Sensorer och AI avslöjar dolda fel i vinskörden i förtid

Ett forskningssamarbete mellan halvledarföretaget Analog Devices, Moët Hennessy och University of California, Davis presenterade på onsdagen ett tekniskt framsteg för vin- och jordbrukssektorn. Parterna har tagit fram ett nytt sensorsystem som med hjälp av maskininlärning analyserar de kemiska signaturer som avges från vinstockar, druvsaft och jäsande must. Målet är att flytta kvalitetskontrollen från att vara reaktiv till att bli förutsägande, så att problem kan åtgärdas innan råvaror förstörs.

Men hur fungerar egentligen tekniken bakom den kemiska avläsningen? Systemet bygger på avancerad sensorteknik med ursprung i forskning vid Massachusetts Institute of Technology (MIT), kopplad till algoritmer som tränats på ett provbibliotek vid Moët Hennessys forskningscenter Robert-Jean de Vogüé. När växter angrips eller jäsprocesser avviker utsöndras flyktiga organiska föreningar i mikroskopiska koncentrationer i luften. I stället för att enbart söka efter en enskild markör analyserar sensorerna och maskininlärningsmodellerna hela spektrumet av flyktiga ämnen och identifierar svaga avvikelser långt innan mänskliga sinnen eller traditionella laboratorieprover hinner uppfatta dem.

I projektets första praktiska demonstration lyckades tekniken förutse en förhöjd risk för så kallad Fresh Mushroom Aroma – en oönskad champinjonliknande bismak orsakad av svampangrepp på druvorna – redan i ett mycket tidigt stadium. Forskargrupperna utvärderar nu hur samma sensorplattform kan användas bredare för att tidigt upptäcka växtsjukdomar, analysera markhälsa och varna för skador orsakade av skogsbrandsrök.