近期，我院酿酒智能化装备技术团队在Food Chemistry（IF=9.8，TOP期刊，中科院1区期刊）、Food Chemistry: X（IF=8.2，TOP期刊，中科院1区期刊）和Microchemical Journal（IF=5.2，中科院2区期刊）等期刊发表系列研究成果。相关成果聚焦高光谱成像、深度学习、光谱重建和多模态数据融合等前沿技术，为白酒产业质量控制、原料精准识别和酿造过程智能化提供了新的技术支撑。
成果一：针对浓香型白酒工业酒精掺假快速识别难题，团队构建了高光谱驱动的PSO-SVM定性判别模型和GLSNet定量预测网络。模型可实现真伪白酒判别、掺假程度预测及可视化分析，为白酒质量安全监管提供了快速、无损、精准的检测方法。相关研究成果发表在《Food Chemistry》杂志上（Food Chemistry, 2025, 490: 145197, 四川轻化工大学为第一完成单位，胡新军教授为通讯作者）。
成果二：面向酿酒高粱品种识别需求，团队提出多模态光谱-图像融合网络MSI-FusionNet，融合高光谱数据与工业显微图像信息，实现12种高粱品种的高效识别。该方法提升了原料识别准确性和检测效率，为酿酒原料精准分级提供了新路径。相关研究成果发表在《Food Chemistry: X》杂志上（Food Chemistry: X, 2025, 31: 103137，四川轻化工大学为第一完成单位，胡新军教授为通讯作者）。
成果三：报道了一种融合卷积神经网络结合高光谱成像技术的浓香型大曲发酵理化指标的检测方法，直观呈现大曲酶活性的空间分布与动态变化，为发酵过程参数的实时调控提供数据支撑，助力白酒智能化酿造。相关研究成果发表在《Microchemical Journal》（2025, 217, 114973，四川轻化工大学为第一完成单位，谢亮亮博士为第一作者）。
成果四：报道了一种融合光谱-空间注意力模块的多级光谱空间网络方法，运用工业相机拍摄的 RGB 图像实现对酿酒原料相关理化指标的检测，为酿酒及食品行业原料智能分选和在线监测提供全新技术方案。相关研究成果发表在《Journal of Food Engineering》（2026, 413, 112993，四川轻化工大学为第一完成单位，谢亮亮博士为第一作者）。
成果五：报道了一种基于光谱自适应特征增强网络的光谱重建方法，实现对酿酒高粱理化指标和品种识别的快速检测，为酿酒原料在线检测提供高效实用的新方案。相关研究成果发表在《Journal of Food Composition and Analysis》（2026, 150, 108833，四川轻化工大学为第一完成单位，谢亮亮博士为第一作者）。
成果六：报道了一种基于高光谱成像与集成学习算法的酿酒酒糟pH和氨基酸态氮快速定量检测方法，克服了传统化学滴定法与凯氏定氮法耗时长、试剂消耗大的局限，为白酒酿造过程理化指标的实时质量监控与可视化提供了新方案。相关研究成果发表在《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》（2026, 357, 127758，四川轻化工大学为第一完成单位，谢亮亮博士为第一作者）。
上述成果体现了我校在白酒智能检测、食品质量安全控制和传统酿造产业数字化转型方面的持续研究积累。团队将高光谱成像、多模态感知、光谱重建和人工智能算法引入白酒原料识别与产品安全检测环节，有助于突破传统检测方法效率低、自动化程度不足、现场适应性有限等瓶颈，为白酒产业从经验判别向数据驱动、智能决策和精准控制转变提供了技术支撑。相关成果的发表进一步提升了我校在白酒智能装备、固态酿造检测技术和食品工程交叉研究领域的学术影响力。
