FAFrancisca Joyce Elmiro Timbó de Andrade

Francisca Joyce Elmiro Timbó de Andrade

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Francisca Joyce Elmiro Timbó de Andrade has a total of 13 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Influence of Cashew Agro‐Industrial By‐Product ( Anacardium occidentale ) and Cashew Tree Gum on the Properties of Sponge Cakes: A Fat Replacement Approach

    by Maria Eduarda Nobre Do Nascimento, João Bruno Guilherme Mendes, Lais Viana Vasconcelos, Jessica Maria Silva Sousa, Celli Rodrigues Muniz, Daniele Maria Alves Teixeira Sá, Francisca Joyce Elmiro Timbó de Andrade

    The processing of cashew apple in Brazil, particularly in the Northeast region, generates tons of by‐products. This scenario highlights a significant waste of material with bioactive potential. In addition to these, the cashew tree also produces cashew gum, a natural exudate with important technological applications. This study aimed to evaluate the impact of partial and total fat replacement with cashew tree gum and agro‐industrial residue from the cashew apple on the physicochemical, physical, microscopic, and sensory analysis of sponge cakes. To this end, three formulations were developed: A control formulation (F0), a formulation with 50% fat replacement (F50), and a formulation with 100% fat replacement (F100). In the raw batter, F50 and F100 showed significant differences compared to F0 in specific gravity (F0: 0.91 ± 0.01; F50: 1.22 ± 0.00; F100: 0.93 ± 0.04), viscosity (F0: 35397 ± 0.00 mPas; F50: 18415 ± 0.00 mPas; F100: 10782 ± 0.00 mPas), total bubble area (F0: 140.35 ± 0.00%; F50: 126.32 ± 0.00%; F100: 105.26 ± 0.00%), and cell density (F0: 2.91 ± 0.00 cells/cm 2 ; F50: 13.84 ± 0.00 cells/cm 2 ; F100: 33.56 ± 0.00 cells/cm 2 ;) ( p < 0.05). For baked cakes, only the specific volume of F0 (1.11 ± 0.12 mL g − 1 ) and F100 (0.63 ± 0.19 mL g − 1 ) differed significantly ( p < 0.05). Sensory analysis indicated comparable acceptance and purchase intention between F0 and F50 for all attributes except color (F0: 8.17 ± 0.93; F50: 7.42 ± 1.25). F100 differed significantly in all attributes, but scores remained within the “Like” region of the hedonic scale, which goes up to 7 points. Based on the results, the formulations demonstrate technological potential, representing a functional and innovative food application. Practical Applications: This paper highlights the use of cashew by‐product and cashew gum as fat substitutes in sponge cakes, without affecting texture or sensory acceptance. It offers an innovative option for the food market focused on healthier, lower‐fat products.


  • Open Access

    Aplicação de redes neurais convolucionais para treinamento de inteligência artificial na avaliação de embutidos de pescados

    by Rafael Pereira Frota, Felipe Costa de Souza, David de Souza Ferreira, Vitória Elmídio Ripardo, Francisca Joyce Elmiro Timbó Andrade, Leiliane Teles César, Raimundo Alan Freire Moreira, Mirla Dayanny Pinto Farias

    As Redes Neurais Convolucionais (RNC´s) são sistemas computacionais cada vez mais estudados atualmente e podem ser utilizadas para análise de imagens de alimentos, como os produtos de pescados. O objetivo deste estudo foi desenvolver uma RNC que analisou as alterações de cores dos embutidos de carne de tilápia, oferecendo uma metodologia automatizada e não invasiva de controle de qualidade. Após a elaboração dos embutidos, obteve-se as imagens, seguidas de seleção, tratamento, segmentação, catalogação e criação do dataset serviram de base para a construção, treinamento, validação, técnicas de avaliação e visualização de desempenho da RNC. Ao todo foram 509 imagens obtidas e na separação e segmentação das imagens a nitidez, ruídos, brilho e contraste foram ajustados para a construção do dataset, e estas imagens foram direcionadas para elaboração de um data augmentation, que apresentou um desempenho gerando 17.080 imagens, e após o treinamento com modelos pré-treinados e o personalizado construído nesta pesquisa, pode-se observar que a RNC personalizada demonstrou mais flexibilidade, com uma acurácia de 96% e uma loss de aproximadamente 0.01, demonstrando uma boa capacidade de generalização. Os resultados das métricas de avaliação foram uma média de 98,73% para o F1-Score, 98,97% de Recall, 98,65% de precisão entre as três classes e a Matriz de Confusão revelou que havia uma pequena quantidade de falsos negativos. Conclui-se, portanto, que o dataset criado e todas as etapas necessárias para o desenvolvimento de uma RNC foram essenciais para se ter um modelo personalizado e que foi capaz de ter um desempenho melhor do que os modelos pré-treinados.