Практическое применение метода машинного обучения для установления географического места происхождения вина

Введение. В связи с заметным повышением интереса потребителей к винам с защищенным географическим указанием (ЗГУ) и защищенным наименованием места происхождения (ЗНМП) особую актуальность приобретает разработка надежных методов подтверждения их географического происхождения. Несмотря на широкое применение в мировой практике комплексного анализа изотопных отношений, элементного профиля и методов машинного обучения, для российских вин отсутствуют научно обоснованные модели классификации, учитывающие особенности основных виноградо-винодельческих зон страны.

Цель. Установить возможность классификации образцов отечественный вин по месту их географического происхождения на основе комплексного анализа изотопных отношений углерода, кислорода и водорода этанола и элементного профиля с использованием методов машинного обучения.

Материалы и методы. Были отобраны 63 образца вин, произведенных в основных виноградо-винодельческих зонах России. Из них 20 образцов из Краснодарского края, 32 образца из Крыма, 7 образцов из Дагестана, 4 образца из Долины Дона. В данных образцах были измерены изотопные отношения δ13С, δ18O и δD выделенного этанола, а также 71 показатель массовых концентраций макро-, микроэлементов и редкоземельных металлов. В исследовании использовали модель Random Forest, в качестве метрик применяли precision, recall и f1-score, для получения доверительных интервалов метрик была использована стратифицированная k-fold кросс-валидация c 100 повторениями.

Результаты. После обучения и валидации модели, ее средняя точность составила 0,92 для Дагестана, 0,99 для Долины Дона, 0,82 для Краснодарского Края и 0,90 для Крыма. Наиболее важными для модели параметрами являлись показатели изотопных отношений элементов в составе молекул этанола, а также массовые концентрации Li, B, Cs, Sr, W, Ni, Sn. Среди редкоземельных металлов наиболее важными для модели являлись концентрации Dy, Lu, Yb, Tm, Ho, Y, La. 

Выводы. Полученные результаты показывают перспективность применения методов машинного обучения для задач аутентификации отечественной винодельческой продукции. Данная модель является основой для проведения классификации вин, произведенных в более ограниченных географических зонах, в том числе в виноградо-винодельческих районах и конкретных терруарах. 

1. Клименко, Л. В., & Кривошеева-Медянцева, Д. Д. (2024). Виноделие на Юге России: барьеры развития и стратегии позиционирования. Управленец, 15(1), 97-111. https://doi.org/10.29141/2218-5003-2024-15-1-7

2. Лисецкий, Ф.Н., Зеленская Е.Я. (2022). Ампелопедологические особенности географических районов виноградства Крыма. Почвоведение, 12, 1540-1556. https://doi.org/10.31857/S0032180X22600688

3. Петров, В.С., Алейникова, Г.Ю., Новикова, Л.Ю, Наумова, Л.Г., Лукьянова, А.А. (2019). Влияние изменений климата на фенологию винограда. Плодоводство и виноградарство Юга России, 57(03), 29–50. https://doi.org/10.30679/2219-5335-2019-3-57-29-50

4. Свиридов, Д.А., Ганин, М.Ю., Ильин, А.А., & Шмигельская Н.А. (2023). Изучение особенностей элементного профиля вин Бахчисарайского района Республики Крым. Пищевая промышленность, 8, 71-77. https://doi.org/10.52653/PPI.2023.8.8.013

5. Azcarate, S.M., Martinez, L.D, Savio, M., Camiña, J.M., & Gil R.A. (2015). Classification of monovarietal Argentinean white wines by their elemental profile. Food Control, 57, 268–274. https://doi:10.1016/j.foodcont.2015.04.025

6. Camin, F., Bontempo, L., Perini, M., Tonon, A., Breas, O., Guillou, C., Moreno-Rojas, J.M., & Gagliano, G. (2013). Control of wine vinegar authenticity through δ18O analysis. Food Control, 29(1), 107-111. https://doi:10.1016/j.foodcont.2012.05.055

7. Camin, F., Dordevic, N., Wehrens, R., Neteler, M., Delucchi, L., Postma, G., & Buydens, L. (2015). Climatic and geographical dependence of the H, C and O stable isotope ratios of Italian wine. Analytical Chimica Acta, 853(1), 384-390. https://doi:10.1016/j.aca.2014.09.049

8. Coetzee, P.P., Jaarsveld, FPVan, & Vanhaecke, F. (2014). Intraregional classification of wine via ICP-MS elemental fingerprinting. Food Chemistry, 164, 485–492. https://doi:10.1016/j.foodchem.2014.05.027

9. Dordevic, N., Wehrens, R., Postma, G.J., Buydens, L.M.C., & Camin, F. (2012). Statistical methods for improving verification of claims of origin for Italian wines based on stable isotope ratios. Analytica Chimical Acta, 757, 19-25. https://doi:10.1016/j.aca.2012.10.046

10. Dutra, S.V., Adami, L., Marcon, A.R., Carnieli, G.J., Roani, C.A., Spinelli, F.R., Leonardelli, S., & Vanderlinde, R. (2013). Characterization of wines according the geographical origin by analysis of isotopes and minerals and the influence of harvest on the isotope values. Food Chemistry, 141(3), 2148-2153. https://doi:10.1016/j.foodchem.2013.04.106

11. Fan, S., Zhong. Q., Gao, H., Wang, D., Li, G., & Huang, Z. (2018). Elemental profile and oxygen isotope ratio (δ18O) for verifying the geographical origin of Chinese wines. Journal of Food and Drug Analysis, 26(3), 1033–1044. https://doi:10.1016/j.jfda.2017.12.009

12. Farquhar, G.D., von Caemmerer, S., & Berry, J.A.A. (1980). Biochemical model of photosynthetic CO2 assimilation in leaves of C3 species. Planta, 149, 78–90. https://doi.org/10.1007/BF00386231

13. Frías, S., Pérez Trujillo, J., Peña, E. & Conde, E. (2001). Classification and differentiation of bottled sweet wines of Canary Islands (Spain) by their metallic content. European Food Research and Technology, 213, 145–149. https://doi.org/10.1007/s002170100344

14. Geana, I., Iordache, A., Ionete, R., Marinescu, A., Ranca, A., Culea, M. (2013). Geographical origin identification of Romanian wines by ICP-MS elemental analysis. Food Сhemistry, 138(2-3), 1125-1134. https://doi:10.1016/j.foodchem.2012.11.104

15. Gómez-Alonso, S. & García Romero, E. (2009). Effect of irrigation and variety on oxygen (δ18O) and carbon (δ13C) stable isotope composition of grapes cultivated in a warm climate. Australian Journal of Grape and Wine Research, 16(2), 283-289. https://doi:10.1111/j.1755-0238.2009.00089.x.

16. Gonzalvez, A., Llorens, A., Cervera, M.L., Armenta, S., & De la Guardia, M. (2009). Elemental fingerprint of wines from the protected designation of origin Valencia. Food Chemistry, 112, 26–34. https://doi:10.1016/j.foodchem.2008.05.043

17. Hardie, W., & Considine, J. (1976). Response of grapes to water-deficit stress in particular stages of development. American Journal of Enology and Viticulture, 27, 55–61. https://doi.org/10.5344/ajev.1976.27.2.55

18. Matthews, M., Ishii, R., Anderson, M., O’Mahony, M. (1990). Dependence of wine sensory attributes on wine water status. Journal of Science of Food and Agriculture, 51, 321–335. https://doi.org/10.1002/JSFA.2740510305

19. Castiñeira, M.D.M, Feldmann I, Jakubowski, N., & Andersson. J.T. (2004). Classification of German white wines with certified brand of origin by multielement quantitation and pattern recognition techniques. Journal Agricultural and Food Chemistry, 5, 2962–2974. https://doi:10.1021/jf035120f

20. Pepi, S. & Vaccaro, C., (2018). Geochemical fingerprints of “Prosecco” wine based on major and trace elements. Environmental Geochemistry and Health, 833-847. https://doi.org/10.1007/s10653-017-0029-0

21. Scheidegger, Y., Saurer, M., Bahn, M., & Siegwolf, R. (2000). Linking stable oxygen and carbon isotopes with stomatal conductance and photosynthetic capacity: A conceptual model. Oecologia, 125(3), 350-357. https://doi:10.1007/s004420000466

22. Shimizu, H., Akamatsu, F., Kamada, A., Koyama, K., Iwashita, K., & Goto-Yamamoto, N. (2020) Variation in the mineral composition of wine produced using different winemaking techniques. Journal of Bioscience and Bioengineering, 130, 2, 166–172. https://doi:10.1016/j.jbiosc.2020.03.012

23. Sobotovich, E.V., Florinsky I.V., Lysenko O.B., Grodzinsky D.M. (2010). Role of isotopes in the biosphere. Man and the Geosphere (pp. 33-68). New York: Nova Science Publishers. https://doi.org/10.13140/2.1.4787.9363

24. Soler, F., Garcia-Rodrigues, G., & Perez-Lopez, M. (2011). Characterization of “Ribera del Guadiana” and “Méntrida” Spanish red wines by chemometric techniques based on their mineral contents. Journal of food and nutrition research, 50(1), 41–49.

25. Temerdashev, Z. A. Abakumov A.G., Kaunova A.A., Shelud'ko O.N., & Tsyupko T.G. (2023). Assessment of quality and region of origin of wines. Journal of Analytical Chemistry, 78(12), 1724-1740. https://doi:10.1134/S1061934823120171

26. Titarenko, V.O., A.A. Khalafyan, A.A., Temerdashev, Z.A., Kaunova, A.A., & Abakumov. A.G. (2018). Identification of the varietal and regional origin of red wines by classification analysis. Journal of Analytical Chemistry, 73(2), 195-206. https://doi:10.1134/S1061934818020132