v. 36 n. 2 (2023): Revista ION
Artigos

Horizontes da inovação tecnológica na indústria alimentícia: dados sintéticos e computação quântica para um futuro imediato e a longo prazo

PDF (Español (España))
  • Camilo Andres Castro Lopez
Camilo Andres Castro Lopez
AlianzaTeam USA
DOI: https://doi.org/10.18273/revion.v36n2-2023007

Publicado 2023-09-30

Palavras-chave

  • Inteligência artificial,
  • Transformação tecnológica,
  • Tecnologia de alimentos

Como Citar

Castro Lopez, C. A. (2023). Horizontes da inovação tecnológica na indústria alimentícia: dados sintéticos e computação quântica para um futuro imediato e a longo prazo. REVISTA ION, 36(2), 101–107. https://doi.org/10.18273/revion.v36n2-2023007

Copyright (c) 2023 Camilo Andres Castro Lopez

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Resumo

O artigo fornece uma visão baseada na opinião da transformação tecnológica na indústria de alimentos, destacando a influência positiva da inteligência artificial e da geração de dados sintéticos na melhoria da qualidade dos produtos e na otimização dos processos. Aborda os desafios da implementação da IA, juntamente com a promissora aplicação da computação quântica na abordagem de problemas complexos. São apresentados exemplos concretos de geração de dados sintéticos na detecção de doenças em plantas e na previsão em tempo real da temperatura na cadeia de frio. É enfatizada a importância dessas tecnologias no apoio à tomada de decisões, na melhoria da segurança e na qualidade dos alimentos, com o reconhecimento de que, apesar dos desafios atuais, a computação quântica tem o potencial de ser uma ferramenta revolucionária na indústria alimenticía.

PDF (Español (España))

Downloads

Não há dados estatísticos.

Referências

  1. Monteiro J, Barata J. Artificial Intelligence in Extended Agri-Food Supply Chain: A Short Review Based on Bibliometric Analysis. Procedia Computer Science. 2021;192:3020- 3029. doi.org/10.1016/j.procs.2021.09.074
  2. Ramirez E, Vilchez J, Thakar C, Phasinam K, Kassanuk T, Naved M. A review on role of artificial intelligence in food processing and manufacturing industry. Materials Today: Proceedings. 2022;51:2462-2465. doi. org/10.1016/j.matpr.2021.11.616
  3. Kudashkina K, Corradini MG, Thirunathan P, Yada RY, Fraser E. Artificial Intelligence technology in food safety: A behavioral approach. Trends in Food Science & Technology. 2022;123:376- 381. doi.org/10.1016/j.tifs.2022.03.021
  4. Khan R. Artificial Intelligence and Machine learning in Food Industries: A Study. Journal of Food Chemistry & Nanotechnology. 2022;7:60- 67.
  5. Webber M, Elfving V, Weidt S, Hensinger WK. The Impact of Hardware Specifications on Reaching Quantum Advantage in the Fault Tolerant Regime. AVS Quantum Computing. 2022;4:1-22. doi.org/10.1116/5.0073075
  6. Byrum J. Quantum computing may help to solve the global food security problem (sitio en internet). AgFunder News. Disponible en https:// agfundernews.com/quantum-computing-answer-to-the-global-food-security-problem. Acceso el 30 de septiembre de 2023.
  7. Nikolenko SI. Synthetic Data for Deep Learning. Springer International Publishing; 2021. doi. org/10.1007/978-3-030-75178-4
  8. Aldoseri A, Al-Khalifa KN, Hamouda AM. (2023). Re-Thinking Data Strategy and Integration for Artificial Intelligence: Concepts, Opportunities, and Challenges. Appl. Sci. 2023;13:7082-7115. doi.org/10.20944/preprints202305.1565.v1
  9. Padmanabhuni SS, Gera P. Synthetic Data Augmentation of Tomato Plant Leaf using Meta Intelligent Generative Adversarial Network: Milgan. International Journal of Advanced Computer Science and Applications, 2022;13:230-238. doi.org/10.14569/ IJACSA.2022.0130628
  10. Loisel J, Cornuéjols A, Laguerreb O, Tardetc M, Cagnon D, Duchesne O, et al. Machine learning for temperature prediction in food pallet along a cold chain: Comparison between synthetic and experimental training dataset. Journal of Food Engineering. 2022;335:111156-111167. doi. org/10.1016/j.jfoodeng.2022.111156
  11. Wisnosky D, Asaithambi A. Solving Classical Computing Problems Via Quantum Computing – SOARS 2021. SOARS Virtual Conference. Disponible en: https://unfsoars.domains.unf. edu/2021/posters/solving-classical-computing-problems-via-quantum-computing/. Acceso el 30 de septiembre de 2023.
  12. Ajagekar, A. New frontiers of quantum computing in chemical engineering. Korean Journal of Chemical Engineering. 2022;39:811- 820. doi.org/10.1007/s11814-021-1027-6
  13. Faro I, Johnson B. IBM Quantum delivers 120x speedup of quantum workloads with Qiskit Runtime. IBM.com. Disponible en https://research.ibm.com/blog/120x-quantum-speedup?lnk=ushpv18re2. Acceso el 30 de septiembre de 2023.