基于多模式融合的稀土萃取过程组分含量检测

Rare earth elements are important non-renewable strategic resources. However there are not effective methods of rapid multi-component contents detection for rare earth due to its industry integration and process reorganization.This project plans to find detection methods of component contents based on machine vision according to the coexistence of rare earth ions with characteristic color and colorless. An intelligent dynamic compensation model of component contents will be researched by combining mechanism model and data driven. Rapid detection methods of component contents based on the multimodal fusion will be developed by using theories and methods of multimodal fusion and AI optimization, such as off-line test, machine vision technology, extraction mechanism and data driving. A simulation platform of multi-components rare earth extraction and separation process is developed to verify and improve the detection technologies and theories. Such a project can form a suit technology and theory of multi-component contents detection in the process of rare earth extraction with independent intellectual property rights. The implementation of the project can change the way employed by rare earth enterprises that is regular sampling and off-line analysis, and realize the real-time monitoring of product quality. Such a project can also provide technical supports for the on-line detection and automatic control of multi-components in rare earth extraction and separation process. It is of great practical significance to promote the transformation and upgrading of rare earth industries, to realize the integration of information and industrialization deeply, and to build green and intelligent factories.

稀土元素是不可再生的重要战略资源。课题针对稀土行业整合、流程重组，多组分含量快速检测缺乏有效方法的难题，探讨有特征颜色和无特征颜色的稀土离子共存条件下基于机器视觉的组分含量检测方法；研究基于机理模型和数据驱动相结合的组分含量智能动态补偿模型；综合运用多模式融合、人工智能优化等理论和方法，研究基于离线化验、机器视觉技术、萃取机理与数据驱动等多模式融合的组分含量快速检测方法；开发多组分稀土萃取分离过程模拟仿真平台，进行现场试验验证，改进和完善研究成果；形成具有自主知识产权的稀土萃取过程多组分含量检测技术和理论。课题实施可突破稀土企业长期采用的“定期采样、离线分析”模式，实现产品质量的实时监控。课题研究可为实施多组分稀土萃取分离过程在线检测和自动控制提供技术支撑，对促进稀土行业转型升级、实现两化深度融合、建设绿色智能化工厂具有非常重要的现实意义。

稀土元素是不可再生的重要战略资源。课题针对稀土行业整合、流程重组，多组分含量快速检测缺乏有效方法的难题，以有离子特征颜色和无色的稀土元素共存的铈镨/钕萃取分离过程为研究对象，通过与具有离子特征颜色的镨/钕萃取液进行实验对比分析，明确了铈镨/钕萃取液的图像颜色特性；依据萃取槽体中溶液图像与时间序列的关系，开展了稀土萃取过程组分含量时序动态监测方法研究，并采用改进的即时学习方法建立组分含量自适应校正模型；针对稀土萃取生产现场有效样本少的问题，研究采用随机配置网络与多分布趋势扩散技术相结合的方式生成虚拟样本以充实样本集，提高组分含量模型预测的准确度；综合考虑萃取机理、机器视觉技术、离线化验等不同模式的特点，将基于双线性萃取机理模型和数据驱动相结合建立了组分含量智能补偿模型；在设计稀土串级萃取最优工艺计算系统的基础上，开发了多组分稀土萃取分离过程流程模拟仿真平台，并将所提方法进行了相关的试验验证。课题研究完善了多组分稀土萃取分离过程的在线监测技术，可为稀土萃取分离全流程实施自动控制提供技术支撑，对促进稀土行业转型升级、实现两化深度融合、建设绿色智能化工程具有非常重要的现实意义，同时可为其他行业中具有类似特征的过程监测提供技术参考思路。.研究过程中申请发明专利16项，其中美国发明专利6项（授权4项）、日本发明专利1项（已授权），国内发明专利9项（授权5项），软件著作权3项；发表学术论文29篇，其中SCI、EI收录8篇；协助培养博士研究生1人、硕士研究生14人，在读3人。完成预期目标。