生物乙醇由于二氧化碳及粉尘的污染低等优点使其需求量日益增加,而生物发酵过程是乙醇的可再生的生产方式之一。味精是人类生活必备的调味品之一,实现对其发酵过程实时监测与控制十分具有代表性和实际意义。本文基于近红外光谱技术,针对乙醇发酵过程和味精发酵过程进行监测,实现对于生物发酵过程化合物浓度的快速、无损在线检测。设计搭建的实验平台和近红外光谱预测模型可以克服传统离线检测的缺点。首先,分析了近红外光谱检测技术原理及其主要过程,针对乙醇和味精发酵过程中由干扰和噪声造成的近红外光谱异常点,给出了光谱数据预处理方法,实现对光谱的平滑处理与校正。其次对于预测模型的建立,给出三种数据建模方法,其中比较经典的偏最小二乘(PLS)算法模型可以解决光谱数据共线性问题。另外基于三种不同核函数的最小二乘-支持向量机(LS-SVR)模型可以利用结构最小化的原理避免过拟合问题。最后给出基于随机森林算法的光谱建模方法,通过袋外错误率(OOB)实现随机森林树和特征数的参数整定,并基于基尼系数(G)下降量进行波长优选实现随机森林模型优化。为比较建立模型的预测效果,给出了性能评价指标。针对乙醇发酵过程,设计搭建基于近红外光谱技术的乙醇发酵过程化合物浓度的在线检测实验平台,进行8批使用酿酒酵母4126为菌种的乙醇发酵实验,基于采集到的243个近红外光谱数据分别对底物葡萄糖、目标产物乙醇以及反映生物量的OD值进行近红外光谱分析与定量模型建立。采用偏最小二乘算法、基于不同核函数的LSSVR算法和随机森林算法对预处理之后的光谱进行建模,并应用预测均方根误差(RMSEP)和相关系数(R~2)评价指标对不同模型进行对比分析。通过实验结果验证,三种建模方法均对乙醇发酵过程有预测效果,其中随机森林对于乙醇发酵过程的三个目标参数的建模效果最好。针对山东菱花集团味精厂的味精发酵实际工业过程,于味精发酵罐车间现场设计并搭建跟批光谱检测实验平台。基于采集的7批完整的不同发酵罐的发酵液近红外光谱数据,进行光谱数据预处理,分别采用偏最小二乘算法、基于不同核函数的LSSVR算法和随机森林算法进行建模,基于建立的模型分别对底物葡萄糖、目标产物谷氨酸以及反映生物量的OD值进行近红外光谱预测分析。最后通过模型评价指标(RMSEP)和(R~2)对不同模型进行评价与分析。结果验证了基于随机森林算法的近红外光谱技术具有更好的模型预测效果。