基于迁移学习的2，6-二甲酚纯度近红外光谱在线检测

使用近红外光谱分析技术,对2,6-二甲酚（2,6-DMP）单体分离工段精馏提纯过程的产品纯度进行在线检测。由于2,6-DMP产品塔的产品纯度较高（通常为99.10%~99.95%）,样本的纯度值集中分布在一个较小的范围,样本数据之间的变异系数小,样本之间的区分度低,导致所采集光谱与产品纯度之间缺乏相关性,因而无法建立可靠的近红外模型。为了准确检测2,6-DMP产品塔的产品纯度,从而对产品质量进行实时调控,引入迁移学习算法,充分利用2,6-DMP精馏提纯过程中不同塔之间近红外光谱数据的相似性,借助于其他塔中较低2,6-DMP纯度的近红外光谱数据,改善产品塔中较高2,6-DMP纯度的近红外模型性能。通过对某合成材料公司2,6-DMP精馏提纯过程的产品纯度建立近红外在线检测模型,验证了所提方法的有效性。分析结果表明,借助于不同样本数量以及纯度范围的近红外光谱数据,所建模型精度有所不同,说明迁移学习算法不仅可以有效解决样本区分度低情形下的建模问题,且建模精度与所借助光谱的样本数量以及纯度范围密切相关。