Ricercatori cinesi sviluppano un sistema IoT per monitorare e prevedere la qualità del vino rosato durante la conservazione

I ricercatori del College of Enology della Northwest A&F University di Xianyang, in Cina, hanno sviluppato un nuovo sistema abilitato all'Internet of Things (IoT) progettato per monitorare e prevedere i principali parametri fisico-chimici durante la conservazione del vino rosé. Il sistema, descritto in un recente articolo pubblicato sulla rivista Inventions, mira ad affrontare le sfide del mantenimento della qualità del vino durante la conservazione, fornendo dati in tempo reale sui fattori che influenzano il deterioramento e il sapore.

Il progetto è stato guidato da Xu Zhang e da un team di colleghi che si sono concentrati su tre parametri critici: ossigeno disciolto, conducibilità elettrica e temperatura. È noto che questi fattori svolgono un ruolo significativo nella stabilità chimica e nelle qualità sensoriali del vino rosato. A differenza dei vini rossi o bianchi, il rosé è particolarmente sensibile alle variazioni dell'ambiente di conservazione, rendendo essenziale un monitoraggio preciso per i produttori che vogliono mantenere la consistenza del prodotto e prolungarne la durata.

Il dispositivo di monitoraggio utilizza un sensore multiparametrico compatto in grado di misurare contemporaneamente le tre variabili. Il sensore è costruito in acciaio inossidabile resistente alla corrosione ed è progettato per essere facilmente integrato in vari tipi di contenitori per la conservazione del vino, compresi i serbatoi di vetro e le botti di rovere. I dati raccolti dal sensore vengono trasmessi tramite un modulo wireless 4G alla piattaforma cloud TLINK, dove vengono archiviati, visualizzati e resi accessibili per ulteriori analisi.

Il team di ricerca ha condotto un esperimento di 80 giorni, da aprile a luglio 2025, in una cantina sotterranea della propria università. Il dispositivo è stato installato in un serbatoio di fermentazione in vetro sigillato, riempito di vino rosé. Durante l'esperimento, il sistema ha raccolto dati ogni minuto, ottenendo oltre 115.000 punti dati per ogni parametro. I ricercatori hanno osservato che tutti e tre i parametri - ossigeno disciolto, conduttività e temperatura - mostravano tendenze distinte nel tempo. Ad esempio, i livelli di ossigeno disciolto sono aumentati all'inizio dello stoccaggio prima di stabilizzarsi, mentre le variazioni di temperatura riflettevano le variazioni stagionali al di fuori della cantina.

Per aumentare il valore di questo monitoraggio continuo, il team ha applicato modelli avanzati di deep learning per prevedere le tendenze future di questi parametri. Sono stati testati i modelli Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), Temporal Convolutional Network (TCN) e i tradizionali modelli statistici ARIMA utilizzando i dati delle serie temporali raccolte. Il modello TCN ha fornito la massima accuratezza predittiva per tutti e tre i parametri, con coefficienti di determinazione (R²) superiori a 0,95 per ogni variabile. Anche i modelli LSTM e GRU hanno ottenuto buoni risultati, ma sono stati leggermente meno accurati del TCN. Il modello ARIMA è rimasto indietro rispetto agli approcci di deep learning.

Il sistema basato su cloud consente agli utenti di visualizzare i dati in tempo reale attraverso un'interfaccia web che mostra le letture correnti, le tendenze storiche, lo stato del dispositivo e le informazioni ambientali, come le condizioni meteorologiche del sito di stoccaggio. È possibile configurare avvisi per notificare al personale dell'azienda vinicola il superamento di soglie prestabilite o la perdita di connettività di un parametro. Questa funzione fornisce un meccanismo di allarme precoce per potenziali problemi di qualità o guasti alle apparecchiature.

Lo studio evidenzia diversi vantaggi pratici per le aziende vinicole. Grazie al monitoraggio continuo di più parametri fisico-chimici e all'applicazione di analisi predittive, i produttori possono rilevare cambiamenti anomali che potrebbero segnalare un deterioramento o condizioni di conservazione non ottimali prima che abbiano un impatto sulla qualità del vino. Questo approccio supporta decisioni più informate sulla gestione dello stoccaggio, come la regolazione della temperatura o il miglioramento della tenuta dei contenitori.

Tuttavia, i ricercatori notano alcune limitazioni. Il sistema richiede una copertura 4G affidabile e l'accesso alla corrente alternata, il che potrebbe limitarne la diffusione in alcune cantine o in luoghi remoti. Si sottolinea inoltre la necessità di disinfettare regolarmente i sensori prima dell'installazione per evitare la contaminazione microbica.

Questo sistema di monitoraggio abilitato dall'IoT rappresenta un passo avanti nelle pratiche di vinificazione digitale, combinando il rilevamento in tempo reale con le previsioni basate sull'apprendimento automatico. Mentre i sistemi precedenti si sono concentrati sul monitoraggio di singoli parametri o sull'analisi offline, questa soluzione integrata offre alle aziende vinicole uno strumento più completo per gestire la qualità durante lo stoccaggio, una fase critica che può determinare il carattere finale e la commerciabilità dei vini rosati.

La ricerca è stata sostenuta da sovvenzioni della Northwest A&F University e della Shanghai Guolan Agricultural Products Co., Ltd., con l'ulteriore assistenza di aziende vinicole locali che hanno fornito strutture e campioni di uva per i test. I dati dello studio sono disponibili su richiesta a causa del lavoro sperimentale in corso.

Poiché la domanda di rosé di alta qualità da parte dei consumatori continua a crescere in tutto il mondo, queste innovazioni tecnologiche possono diventare sempre più importanti per i produttori che cercano di garantire la consistenza del prodotto e di reagire rapidamente a potenziali rischi durante la conservazione.