Noticias Tecnología - Innovación - Ciencia

add ver todas

El nanosensor que reduce el desperdicio de alimentos mediante el control de la maduración

El desperdicio de alimentos viene siendo desde hace tiempo el reto pendiente de la industria agrícola, debido a los cortos ciclos de vida de los productos frescos. Con el objetivo de reducir el desperdicio alimentario, los investigadores del Instituto de Massachusetts han creado unos nano tubos de carbono semi-conductores capaces de detectar una hormona del crecimiento que generan las plantas. Con ella, son capaces de realizar el seguimiento de la frescura de los alimentos.

Las implicaciones de esta innovadora creación son:

  • Aumento en el consumo de alimentos de temporada – Gracias a esta innovadora creación, es posible potenciar el consumo de los alimentos de temporada, debido a una mejora en la percepción del consumidor de los mismos derivado del conocimiento que permite obtener de los tiempos óptimos de maduración. Así se logra generar una percepción de mayor calidad del producto y estimular su consumo.
  • Optimización de las cadenas de suministros de alimentos – Los alimentos deben llegar en las mejores condiciones a los distribuidores, encargados de hacer llegar el producto al consumidor final. Por ello, los indicadores disponibles gracias a estos investigadores ayudan a la mejora en la gestión y organización de las cadenas de suministros. Con esto, no sólo se controlarán los tiempos para hacer llegar el producto lo más fresco posible, sino que la satisfacción del consumidor se verá afectada de manera positiva.
    Para saber más haz click aquí

NOTICIAS RELACIONADAS

add ver todas

Esto es lo que sabemos sobre la carne cultivada en...

La carne cultivada lleva un tiempo generado interés significativo como una posible solución para reducir el impacto climático asociado con la producción tradicional de carne. Uno de los principales impulsores de las empresas que se centran en la carne cultivada es su potencial para limpiar el impacto climático de nuestro sistema alimentario actual. Las emisiones de gases de efecto invernadero de los animales que comemos  representan casi el 15% del total mundial, una fracción que se espera que aumente en las próximas décadas. En promedio, 1kg de carne de res puede generar emisiones equivalentes a 100kg de dióxido de carbono.La idea detrás de la carne cultivada es que se produzca a partir de células animales reales, sin la necesidad de criar y sacrificar animales enteros. Eso tiene el potencial de reducir drásticamente la huella ambiental de la producción de carne, ya que se requieren menos recursos, como tierra, agua y alimentos para los animales.Sin embargo, aún hay desafíos y cuestiones que deben abordarse antes de que la carne cultivada pueda demostrar ser una alternativa sostenible a gran escala: La producción de carne cultivada aún generará emisiones, ya que se requiere energía para operar los reactores donde crecen las células. Incluso con el uso

Quantum Machines lanza QUA su lenguaje universal de...

La startup israelí Quantum Machines, acaba de anunciar el lanzamiento de QUA, el que esperan que sea el primer lenguaje estándar universal para computadoras cuánticas.

El carrito de la compra inteligente Dash Cart llegará a...

Las compañías se están esforzando para crear productos híbridos, que combinan lo digital y lo físico. Amazon ya ha lanzado el nuevo carrito de la compra “Dash Cart”, que ayuda a detectar automáticamente qué artículos estás colocando dentro y cuántos artículos has recogido de la estantería.

La inteligencia artificial puede detectar signos de...

El uso de machine learning puede detectar los patrones y los primeros síntomas del Alzheimer. El estudio se esta realizando a través de un dispositivo que, instalado en el cuarto de un paciente, se encarga de grabar todo lo que sucede a su alrededor incluyendo los movimientos de la persona.Las consecuencias del uso de machine learning en la detección del Alzheimer:Identificación de enfermos en fase temprana – los dispositivos permiten recoger información e identificar patrones que pueden servir para identificar a futuros pacientes, que podrían comenzar a ser tratados años antes de que aparezcan los síntomas obvios como la perdida de memoria.​Creación de un prueba de diagnostico– actualmente no existe prueba para identificar a los enfermos de Alzheimer y los escáneres de cerebro no se pueden utilizar para identificar esta enfermedad. Sin embargo, el machine learning podría permitir desarrollar una prueba de diagnóstico.Mejora de los ensayos clínicos de los medicamentos – los patrones identificados con machine learning pueden eliminar los dos problemas principales en el desarrollo de nuevos medicamentos para el Alzheimer: el desconocimiento de las causas de la enfermedad y la dificultad de identificar pacientes que se beneficien de la medicación.Para saber más haz click aquí