基于高光谱成像与SPA-GA-CPO-SVR优化模型的窖泥总氮含量快速检测技术

为解决白酒窖泥土壤质量实时监测难题，研究人员创新性地将高光谱成像(HSI)技术与SPA-GA特征波长筛选、CPO-SVR机器学习模型相结合，成功建立窖泥总氮含量(TNC)快速检测体系。该模型特征波长减少86.16%的同时，预测集决定系数Rp2提升至0.9958，为白酒酿造质量控制提供了新型无损检测方案。

　　

白酒窖泥发酵过程中，富含微生物群的土壤质量直接影响酒醅品质，其中总氮含量(TNC)作为关键指标亟需实时监测。研究团队巧妙融合高光谱成像(HSI)技术与智能算法：首先通过连续投影算法-遗传算法(SPA-GA)联用实现特征波长高效筛选，较全波段数据减少86.16%变量；继而采用冠豪猪优化算法(CPO)对支持向量回归(SVR)参数进行全局寻优，构建的CPO-SVR预测模型性能惊艳——预测集决定系数R_p²达0.9958，预测均方根误差(RMSEP)仅0.0073 g/100g。相较于全波段模型，该方案不仅将R_p²提升0.3014，还显著降低人工调参的不稳定性，为复杂土壤组分的无损检测提供了"算法筛选+智能建模"的创新研究范式。