АрхИИВ

Архив Сельское хозяйство · Теплицы, садоводство и виноградарство

University of Melbourne: электронный нос и NIR с нейросетью находят пороки вина

В рецензируемом исследовании 2022 года электронный нос и NIR-спектроскопия с нейросетью классифицировали винные пороки с точностью 90–97% и 94–97% на примерно 396 образцах.

Кейс предоставлен Vinum ex Machina

запись № 122 · 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.

Стадия
Исследование
География
Австралия
Год
2022
Источники
1
CB-002670
по данным Vinum ex Machina

/01 · ключевые результаты

Цифры приведены по Кейсбуку Vinum ex Machina и не сверены редакцией с первоисточником.

  • возможность системы

    90–97%

    точность классификации электронным носом

    Vinum ex Machina, документ, 29.09.2026

    2022 год · 12 категорий винных пороков, исследование 2022 года

    данные исследования

оценка strategai

Оценка не рассчитывается.

В рецензируемом исследовании 2022 года электронный нос и NIR-спектроскопия с нейросетью классифицировали винные пороки с точностью 90–97% и 94–97% на примерно 396 образцах.

Стадия
Исследование
География
Австралия
Год
2022
Источники
1
CB-002670
по данным Vinum ex Machina

/02 · паспорт кейса

/ паспорт кейса · CB-002670University of Melbourne

Бизнес

Компания
University of Melbourne
Отрасль
Сельское хозяйство · Теплицы, садоводство и виноградарство
Функция
Производство и основные операции
Задача
Контроль качества (CV)

Технология

Класс AI
Предиктивная аналитика (классический ML)
Тип решения
Собственная разработка

Внедрение

Стадия
Исследование, на 29.09.2026
География
Австралия

/03 · описание кейса

Зачем

Бизнес-задача

Исследователи Университета Мельбурна (Gonzalez Viejo и Fuentes) поставили задачу проверить, можно ли классифицировать 12 категорий винных пороков с помощью недорогих приборов и машинного обучения. Работа опубликована в рецензируемом журнале Sensors в 2022 году.

Что

Решение

Использован недорогой электронный нос на 9 сенсорах и ближняя инфракрасная спектроскопия (NIR). Показания приборов обрабатывает нейросеть, которая относит образец к одной из 12 категорий винных пороков. Электронный нос и NIR оценивались по отдельности.

Как

Внедрение

Проект остаётся исследовательским и в регулярную эксплуатацию не переведён. В выборку вошло примерно 396 образцов. Точность классификации составила 90–97% для электронного носа и 94–97% для NIR. Сведений о внедрении на винодельнях, затратах и сроках в источнике нет.

/04 · источники и проверка

Что подтверждено

  • Электронный нос на 9 сенсорах с нейросетью классифицировал 12 категорий винных пороков с точностью 90–97%.
  • Модель на основе NIR показала точность 94–97% на выборке примерно из 396 образцов.
  • Результаты получены в рецензируемом исследовании 2022 года.

Ограничения

  • Точность измерена в исследовании на примерно 396 образцах; она не показывает работу на винодельне в регулярных операциях.
  • Источник не указывает, какие пороки определяются точнее, и не приводит экономический эффект.

  1. [1] Vinum ex Machina

    Vinum ex Machina — Кейсбук, запись № 122

    партнёр · 29.09.2026

    Открыть источник

Архив Сообщить о неточности

АрхИИВ /strategai · CB-002670 · Версия 1 · 25.10.2026 · /c/CB-002670/ · Vinum ex Machina № 122