Lector Wynand Alkema van Data Science for Life Science and Health bekijkt resultaten in een lab.

Startdatum

De voedselindustrie verandert snel. Consumenten veranderen van de een op de andere dag hun voorkeuren en eisen. ​Daarnaast wordt de regelgeving rond voedsel regelmatig aangepast . Bedrijven moeten daardoor vaak recepten, processen en producten aanpassen. Een goede kennis van de eigenschappen van voedselingrediënten is hierbij cruciaal. In dit project werken we daarom aan een database van eigenschappen van ingrediënten. We letten daarbij met name op de smaak-en textuureigenschappen van ingrediënten. Hiermee kunnen voedselproducenten hun producten makkelijker aanpassen.

Fenna Feenstra en Martijn Herber werken aan een data science project in een lab.

Hoe kunnen we goedkope en duurzame vervangingen vinden voor ingrediënten in recepten en producten?

Doel

Het doel van dit project is om bedrijven te ondersteunen bij snelle veranderingen in de voedselindustrie. Hiermee worden de volgende vragen beantwoord:

  1. Hoe kunnen we goedkope en duurzame vervangingen vinden voor ingrediënten in recepten en producten?
  2. Hoe kunnen we overstappen van dierlijke ingrediënten naar plantaardige ingrediënten zonder belangrijk elementen zoals smaak en textuur te verliezen?
  3. Hoe kunnen we nieuwe combinaties van ingrediënten promoten om gezonde etenswaren te maken zonder consumenten te verliezen?

Aanpak

In dit project wordt gebruik gemaakt van data-mining. Door data te verzamelen van verschillende bronnen (wetenschappelijke artikels, websites en recepten) wordt een dataset opgebouwd. Met deze dataset kunnen we conclusies trekken over eigenschappen van ingrediënten en de relaties tussen deze ingrediënten. Deze database zal dan worden gebruikt om nieuwe potentiële toepassingen te vinden voor ingrediëntencombinaties. Hiervoor gebruiken we kunstmatige intelligentie algoritmen. Deze combinaties worden getest in de praktijk in de faciliteiten van onze partners, Euroma en Exter.

 

De doelen van het project zijn:

  1. Een herbruikbaar, open-acces ingrediëntendatabase
  2. Een set van geavanceerde data mining algoritmes
  3. Nieuwe productformules die verder ontwikkeld kunnen worden voor de markt

 

Verwachte resultaten

Met de resultaten kunnen voedselbedrijven sneller producten ontwikkelen.

Fase 1 levert een gestructureerde database op met gedetailleerde informatie over een groot aantal ingrediënten en hun relatie tot smaak, textuur en voorbereiding. Deze database wordt beschikbaar gesteld via een gebruikersvriendelijke web-interface.

Fase 2 levert algoritmes op dat nieuwe toepassingen van (combinaties van) ingrediënten kunnen voorspellen. In dit project zijn deze voorspellingen beperkt tot de cases van de industriële partners, de algoritmen zijn generiek en geschikt voor toekomstige cases.

Fase 3 levert nieuwe prototypes op voor producten die verder ontwikkeld kunnen worden door Euroma en Exter.

Euroma en Exter zullen de prototypes verder ontwikkelen.

Fenna Feenstra werkt in een lab aan een data science project voor het Kenniscentrum Biobased Economy.

Partners

Voor dit project werkt de Hanzehogeschool samen met Euroma en Exter. De Hanzehogeschool heeft een ervaring met data science, text mining in de context van de voedselindustrie, en onderzoek naar het gebruik van ingrediënten in een circulaire economie. Exter is een bedrijf dat smaakingrediënten levert aan business partners om gebruikt te worden in hun recepten en producten. Euroma bevindt zich aan het eind van de supply chain, en levert producten aan consumenten via supermarkten. Exter en Euroma werken al samen, maar de samenwerking met de Hanzehogeschool is nieuw.

Partners

Jasper Bosman en Wynand Alkema in lab.jpg

Meer weten?

Lees meer over data science en voeding op de pagina van het lectoraat Biobased Ingredients.

Neem contact op

Onze mensen

Interessegebieden

  • Aarde en Milieu
  • Sport en Gezondheid

Dossiers

Organisatie

Gerelateerde projecten

Sla over