制作更好的啤酒和葡萄酒的数据和机器学习
GPS-戴狗，电子鼻，和机器人盆满钵满的完美啤酒
澳大利亚丛林大火是司空见惯的袋鼠和考拉。一个炎热，干燥的气候规律地设置了舞台，大火危及人的生命，财产和野生动物，并威胁该国的顶级经济产业之一：葡萄酒。暑假期间，2019 - 2020火灾消灭在南澳大利亚州，维多利亚州和新南威尔士州，但烟雾整个葡萄园，这是更为广泛和阴险的，渗透到葡萄进入发酵桶，产生不愉快的，卖不出去的产品。虽然造成的损害的严重程度尚未计算，分析从澳大利亚葡萄酒研究所每次发生火灾时，仅烟雾污染就会给该国的葡萄酒行业造成数千万到数亿美元的损失。
“这项研究可以消除葡萄栽培和酿酒业的猜测，让它们更容易预测。”
Sigfredo富恩特斯，副教授和植物生理学家在墨尔本大学
各种技术的进步可以帮助种植者和酿酒师减轻烟雾污染和其他不可预测的异常现象的负面影响，比如霜冻、干旱、害虫和疾病——不仅是在澳大利亚，而且是在全世界。由墨尔本大学植物生理学家Sigfredo Fuentes副教授领导的“未来葡萄园”是一个国际科学家联盟，他们进行尖端研究，收集从葡萄到玻璃的高分辨率数据，并以有意义的方式进行分析。无人机、卫星图像、视频分析、植物和人的传感器与人工智能相结合——被统称为“数字农业”——使葡萄酒的生产者和销售者在这个充满不确定性的行业中获得了优势。
富恩特斯说:“这项研究可以消除葡萄栽培和酿酒业的猜测，让它们更容易预测。”
在葡萄树
酒好开始在藤上。美味的葡萄取决于天气和培养战略，包括灌溉，施肥，病虫害防治，和树冠管理。种植者通常偏好较小的葡萄浆果，其产生更葡萄皮，因此更化合物，如花青素，单宁，白藜芦醇和多酚类物质，这种影响风味和香味。降低与顶级品质性状的葡萄产量可能实际上产生每亩更高的收入，所以这是保持葡萄的营养生长和生殖部分之间的平衡至关重要，说富恩特斯。“没有配方适合所有情况下，葡萄种植，这里的实施新的和新兴技术是评估所有这些因素，以获得良好的产品至关重要，”他说。s manbetx 845
Fuentes和他的同事已经开发出了依靠红外热成像和近红外光谱分析(NIR)结合监督机器学习建模的技术，以测量树叶中的烟雾污染和评估葡萄中的烟雾污染。红外摄像机揭示了藤蔓的热量特征，而这种特征是被烟雾干扰的。使用MATLAB®， Fuentes和他的团队开发了计算机视觉算法，利用热信号预测冠层烟雾污染，准确率达96%。
使用非侵入性的手持式仪器获得的NIR数据揭示了从浆果和葡萄酒，其指示在以高精度近实时特定烟雾相关的化合物和浓度的化学指纹。提供给种植者的传统方法需要他们送葡萄到实验室和等上六天或以上的成绩。但有实时信息可以帮助种植者作出决定，如收获葡萄污点是否从被感染的孩子们分开，以尽量减少浪费。
机器学习曝光后一小时内检测从丛林大火葡萄污染。图片来源：伊甸园同辰博士
使用藤的热签名富恩特斯和他的团队开发的计算机视觉算法来预测有96％的准确性烟雾污染。
进一步的研究已经进行了，甚至在收获前从葡萄园预测潜在的葡萄酒品质性状。通过将其他变量，如天气数据的输入和以前的年份为目标已知的香味轮廓，机器学习模型进行训练以预测从藤蔓未来葡萄酒的香味分布。
一个应用程序被称为VitiCanopy使用智能手机的GPS和摄像头，以帮助种植者测量树冠的大小，密度和活力。从图像，应用程序的计算机视觉算法计算与快照叶面积指数。称为LAI，这个重要的度量相关因素阳光dappling浆果量，遮篷的小气候，葡萄的组合物，和最终产生。葡萄酒种植者正在试图创建叶，芽，果实之间的平衡富恩特斯说。“如果你有过轰轰烈烈的檐篷，最后红酒的口感和香气轮廓将会有太多的酸度和绿色分别，”他说。从应用程序的信息使种植者做出修剪树冠，施肥，增加或减少灌溉决策。“这是所有关于平衡，说：”富恩特斯。
NIR和机器学习算法还可以借给线索葡萄成熟。富恩特斯解释说，某些化合物，死亡细胞的葡萄里面，因为它成熟时，发布影响其香气和味道。不同的葡萄需要的细胞死亡的不同百分比达到高峰成熟。“我们建议测量浆果的细胞活力做酿酒预测使用数字工具开发的酒的质量之前，”他说。
在鼻子上
在数十种影响葡萄园的变量中，一种被称为根瘤蚜的昆虫可能是最臭名昭著的一种。在19世纪的中期日世纪，法国的酒商不知不觉进口来自美国的昆虫时，他们带来了美国藤材料，受污染的鞋子或工具到欧洲。虽然根瘤首选对美国藤蔓的叶子无害用餐，当他们发现法国的葡萄树，他们就为根。伟大的法国葡萄酒疫病近消灭该国的葡萄酒业在短短的几十年。经过多次失败的尝试消灭昆虫，法国酒商勉强嫁接他们的葡萄美国藤根，创建可在法国的土壤茁壮成长，抵御根瘤蚜植物。
今天，根瘤蚜仍然是一种难以察觉的威胁。早期的迹象，如叶子变色和一般的树冠萎蔫，经常被混淆为水分和肥料胁迫，而酒商被激励去寻找一个更可靠的鉴定方法。其中一种方法被狗采用了，而且是一种好的方法。狗的鼻子比人的多3亿个嗅觉感受器，敏感度是人的100倍。未来葡萄园的研究人员正在训练狗识别phylloxera昆虫释放的信息素气味，以及这种昆虫产生的其他化合物。
一个低成本，便携式电子鼻具有能够检测九个不同的气体传感器的阵列可以被调整，以识别葡萄园烟害。
穿着配有GPS功能的智能手机的背包，一只狗将穿越葡萄园，它的鼻子在地上。跟踪算法使用MATLAB移动™检测狗的位置，以及它的运动的发展。不同的动作，如跑步，散步，并在检测被添加到地图在葡萄园找出问题香味坐着。“该应用程序会为所有在信号狗坐着，蹲着或刮伤处理点的日志文件，”克劳迪娅·冈萨雷斯Viejo的博士后研究员富恩特斯工作说。然后，种植者可以针对检查到这些地点，节省了时间。
虽然狗非常擅长定位害虫，他们不是在确定了完美的啤酒香味非常好。为了补充专家狗鼻子，Fuentes的和他的团队开发了一种低成本，便携式电子鼻，或电子鼻，其具有能够检测九个不同的气体，包括乙醇，二氧化碳，碳氧化物传感器的阵列，甲烷，和过氧化氢。冈萨雷斯Viejo的帮助设计了电子鼻审议啤酒样品和预测的香味。但是，她说，它有广泛的应用，并可以调整，以检测烟对葡萄园的损害。Gonzalez Viejo设想将这项技术与狗狗探测器相结合，作为手持设备使用，或者安装在无人机上沿跑道飞行。“我们可以把e-nose带到任何地方，”她说。
一只经过特殊训练的狗沿着一排容器移动，通过专注地凝视和触摸爪子，正确地做出手势。图片来源:宋佳需求
在玻璃
对于所有的工作种植者和生产者的做，使优质的葡萄酒，什么是好是主观的。“最好的酒是你喜欢的酒，说：”富恩特斯。
最后，了解消费者的反应，关键是销售酒，未来研究人员的葡萄园已经开发技术这一点。该系统，这是用啤酒精，但适用于葡萄酒和起泡酒，采用了机械臂，照相机和电子鼻。它从一个完美的从机械臂，设计每次填充玻璃以同样的方式不累人倒。高清摄像机上训练的啤酒捕获可视数据，包括颜色，泡沫形成和消散，并且气泡尺寸。电子鼻，定位在窗的顶部，测量释放的气体。计算机视觉和机器学习算法紧缩的摄像头和传感器信息，坐落于先前已分析了250人的图书馆啤酒定位。
用传感器进行的香气剖面分析的准确率为97%。这种技术对那些对保持一致性和质量控制感兴趣的手工酿酒师很有吸引力。Gonzalez Viejo说:“你可以对每一批产品进行测试，然后立即得到结果。”
该团队甚至还增加了消费者反应的混合。研究人员使用摄像机、红外热成像和脑电波耳机来测量员工和学生在喝不同啤酒、葡萄酒或食用食品时的心率、体温、脑电波和面部表情。s manbetx 845他们对泡沫、颜色、香气、口感、味道、味道和啤酒的整体相似度的评估，将与在倒啤酒过程中收集的视觉和e-nose数据相匹配，以提高准确性。
RoboBEER采用计算机视觉算法，人工神经网络，和视觉特性，如泡沫，颜色和气泡，创造完美的倒每次。图片来源：墨尔本大学
葡萄栽培，葡萄酒酿造，酿造是部分艺术形式，部分是科学。随着技术的进步和土壤，根系，植物，檐发生过程的科学认识，气氛加深，科学可能找到一个优势。由于葡萄酒和啤酒变得更受欢迎，需求的增长，尤其是在这个世界上，气候变化，新技术可以给种植者和生产者的东西来敬酒。
