¿Negra, Lager, doble malta, Pilsen, alsaciana? Investigadores de la Universidad Autónoma de Barcelona han conseguido distinguir con una lengua electrónica distintas variedades y marcas de cerveza con un porcentaje de acierto de un 82%. Su sistema podría dotar de gusto a robots catadores. Lo han patentado con universidades californianas.
La cerveza es la bebida alcohólica más antigua y de mayor consumo en el mundo. Ahora, científicos de la Universidad Autónoma de Barcelona han liderado un estudio que analiza diferentes marcas de cerveza gracias a la aplicación de un nuevo concepto en sistemas de análisis, conocido como lengua electrónica, que toma su idea del sentido humano del gusto.
“El concepto de lengua electrónica consiste en utilizar un conjunto de sensores genérico, es decir con respuesta general a los diversos compuestos químicos implicados, que generan un variado espectro de información con herramientas avanzadas de procesamiento, de reconocimiento de pautas o incluso redes neuronales artificiales”, explica a SINC Manuel del Valle, autor principal del trabajo, publicado en Food Chemistry.
En este caso, el conjunto de sensores estaba formado por 21 electrodos selectivos a iones, incluyendo algunos con respuesta a cationes (amonio, sodio), otros con respuesta aniones (nitrato, cloruro, etc.), así como electrodos con respuesta genérica (no específica) a las especies consideradas.
Los autores comprobaron la respuesta multidimensional generada por el conjunto de sensores y cómo esta era influenciada por el tipo de cerveza considerado. Un primer análisis ya permitió realizar un cambio de coordenadas para visualizar mejor el agrupamiento, aunque no fue efectivo como clasificador.
“El empleo de herramientas más potentes –el aprendizaje supervisado– y el análisis por discriminante lineal sí permitió distinguir las grandes clases de cerveza estudiadas: negra, Lager, doble malta, Pilsen, Alsaciana y bajas en alcohol”, afirma Del Valle. “Y con un porcentaje de acierto del sistema del 81,9%”.
Además, hay que destacar que las cervezas de alguna variedad no adiestrada, como una clara o firmas foráneas, no fueron identificadas (muestras discrepantes), lo que según los expertos da valor al sistema al no reconocerse las marcas para las que no fue entrenado.
Robots con sentido del gusto
En vista de la ordenación de las variedades, que seguía el contenido alcohólico declarado, los científicos estimaron dicho contenido con un modelo numérico desarrollado con una red neuronal artificial.
“Esta aplicación se podría considerar un sensor por software, ya que el etanol presente no da respuesta directa a los sensores utilizados, que solo responden a los iones presentes en la solución”, subraya el investigador.
Tal y como apuntan las conclusiones del estudio, dichas herramientas pueden suministrar algún día sentido del gusto a los robots, e incluso suplir paneles de cata en la industria alimentaria para aumentar así la calidad y fiabilidad de los productos de consumo.
De momento, estos sensores ya han captado el interés de laboratorios estadounidenses. Así, se han hecho patentes conjuntas entre la Universidad de California y la Universidad Autónoma de Barcelona para su utilización.
Referencia bibliográfica:
Xavier Cetó, Manuel Gutiérrez-Capitán, Daniel Calvo, Manel del Valle. “Beer classification by means of a potentiometric electronic tongue”. Food Chemistry
Estos trabajos están financiados mediante el MINECO y los proyectos de i+D CTQ 2010-17099, y a través del programa ICREA Academia.
