近日，光学高等研究中心红外感知技术及应用团队在工业发酵过程智能监测领域取得重要研究进展，提出了一种端到端、可部署的高光谱发酵过程监测新方法，为微生物发酵过程的实时感知与智能控制提供了新的技术路径。相关研究成果以论文形式发表于光学领域二区期刊Optics and Laser Technology。

工业发酵过程广泛应用于食品、生物医药及生物制造等领域，其运行状态直接影响产品质量和生产效率。发酵过程中关键代谢物浓度的实时、精准监测是实现过程优化与智能控制的重要基础。然而，传统发酵监测方法多依赖离线取样和化学分析，存在检测周期长、实时性不足、自动化水平低等问题，难以满足现代工业对连续化、智能化生产的需求。

高光谱成像技术能够同时获取空间信息和连续光谱信息，具备非接触、信息量丰富等优势，在过程监测领域展现出良好应用前景。但由于高光谱数据维度高、计算复杂度大，其在工业现场的实时部署和工程化应用仍面临诸多挑战。

图一 高光谱发酵监测pipeline

针对上述问题，研究团队构建了如图一所示面向工业应用的端到端高光谱发酵过程监测 pipeline，实现了从高光谱数据采集、特征压缩到代谢物浓度预测的全流程一体化设计。该方法通过引入特征谱段蒸馏与轻量化模型结构设计，在保证预测精度的同时显著降低了计算量，便于高光谱模型在嵌入式硬件平台上高效运行。与传统三维高光谱建模方法相比，所提方法具有结构简洁、快速高效、易于部署等优势，显著提升了高光谱技术在工业发酵监测场景中的实用性。

研究团队围绕大肠杆菌发酵过程开展了系统实验验证，首先利用光谱设备开展预实验研究光谱维度的化学-光谱关系，随后使用高光谱技术验证所提方法的有效性。通过生产线上实地采样和分析，对发酵过程中多种关键代谢指标进行连续监测与建模分析。实验结果表明，该方法对大肠杆菌发酵过程中三种关键代谢物缬氨酸（valine）、氨氮（ammonia nitrogen）和醋酸（acetic acid）的预测根均方误差（RMSEP）分别低至1.592、0.327和1.537 g/L，相对预测偏差（RPD）分别达到11.324、11.983和9.372。该实验结果充分验证了该端到端 pipeline 在复杂工业环境中的稳定性与可行性。此外，所提方法可实现对发酵代谢物的可视化、高效率预测，嵌入式计算平台上的快速推理，从而满足工业在线监测对实时性的要求。

图二 高光谱预测浓度图

该研究为高光谱成像技术在工业发酵过程监测中的工程化应用提供了可行方案，对于推动发酵过程监测的数字化、自动化、智能化升级具有重要意义。一方面，该方法为发酵过程关键状态参数的实时感知与精准调控提供了新手段；另一方面，也为高光谱技术从实验室研究走向实际工业应用提供了重要参考。

未来，该研究成果有望在食品工业、生物制药及生物制造等领域得到进一步推广应用，为构建智能化、自动化的工业发酵控制系统提供有力支撑。

山东大学副教授王丽丽和同济大学助理教授王绪泉为论文通讯作者，山东大学硕士研究生孟一凡和同济大学博士研究生闫大鹏为论文共同第一作者。对论文做出重要贡献的合作者还包括同济大学博士研究生马志远，山东大学李永富教授，工大环境徐善文高级工程师，哈尔滨工业大学邱珊教授。

论文doi：https://doi.org/10.1016/j.optlastec.2026.114699