Jueves 25 de Septiembre de 2025
Investigadores de la Universidad Agrícola del Noroeste (Northwest A&F University) en Xianyang, China, han desarrollado un sistema basado en Internet de las Cosas (IoT) para monitorizar y predecir parámetros fisicoquímicos durante el almacenamiento de vino rosado. El trabajo, publicado este miércoles, 24 de septiembre, en la revista Inventions, responde a la necesidad de controlar en tiempo real factores que afectan a la calidad del vino durante su conservación.
El equipo, liderado por Xu Zhang, diseñó un dispositivo capaz de medir simultáneamente la conductividad eléctrica, el oxígeno disuelto y la temperatura del vino. Estos parámetros son fundamentales porque influyen directamente en los procesos de oxidación y degradación del producto. El sensor empleado integra hardware compacto y resistente a la corrosión, adecuado para su uso en tanques de acero inoxidable o recipientes de vidrio.
La información recogida por el sensor se transmite mediante un módulo de comunicación móvil 4G a la plataforma en la nube TLINK. Esta plataforma permite visualizar los datos en tiempo real y configurar alertas automáticas si alguno de los valores supera los límites establecidos. El sistema puede almacenar datos históricos hasta tres meses, lo que facilita el análisis de tendencias y la trazabilidad.
El experimento se llevó a cabo entre el 22 de abril y el 11 de julio en una bodega subterránea del propio centro universitario. Durante 80 días, el dispositivo registró cada minuto los valores de los tres parámetros seleccionados. Los resultados muestran que el sistema funcionó sin interrupciones y permitió observar cómo evolucionan las condiciones del vino almacenado.
Los datos recogidos se utilizaron también para entrenar modelos predictivos basados en aprendizaje profundo. Se aplicaron redes neuronales LSTM (Long Short-Term Memory), GRU (Gated Recurrent Unit) y TCN (Temporal Convolutional Network), además del modelo estadístico ARIMA. El objetivo era anticipar cambios futuros en los parámetros fisicoquímicos a partir de las series temporales obtenidas. Según los autores, el modelo TCN ofreció los mejores resultados predictivos, con coeficientes de determinación superiores al 0,95 para todos los parámetros analizados.
Durante el periodo estudiado, se identificaron cuatro fases distintas en la evolución de los parámetros. Al principio, todos aumentaron gradualmente; después se estabilizaron; más adelante experimentaron cambios notables debido a variaciones ambientales; y finalmente volvieron a incrementarse lentamente. La temperatura ambiente influyó especialmente en la evolución del oxígeno disuelto y la conductividad eléctrica.
El sistema permite detectar rápidamente cualquier anomalía durante el almacenamiento del vino rosado. Por ejemplo, un aumento inesperado del oxígeno disuelto puede indicar problemas de sellado o riesgo de oxidación acelerada. De igual modo, variaciones bruscas en la conductividad pueden señalar reacciones químicas no deseadas.
La integración del sistema IoT con modelos predictivos proporciona una herramienta útil para bodegas interesadas en mejorar el control de calidad durante el almacenamiento. Los responsables pueden acceder a los datos desde ordenadores o dispositivos móviles y recibir notificaciones automáticas ante cualquier desviación relevante.
Entre las limitaciones señaladas por los investigadores figura la necesidad de cobertura 4G en las instalaciones donde se instale el sistema y la dependencia de una fuente eléctrica estable. Además, es necesario desinfectar adecuadamente los sensores antes de su uso para evitar contaminaciones microbianas.
Este desarrollo representa un avance respecto a métodos tradicionales basados en muestreo manual y análisis fuera de línea, que suelen ser más lentos y menos precisos. La solución propuesta permite un seguimiento continuo y automatizado, lo que ayuda a mantener la calidad del vino rosado durante su almacenamiento y facilita la toma de decisiones informadas sobre posibles ajustes en las condiciones ambientales o en el sellado de los recipientes.
El proyecto ha contado con financiación tanto universitaria como empresarial y ha recibido apoyo logístico por parte de bodegas locales que facilitaron instalaciones y muestras para las pruebas experimentales. Los autores ponen a disposición sus datos bajo petición debido a proyectos experimentales aún en curso.