基于光谱信息的酒体特征与人工智能预测
机器学习
2025-07-29 v1
摘要
本文旨在使用由人类品鉴和紫外-可见（UV-Vis）扫描分光光度计获取的吸收数据，分别用于预测葡萄汁（GJ）的属性并分类酒的来源。该方法结合机器学习（ML）技术与光谱学，以寻找一种相对简单的方式应用于酿酒的两个阶段，以帮助改进有关感官数据和酒 origin 的传统酒分析方法。该新技术通过利用光谱指纹技术和综合研究 AI 在酒分析领域的应用来克服复杂传感器的缺点。结果显示，支持向量机（SVM）在 attributes 和 origin 预测任务中最为高效和稳健。origin 预测的准确率和 F1 分数均超过 91%。特征排序方法发现，较有影响力的波长通常出现在扫描范围的下端，即 250 纳米（nm）到 420 纳米，这被认为对于选择合适的验证方法和传感器来提取酒数据具有重要帮助。该研究的知识为未来酒类行业或其他饮料行业整合大数据和物联网提供了新想法和早期解决方案，显著推动了“智能酒庄”的发展。
引用
@article{arxiv.2507.20114,
title = {Wine Characterisation with Spectral Information and Predictive Artificial Intelligence},
author = {Jianping Yao and Son N. Tran and Hieu Nguyen and Samantha Sawyer and Rocco Longo},
journal= {arXiv preprint arXiv:2507.20114},
year = {2025}
}