近日，中国科学院合肥物质院智能所光谱智能感知团队提出了一种基于近红外光谱技术和决策层融合的新算法，有效实现了高精度高粱品种快速判别。相关研究成果于光谱学领域期刊Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy上发表。
高粱是决定白酒风味和产量的核心原料，其品种纯度直接影响产品品质。近红外光谱技术（NIRS）作为一项广泛使用的快检技术，可助力酒企实现原粮质量的有效控制，防范掺假风险。尽管近红外光谱技术在定性分析中广泛应用，但传统的方法直接以待测样本的类别标签为参照进行分析，严重依赖样本的代表性，并且分析模型缺乏可解释性，容易出现精度低、稳健性差的问题。
针对这个问题，科研人员开发了一种基于决策融合的高粱品种分类算法，利用高粱的两项代表性组分——单宁和支链淀粉的近红外预测值作为支撑信息，与高粱品种分类的近红外预测结果联合分析，共同构成决策融合模型。该方法在提供额外的参考信息之余，还能减少对样本集的依赖，提高不同品种高粱在物质基础上的可解释性，从而有效提高判别精度。该方法以酿酒优级品种“国窖红1号”和“青壳洋”为识别目标，能够有效区分其他高粱品种，取得95.1%的分类准确率。
该项工作由中国科学院合肥物质院以及泸州老窖股份有限公司合作完成，徐琢频博士和刘瓒博士为第一作者，张鹏飞副研究员和张庆良农艺师为通讯作者。该项工作还得到安徽省重点研发计划、安徽省重大专项、河南省中科科技成果转移转化开放课题等项目的支持。
文章链接: https://doi.org/10.1016/j.saa.2025.127344
图1 基于近红外光谱技术和决策层融合的高粱品种判别技术流程图
