Des chercheurs chinois développent un système IdO pour surveiller et prédire la qualité du vin rosé pendant le stockage

Des chercheurs du College of Enology, Northwest A&F University à Xianyang, en Chine, ont développé un nouveau système basé sur l'Internet des objets (IoT) conçu pour surveiller et prédire les paramètres physicochimiques clés pendant le stockage du vin rosé. Le système, décrit dans un récent article publié dans la revue Inventions, vise à relever les défis du maintien de la qualité du vin pendant le stockage en fournissant des données en temps réel sur les facteurs qui influencent l'altération et la détérioration de la saveur.

Le projet a été mené par Xu Zhang et une équipe de collègues qui se sont concentrés sur trois paramètres critiques : l'oxygène dissous, la conductivité électrique et la température. On sait que ces facteurs jouent un rôle important dans la stabilité chimique et les qualités sensorielles du vin rosé. Contrairement aux vins rouges ou blancs, le vin rosé est particulièrement sensible aux changements de son environnement de stockage, ce qui rend une surveillance précise essentielle pour les producteurs qui cherchent à maintenir l'uniformité du produit et à prolonger sa durée de conservation.

Le dispositif de surveillance utilise un capteur multiparamétrique compact capable de mesurer les trois variables simultanément. Le capteur est fabriqué en acier inoxydable résistant à la corrosion et est conçu pour s'intégrer facilement dans divers types de récipients de stockage du vin, y compris les cuves en verre et les fûts en chêne. Les données collectées par le capteur sont transmises via un module sans fil 4G à la plateforme TLINK, où elles sont stockées, visualisées et rendues accessibles pour une analyse plus approfondie.

L'équipe de recherche a mené une expérience de 80 jours, d'avril à juillet 2025, dans une cave à vin souterraine de leur université. L'appareil a été installé dans une cuve de fermentation en verre scellée remplie de vin rosé. Tout au long de l'expérience, le système a collecté des données toutes les minutes, ce qui a permis d'obtenir plus de 115 000 points de données par paramètre. Les chercheurs ont observé que les trois paramètres - oxygène dissous, conductivité et température - présentaient des tendances distinctes au fil du temps. Par exemple, les niveaux d'oxygène dissous ont augmenté au début du stockage avant de se stabiliser, tandis que les changements de température reflétaient les variations saisonnières à l'extérieur de la cave.

Pour améliorer la valeur de cette surveillance continue, l'équipe a appliqué des modèles avancés d'apprentissage profond pour prédire les tendances futures de ces paramètres. Ils ont testé la mémoire à long terme (LSTM), l'unité récurrente gérée (GRU), le réseau convolutif temporel (TCN) et les modèles statistiques ARIMA traditionnels à l'aide des données chronologiques collectées. Le modèle TCN a fourni la plus grande précision prédictive pour les trois paramètres, avec des coefficients de détermination (R²) supérieurs à 0,95 pour chaque variable. Les modèles LSTM et GRU ont également obtenu de bons résultats, mais leur précision était légèrement inférieure à celle du modèle TCN. Le modèle ARIMA est resté à la traîne des approches d'apprentissage profond.

Le système basé sur le cloud permet aux utilisateurs de consulter les données en temps réel via une interface web qui affiche les relevés actuels, les tendances historiques, l'état de l'appareil et des informations environnementales telles que les conditions météorologiques sur le site de stockage. Des alertes peuvent être configurées pour avertir le personnel de la cave si un paramètre dépasse les seuils prédéfinis ou en cas de perte de connectivité. Cette fonction constitue un mécanisme d'alerte précoce en cas de problèmes de qualité ou de pannes d'équipement.

L'étude met en évidence plusieurs avantages pratiques pour les caves. En suivant en continu plusieurs paramètres physicochimiques et en appliquant l'analyse prédictive, les producteurs peuvent détecter des changements anormaux qui peuvent signaler une détérioration ou des conditions de stockage sous-optimales avant qu'ils n'aient un impact sur la qualité du vin. Cette approche permet de prendre des décisions plus éclairées en matière de gestion du stockage, comme l'ajustement des contrôles de température ou l'amélioration de l'étanchéité des conteneurs.

Les chercheurs notent toutefois certaines limites. Le système nécessite une couverture 4G fiable et un accès au courant alternatif, ce qui peut limiter son déploiement dans certaines caves ou dans des lieux éloignés. La nécessité d'une désinfection régulière des capteurs avant leur installation est également soulignée afin d'éviter toute contamination microbienne.

Ce cadre de surveillance basé sur l'IdO représente un pas en avant dans les pratiques de vinification numérique en combinant la détection en temps réel avec des prévisions basées sur l'apprentissage automatique. Alors que les systèmes précédents se sont concentrés sur la surveillance d'un seul paramètre ou sur l'analyse hors ligne, cette solution intégrée offre aux établissements vinicoles un outil plus complet pour gérer la qualité pendant le stockage - une phase critique qui peut déterminer le caractère final et la qualité marchande des vins rosés.

La recherche a été financée par des subventions de la Northwest A&F University et de Shanghai Guolan Agricultural Products Co., Ltd, avec l'aide supplémentaire de caves locales qui ont fourni des installations et des échantillons de raisin pour les tests. Les données de l'étude sont disponibles sur demande en raison des travaux expérimentaux en cours.

La demande des consommateurs pour un rosé de haute qualité continuant à croître dans le monde entier, ces innovations technologiques pourraient devenir de plus en plus importantes pour les producteurs qui cherchent à garantir la constance du produit et à réagir rapidement aux risques potentiels pendant le stockage.