El valor de pH del ensilaje de maíz puede reflejar con precisión su calidad. En este estudio, se utilizó un conjunto de sensores colorimétricos (CSA) combinado con imágenes hiperespectrales (HSI) para predecir el valor de pH del ensilaje de maíz durante la fermentación secundaria. Diecisiete colorantes sensibles al color se utilizaron para construir el CSA, que posteriormente se aplicó para capturar los perfiles de olor volátil de las muestras de ensilaje de maíz. Se adquirieron imágenes hiperespectrales de los colorantes sensibles al color en el CSA utilizando la técnica HSI. Se utilizaron diferentes algoritmos para preprocesar los datos espectrales crudos de cada colorante, y se construyó un modelo de regresión de mínimos cuadrados parciales (PLSR) para cada colorante por separado. Posteriormente, se empleó el algoritmo de optimización bacteriana adaptativa (ABFO) para identificar tres colorantes sensibles al color que demostraron una sensibilidad elevada a las variaciones de pH en el ensilaje de maíz. Este estudio comparó además las capacidades de los colorantes individuales, así como sus combinaciones, en la predicción del valor de pH del ensilaje de maíz. Además, se propuso un nuevo método de extracción de longitudes de onda de características basado en el algoritmo ABFO, que luego se comparó con dos algoritmos tradicionales de extracción de características. Estos métodos se combinaron con algoritmos PLSR y de red neuronal de retropropagación (BPNN) para construir un modelo de predicción cuantitativa para el valor de pH del ensilaje de maíz. Los resultados muestran que el modelo de predicción cuantitativa construido en base a tres colorantes fue más preciso que el construido en base a un colorante individual. Entre ellos, el modelo ABFO-BPNN construido sobre la base de colorantes combinados tuvo el mejor rendimiento de predicción, con valores de coeficiente de correlación de predicción (), error cuadrático medio del conjunto de predicción () y relación de desviación de rendimiento () de 0,9348, 0,3976 y 3,9695, respectivamente. El objetivo de este estudio fue desarrollar un modelo de evaluación confiable para lograr predicciones rápidas y precisas del pH del ensilaje.