小编题注：

酿酒行业对于葡萄的质量有很高的的要求。根据小编调研，非侵入式的红外光谱技术应用于葡萄质量监测已行之有年，能够定量分析一些指标成分例如花青素、酚类、天冬氨酸、谷氨酸等。一项由德国政府资助的项目创新结合了中红外光谱分析技术和人工智能，将为葡萄栽培或其他农业领域的生产者提供实用的数字化工具。

       德国弗劳恩霍夫过程工程和包装研究所（Fraunhofer Institute for Process Engineering and Packaging IVV）近期启动了一个智能葡萄（SmartGrape）项目，结合使用红外光谱分析和人工智能（AI）来确认葡萄质量和成熟度。

       SmartGrape由德国联邦农业和食品办公室（BLE）和德国联邦食品和农业部（BMEL）资助，并与IRPC Infrared-Process Control GmbH、LiquoSystems GmbH、QuoData GmbH和 Weincampus Neustadt等公司合作进行。

       与所有农产品一样，葡萄的质量差异很大。许多外部因素，包括气候、土壤条件和收获时间，对葡萄的成分和葡萄酒的质量都有重大影响。正因为这些葡萄栽培中的多样性，最终产生了具有不同特色的各种葡萄酒。为了确保葡萄酒的原材料质量，需要根据选定的质量参数对葡萄进行监测。这个监测方法应该在不损害葡萄的前提下易于实施，并尽可能对葡萄成分提供大量信息。红外光谱正好满足了这些要求。

       红外光谱分析技术是一种非侵入式的光学技术，该方法利用目标分子对红外的吸收光谱来分析样品中的成分。该研究所表示，这使得红外光谱成为一种理想的媒介，可以用于认定是否当季葡萄符合酿造优质葡萄酒的要求。SmartGrape联合项目的目的是开发一种紧凑型测量系统，利用中红外范围的光谱分析达到快速、无损的葡萄质量检测。相较于过去其他利用红外光谱对葡萄质量的检测工作，SmartGrape使用了中红外波段（介于波长 2500 和 50,000 纳米之间）来检验葡萄的质量，而不是近红外波长（介于 780 和 2500 纳米之间）。该研究所指出，“中红外范围内的信息含量明显高于近红外，可以提供更完整、精确的信息。”

       中红外光谱分析技术生成的所有数据和伴随的化学分析需要复杂的计算与评估。在SmartGrape项目中，AI被用来记录和评估这些高维数据集。AI最大的好处是能够考虑非线性相关性和交互效应，比使用传统的数学和统计方法能够节省大量的时间。同时，这样的一个数据库系统可以允许多个用户的访问，透过一个友善的界面系统便可以助力葡萄栽培产业更大程度的数字化。

       将数据数字化还可以将数据用于更广泛的用途，SmartGrape所开发的系统提供的数字化平台将使得一些新方法和措施成为可能。例如，数据可以在德国联邦经济事务和能源部（BMWi）开发的数字生态系统中使用，这有助于整个产业链和价值链上的信息共享，包含农学家、农业机械行业到研究机构。这反过来又为流程优化创造了机会，以保护环境资源并确保农业部门的效率，尤其是考虑到气候变化带来的新挑战。举例来说，研究人员可以根据多个收获年份的葡萄质量变化记录，探讨外部影响因素（例如气候、土壤质量）的相关性及对葡萄成分的影响、并最终导致葡萄酒的质量变化。

参考文献

1. Arabella Mileham. “Smart grape: AI project to determine grape quality and ripeness could help in climate change battle”. The Drink Business, Aug. 2021. https://www.thedrinksbusiness.com/2021/08/smart-grape-ai-being-used-to-determine-grape-quality-and-ripeness-that-could-help-in-climate-change-battle/

2. “Application of AI based measurement systems for characterization of raw materials in viticulture”. https://www.ivv.fraunhofer.de/en/food/quality/smartgrape.html