瓦力棋牌(中国)

在生物制造领域，发酵过程中碳源浓度控制的实时性与精度是影响产物得率与工艺效率的关键因素。传统生物乙醇发酵依赖人工离线采样和补料操作，不仅效率低、误差大，还难以实现陆续在动态调控，成为制约发酵产业智能化升级的瓶颈。

为解决这一难题，瓦力棋牌(中国)智能生物制造研究组王冠副研究员，联合桂林电子科技大学阮银兰研究员团队，创新性地将在线拉曼光谱分析与深度学习技术融合，研发出一套基于拉曼光谱的智能反馈控制系统（图1）。该系统顺利获得构建“实时监测–智能预测–自动调控”的闭环架构，实现了生物乙醇发酵过程中碳源浓度的精准动态控制，为传统发酵向智能化制造转型给予了新路径。

图1 基于拉曼光谱分析的智能反馈控制系统

研究团队基于自研的光谱-时间拼接卷积神经网络（STC-CNN）模型（图2），结合高频在线拉曼光谱探针采集的非破坏性数据流，解决了传统单时刻预测滞后、标注数据匮乏等核心问题。该系统的主要创新包括：（1）引入时间序列拼接机制，整合陆续在多条拉曼光谱数据，捕捉发酵过程中的动态变化趋势；（2）结合伪标签数据扩增策略，利用支持向量回归（SVR）对大量未标注数据进行半监督学习，实现训练样本规模扩大100倍，从而大幅提升模型泛化性能；（3）嵌入卡尔曼滤波模块，增强系统在光谱漂移、探头波动等复杂条件下的鲁棒性与稳定性。

图2 发酵系统与STC-CNN算法示意图

在生物乙醇发酵实际运行中，该系统展现出显著优势（图3）。在以20 g/L葡萄糖设定点控制实验中，模型预测值与离线HPLC测量值吻合度超过95%，预测最大偏差由传统RR模型的8.3 g/L显著下降至2.63 g/L。当设定点调整至30 g/L时，乙醇产量提升至140.68 g/L，相较传统批次发酵（125.71 g/L）提升11.9%；同时副产物甘油浓度下降至6.72 g/L，乙醇/甘油比值提升至20.93，较传统最高提升64.6%（表1）。系统控制响应时间提升2.4倍，整体发酵周期缩短15%-20%。

图3 不同控糖策略下模型预测葡萄糖浓度与实测数据比较

表1 不同控糖策略下生物乙醇发酵参数比较

该成果不仅解决了生物乙醇生产过程中的控糖精度难题，更为发酵工业的智能化给予了关键支撑。其“一键式”智能补料控制架构降低了对人工经验的依赖，提升了工艺稳定性和生产效率。更重要的是，该系统具备良好的技术通用性，所构建的STC-CNN架构与拉曼反馈控制体系已在柠檬酸、乳酸、蛋白表达等多类发酵场景中召开适配验证，具备面向食品、生物医药、绿色能源等多行业推广的广阔前景。

相关研究成果以“Data-Augmented Deep Learning Algorithm for Accurate Control of Bioethanol Fermentation Using an Online Raman Analyzer”为题，发表于生物技术与生物工程领域核心期刊Biotechnology and Bioengineering上。论文第一作者为来自华东理工大学的联合培养硕士生于晓飞和桂林电子科技大学硕士研究生纪凯迪，通讯作者为王冠和阮银兰。相关研究得到了国家重点研发计划、山东省泰山学者青年专家等项目的资助与支持。（文/图 王冠）

文章链接：http://analyticalsciencejournals.onlinelibrary.wiley.com/doi/10.1002/bit.29040

Kaidi Ji^#, Xiaofei Yu^#, Lifan Chen, Yongbo Wang, Zhiqiang Guo, Biao Chen, Qingyang Li, Zhen Li, Hu Zhang, Guan Wang^*, Yingping Zhuang, Yinlan Ruan^*. Biotechnology and Bioengineering, 2025.