29、利用机器学习和光谱信息进行葡萄汁特性分析与预测

利用机器学习和光谱信息进行葡萄汁特性分析与预测

在葡萄酒和葡萄汁的生产与品质评估中，了解其感官属性（如涩味、苦味和草本味）以及葡萄的产地信息至关重要。通过结合机器学习（ML）和物联网（IoT）技术，利用紫外 - 可见（UV - Vis）光谱学，可以有效地预测葡萄汁的感官属性和葡萄的产地。

葡萄汁品尝数据收集

为了训练回归模型以预测葡萄汁的三个感官属性（涩味、苦味和草本味），需要收集相关数据。
1. 评估小组 ：召集了一个由11名成员组成的评估小组，包括6名男性和5名女性，年龄在23 - 59岁之间，他们是TIA的研究生或工作人员。在正式感官分析前的两周内，每位小组成员至少完成了五次培训课程。
2. 培训内容 ：采用基于《Food Research International》发表的研究论文的描述性分析（DA）协议和培训。进行了为期一小时的所有描述符（“甜味”、“涩味”、“苦味”、“酸度”和“草本味”）的培训课程，并在培训期间提供了每个葡萄汁处理的样本（n = 7），让小组成员练习对所有属性的强度评级。
3. 强度标准 ：使用不同浓度的参考标准在水或果汁中获得“高”和“低”强度标准。例如，“甜味”使用15和150 g/L的果糖，“苦味”使用0.1和1 g/L的硫酸奎宁，“酸度”使用1.5和15 g/L的酒石酸，“涩味”使用0.1和1 g/L的单宁，“草本味”使用四分之一杯或一杯新鲜草。
4. 正式评估 ：按照标准的正式DA，小组成员坐在座位上，以随机顺序（Williams块设计）提供七个预先倒好并盖好的装有果汁样