基于光谱重建技术的白酒大曲发酵水分实时在线检测研究：MST++网络与SVR模型的创新应用

为解决传统白酒大曲发酵水分检测效率低、缺乏实时性的问题，研究人员提出了一种基于多阶段光谱Transformer网络（MST++）的高光谱重建技术，结合多元散射校正（MSC）预处理和支持向量回归（SVR）模型，实现了大曲水分的快速精准检测。该方法将数据处理时间从18.728秒缩短至0.795秒，效率提升95.755%，为发酵食品无损分析提供了新思路。

　　

在传统白酒酿造工艺中，大曲作为糖化剂、发酵剂和增香剂，其质量直接影响白酒的风味与品质。而水分含量作为大曲发酵过程中的关键指标，不仅调控微生物活性与酶代谢，还决定了风味物质的生成。然而，传统重量法检测耗时费力，无法满足现代白酒产业智能化、高吞吐量的生产需求。尽管高光谱成像（HSI）技术能整合光谱与空间信息，但其高昂成本、操作复杂性和环境敏感性限制了工业场景的应用。这一技术瓶颈促使研究者探索更高效、低成本的替代方案。

针对这一挑战，四川省某高校联合泸州酒厂的研究团队在《Journal of Food Composition and Analysis》发表论文，提出了一种基于光谱重建技术的创新方法。该研究通过多阶段光谱Transformer网络（MST++）从RGB图像端到端重建高光谱数据，结合多元散射校正（MSC）预处理和支持向量回归（SVR）建模，实现了大曲水分的实时无损检测。关键技术包括：1）采集19天发酵周期内9个时间点的大曲样本；2）采用MST++、HRNet和HSCNN-D三种神经网络重建400-700 nm范围31波段高光谱数据；3）对比PLSR、ELM和PFA-ELM等模型，优选SVR进行水分预测。

样本制备
研究选取泸州酒厂19天发酵周期的大曲样本，在成型（Anqu）、第1-3天、两次翻曲（Turning）、并房（Bingfang）、后缓落（Houhuanluo）和出房（Chufang）等9个关键时间点采样，确保数据覆盖发酵全过程。

光谱重建映射关系解析
通过512×512×3 RGB图像与512×512×448高光谱数据对齐裁剪，MST++网络展现出最优重建性能，其重构光谱与原始全波段光谱的预测精度相当（Rp2=0.9984 vs 0.9980），RMSEP降至0.4093 g/100 g。

结论
该研究证实MST++网络可将数据处理效率提升95.755%，且SVR模型在重构光谱上表现优异，为发酵食品成分无损检测提供了工业化解决方案。

讨论与意义
这项技术突破不仅解决了HSI设备成本与时效性矛盾，更推动了白酒生产智能化进程。未来可扩展至其他发酵农产品（如酱油、醋曲）的质量监控，为食品工业数字化转型提供关键技术支撑。研究团队特别指出，该方法在复杂环境下的鲁棒性仍需进一步验证，但已为实时质量控制开辟了新路径。