Российские ученые Национального исследовательского университета ИТМО в Санкт-Петербурге научили искусственный интеллект определять качество и тип игристого вина по его пузырькам. Об этом пишет «РБК Вино».
По данным вуза, в настоящее время на винодельческих предприятиях качество игристых вин оценивают с помощью физико-химического анализа, который определяет такие показатели, как кислотность, содержание сахара и алкоголя в напитке. Кроме того, качество вин оценивают и технологи или виноделы при непосредственной дегустации.
Ученые предложили новый метод, при котором участие экспертов будет необязательным. Согласно этому методу, вино наливают в бокал и воздействуют на него аппаратом ультразвуковой кавитации. В процессе образуются искусственные пузырьки, количество и размер которых фиксирует специальная камера. Затем данные анализируются с помощью программы на основе искусственного интеллекта.
Один из авторов исследования, студент третьего курса научно-образовательного центра инфохимии ИТМО Илья Королев, рассказал, что ранее такие технологии применялись для оценки качества бензина с разным октановым числом. По его словам, для игристых вин этот метод использовали впервые.
Он подчеркнул, что предложенный учеными метод подходит только для вина, налитого в бокал. Если воздействовать ультразвуком на закупоренную бутылку, пузырьки, образовавшиеся внутри, могут вытолкнуть пробку. После обработки ультразвуком вино становится непригодным для употребления, добавил Королев.
Сообщается, что в ходе эксперимента ученые использовали розовое и белое игристое вино, которое разлили в стеклянные бокалы и пластиковые стаканчики. После воздействия ультразвуком характер пузырьков различался в зависимости от типа емкости и категории вина.
«Мы доказали, что пузырьки в разных типах вин и контейнеров имеют визуально различимые характеристики, которые сложно заметить человеческим глазом, но можно выявить с помощью наших алгоритмов. Мы сегментировали видео с помощью нейросети YOLOv8, перевели визуальные характеристики пузырьков в числовой формат через модель CLIP и ее улучшенную версию SigLIP, а также использовали классификатор TabNet для финальной категоризации», — рассказал первый автор исследования, ассистент научно-образовательного центра инфохимии ИТМО Тимур Алиев.
По данным вуза, обученная система смогла определить тип вина с точностью до 84%, а тип емкости, в которую оно налито, с точностью до 82%.
