Parceiros do setor vitivinícola apresentam sistema de IA que deteta defeitos antes dos testes convencionais

A Moët Hennessy, a Analog Devices e a University of California, Davis anunciaram na segunda-feira que estão a trabalhar em conjunto num sistema de deteção baseado em IA, concebido para detetar sinais químicos provenientes das videiras, do mosto e do vinho mais cedo do que os métodos de análise convencionais, com o objetivo de identificar riscos para a qualidade antes de se tornarem evidentes na adega ou na garrafa.

Os parceiros afirmaram que o primeiro resultado deste trabalho é um sistema de alerta precoce para um defeito conhecido como Aroma a Cogumelos Frescos, ou FMA, que pode alterar o aroma do vinho e reduzir o seu valor de mercado. Segundo as empresas e a universidade, os investigadores conseguiram identificar amostras com maior risco de desenvolver esse defeito antes de este poder ser detetado pelos métodos convencionais.

O projeto combina os conhecimentos da UC Davis em viticultura e enologia, os dados de investigação e produção vitivinícola da Moët Hennessy e a tecnologia de sensores e aprendizagem automática da Analog Devices, conhecida como ADI. A Moët Hennessy é a divisão de vinhos e bebidas espirituosas da LVMH. A ADI afirmou que a plataforma analisa um amplo conjunto de informação química e recorre à IA para determinar quais os sinais mais relevantes, em vez de testar apenas uma lista fixa de marcadores conhecidos.

Segundo o comunicado, o trabalho assenta em investigação anterior, iniciada no Massachusetts Institute of Technology. A ADI afirmou que continuou a desenvolver a tecnologia de análise de assinaturas químicas em diferentes áreas e que a está agora a adaptar às vinhas e à produção de vinho, em conjunto com os outros parceiros.

No centro da primeira demonstração está uma biblioteca de amostras criada por investigadores do Robert-Jean de Vogüé Research Center, da Moët Hennessy. Essa biblioteca, juntamente com os dados de produção e qualidade associados, foi utilizada para treinar modelos de aprendizagem automática capazes de reconhecer padrões químicos relacionados com o risco de FMA. As organizações afirmaram que isso permite ao sistema sinalizar amostras numa fase mais precoce do que o habitual, o que poderá possibilitar aos produtores agir antes de o defeito se instalar.

A questão é importante porque os defeitos de qualidade no vinho podem ser dispendiosos. Se os problemas forem detetados tardiamente, os produtores poderão ter menos opções para os corrigir, e alguns lotes poderão perder valor ou ter de ser desclassificados. Uma deteção mais precoce poderá ajudar as adegas a reduzir perdas, melhorar o controlo da qualidade e tomar mais cedo decisões sobre fermentação, lotação, armazenamento ou outras intervenções. No setor das bebidas em geral, a mesma lógica poderá aplicar-se sempre que os produtores precisem de detetar alterações subtis na qualidade antes de estas afetarem o produto final.

Os parceiros descreveram a tecnologia como uma ferramenta de apoio à decisão, não como um substituto dos viticultores ou dos enólogos. Afirmaram que o objetivo é disponibilizar mais informação aos especialistas humanos no momento certo, deixando a decisão final nas mãos de quem trabalha na vinha e na adega. Este aspeto é importante numa área em que as opções de produção dependem muitas vezes da experiência, das condições locais e da avaliação sensorial, e não apenas de dados laboratoriais.

A colaboração aponta também para uma utilização mais ampla da IA na agricultura e na produção alimentar, áreas em que as empresas procuram formas mais rápidas e menos dispendiosas de monitorizar sistemas biológicos. Neste caso, o sistema centra-se em compostos voláteis e noutras assinaturas químicas emitidas por matéria viva. A ideia é que esses sinais possam revelar alterações biológicas ou situações de stress antes de surgirem sintomas visíveis ou problemas de qualidade detetáveis pelos métodos tradicionais.

Além da FMA, as três organizações afirmaram estar a estudar outras aplicações, incluindo a deteção precoce de doenças da videira, a avaliação dos solos e a identificação de defeitos associados a fenómenos relacionados com o clima, como os incêndios florestais. Estas aplicações continuam em desenvolvimento, mas apontam para um papel mais abrangente da plataforma na gestão das vinhas, numa altura em que a variabilidade climática aumenta a pressão sobre a qualidade e a consistência das uvas.

As potenciais aplicações relacionadas com incêndios florestais poderão ser acompanhadas de perto na Califórnia e noutras regiões vitivinícolas que, nos últimos anos, enfrentaram a exposição ao fumo e perdas de colheitas. Um sistema capaz de detetar numa fase precoce alterações químicas associadas ao stress ambiental poderá ser valioso não só para os produtores de vinhos de gama alta, mas também para os viticultores que procuram gerir riscos em volumes maiores.

Ben Montpetit, da UC Davis, afirmou no comunicado que a resiliência dos setores da uva e do vinho dependerá de um conhecimento mais sólido e de pessoas que saibam utilizá-lo. Disse que a colaboração pretende promover ambos, desenvolvendo ferramentas que melhorem a tomada de decisões e ajudando a formar a próxima geração de especialistas em viticultura e enologia para interpretar os novos dados.

Manuel Reman, membro do Comité Executivo da Moët Hennessy responsável pela investigação e desenvolvimento, afirmou que o trabalho poderá ajudar os produtores a detetar e interpretar a «linguagem química» das uvas e do vinho antes de os problemas de qualidade serem visíveis. Max Shulaker, responsável pela unidade de negócio Health Solutions da ADI, disse que o projeto alia sensores potenciados por IA à viticultura para interpretar os sinais emitidos por sistemas vivos e passar de uma gestão da qualidade reativa para uma gestão antecipatória.

A ADI afirmou que, em última análise, pretende disponibilizar a tecnologia para uma utilização industrial mais ampla. Ao mesmo tempo, a Moët Hennessy e a UC Davis disseram estar a analisar a possibilidade de desenvolver bibliotecas de referência partilhadas, que possam beneficiar o setor da uva e do vinho em geral. Isso poderá ser relevante caso o sistema se revele útil em diferentes regiões, castas e métodos de produção, uma vez que as ferramentas de IA tendem a melhorar quando são treinadas com conjuntos de dados maiores e mais diversificados.

Não foi anunciado qualquer calendário para a comercialização ou para o acesso mais amplo do setor. As organizações também não divulgaram os termos financeiros da colaboração. O que apresentaram foi um exemplo inicial de como a deteção baseada em semicondutores, a aprendizagem automática e a ciência agrícola estão a ser combinadas num setor tradicionalmente dependente de análises laboratoriais mais demoradas e da avaliação sensorial humana.

Para os produtores de vinho, a promessa imediata é prática: receber mais cedo um alerta sobre um defeito que, de outro modo, poderia surgir demasiado tarde para ser gerido de forma eficiente. Para o setor das bebidas em geral, o projeto é mais um sinal de que a IA está a ultrapassar as áreas do marketing e da logística e a chegar à própria química da produção, onde mesmo pequenos avanços na deteção precoce podem ter um efeito significativo na qualidade, no desperdício e nos custos.