Tecnologia detecta adulterações no óleo de chia
O método se mostrou eficaz mesmo em casos de adulteração mínima
Foto: Divulgação
Pesquisadores da Universidade Tecnológica Federal do Paraná, campus Campo Mourão (UTFPR-CM), desenvolveram um método inovador para detectar fraudes no óleo de chia utilizando ressonância magnética nuclear (RMN). O estudo, conduzido pelo grupo liderado pelo professor Evandro Bona, mostrou que é possível identificar adulterações a partir de apenas 4% de mistura com outros óleos, como soja, milho e girassol.
Segundo dados do estudo, o óleo de chia é um produto altamente valorizado no mercado por seus benefícios à saúde, sendo rico em ácidos graxos poli-insaturados, como o linolênico e o linoleico – essenciais para o organismo. Com o aumento da demanda, cresce também o número de fraudes, o que torna urgente a adoção de métodos eficazes de fiscalização.
A pesquisa simulou adulterações em amostras de óleo extraído por prensagem a frio e utilizou um modelo de inteligência artificial para prever o teor de outros óleos presentes nas amostras. De acordo com o professor Bona, o novo método oferece uma análise rápida e não destrutiva, superando limitações de técnicas tradicionais, que costumam ser caras e exigir preparação complexa das amostras.
“O método se mostrou eficaz mesmo em casos de adulteração mínima. E o mais importante: sem destruir a amostra, o que facilita a aplicação em larga escala por órgãos de controle e empresas”, explica Bona.
A tecnologia utilizada no estudo é o equipamento SpecFit, desenvolvido no Brasil pela startup Fine Instrument Technology (FIT), em parceria com a Embrapa Instrumentação. O dispositivo já é empregado em diferentes análises da agroindústria e permite resultados em poucos segundos, muitas vezes sem a necessidade de abrir embalagens.
“Nossa tecnologia tem sido aplicada desde a análise de grãos até a verificação de maciez de carnes. Agora, estamos contribuindo para a segurança alimentar com a detecção de fraudes no óleo de chia”, afirma Daniel Consalter, CEO da FIT.
O trabalho foi selecionado para representar a UTFPR na 22ª edição do Prêmio Destaque na Iniciação Científica e Tecnológica do CNPq. A estudante Maria Fernanda Giugiolli, integrante do grupo, será responsável por apresentar os resultados da pesquisa.
