Moët Hennessy использует ИИ-датчики для раннего выявления запаха свежих грибов в вине

Moët Hennessy, Analog Devices и исследователи Калифорнийского университета в Дейвисе используют датчики и машинное обучение, чтобы выявлять ранние химические признаки дефектов вина. По словам участников проекта, это может позволить винодельням обнаруживать проблемы с качеством раньше и с меньшими затратами, чем при многих традиционных методах анализа.

Согласно информации, опубликованной во вторник, система анализирует химические сигнатуры, выделяемые виноградом и вином, и с помощью искусственного интеллекта выявляет закономерности, связанные с будущими рисками для качества. Работа продолжает более ранние исследования, начатые в Массачусетском технологическом институте, и теперь применяется в виноделии благодаря сотрудничеству группы компаний в сфере элитных напитков, производителя микросхем и калифорнийского университета.

Первая основная цель проекта — выявление дефекта, известного как Fresh Mushroom Aroma (FMA), или аромат свежих грибов. Этот нежелательный запах может ухудшить качество вина, и его бывает трудно обнаружить до того, как он станет очевидным. По словам участников проекта, исследователи Центра исследований Robert-Jean de Vogüé компании Moët Hennessy собрали библиотеку образцов и связанных с ними данных, чтобы обучить модели машинного обучения распознавать химические закономерности, указывающие на этот риск.

Система на базе платформы Analog Devices для сенсорного анализа и машинного обучения обрабатывает широкий спектр химических данных, а не ищет один конкретный маркер. Затем платформа определяет наиболее значимые сигналы и выявляет связи, которые могут оставаться незаметными при стандартном анализе. Компании заявили, что благодаря такому подходу модель учится на сложной биологической и химической информации, а не просто проверяет заданные условия.

Согласно информации, опубликованной во вторник, в ходе нынешнего исследования технология на раннем этапе выявила образцы с повышенным риском появления аромата свежих грибов — до того, как дефект обычно обнаруживается традиционными методами. Это важно, поскольку дефекты вина зачастую проще устранить до того, как они закрепятся в продукте, когда возможности коррекции могут быть ограничены или обходиться дорого.

Мануэль Реман, член исполнительного комитета Moët Hennessy, курирующий исследования и разработки, заявил, что проект может изменить подход производителей к пониманию винограда и вина в ходе производства. В комментарии, опубликованном вместе с объявлением о проекте, он отметил, что способность распознавать и интерпретировать «химический язык» винограда и вина поможет винодельням предвидеть риски до того, как они станут заметны, и со временем повысить устойчивость производства.

Проект отражает более широкую тенденцию к внедрению передовых сенсорных технологий и ИИ в производство продуктов питания и напитков, где качество может быстро меняться под влиянием биологических процессов, погоды, условий хранения и брожения. В виноделии такие изменения могут начаться на винограднике и продолжаться на этапах дробления винограда, брожения, выдержки и розлива. Надёжные химические сигнатуры на ранних стадиях этого процесса давно сложно обнаружить: соответствующие соединения могут присутствовать в малых количествах и взаимодействовать сложным образом.

По словам участников проекта, система призвана решить эту проблему за счёт объединения обширной базы образцов с инструментами распознавания закономерностей, способными одновременно анализировать множество переменных. Вместо того чтобы полагаться только на дегустационные комиссии или более медленное лабораторное подтверждение уже проявившегося дефекта, производители смогут использовать ранние показания, чтобы решить, стоит ли разделить партии, скорректировать технологические процессы или внимательнее следить за отдельными партиями.

Для индустрии напитков потенциальная польза не ограничивается вином. Более раннее выявление посторонних тонов или нестабильности может помочь производителям сократить потери, не допустить продвижения некачественного продукта по производственной цепочке и перейти от корректировки на поздних этапах к профилактике в ходе производства. В отрасли, где прибыль могут подорвать забракованные партии, снижение категории продукта и ущерб бренду, даже небольшое улучшение раннего предупреждения может иметь значение.

В объявлении не указаны сроки коммерческого внедрения и не сообщается, когда систему могут начать широко применять на предприятиях Moët Hennessy. Также не раскрыты показатели эффективности, объём обучающего набора данных и то, испытывается ли этот же метод для выявления других дефектов вина. Тем не менее опубликованные результаты позволяют предположить, что химический сенсорный анализ в сочетании с машинным обучением переходит из исследовательской сферы к практическому применению на винодельнях.

Калифорнийский университет в Дейвисе давно является одним из ведущих центров исследований вина и виноградарства, и его участие в проекте подкрепляет усилия отрасли научной экспертизой. Analog Devices предоставляет компетенции в области сенсорных технологий и обработки сигналов, а Moët Hennessy — доступ к производственным знаниям и данным об образцах. Такое сочетание призвано устранить препятствие, которое мешало прежним попыткам внедрить цифровые инструменты в виноделие: нехватку реальных, хорошо охарактеризованных образцов для обучения моделей, способных работать в производственных условиях.

По словам участников проекта, более широкая цель состоит не только в выявлении одного конкретного дефекта, но и в углублённом понимании биологических процессов, происходящих в винограде и вине на разных этапах производства. Если такой подход окажется надёжным, он сможет обеспечить винодельням более непрерывное представление о возникающих рисках и помочь вмешаться раньше, до того как сенсорные дефекты станут заметны в готовом вине.