La inteligencia artificial permite predecir la textura del vino a partir de datos químicos
La dificultad de medir el mouthfeel
La percepción de la textura del vino, conocida como mouthfeel, es uno de los aspectos más complejos de evaluar en enología. Más allá del aroma y el sabor, esta sensación táctil en boca ha dependido tradicionalmente de la valoración de paneles de catadores entrenados, un proceso que requiere tiempo y un alto grado de especialización.
Una vía complementaria basada en inteligencia artificial
Un estudio reciente desarrollado por investigadores del Instituto de Ciencias de la Vid y del Vino (ICVV), en colaboración con la University of Adelaide y la Universidad de Zaragoza, plantea una aproximación complementaria basada en el uso de inteligencia artificial. El trabajo combina mediciones químicas sencillas con algoritmos de aprendizaje automático para predecir las propiedades sensoriales del vino de forma rápida, económica y reproducible.
Vinos analizados y metodología aplicada
La investigación analizó 30 vinos tintos comerciales procedentes de Australia y España. Estos vinos fueron evaluados sensorialmente por un panel de 15 enólogos mediante la metodología rate-all-that-apply. En paralelo, se recopilaron datos químicos utilizando técnicas como la voltametría, las matrices de excitación-emisión y la absorbancia UV-visible.
A partir del análisis multivariante de los resultados, los investigadores identificaron cuatro dimensiones sensoriales clave que permiten diferenciar la textura de los vinos tintos: carácter secante, cuerpo, sensación aterciopelada y carácter gomoso.
Modelos predictivos y nivel de precisión
Sobre esta base se aplicaron modelos de regresión mediante algoritmos de aprendizaje automático, en concreto Random Forest y Extreme Gradient Boosting (XGBoost). Ambos modelos mostraron un rendimiento superior al de métodos lineales tradicionales, alcanzando niveles de precisión superiores al 80 % en la predicción de los atributos táctiles a partir de los datos químicos.
Aunque el modelo XGBoost ofreció resultados ligeramente mejores, el estudio destaca que Random Forest presenta ventajas prácticas, como un menor coste computacional, menor riesgo de sobreajuste y una implementación más sencilla fuera del ámbito estrictamente académico.
Aplicaciones prácticas para bodegas y laboratorios
Los resultados indican que es posible predecir de forma fiable las sensaciones táctiles del vino a partir de señales químicas rápidas y accesibles. Esta aproximación no pretende sustituir la evaluación sensorial, sino complementarla con una herramienta objetiva y consistente.
Para bodegas y laboratorios, este enfoque abre nuevas posibilidades en ámbitos como el control de calidad, el seguimiento del envejecimiento del vino, la selección de lotes y ensamblajes o el desarrollo de perfiles estilísticos definidos.
El estudio completo ha sido publicado en la revista Food Quality and Preference y se ha desarrollado con financiación de programas de investigación nacionales e internacionales.
