, sem comprometer os resultados. Neste contexto, o uso de imagens digitais apresenta-se como uma alternativa promissora, pois permite superar inconvenientes das técnicas de referência por ser rápida, não invasiva, não destrutiva, não necessitar do uso de reagentes químicos e evitar muitas etapas de pré-tratamentos da amostra, gerando baixa quantidade de resíduos, o que está de acordo com os princípios da Química Verde. Isto se deve ao fato do uso de cor como propriedade ótica da matéria, que contém informação química e que pode ser medida, estar diretamente associado ao emprego de dispositivos de captura de imagens digitais como instrumentos analíticos. Uma tendência notável no desenvolvimento de tais metodologias está relacionada com a aquisição de informações in situ e em tempo real utilizando dispositivos portáteis, tais como smartphones, que podem medir com precisão diferentes propriedades físicas e/ou químicas associadas a variações de cores. Neste cenário tem crescido substancialmente o número de trabalhos que envolvem o desenvolvimento de novas metodologias verdes baseadas em imagens digitais, principalmente aquelas que empregam histogramas de cor (descrevendo a distribuição de frequências dos pixels como em função da componente de cor registrada) como informação analítica. Tal abordagem produz uma quantidade elevada de dados proveniente de um número alto de amostras de matrizes muitas vezes complexas, o que dificulta a discriminação/quantificação de informação específica para cada analito ou espécies de interesse. Assim, faz-se necessário o uso de ferramentas quimiométricas de classificação e calibração multivariada, dependendo da finalidade de aplicação. No caso específico desta palestra, serão abordados apenas exemplos de aplicação de técnicas de reconhecimento de padrões na análise de alimentos. Este tipo de estratégia também tem sido reportada na literatura como non-target analysis, uma vez que os dados são usados como uma fingerprint da amostra.