摘要：随着全球经济和现代科技的快速发展,利用现代信息技术改造传统产业,为葡萄与葡萄酒产业经济实现可持续发展提供了技术支撑。本文通过分析国内外智能系统在葡萄与葡萄酒产业中应用案例,为人工智能对葡萄和葡萄酒产业的支撑、改造和助推发展进行阐述。人工智能已经在葡萄栽培管理、品种鉴别、烟雾污染评估、收获管理、产量估计、酿酒工艺决策、葡萄酒品质鉴定与推荐等方面进行应用。同时,对于人工智能在葡萄和葡萄酒产业中未来的应用前景进行了分析。
关键词：人工智能; 葡萄; 葡萄酒; 酿酒; 栽培; 品鉴;
Application and prospect analysis of artificial intelligence in grape and wine industry
LIU Xunju ZHENG Zhixin JIU Songtao XU Yan ZHANG Caixi
School of Agriculture and Biology, Shanghai Jiao Tong University UM-SJTU Joint Institute, Shanghai Jiao Tong University
Abstract：With the rapid development of economy and science and technology,using modern information technology to transform traditional industries is an inevitable trend for the leap-forward and sustainable development of the grape and wine industry economy.This article reviewed the research and application cases of domestic and foreign intelligent systems in the grape and wine industry,clarified the concept of artificial intelligence (AI),and summarized the current research and application of AI.AI has been applied in the processes of grape cultivation management,variety identification,smog pollution assessment,harvest management,yield estimation,winemaking process decision,wine quality identification and recommendation.The future of AI in grape and wine industry was further analyzed.
葡萄与葡萄酒的生产是一个传统的劳动密集型产业,随着全球人口的老龄化加速发展,以及现代科学技术进步带来的工作与生活方式快速变化,解决劳动力短缺和效率低下、破解生产过程的复杂性、提升流通环节和消费的智能化,成为葡萄和葡萄酒产业未来可持续发展的巨大挑战。中国作为亚洲第一大葡萄酒消费国,葡萄种植面积现已居全球二。据国际葡萄与葡萄酒组织(OIV)的统计数据显示,从2000年到2016年,中国的葡萄酒产量从10.50亿 L上升至13.22亿 L,比重从全球葡萄酒总产量的3.76%上升至4.80%,并保持缓慢增长。与此同时,中国的葡萄酒进口量从0.32亿 L迅速攀升至6.39亿 L,比重由全球总进口量的0.62%升至6.30%,并保持高速增长。虽然中国的葡萄酒出口量起伏波动较大,但仅占全球总出口量的0.06%左右,仍处于极低的水平(图1)。
21世纪信息技术飞速发展,利用现代信息技术改造传统产业,是葡萄与葡萄酒产业经济实现跨越式发展的必然趋势。人工智能(Artificial Intelligence,AI)通过分析研究人类智能活动的基本规律,建构一套能够模拟人类思维活动的人工系统,从而让机器智能替代人类完成一些基础性工作。该领域的研究包括机器人、机器视觉、人脸识别、语言识别、专家系统、自动规划、博弈、智能搜索、智能控制、遗传编程等。知识库系统(Knowledge Base System,KBS)在葡萄种植园的监管、葡萄酒酿造工艺的完善、葡萄酒品质的评价、营销方式等葡萄酒产业发展上具有广泛的应用前景[1]。KSB仅仅是人工智能和机器学习结合的一个实例,它几乎可以应用于葡萄酒产业的每个阶段,从监控葡萄园到提高生产效率,再到评价葡萄酒的质量与葡萄酒的销售。
1精准农业与葡萄种植
葡萄酒的品质很大程度上取决于葡萄原料是否优质,如何生产出优质高产的葡萄就是其中的关键。人工智能系统在葡萄生产中的研究与应用比比皆是,从葡萄园栽培管理、品种鉴别、烟雾污染评估,到收获管理和产量预测,各种智能系统层出不穷,这表明人工智能技术在葡萄酒产业发展中具有良好的发展潜力。
1.1栽培管理
图12000—2016年中国葡萄酒产量、进口量、出口量占全球的比重
精准农业系统是提高农场效率的战略核心,葡萄的种植也不例外[2]。澳大利亚葡萄酒公司与数字地球(Digital Globe)和Consilium Technology合作开发了一款农业地理空间人工智能软件——GAIA,它利用人工智能和数字地球的卫星图像库,可精确定位和监测澳大利亚各个葡萄园的生长状况。高分辨率卫星图像能提供有关植物细胞密度(PCD)和归一化差异植被指数(NDVI)的直接信息。深度学习神经网络使GAIA能够利用这些信息不断优化葡萄的种植方案。它既可以评估水肥状态,也可以预测病虫害,甚至可以预判果实品质。南澳科技公司Ailytic开发了一种使用规范分析技术简化葡萄酒生产的人工智能软件,这项人工智能研发技术已获得在阿德莱德(Adelaide)举办的2017年葡萄酒行业影响力奖(Wine Industry Impact Awards)的提名。当前,葡萄酒行业与人工智能方向早已密不可分,在葡萄病虫害防治中有许多功能强大的系统,例如,葡萄白粉病决策系统Dionys,葡萄蠹蛾综合病害管理专家系统Lobexp,葡萄粉虱病、葡萄霜霉病智能检测系统均能够协助葡萄园管理者进行栽培管理和病虫防治[3,4,5,6]。
1.2品种鉴别
葡萄品种繁多,肉眼很难区分,但精细的算法可以解决。1989年,Alleweldt和Dettweiler构建包含不同葡萄品种叶片、果实、种子特征的数据库,利用数学统计描述模型进行测验[7]。而后,人们只需通过比对待测葡萄的图像,就快速准确的鉴别葡萄品种信息[8,9]。可以将数据库上传至网络或保存至智能手机或平板电脑上,但遇见未知品种的葡萄时,用户只需要拍摄一张照片,在数据库中进行比对就可以准确识别。这一功能类似于微信公众号“识花君”,只需要拍摄一张植株的照片,即可自动识别植株的种类。
1.3烟雾污染评估
以森林大火附近的葡萄为原料生产的“烟雾污染”葡萄酒,具有令人不快的烟熏味和皮革味[10]。在生产上要准确判断哪些葡萄受到了污染是很困难的,因为它们与未受污染的葡萄差异很小。目前,区分葡萄是否被污染的主要方法是借助繁琐而昂贵的实验室分析,但成本昂贵且费时费力。在人工智能的协助下,一种搭载了热红外成像装置的无人机可以监测葡萄树冠的温度[11]。红外热成像是每个像素都是温度而不是光的度量图像。由于烟雾污染会破坏葡萄树冠的温度,因此测量葡萄树冠的温度并进行分析,就可以快速判断哪些植物受到了丛林火灾的影响,以便剔除这些劣质葡萄原料。
1.4收获管理
农业是世界工业的支柱,也是国家经济的重要组成部分。因此,农业科学创新和技术应用已成为支撑现代农业发展的重要力量[12]。通常,生产者通过到田间采集葡萄品尝或化学检测(糖分和酸度)来确定葡萄采收时间。2015年,日本软银集团旗下PS solutions公司开发的小型农业传感器E-Kakashi,不仅可以记录空气和地面温度、日照和累计温度等数据信息,还能够分析这些数据,及时提醒生产者合适的葡萄收获时间[13]。E-Kakashi最大的优势是它拥有先进的人工智能技术,可将专业的数据分析与生产者的经验相结合,并通过在葡萄园内分散多部传感器来降低误差,既可收集分析当地风土环境的大数据,也有助于建立不同产地葡萄酒的品牌特性。
1.5产量预测
产量信息对任何作物来说都是非常重要的,但由于要考虑的因素太多,例如气候、病虫、水肥管理等,要准确预测作物的产量并非易事。预估产量,对于生产者规划收获和物流安排尤为重要。通过人工智能测量的叶片色彩分布、每株葡萄的穗数、每穗浆果的数量和浆果的重量等生长指标,然后将其推广到整个园地,能够快速预测大致的产量[14]。此外,从特定的葡萄园获取历史数据,如土壤数据、管理数据、气象信息和每个季度的实际产量,将其输入机器学习模型中,能够从生长的早期阶段预测下一个阶段的产量。除此之外,人工智能还可以预测当年酿酒所需的材料和成本。只要统计分析历年的葡萄产量、气候、人力财力开销等数据,建立合适的模型从而进行预测。之后只要输入已有的各项数据,就可以预测当季酿造所需的原材料等数据,如需要雇佣的人员数、需要准备的发酵罐、木桶数、最佳酿造时间和预期品质,等等。这些数据模型的应用,可以大大降低成本,提高效益。
2 AI与葡萄酒酿造
采用各种物理、化学及生物等手段,将葡萄原料潜在质量表现出来的过程就是葡萄酒的酿造。人工智能在酿造工艺流程设计、计算机勾兑方案最优化等方面均有很好的应用[15,16]。而在酿造过程中,发酵迟缓严重影响葡萄酒的品质。发酵控制的改进降低品质风险,但停止发酵的经济成本仍然很高。酵母、缺氮、硫胺耗竭、缺氧和杀虫剂残留等均会导致发酵停滞[17]。因此,很难准确预测发酵延缓的原因。而处理这种多参数的难题正是人工智能的强大优势。群体数据处理方法适用于非线性、复杂或鲜为人知的过程。它构建一个多项式模型,可将数据处理方法与神经网络进行融合进而预测酒精发酵动力学。
据Global NEWS报道,美国加州的两位红酒爱好者James和Boyer于2014年开发可通过手机控制的容器“Miracle Machine”,它利用水、酵母和葡萄浓缩汁来发酵酿酒,并通过这个App程序加以控制,能酿造出具有典型果香和风味的葡萄酒。该程序既能适合苹果iOS系统,也兼容Android系统,只需把原材料加入机器,然后通过该App选择自己需要的葡萄酒风格,程序可自动控制发酵,并在发酵完成之后发出指令。试验表明,用这样的机器酿造出来的葡萄酒与使用传统发酵方式酿造的葡萄酒风味基本一致,但是售价才2美元/瓶,非常具有竞争力。虽然这款产品在传统意义上并不能算得上葡萄酒,但是它无疑为葡萄酒酿造带来了全新的思路。
3 AI品酒师
同一本书,一千个读者的心中便有一千个哈姆雷特;同一杯酒,一千个品酒师便有一千种评价。味蕾上的味觉感受分子对于某些化学物质呈现特殊的感觉就是人的味觉。人工智能并没有“味觉”,但AI品酒师,在嗅觉与味觉传感器技术的辅助下,可区别来自不同生产商、生产年份和不同葡萄品种的葡萄酒[18,19],同时能鉴别不同品牌、不同等级的葡萄酒,因为它可以精准测量出葡萄酒中各种对味蕾产生刺激的物质含量[20,21]。每个人的味蕾对于某些物质敏感度的差异可能导致品酒师对同一款葡萄酒的主观评价不同,但AI品酒师不会存在任何的主观误差,能够直接获取真实可靠的统计数据,消费者可以根据AI品酒师给出的葡萄酒成分和比重选出最适合自己口味的酒款[22,23]。
4 AI侍酒师
几十年来,许多葡萄酒爱好者均有这样的焦虑:市场上的葡萄酒种类繁多,到底哪些葡萄酒适合我?如今,有了人工智能的辅助,你不必再和葡萄酒销售员尴尬地交谈,可通过与AI侍酒师沟通来挑选最适合自己的葡萄酒。AI侍酒师的优势在于其强大的数据处理能力和对数据的忠诚度。目前市场上已有很多AI侍酒师,例如,iWine App、Wineapp、也买酒、红酒世界,等等,随着AI的不断发展,它们的功能将更加强大,以提供更加个性化的服务。
4.1 Wine Ring
Wine Ring成立于2010年,总部位于纽约雪城。Wine Ring数据库中含有50万个标签,包括5万多个品牌以及上千个葡萄品种,可为消费者提供个性化的葡萄酒选择体验。与其他基于配对或专家评分提供葡萄酒购买建议的应用程序不同,Wine Ring是根据消费者的个人喜好提供建议。这款应用程序使用先进的算法,根据你对葡萄酒的评级来建立个人档案,然后根据你的口味档案来推荐葡萄酒。消费者参与评价的酒越多,应用的配置信息就越准确,AI侍酒师推荐的酒也就越适合消费者的偏好。目前,Wine Ring已升级至V.1.1.6版本,可免费在安卓手机客户端安装使用。
4.2 Google
谷歌推出的“我的葡萄酒指南”也可为消费者提供葡萄酒购买建议。虽然“我的葡萄酒指南”目前在深度人工智能和个性化的葡萄酒建议方面仍有所欠缺,但它的优势在于可将简单的对话格式与基于计算机的葡萄酒查询集成在一起。展望未来,“我的葡萄酒指南”可能会变得更加实用,它可能会采纳食物搭配建议,然后为你提供各种不同价位的葡萄酒进行搭配推荐。
4.3 Vivino
号称拥有世界上最大的葡萄酒数据库的Vivino,包含近4亿款酒标,拥有超过1000万款葡萄酒,囊括近3000个葡萄酒产区的20万个酒庄信息,已为全球3000万用户服务,是全球排名第一的葡萄酒识别应用。Vivino中已有6700万条葡萄酒评分,2200万条酒评,利用标签识别技术来帮助消费者选购合适的葡萄酒。使用Vivino,用户只需拍下他们感兴趣的葡萄酒标签照片,就能立即从用户社区获得葡萄酒的评级、平均价格和相关评论。系统会自动跟踪和整理消费者对酒款的评分和评论,探索建立个人的葡萄酒品味,随时为消费者推荐合适的酒届新秀。人工智能的发展已将消费者偏好和葡萄酒选购联系得更加紧密。
5展望
经济全球化的发展、大数据时代的到来和机器学习的兴起更是大大推动了AI的研究与应用。全球葡萄种植产业欣欣向荣,葡萄酒行业具有良好的发展潜力。随着国际葡萄酒市场的竞争加剧,葡萄酒产业信息化是产业兴盛的关键。AI在葡萄酒产业中的应用还有许多,例如,智能葡萄酒瓶Kuvée,可保证开瓶后葡萄酒保鲜30 d以上,还可连接WiFi,为消费者订购葡萄酒给出个性化的推荐以及分享餐酒搭配技巧[24];新潮团队创建的Sicao智能酒柜,既提供了恒温恒湿的储藏环境,还能提供智能销售和储酒信息管理业务;Aveine推出的一款智能葡萄酒醒酒器Aerator,可通过设置精确地醒酒时间,精准满足消费者所需的开味程度;Coravin智能取酒器,既可提高葡萄酒保存时间,也可实时监测瓶内剩余气体量等。AI是一个发展中的高科技产业,虽然它可能存在数据误差等缺点,但是随着科技不断进步,AI在葡萄酒产业中的应用将会越来越多:通过多方协作,建立更加完善的数据库;借助现代计算机技术,优化生产流程;联系基础理论和新兴技术,开发更加系统化、产业化、专业化的智能控制系统。
参考文献
[1]FERNANDES A M,UTKIN A B,EIRAS-DIAS J,et al.Grapevine variety identification using "Big Data" collected with miniaturized spectrometer combined with support vector machines and convolutional neural networks[J].Computers and Electronics in Agriculture,2019,163.
[2]WARNEKE B,PSCHEIDT J W,ROSETTA R L,et al.Out of the box and through the rows:intelligent spray systems research on grape and hazelnut at Oregon state university[C]//American Phytopathological Society (APS) Pacific Division Meeting,2019,109(11)S.
[3]HAIGUANG W,GUANLIN L,ZHANHONG M.Image recognition of plant diseases based on principal component analysis and neural networks[C]//2012 8th International Conference on Natural Computation,2012:246-251.
[4]MOLEAS T,LAGIOIA R.Lobexp expert system for grape moth integrated pest management[J].Difesadelle Piante (Italy),1994,16(1-2):25-32.
[5]MOHAMMADPOOR M,NOOGHABI M G,AHMEDI Z.An intelligent technique for grape fanleaf virus detections[C]//International Journal of Interactive Multimedia and Artificial Intelligence,2020,6(1):62-67.
[6]SREMAC A F,LALIC B,MARCIC M,et al.Toward a weather-based forecasting system for fire blight and downy mildew[J].Atmosphere,2019,9(12):484.
[7]ALLEWELDT G,DETTWEILER E.A model to differentiate grapevine cuhivars with the aid of morphological characteristics[J].Rivista di Viticohura e di Enologia (Conegliano),1989,42(1):59-63.
[8]COSTACURTA A,CALO A,CARRARO R,et a1.Computer aided methods for the characterization of varieties[J].Rivistadi Viticohura e di Enologia,1996,49(1):27-34.
[9]ANG L M,SENG KP,GE F L.Natural inspired intelligent visual computing and its application to viticulture[J].Sensors,2017,17(6):1186.
[10]CAFFREY A,LERNO L,RUMBAUGH A,et al.Changes in smoke-taint volatile-phenol glycosides in wildfire smoke-exposed 'Cabernet Sauvignon' grapes throughout winemaking[J].American Journal of Enology and Viticulture,2019,70(4):373-381.
[11]FUENTES S,TONGSON EJ,DE B R,et al.Non-invasive tools to detect smoke contamination in grapevine canopies,berries and wine:a remote sensing and machine learning modeling approach[J].Sensors.2019,19(15):3335.
[12]ROBERT P,KUMAR B N,POORNIMA U S,et al.Implementation of technology in indian agricultural scenario[C]//Proceedings of the 3rd International Conference on Frontiers of Intelligent Computing:Theory and Applications (FICTA),2015(2):165-174.
[13]YAMAGUCHI N,SAKAI Y,SHIRAISHI T,et al.E-kakashi project,an agri sensor network using ad hoc network technology[C]//SICE 2011-50th Annual Conference of the Society of Instrument and Control Engineers of Japan,2011:2808-2810.
[14]POTHEN Z,NUSKE S.Automated assessment and mapping of grape quality through image-based color analysis[C]//5th IFAC Conference on Sensing,Control and Automation Technologies for Agriculture (AGRICONTROL),2016,49(12):76-78..
[15]MULJARTO A R,SALMON J M,CHARNOMORDIC B,et al.A generic ontological network for Agri-food experiment integration-Application to viticulture and winemaking[J].Computers and Electronics in Agriculture,2017,140:433-442.
[16]曹宝林.葡萄酒的勾兑及其优化系统的实现[J].中外葡萄与葡萄酒,2000(2):60-61.
[17]马步云.基于人工蜂群算法的葡萄酒发酵温度自动控制技术研究[D].天津工业大学,2016.
[18]RIUL A,SOUSA D E,M ALMEGRIM H C,et a1.Wine classification by taste sensors made from ultra-thin film sand using neural networks[J].Sensors and Actuators B,2004,98(1):77-82.
[19]MHATRE G R,DAURAI B,MUDHALWADKAR R P.Development of electronic tongue for classification of wine with sampling system[C]//2017 International Conference on Intelligent Computing and Control (I2C2).Proceedings,2017.
[20]CHUNG S,PARK T S,PARK S H,et al.Colorimetric sensor array for white wine tasting[J].Sensors,2015,15(8):18197-18208.
[21]AGUILERA T,LOZANO J,PAREDES J A,et al.Electronic nose based on independent component analysis combined with partial least squares and artificial neural networks for wine prediction[J].Sensors,2012,12(6):8055-8072.
[22]DE SOUSA H C,JR A R.Using MLP networks to classify red wines and water readings of an electronic tongue[C]// VII Brazilian Symposium on Neural Networks,IEEE Computer Society,2002:13-18.
[23]LEONARDI G.PORTINALE L.Applying machine learning to high-quality wine identification[C]//Conference of the Italian Associaton for Artificial Intelligence,2017:31-43.
[24]霍太茹.全球首个“智能葡萄酒瓶”将问世[J].中国酒,2015(8):75.
