Moët Hennessy usa sensores com IA para detetar precocemente aroma a cogumelo fresco

A Moët Hennessy, a Analog Devices e investigadores da Universidade da Califórnia, Davis, estão a utilizar sensores e aprendizagem automática para detetar sinais químicos precoces de defeitos no vinho. Segundo os parceiros, esta abordagem poderá permitir às adegas identificar problemas de qualidade mais cedo e a um custo inferior ao de muitos métodos de análise convencionais.

Os detalhes divulgados na terça-feira descrevem um sistema que analisa as assinaturas químicas libertadas pelas uvas e pelo vinho e utiliza inteligência artificial para assinalar padrões associados a futuros riscos para a qualidade. O trabalho dá continuidade a uma investigação anterior, iniciada no Massachusetts Institute of Technology, e está agora a ser aplicada à produção de vinho através da parceria entre o grupo de bebidas de luxo, o fabricante de semicondutores e a universidade californiana.

O primeiro grande alvo do projeto é um defeito conhecido como Fresh Mushroom Aroma (aroma a cogumelo fresco), ou FMA, um odor indesejado que pode afetar a qualidade do vinho e ser difícil de identificar antes de se tornar evidente. Segundo os parceiros, investigadores do Robert-Jean de Vogüé Research Center da Moët Hennessy reuniram uma biblioteca de amostras e dados associados para treinar modelos de aprendizagem automática a reconhecer os padrões químicos ligados a esse risco.

Utilizando a plataforma de sensores e aprendizagem automática da Analog Devices, o sistema processa uma vasta gama de dados químicos, em vez de procurar um único marcador. A plataforma identifica depois os sinais mais relevantes e procura relações que poderão não ser detetáveis através de análises convencionais. As empresas afirmaram que esta abordagem permite ao modelo continuar a aprender com informação biológica e química complexa, em vez de verificar apenas condições predefinidas.

No estudo atual, segundo a informação divulgada na terça-feira, a tecnologia identificou, numa fase inicial, amostras com risco elevado de desenvolver Fresh Mushroom Aroma, antes de o defeito ser normalmente detetado pelos métodos tradicionais. Este resultado é importante porque os defeitos do vinho são muitas vezes mais fáceis de gerir antes de se instalarem no produto, fase em que as opções de correção podem ser limitadas ou dispendiosas.

Manuel Reman, membro da comissão executiva da Moët Hennessy responsável pela investigação e desenvolvimento, afirmou que o projeto poderá mudar a forma como os produtores compreendem as uvas e o vinho durante a produção. Em declarações divulgadas com o anúncio, disse que a capacidade de detetar e interpretar a «linguagem química» das uvas e do vinho poderá ajudar as adegas a antecipar riscos antes de estes se tornarem visíveis e a reforçar a resiliência ao longo do tempo.

O projeto insere-se num esforço mais amplo para introduzir sensores avançados e inteligência artificial na produção alimentar e de bebidas, onde a qualidade pode variar rapidamente devido à atividade biológica, às condições meteorológicas, ao armazenamento e à fermentação. No vinho, estas alterações podem começar na vinha e prolongar-se pelas fases de esmagamento, fermentação, envelhecimento e engarrafamento. Identificar assinaturas químicas fiáveis numa fase inicial deste processo tem sido um desafio persistente, porque os compostos envolvidos podem ser subtis e interagir de formas complexas.

Os parceiros afirmaram que o sistema foi concebido para responder a este problema, combinando uma vasta base de amostras com ferramentas de reconhecimento de padrões capazes de analisar simultaneamente numerosas variáveis. Em vez de dependerem apenas de painéis de provadores ou de uma confirmação laboratorial mais demorada, já depois de o defeito começar a manifestar-se, os produtores poderiam recorrer a leituras antecipadas para decidir se devem separar lotes, ajustar o manuseamento ou acompanhar determinadas partidas mais de perto.

Para o setor das bebidas, o potencial valor vai além do vinho. A deteção precoce de aromas indesejados ou de instabilidade poderá ajudar os produtores a reduzir o desperdício, evitar que produtos defeituosos avancem na cadeia de produção e deslocar o controlo de qualidade da correção em fases tardias para a prevenção durante a produção. Num setor em que os lotes rejeitados, a desclassificação de produtos e os riscos para as marcas podem afetar as margens, até pequenos avanços na deteção precoce podem ser relevantes.

O anúncio não indicou datas para a disponibilização comercial nem esclareceu quando o sistema poderá ser utilizado em grande escala nas operações da Moët Hennessy. Também não divulgou dados de desempenho, a dimensão do conjunto de dados de treino ou se o mesmo método está a ser testado para outros defeitos do vinho. Ainda assim, os resultados comunicados sugerem que a deteção química aliada à aprendizagem automática está a passar da investigação para uma utilização mais prática nas adegas.

A UC Davis é há muito um importante centro de investigação sobre vinho e viticultura, e o seu papel no projeto confere apoio académico ao trabalho desenvolvido pelo setor. A Analog Devices contribui com conhecimentos especializados em sensores e processamento de sinais, enquanto a Moët Hennessy proporciona acesso a conhecimento sobre a produção e a dados de amostras. Esta combinação procura colmatar uma lacuna que limitou tentativas anteriores de utilização de ferramentas digitais na produção de vinho: a disponibilidade de amostras reais, em número suficiente e devidamente caracterizadas, para treinar modelos capazes de funcionar em condições de produção.

Os parceiros afirmaram que o objetivo mais amplo não é apenas identificar um defeito específico, mas também aprofundar a compreensão da atividade biológica que ocorre nas uvas e no vinho ao longo do processo de produção. Se esta abordagem se revelar fiável, poderá proporcionar às adegas uma visão mais contínua dos riscos emergentes e ajudá-las a intervir mais cedo, antes de os problemas sensoriais se tornarem evidentes no vinho acabado.