La industria del vino dedica grandes esfuerzos en conseguir diferenciar sus productos y mejorar su calidad y consistencia intrínseca. Uno de los aspectos más eficaces para lograrlo es cosechar las uvas en el momento óptimo de madurez y seleccionarlas de acuerdo con las características más adecuadas para el vino que se desea producir.
En este contexto, el uso de imágenes hiperespectrales (HSI) combinado con algoritmos de aprendizaje automático representa una alternativa muy prometedora para la predicción de importantes parámetros enológicos y como ayuda para la toma de decisiones.
Sin embargo, la gran cantidad de datos generados por HSI incluye no solo información relevante sino también mucha información innecesaria que entorpece el modelado de los datos. Se han propuesto varios enfoques de aprendizaje automático para manejar tales datos, pero no es fácil seleccionar el método más adecuado. En este trabajo, se aplicó un marco comparativo de analítica predictiva (predictive analytics comparison framework , PAC) para estimar aquellos parámetros enológicos relevantes para la evaluación de la madurez de la uva.
La ponencia mostrada en este vídeo se presentó en el “International Congress on Grapevine and Wine Sciences” - ICGWS (Logroño, España, 7-9 de noviembre de 2018) organizado por el Instituto de Ciencias de la Vid y del Vino (ICVV).
Suscripción anual a Infowine: La suscripción anual, a un precio de € 60 (IVA incluido), permite acceder durante todo un año a todos los documentos publicados en la revista web, incluidos los contenidos publicados en años anteriores (pulsar aquí)
VIDEO SEMINARIO (Véronique GOMES, streaming, 10 min)
