Op zoek naar alternatieve ingrediënten met Ingredient Maps
Bekijk het interview met Wynand Alkema en Fenna Feenstra- Onderzoeksproject
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.
Hoe kunnen we goedkope en duurzame vervangingen vinden voor ingrediënten in recepten en producten?
Het doel van dit project is om bedrijven te ondersteunen bij snelle veranderingen in de voedselindustrie. Hiermee worden de volgende vragen beantwoord:
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:
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.
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.
Wil jij ook samen werken aan oplossingen voor de voedselindustrie? Neem dan contact op met het Kenniscentrum Biobased Economy.
Neem contact opLector Data Science for Life Sciences & Health
Hoe tevreden ben jij met de informatie op deze pagina?