Una lengua electrónica identifica diferentes tipos de cerveza

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 Manel del Valle, autor principal del trabajo.

El concepto de lengua electrónica consiste en utilizar un conjunto de sensores genérico que generan un variado espectro de información

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.

El análisis permitió distinguir las grandes clases de cerveza estudiadas con un porcentaje de acierto del 81,9%

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.