Sensor de fibra óptica para detección de vinos de mesa, empleando técnicas de inteligencia artificial

Abstract

La industria del vino desempeña un papel clave en la economía global, y una clasificación precisa es fundamental para garantizar su autenticidad y mejorar su calidad. En este estudio, se empleó un sensor de fibra óptica cónica (tapered) junto con técnicas de aprendizaje supervisado para identificar vinos tintos. A partir del espectro óptico de los vinos, se construyó una base de datos y se desarrolló un modelo de clasificación con una Exactitud superior al 98%. Se analizaron 1,680 muestras de vino tinto de distintas variedades de uva, como Merlot, Shiraz, Cabernet Sauvignon y Malbec, provenientes de México, España y Chile. Cada muestra se caracterizó mediante dos atributos probabilísticos (área bajo la curva y desviación estándar) y dos atributos ópticos (potencia del pico máximo y longitud de onda del pico máximo). Se entrenaron y evaluaron cuatro modelos de máquinas de soporte vectorial (SVM), obteniendo una Exactitud promedio del 99.13%. Entre ellos, el SVM con núcleo polinómico destacó al lograr una Exactitud del 99.85% en todas las muestras de vinos tintos, con un tiempo de entrenamiento de 0.29 segundos. Así, el modelo de clasificación desarrollado no solo facilitó la detección de vinos tintos, sino que también tiene el potencial de transformar la industria vitivinícola y mejorar el control de calidad de los vinos.