Resumen de Aplicaciones de una nariz electrónica al control de calidad de vinos espumosos durante la segunda fermentación y la crianza sobre lías

Rafael Martínez García, María Teresa García Martínez, Juan José Moreno Vigara

• español

  Se aplicó una nariz electrónica (E-nose), para la clasificación de vinos espumosos durante dos fases de su elaboración por el método Champenoise. En un primer estudio se evaluó la capacidad discriminante de E-nose para el seguimiento de la segunda fermentación en botella de los vinos elaborados con dos cepas de levadura. El segundo estudio se centró en el tiempo de crianza sobre lías de vinos elaborados con una cepa de levadura, inoculada en formato libre o inmovilizada como biocápsulas. El análisis de componentes principales (PCA) aplicado a las señales obtenidas, establece dos PC que explican el 84,7 % y 92 % de la varianza total y agrupa los vinos de cada fase en función del tiempo de fermentación y del tiempo de crianza bajo lías, respectivamente. El análisis discriminante por mínimos cuadrados parciales (PLSDA) aplicado a la fermentación clasifica correctamente el 100 % de las muestras según la cepa de levadura y el 83,3 % según el tiempo defermentación; mientras que los modelos aplicados a la crianza, clasifican el 100% de muestras según el tiempo y formato usados, evidenciándose la necesidad de hacer más ensayos para mejorar la especificidad, calibración, precisión y robustez de los modelos durante la fermentación.

• English

  An electronic nose (E-nose) was applied to classify sparkling wines make by the Champenoise method during two phases of their elaboration. In a first study, the discriminating capacity of E-nose was evaluated for monitoring the second fermentation in the bottle of wines made with two yeast strains. The second study was focused on the aging time on lees of wines made with a yeast strain, inoculated in free format or immobilized as biocapsules. The principal component analysis (PCA) applied to the E-nose signals provided by the sensors, based in quartz micro-balances, established two PCs that explain 84.7% and 92% of the total variance and groups the wines of both phases, according the fermentation time and the aging time on lees, respectively. The partial least squares discriminant analysis (PLSDA) applied to fermentation correctly classify 100% of the samples according to the yeast strain and 83.3% according to the fermentation time; while the models applied to aging classify 100% of the samples according to the time and inoculation format used. Further studies are needed in order to improve the calibration specificity, accuracy and robustness of the discriminant models during fermentation.