Un enfoque de inteligencia artificial para estimar la turbidez del vino artesanal y la dosificación de agentes clarificantes

Abstract

El vino tinto es una bebida consumida en todo el mundo y contiene sólidos en suspensión que provocan turbidez. El objetivo del estudio era modelar matemáticamente la turbidez estimada en vinos artesanales en función de la dosis y los tipos de agentes de clarificación, basándose en estudios previos que presentaron resultados positivos. Se elaboraba vino de uva borgoña (Vitis lambrusca) y se clarificaba con 'yausabara' (Pavonia sepium) y bentonita en diferentes concentraciones. El sistema fue modelado utilizando varios modelos de aprendizaje automático, incluyendo las aplicaciones Neural Net Fitting y Regression Learner de MATLAB. Los resultados mostraron que la validación de la red neuronal entrenada con el algoritmo de Levenberg–Marquardt obtuvo indicadores estadísticos significativos, como el coeficiente de determinación (R2) de 0,985, error cuadrático medio (MSE) de 0,004, error cuadrático medio raíz normalizado (NRSME) de 6,01 y criterio de información de Akaike (AIC) de −160,12, seleccionándolo como modelo representativo del sistema. Presenta una alternativa objetiva y sencilla para medir la turbidez del vino, útil para enólogos artesanales que pueden mejorar la calidad y la consistencia.