基于迁移学习与残差注意力卷积网络的稀土元素组分含量软测量

作     者：徐芳萍 杨辉 陈俊 朱建勇 陆荣秀 

作者机构：电气与自动化工程学院华东交通大学 江西省先进控制与优化重点实验室 

出 版 物：《化工学报》 (CIESC Journal)

年 卷 期：2025年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080603[工学-有色金属冶金] 081104[工学-模式识别与智能系统] 08[工学] 0806[工学-冶金工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(62363010) 

主　　题：稀土组分含量 一维卷积神经网络 迁移学习 残差注意力机制 

摘      要：稀土元素组分含量在线检测是稀土工业过程控制的关键环节。针对现有单一颜色特征的软测量模型效果不太理想的问题，提出一种融合迁移学习残差注意力卷积网络的稀土元素组分含量软测量方法。首先，提取稀土溶液颜色和纹理等显性特征，同时考虑稀土图像隐性卷积特征和其他关键特征作为该模型输入量；其次，针对稀土溶液图像特征具有一维特性，设计融合多残差注意力块的一维卷积神经网络，有效改善模型网络梯度消失或梯度爆炸问题，使模型能根据特征贡献度为特征自适应分配权重并提高模型预测精度；接着，为充分利用产线各级溶液图像数据，减少样本数量采集，加入迁移学习策略，在源任务中积累模型知识，通过最大均值差异衡量源域与目标域数据的特征分布差异，确定迁移层级及参数，显著增强目标网络的训练效果。最后，基于现场采集的稀土溶液图像和化验数据进行仿真对比实验，结果表明所提方法的有效性。