Архив Сельское хозяйство · Теплицы, садоводство и виноградарство
Университет Лиона: ИИ по минеральному профилю определяет страну вина, 92%
В рецензируемом исследовании Sarlo et al. модель XGBoost по минеральному профилю вина определила страну происхождения с точностью 92%, регион Франции — 91%, сорт — 85%. База включает 12 966 профилей.
Кейс предоставлен Vinum ex Machina
запись № 123 · Кейсбук v2026-09-29, Никита Худов · CC BY-SA 4.0
Текст адаптирован под формат паспорта АрхИИВ и публикуется по CC BY-NC 4.0 с разрешения автора Кейсбука.
/01 · ключевые результаты
Цифры приведены по Кейсбуку Vinum ex Machina и не сверены редакцией с первоисточником.
-
возможность системы
92%
точность определения страны происхождения
Vinum ex Machina, документ, 29.09.2026
2024 год · исследование Sarlo et al., Университет Лион 1, образцы вина с минеральным профилем
данные исследования
- 91% точность определения региона Франции · возможность системы Vinum ex Machina, документ, 29.09.2026
- 85% точность определения сорта винограда · возможность системы Vinum ex Machina, документ, 29.09.2026
- более 99% специфичность модели · возможность системы Vinum ex Machina, документ, 29.09.2026
- 12 966 профилей в базе данных · масштаб Vinum ex Machina, документ, 29.09.2026
оценка strategai
Оценка не рассчитывается.
В рецензируемом исследовании Sarlo et al. модель XGBoost по минеральному профилю вина определила страну происхождения с точностью 92%, регион Франции — 91%, сорт — 85%. База включает 12 966 профилей.
/02 · паспорт кейса
Бизнес
- Компания
- Université Lyon 1
- Отрасль
- Сельское хозяйство · Теплицы, садоводство и виноградарство
- Функция
- Риски, антифрод и безопасность
- Задача
- Антифрод (транзакции, страхование, закупки, бонусы)
Технология
- Класс AI
- Предиктивная аналитика (классический ML)
- Тип решения
- Собственная разработка
- Данные
- Минеральный профиль вина (ICP), база из 12 966 профилей
Внедрение
- Стадия
- Исследование, на 29.09.2026
- География
- Франция
/03 · описание кейса
Зачем
Бизнес-задача
Исследователи из Университета Лион 1 (Sarlo et al.) поставили задачу определять по химическому составу вина страну, французский регион и сорт винограда. Работа опубликована в рецензируемом журнале OENO One в 2024 году.
Что
Решение
Решение сочетает измерение минерального профиля вина методом ICP и модель машинного обучения XGBoost. Модель предсказывает страну происхождения, французский регион и сорт по минеральному «отпечатку» образца.
Как
Внедрение
Исследование опирается на базу из 12 966 профилей. По результатам работы точность определения страны составила 92%, французского региона — 91%, сорта — 85%, специфичность превысила 99%.
/04 · источники и проверка
Что подтверждено
- Модель XGBoost по минеральному профилю (ICP) определила страну происхождения вина с точностью 92%, регион Франции — 91%, сорт — 85%.
- Специфичность превысила 99%; работа использует базу из 12 966 профилей.
Ограничения
- Показатели получены в рецензируемом исследовании на базе профилей; они не показывают точность при регулярной проверке вин на рынке.
- Источник не раскрывает долю тестовой выборки и способ валидации, поэтому перенос на новые партии и урожаи не подтверждён.
- Денежный эффект и внедрение у производителей или контролирующих органов не описаны.
-
[1] Vinum ex Machina
Vinum ex Machina — Кейсбук, запись № 123
партнёр · 29.09.2026
Открыть источник
АрхИИВ /strategai · CB-002673 · Версия 1 · 25.10.2026 · /c/CB-002673/ · Vinum ex Machina № 123