Un enfoque de inteligencia artificial para estimar la turbidez del vino artesanal y la dosificación de agentes clarificantes
El vino tinto es una bebida consumida en todo el mundo y contiene sólidos en suspensión que provocan turbidez. El objetivo del estudio era modelar matemáticamente la turbidez estimada en vinos artesanales en función de la dosis y los tipos de agentes de clarificación, basándose en estudios previos q...
Na minha lista:
| Autor principal: | |
|---|---|
| Outros Autores: | , , , , |
| Formato: | article |
| Idioma: | eng |
| Publicado em: |
2024
|
| Assuntos: | |
| Acesso em linha: | https://repositorio.utn.edu.ec/handle/123456789/18294 https://www.mdpi.com/2076-3417/14/11/4416 |
| Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
Adicionar Tag | _version_ | 1858969170263146496 |
|---|---|
| author | De La Cruz Rojas, Erika Mishell |
| author2 | Nuñez Pérez, Jimmy Lara Fiallos, Marco Vinicio Pais Chanfrau, José Manuel Espín Valladares, Rosario Del Carmen De la Vega Quintero, Juan Carlos |
| author2_role | author author author author author |
| author_facet | De La Cruz Rojas, Erika Mishell Nuñez Pérez, Jimmy Lara Fiallos, Marco Vinicio Pais Chanfrau, José Manuel Espín Valladares, Rosario Del Carmen De la Vega Quintero, Juan Carlos |
| author_role | author |
| collection | Repositorio Universidad Técnica del Norte |
| dc.contributor.none.fl_str_mv | https://orcid.org/0000-0001-6808-4886 https://orcid.org/0000-0003-2713-8395 https://orcid.org/0000-0003-2829-543X https://orcid.org/0000-0002-2634-1482 https://orcid.org/0000-0002-8451-7108 |
| dc.coverage.none.fl_str_mv | Ibarra. Ecuador |
| dc.creator.none.fl_str_mv | De La Cruz Rojas, Erika Mishell Nuñez Pérez, Jimmy Lara Fiallos, Marco Vinicio Pais Chanfrau, José Manuel Espín Valladares, Rosario Del Carmen De la Vega Quintero, Juan Carlos |
| dc.date.none.fl_str_mv | 2024-05-23 2025-12-15T16:26:03Z 2025-12-15T16:26:03Z 2025-12-15 |
| dc.identifier.none.fl_str_mv | 2076-3417 https://repositorio.utn.edu.ec/handle/123456789/18294 https://www.mdpi.com/2076-3417/14/11/4416 |
| dc.language.none.fl_str_mv | eng |
| dc.rights.none.fl_str_mv | Atribución-NoComercial-CompartirIgual 3.0 Ecuador http://creativecommons.org/licenses/by-nc-sa/3.0/ec/ info:eu-repo/semantics/openAccess |
| dc.source.none.fl_str_mv | reponame:Repositorio Universidad Técnica del Norte instname:Universidad Técnica del Norte instacron:UTN |
| dc.subject.none.fl_str_mv | MODELO CLARIFICACIÓN NEURAL NETWORK CLARIFICATION |
| dc.title.none.fl_str_mv | Un enfoque de inteligencia artificial para estimar la turbidez del vino artesanal y la dosificación de agentes clarificantes An Artificial Intelligence Approach for Estimating the Turbidity of Artisanal Wine and Dosage of Clarifying Agents |
| dc.type.none.fl_str_mv | info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/article |
| description | El vino tinto es una bebida consumida en todo el mundo y contiene sólidos en suspensión que provocan turbidez. El objetivo del estudio era modelar matemáticamente la turbidez estimada en vinos artesanales en función de la dosis y los tipos de agentes de clarificación, basándose en estudios previos que presentaron resultados positivos. Se elaboraba vino de uva borgoña (Vitis lambrusca) y se clarificaba con 'yausabara' (Pavonia sepium) y bentonita en diferentes concentraciones. El sistema fue modelado utilizando varios modelos de aprendizaje automático, incluyendo las aplicaciones Neural Net Fitting y Regression Learner de MATLAB. Los resultados mostraron que la validación de la red neuronal entrenada con el algoritmo de Levenberg–Marquardt obtuvo indicadores estadísticos significativos, como el coeficiente de determinación (R2) de 0,985, error cuadrático medio (MSE) de 0,004, error cuadrático medio raíz normalizado (NRSME) de 6,01 y criterio de información de Akaike (AIC) de −160,12, seleccionándolo como modelo representativo del sistema. Presenta una alternativa objetiva y sencilla para medir la turbidez del vino, útil para enólogos artesanales que pueden mejorar la calidad y la consistencia. |
| eu_rights_str_mv | openAccess |
| format | article |
| id | UTN_8202c39a3fbc2e6f4a8171eeacfa4d82 |
| identifier_str_mv | 2076-3417 |
| instacron_str | UTN |
| institution | UTN |
| instname_str | Universidad Técnica del Norte |
| language | eng |
| network_acronym_str | UTN |
| network_name_str | Repositorio Universidad Técnica del Norte |
| oai_identifier_str | oai:repositorio.utn.edu.ec:123456789/18294 |
| publishDate | 2024 |
| reponame_str | Repositorio Universidad Técnica del Norte |
| repository.mail.fl_str_mv | . |
| repository.name.fl_str_mv | Repositorio Universidad Técnica del Norte - Universidad Técnica del Norte |
| repository_id_str | 4189 |
| rights_invalid_str_mv | Atribución-NoComercial-CompartirIgual 3.0 Ecuador http://creativecommons.org/licenses/by-nc-sa/3.0/ec/ |
| spelling | Un enfoque de inteligencia artificial para estimar la turbidez del vino artesanal y la dosificación de agentes clarificantesAn Artificial Intelligence Approach for Estimating the Turbidity of Artisanal Wine and Dosage of Clarifying AgentsDe La Cruz Rojas, Erika MishellNuñez Pérez, JimmyLara Fiallos, Marco VinicioPais Chanfrau, José ManuelEspín Valladares, Rosario Del CarmenDe la Vega Quintero, Juan CarlosMODELOCLARIFICACIÓNNEURAL NETWORKCLARIFICATIONEl vino tinto es una bebida consumida en todo el mundo y contiene sólidos en suspensión que provocan turbidez. El objetivo del estudio era modelar matemáticamente la turbidez estimada en vinos artesanales en función de la dosis y los tipos de agentes de clarificación, basándose en estudios previos que presentaron resultados positivos. Se elaboraba vino de uva borgoña (Vitis lambrusca) y se clarificaba con 'yausabara' (Pavonia sepium) y bentonita en diferentes concentraciones. El sistema fue modelado utilizando varios modelos de aprendizaje automático, incluyendo las aplicaciones Neural Net Fitting y Regression Learner de MATLAB. Los resultados mostraron que la validación de la red neuronal entrenada con el algoritmo de Levenberg–Marquardt obtuvo indicadores estadísticos significativos, como el coeficiente de determinación (R2) de 0,985, error cuadrático medio (MSE) de 0,004, error cuadrático medio raíz normalizado (NRSME) de 6,01 y criterio de información de Akaike (AIC) de −160,12, seleccionándolo como modelo representativo del sistema. Presenta una alternativa objetiva y sencilla para medir la turbidez del vino, útil para enólogos artesanales que pueden mejorar la calidad y la consistencia.N/ARed wine is a beverage consumed worldwide and contains suspended solids that cause turbidity. The study’s purpose was to mathematically model estimated turbidity in artisanal wines concerning the dosage and types of fining agents based on previous studies presenting positive results. Burgundy grape wine (Vitis lambrusca) was made and clarified with ‘yausabara’ (Pavonia sepium) and bentonite at different concentrations. The system was modelled using several machine learning models, including MATLAB’s Neural Net Fitting and Regression Learner applications. The results showed that the validation of the neural network trained with the Levenberg–Marquardt algorithm obtained significant statistical indicators, such as the coefficient of determination (R2) of 0.985, mean square error (MSE) of 0.004, normalized root mean square error (NRSME) of 6.01 and Akaike information criterion (AIC) of −160.12, selecting it as the representative model of the system. It presents an objective and simple alternative for measuring wine turbidity that is useful for artisanal winemakers who can improve quality and consistency.https://orcid.org/0000-0001-6808-4886https://orcid.org/0000-0003-2713-8395https://orcid.org/0000-0003-2829-543Xhttps://orcid.org/0000-0002-2634-1482https://orcid.org/0000-0002-8451-71082025-12-15T16:26:03Z2025-12-15T16:26:03Z2024-05-232025-12-15info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/article2076-3417https://repositorio.utn.edu.ec/handle/123456789/18294https://www.mdpi.com/2076-3417/14/11/4416engIbarra. EcuadorAtribución-NoComercial-CompartirIgual 3.0 Ecuadorhttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/info:eu-repo/semantics/openAccessreponame:Repositorio Universidad Técnica del Norteinstname:Universidad Técnica del Norteinstacron:UTN2025-12-15T16:26:03Zoai:repositorio.utn.edu.ec:123456789/18294Institucionalhttp://repositorio.utn.edu.ec/Universidad públicahttps://www.utn.edu.ec/http://repositorio.utn.edu.ec/oai.Ecuador...opendoar:41892025-12-15T16:26:03Repositorio Universidad Técnica del Norte - Universidad Técnica del Nortefalse |
| spellingShingle | Un enfoque de inteligencia artificial para estimar la turbidez del vino artesanal y la dosificación de agentes clarificantes De La Cruz Rojas, Erika Mishell MODELO CLARIFICACIÓN NEURAL NETWORK CLARIFICATION |
| status_str | publishedVersion |
| title | Un enfoque de inteligencia artificial para estimar la turbidez del vino artesanal y la dosificación de agentes clarificantes |
| title_full | Un enfoque de inteligencia artificial para estimar la turbidez del vino artesanal y la dosificación de agentes clarificantes |
| title_fullStr | Un enfoque de inteligencia artificial para estimar la turbidez del vino artesanal y la dosificación de agentes clarificantes |
| title_full_unstemmed | Un enfoque de inteligencia artificial para estimar la turbidez del vino artesanal y la dosificación de agentes clarificantes |
| title_short | Un enfoque de inteligencia artificial para estimar la turbidez del vino artesanal y la dosificación de agentes clarificantes |
| title_sort | Un enfoque de inteligencia artificial para estimar la turbidez del vino artesanal y la dosificación de agentes clarificantes |
| topic | MODELO CLARIFICACIÓN NEURAL NETWORK CLARIFICATION |
| url | https://repositorio.utn.edu.ec/handle/123456789/18294 https://www.mdpi.com/2076-3417/14/11/4416 |