Удосконалення методів визначення якості коньяку та бренді з використанням штучного інтелекту

Abstract

Метою магістерської кваліфікаційної роботи є вдосконалення методів визначення якості бренді та коньяку шляхом розробки сенсорної системи з елементами штучного інтелекту. У роботі представлено аналіз традиційних методів контролю, визначено ключові хімічні маркери витримки (ванілін, сирингальдегід, фенольні сполуки) та запропоновано алгоритм їх цифрової оцінки. Розроблено прототип мікроконтролерної сенсорної системи з вбудованими класифікаторами (MLP, Random Forest, XGBoost), що забезпечує оперативну ідентифікацію віку та автентичності зразків. Система протестована на основі реальних зразків бренді, досягнуто точності класифікації понад 91?%. Економічне моделювання довело, що впровадження забезпечує зниження витрат у 5–7 разів у порівнянні з хроматографією, а строк окупності становить до 6 місяців. Результати дослідження можуть бути використані для створення цифрових систем якості в харчовій промисловості відповідно до вимог HACCP, ISO 22000 та PGI/PDO.

The objective of the master's thesis is to improve the methods of assessing the quality of cognac and brandy through the development of a sensor system enhanced by artificial intelligence. The work includes an overview of traditional quality control techniques, identification of key ageing markers (vanillin, syringaldehyde, phenolic compounds), and a proposed algorithm for their automated evaluation. A prototype microcontroller-based sensor system with embedded classifiers (MLP, Random Forest, XGBoost) was developed to ensure fast and reliable recognition of age and authenticity. The system was validated on real brandy samples, achieving classification accuracy above 91%. Economic modeling confirmed a 5–7-fold reduction in costs compared to chromatographic analysis, with a return on investment within six months. The results can be applied to digital quality assurance systems in the food and beverage industry in compliance with HACCP, ISO 22000, and PGI/PDO standards.