A publicidade de alimentos – desde o rótulo com as informações sobre os  ingredientes, até os elementos comerciais – impacta diretamente o consumo de alimentos não saudáveis. Por isso, é um objeto de estudo importante para pesquisadores, tomadores de decisão em âmbito das  políticas públicas e órgãos reguladores. 

No artigo “Revolutionizing food advertising monitoring: A machine learning-based method for automated classification of food videos”, publicado na Public Health Nutrition, um grupo de pesquisadores brasileiros  relata o desenvolvimento de um método para identificar e categorizar anúncios em grande quantidade, com a criação de um modelo de algoritmo para otimizar o processo. 

O estudo é de autoria de Michele Bittencourt Rodrigues (UFMG), Victória Pedrazzoli Ferreira (Unicamp) Rafael Moreira Claro (UFMG), Ana Paula Bortoletto Martins  (USP e integrante do GDPP), Sandra Avila (Unicamp) e  Paula Martins Horta (UFMG), e está disponível gratuitamente. 

Eles coletaram 2.124 horas gravadas de programação de TV brasileira,  entre 2018 e 2020 – foram 703 anúncios relacionados à alimentação, e mais de 20 mil não relacionados.  O banco de dados foi categorizado pela rede neural EfficientNet, que. segundo os autores,  se demonstrou precisa e eficaz na monitorização e classificação de vídeos publicitários.