进入展台在线留言

欢迎联系我

有什么可以帮您？在线咨询

高光谱成像技术在大曲检测中的应用

来源：浙江以象科技有限公司 2025年05月16日 20:03

微信截图_20250516195526.png

一、引言

白酒酿造历史悠久，是我国传统产业重要组成部分。大曲作为糖化发酵剂，为白酒酿造提供多种酶类和微生物，对白酒品质和风味形成起关键作用。大曲质量受原料、制曲工艺、发酵条件等多因素影响，其质量差异导致白酒品质不稳定。因此，准确快速检测大曲质量对白酒生产意义重大。

传统大曲质量检测主要通过感官评定和理化分析。感官评定依赖经验，主观性强且精度低。理化分析虽能准确测定部分指标，但需样品预处理，过程繁琐、耗时且有损，无法满足现代白酒生产实时、在线、无损检测需求。

高光谱成像技术兴起于 20 世纪 80 年代，融合光谱学和成像技术，可同时获取目标物体空间和光谱信息，形成三维数据立方体。该技术具有快速、无损、检测信息丰富等优点，能反映物质化学组成和结构信息，在农业、食品、医药等多领域广泛应用。近年来，其在大曲检测中的应用研究逐渐增多，有望为大曲质量检测提供新方法。

二、高光谱成像技术原理及系统组成

2.1 技术原理

高光谱成像技术基于物质对不同波长光的吸收、反射、散射特性差异。物质分子结构不同，对光吸收和散射不同，产生特征光谱。高光谱成像系统在较宽光谱范围内以高分辨率获取物体光谱图像，每个像素点对应连续光谱曲线，包含物质丰富化学信息。

以近红外高光谱成像为例，近红外光（780 - 2526nm）与物质分子振动的倍频和组合频相互作用。有机化合物中 C - H、O - H、N - H 等化学键振动在近红外区有吸收峰，通过分析吸收峰位置、强度和形状，可获取物质成分和含量信息。在大曲检测中，大曲成分复杂，含淀粉、蛋白质、水分及微生物代谢产物等，这些成分在近红外光谱区吸收特性不同，高光谱成像系统可捕捉差异并用于分析。

2.2 系统组成

高光谱成像系统主要由光源、成像光谱仪、相机、数据采集与存储设备及样品平台等组成。

光源提供稳定均匀照明，确保样品充分受光，常用卤钨灯、氙灯等。成像光谱仪是核心部件，将来自样品的光按波长色散并成像，常见有光栅型、棱镜型和傅里叶变换型。相机用于捕捉色散后的光谱图像，分为面阵相机和线阵相机，线阵相机在推扫式高光谱成像系统中广泛应用，可逐行获取样品高光谱图像。数据采集与存储设备实时采集并存储大量高光谱数据，需大容量存储介质和高速数据传输接口。样品平台用于固定和移动样品，保证成像过程中样品稳定，部分平台可实现样品自动扫描。

例如，某高光谱成像系统采用 50W 卤钨灯光源，光谱范围 900 - 1700nm 的光栅型成像光谱仪，分辨率 4nm，搭配线阵相机，数据采集速率可达每秒数百行，能满足大曲样本快速成像需求。

微信图片_20250516195511.png

三、高光谱数据处理方法

3.1 数据预处理

高光谱数据在采集过程中受环境、仪器噪声及样品表面散射等影响，需预处理提高数据质量。常见预处理方法包括辐射校正、几何校正和光谱预处理。

辐射校正消除光照不均匀、相机响应不一致等因素导致的辐射误差，使不同位置像素光谱值具可比性，通过采集暗参考图像和白板参考图像进行校正。几何校正纠正图像几何变形，确保图像中物体位置和形状准确，基于特征点匹配或图像配准算法实现。光谱预处理去除噪声、校正基线漂移、减少散射影响，常用方法有平滑滤波、多元散射校正（MSC）、标准正态变量变换（SNV）等。平滑滤波如 Savitzky - Golay 滤波，通过滑动窗口对光谱数据进行多项式拟合，去除高频噪声；MSC 和 SNV 校正因颗粒大小、表面粗糙度等引起的散射效应，使光谱更能反映物质真实吸收特性。

3.2 特征提取与选择

高光谱数据维度高、信息冗余大，需提取和选择有效特征用于后续分析。特征提取是将原始高光谱数据变换到低维空间，提取包含主要信息的新特征，常用方法有主成分分析（PCA）、独立成分分析（ICA）、线性判别分析（LDA）等。PCA 通过正交变换将原始数据转换为一组线性无关的主成分，有效降低数据维度，保留大部分方差信息。ICA 用于分离数据中相互独立的成分，在分析大曲中多种成分混合光谱时有用。LDA 是监督学习方法，寻找使类间距离最大、类内距离最小的投影方向，用于分类问题时可提高分类性能。

特征选择从原始光谱波段中挑选对目标分析波段，减少数据量同时保留关键信息，方法包括相关系数法、连续投影算法（SPA）、遗传算法（GA）等。相关系数法计算光谱波段与目标参数的相关系数，选择相关系数大的波段。SPA 基于消除变量间共线性，通过迭代选择信息波段。GA 模拟生物进化过程，通过选择、交叉和变异操作搜索波段组合。

3.3 模型建立与分析

基于预处理和特征提取后的数据，建立预测或分类模型用于大曲质量分析。常用建模方法有偏最小二乘回归（PLSR）、支持向量机（SVM）、人工神经网络（ANN）等。

PLSR 是常用多元统计分析方法，在自变量和因变量间建立线性回归模型，有效处理自变量间多重共线性问题，在大曲理化指标预测中广泛应用。SVM 是基于统计学习理论的分类和回归方法，通过寻找分类超平面或回归函数，对小样本、非线性问题有良好性能，可用于大曲质量分级。ANN 模拟人脑神经元结构和功能，具有强大非线性映射能力，能学习复杂数据模式，在大曲检测中，如基于 BP 神经网络建立大曲微生物含量预测模型。

模型建立后需评估性能，常用指标有相关系数（R）、均方根误差（RMSE）、平均绝对误差（MAE）等。R 越接近 1，RMSE 和 MAE 越小，模型预测精度越高。例如，建立大曲还原糖含量 PLSR 预测模型，预测集 R 为 0.92，RMSE 为 0.46g/100g，表明模型预测效果较好。

四、高光谱成像技术在大曲检测中的应用

4.1 大曲理化指标检测

4.1.1 水分含量检测

水分是大曲重要理化指标，影响微生物生长和代谢，进而影响大曲质量。传统水分检测方法如烘干法耗时且有损。高光谱成像技术可快速无损检测大曲水分含量。研究表明，在 900 - 1700nm 光谱范围，大曲水分在 1450nm 等波长处有明显吸收峰。通过采集大曲高光谱图像，提取光谱信息，经预处理和特征选择，建立 PLSR 或 SVM 模型，可准确预测大曲水分含量。有研究建立的水分含量预测模型，R 可达 0.95 以上，RMSE 小于 0.5g/100g，能满足生产中快速检测需求。

4.1.2 还原糖含量检测

还原糖为大曲微生物生长提供碳源，其含量影响大曲发酵进程和白酒风味。利用高光谱成像技术检测大曲还原糖含量，在 900 - 1700nm 波段采集光谱数据，经 SNV 等预处理，用 PCA - SPA 算法提取特征波段，建立 PLSR 模型，预测集 R 可达 0.92 以上，RMSE 约 0.45g/100g，实现还原糖含量快速准确检测和可视化分布。

4.1.3 总酸含量检测

总酸反映大曲发酵程度和微生物代谢情况，影响白酒口感和风味。基于高光谱成像技术，在可见 - 近红外光谱区域结合优化算法，可快速准确检测大曲总酸含量。有研究利用高光谱成像系统采集大曲样本光谱图像，经数据处理和建模，实现总酸含量可视化，直观反映其在大曲中的分布。

4.2 大曲微生物分布监测

微生物是大曲发酵核心，其种类和分布影响大曲质量。传统微生物检测方法如平板计数法、PCR 技术等操作复杂、耗时且只能获取微生物总量信息，无法直观反映空间分布。高光谱成像技术可监测大曲微生物分布。不同微生物代谢产物光谱特性不同，通过分析高光谱图像，可识别微生物种类和分布。例如，利用高光谱成像结合荧光标记技术，可清晰观察大曲中酵母菌、霉菌等微生物分布情况，为优化制曲工艺、控制大曲质量提供依据。

4.3 大曲质量分级

大曲质量分级对白酒生产质量控制和成本管理重要。传统分级依赖感官和理化指标，主观性强、效率低。高光谱成像技术结合化学计量学方法可实现大曲快速客观分级。通过采集不同等级大曲高光谱图像，提取光谱和图像特征，建立分类模型，如基于 PCA - LDA 的大曲质量分级模型，对不同等级大曲分类准确率可达 90% 以上，为大曲质量分级提供新方法。

五、高光谱成像技术在大曲检测中面临的挑战与展望

5.1 面临的挑战

5.1.1 设备成本与复杂性

高光谱成像系统设备昂贵，包括高分辨率成像光谱仪、高性能相机及配套数据采集存储设备等，增加企业检测成本。系统结构复杂，对操作人员专业要求高，需掌握光学、光谱学、计算机等多学科知识，限制技术推广应用。

5.1.2 数据处理与分析难度

高光谱数据量大、维度高，处理分析需强大计算能力和高效算法。数据预处理、特征提取与选择及模型建立优化过程复杂，不同算法对不同大曲样本适应性不同，需大量实验寻找最佳参数组合，增加研究和应用难度。

5.1.3 模型通用性与稳定性

高光谱成像技术建立的检测模型受大曲原料、产地、制曲工艺等因素影响，通用性和稳定性有待提高。不同批次大曲成分和光谱特性有差异，同一模型难以准确检测不同来源大曲，需不断优化模型或建立针对不同情况的模型库。

5.2 未来展望

5.2.1 设备改进与成本降低

随着技术发展，高光谱成像设备将向小型化、集成化、低成本方向发展。新型光学元件和探测器研发应用，将降低设备成本，提高性能和稳定性，使更多白酒企业能采用该技术。

5.2.2 数据处理与分析技术创新

深度学习等人工智能技术在高光谱数据处理分析中应用前景广阔。深度学习模型如卷积神经网络（CNN）、循环神经网络（RNN）能自动学习高光谱数据特征，提高数据处理效率和模型准确性，有望解决数据处理复杂和模型通用性问题。

5.2.3 多技术融合发展

将高光谱成像技术与其他检测技术如近红外光谱技术、拉曼光谱技术、电子鼻技术等融合，可获取更全面大曲信息，提高检测准确性和可靠性。结合大数据和云计算技术，可实现大曲质量远程在线监测和数据分析，为白酒企业智能化生产提供支持。

5.2.4 行业标准与规范建立

随着高光谱成像技术在大曲检测中应用增多，需建立统一行业标准和规范，包括设备性能指标、数据采集与处理方法、模型评价标准等，促进技术规范化发展，提高检测结果可比性和可信度。

六、结论

高光谱成像技术作为新兴检测技术，在大曲检测中展现出快速、无损、信息丰富等优势，可实现大曲理化指标检测、微生物分布监测和质量分级，为白酒酿造过程质量控制提供有效手段。尽管目前面临设备成本高、数据处理复杂、模型通用性差等挑战，但随着技术不断发展创新，设备成本降低、数据处理技术改进、多技术融合及行业标准建立，高光谱成像技术有望在大曲检测及白酒生产中广泛应用，推动白酒行业智能化、现代化发展，提升白酒产品质量和市场竞争力。

以象科技作为一家由西安光机所光学博士团队、行业资深专家、光谱软件算法团队以及光学应用博士等多元专业力量共同发起创立的科技型企业，在光学技术领域展现出了非凡的潜力与强劲的实力，正逐步成为行业内的一颗璀璨新星。

其团队成员凭借深厚的学术造诣与丰富的实践经验，构建起了一座坚实的技术堡垒。西安光机所光学博士团队深入钻研光学核心原理，在光学系统的设计、优化以及创新方面持续发力，致力于打造出具有性能与高精度的光学基础架构。行业资深专家则犹如敏锐的市场领航员，他们凭借对行业发展脉络的精准把握以及对市场需求变化的前瞻性洞察，为公司的产品战略布局指明方向，确保每一款产品都能精准对接市场痛点，在激烈的市场竞争中脱颖而出。光学应用博士则专注于探索光学技术在各个实际领域的落地应用，他们深入挖掘产品在不同场景下的潜在用途，从生物医学到工业制造，从环境监测到农业科技，不断拓展产品的应用边界，让光学技术真正造福于人类社会的各个角落。

在产品层面，以象科技目前已成功投产并推向市场的可见光、近红外、短波中红外高光谱相机，无疑是其技术实力的集中体现。这不仅为国内相关行业提供了更为可靠、性价比更高的光学设备选择，还在一定程度上推动了我国光学技术自主创新的进程，提升了我国在全球光学产业价值链中的地位。

此外，公司经营的激光共聚焦、激光散斑血流成像仪、光谱仪等光学产品，也均在各自的领域内展现出了的优势与性能。激光共聚焦以其超高的分辨率和清晰的成像效果，在生物医学微观成像领域成为科研人员探索生命奥秘的得力助手；激光散斑血流成像仪能够精准地监测微循环血流变化，为医学临床诊断和疾病研究提供了重要的参考依据；光谱仪则凭借其对物质光谱特性的精确分析能力，在材料成分分析、环境污染物监测以及食品安全检测等领域发挥着作用。

以象科技秉持着集研发、生产、销售于一体的全产业链运营模式，展现出了强大的综合实力与协同效应。其研发中心坐落于西安这充满科技活力与创新氛围的城市，依托当地丰富的科研资源与人才优势，持续不断地投入大量资源进行技术研发与创新，为公司的产品迭代升级和技术突破提供了源源不断的动力源泉。

与此同时，公司精心构建的销售网络如同一张紧密交织的大网，全面覆盖全国各个地区，确保了产品能够快速、高效地触达每一位客户手中。而完善的售后服务机构则像是一位贴心的守护者，随时为客户提供多层次的技术支持与售后服务保障，让客户在使用产品的过程中无后顾之忧，进一步增强了客户对公司品牌的信任度与忠诚度。

以象科技凭借其团队、创新的产品以及完善的运营模式，在光学技术领域正稳步前行，未来有望在国内乃至全球市场上取得更为辉煌的成就，为推动光学科技的进步与应用普及做出更多的贡献。

以象科技由西安光机所光学博士团队，行业资深专家，光谱软件算法团队，光学应用博士等相关人员共同发起成立的科技型公司，目前投产市场可见光、近红外、短波中红外高光谱相机，实现国产化，突破进口技术壁垒，打破进口短波红外高光谱相机的技术限制。

以象科技是一家集研发、生产、销售于一体的科技型公司。目前经营产品有激光共聚焦，激光散斑血流成像仪，光谱仪，高光谱相机等光学产品。研发中心设立于西安，销售网络、完善售后服务机构设立覆盖全国。

免责声明

凡本网注明“来源：化工仪器网”的所有作品，均为浙江兴旺宝明通网络有限公司-化工仪器网合法拥有版权或有权使用的作品，未经本网授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：化工仪器网”。违反上述声明者，本网将追究其相关法律责任。
本网转载并注明自其他来源（非化工仪器网）的作品，目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品第一来源，并自负版权等法律责任。
如涉及作品内容、版权等问题，请在作品发表之日起一周内与本网联系，否则视为放弃相关权利。

高光谱成像技术在大曲检测中的应用

免责声明

联系我们

关注我们