Non-Invasive Digital Technologies to Assess Wine Quality Traits and Provenance through the Bottle
Natalie Harris, Claudia Gonzalez Viejo, Christopher Barnes and Sigfredo Fuentes
Fermentation 2023, 9(1) (2023)
メモ
ハンドヘルドのNIR測定器でボトルの3カ所を複数回計測。NIRスペクトルのPCAでは十分な判別精度が得られない。一方でML（ニューラルネットワーク）での予測結果は極めて優秀で、同じワイナリーのビンテージの違い（Model1)や17種類の成分の検出（Model3)結果でMLが利用可能性を示した。
アブストラクト
ワインの偽造と偽装による詐欺率の増加により、ワインの品質と出所を評価するための新しい非侵襲的手法を開発することが重要です。ワインの品質特性と出所の評価は、主に複雑な化学分析と感覚評価で行われ、コストと時間がかかる傾向があります。したがって、この研究は、デジタル技術を使用してワインのヴィンテージと品質特性を評価するための迅速で非侵襲的な方法を開発することを目的としていました。オーストラリア、ビクトリア州ドゥーキーの13のヴィンテージのサンプル( 2000 – 2021 )のシラーズは、未開封のボトルを介して近赤外分光法( NIR )を使用して分析され、ワインの化学フィンガープリントを評価しました。3つの高精度機械学習( ML )モデルは、( i )ワインヴィンテージ(モデル1を予測するための入力としてNIR吸光度値を使用して開発されました。 97.2%),( ii )感覚記述子の強度(モデル2; R = 0.95 )、および( iii )揮発性 ⁇ 香族化合物のピーク面積(モデル3; R = 0.88 )。提案された方法は、ワインボトルを開く必要なしにワインの出所と品質特性の評価を可能にします。これは、ワイン詐欺と出所を検出するためにも使用できます。さらに、低コストのNIRデバイスは、必要なスペクトル範囲と感度で市場で入手できます, これは、ワインメーカーや小売業者に手頃な価格で、ここで提案されている機械学習モデルで使用できます。これは、ワインの詐欺や出所を検出するためにも使用できます。
https://www.mdpi.com/2311-5637/9/1/10