基于深度机器视觉的稀土元素组分含量预测

摘要：

稀土萃取过程中元素含量的快速检测有助于提高稀土产品质量,目前的检测仪器存在检测延时长和维护成本高等问题.基于部分稀土元素独特的颜色特征,如Pr离子、Nd离子,可将机器视觉方法用于元素组分含量的软测量.不同于传统机器视觉方法,本文首次引入卷积神经网络(CNN)提取Pr/Nd混合溶液原始图像抽象表征,同时采用深度神经网络构建回归模型,用于预测Pr/Nd混合溶液中各元素的含量.实验选取1210张Pr/Nd混合溶液图像作为实验数据,相较于已有方法,数据规模提升近12倍.多次独立重复结果表明,预测的组分含量与真实组分含量间的最大相对误差绝对值为2.7738%,满足实际萃取生产中对元素含量分布变化的精度要求,具有一定的实际意义.

关键词：稀土萃取、机器视觉、组分含量、深度学习、卷积神经网络、特征提取

所属期刊栏目：14

分类号：TP181;TF355(自动化基础理论)

资助基金：江西理工大学博士科研启动基金资助项目2022205200100595

在线出版日期：2023-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：587-596