1.一种浓度与组分含量协同优化的稀土元素组分含量预测方法,其特征在于,包括以下步骤:基于稀土萃取流程获取检测点;基于所述检测点获取稀土混合萃取溶液图像数据;构建预测模型,将所述稀土混合萃取溶液图像数据输入至所述预测模型中进行训练,生成优化模型;
基于所述优化模型对稀土元素组分含量进行预测,生成预测结果;
所述获取稀土混合萃取溶液图像数据的过程包括:基于所述检测点以及光学成像条件对萃取纯溶液进行检测,获取稀土混合萃取溶液图像;
将所述稀土混合萃取溶液图像进行特征分类,获得所述稀土混合萃取溶液图像数据;
所述构建预测模型的过程包括:构建ResNet18网络,所述ResNet18网络中残差模块由卷积层、非线性激活函数层、批处理归一化层构成;
将所述ResNet18网络中特定任务层与对应全连接层连接,生成预测模型;
所述生成优化模型的过程包括:将所述稀土混合萃取溶液图像数据输入至所述预测模型进行加载,获得溶液参数数据集;
基于所述溶液参数数据集获取集中数据点;基于所述集中数据点对所述预测模型进行多目标优化,生成优化模型;
对所述预测模型中网络参数进行初始化,并进行模型参数设置;
对目标上界进行多目标优化,并求得特定任务层的梯度;
基于所述特定任务层的梯度带入Frank‑Wolfe算法中求得多目标优化解,基于所述多目标优化解对所述预测模型进行多目标优化,生成优化模型;
所述基于所述多目标优化解对所述预测模型进行多目标优化的过程包括:基于所述特定任务层的梯度获取稀土多元素组分含量与浓度预测多个任务的Pareto平稳点;
基于所述平稳点对共享层网络参数以及特定任务层的网络参数进行更新,生成优化参数;
基于所述优化参数优化特定任务层的下降方向,完成多目标优化;
所述生成预测结果的过程包括:获取优化模型中共享层网络参数和特定任务层的网络参数;基于所述共享层网络参数和特定任务层的网络参数对需检测的稀土混合萃取溶液图像中组分含量与浓度进行预测,生成预测结果。
2.根据权利要求1所述的浓度与组分含量协同优化的稀土元素组分含量预测方法,其特征在于,所述稀土萃取流程获取检测点包括:设置分离出口,生成相关分离单元;
基于所述相关分离单元对所述稀土萃取流程进行检测,生成检测点。
3.根据权利要求1所述的浓度与组分含量协同优化的稀土元素组分含量预测方法,其特征在于,所述网络参数包括图像样本对应真实标签值、共享层网络参数和特定任务层的网络参数;
所述模型参数包括损失函数、最大迭代次数、批大小、优化器参数和学习率。