光谱分析技术是一种无损、快速的检测技术，可用于定性和定量的物质成分分析领域。但是目前，光谱检测在复杂混合液体定量分析尤其是酒类发酵、液体药品制剂等生产线上的在线检测方面仍面临许多挑战。光谱信号处理中的各类噪声、干扰以及非线性因素，光谱分析模型的稳定性、预测精度、执行时间等因素都制约着光谱分析技术在在线检测中的应用。本文利用不同阶次导数光谱结合间隔偏最小二乘建模方法形成新的多尺度多模型融合建模策略。方法充分利用导数光谱能够放大细节信息，校正基线漂移的优势以及间隔偏最小二乘方法进行波段优选的特点，通过赋予光谱数据中的不同部分不同权重叠加子多元校正模型。方法首先依据零阶、一阶、二阶导数谱的全谱RMSECV依据设计的规则形成阈值，依据阈值对各阶次导数谱中的子模型进行选取。各阶次导数谱子模型中RMSECV值低于阈值的被选中，进行同阶次导数谱融合建模，称之为内部建模；随后进行不同阶次导数谱间的融合建模，称之为外部建模，形成最终的融合模型。与一般的多模型建模方法不同的是同时利用不同阶次的导数谱空间进行多尺度、多模型融合建模，深度挖掘光谱信息，简化了模型，缩短了执行时间，在消除光谱数据中常见的冗余信息的同时，避免信息遗漏的缺点，并最终提高模型的稳健性。对于这个新的算法，本文通过啤酒光谱数据进行了验证，结果表明其与传统方法比较，具有精度高、速度快、抗干扰性强的特点，能够满足啤酒生产中关键参数在线监控的需求。