融合G-DPN与近红外光谱的铝矾土品质参数协同检测方法研究

来源：电子与信息学报杂志2025年第10期北京时间：

作者：邹亮, 任柯龙, 吴浩, 徐志彬, 谭智毅, 雷萌

单位：1.中国矿业大学信息与控制工程学院 徐州 2211162.中国检验认证集团河北公司 石家庄 0500513.广州海关技术中心 广州 510423

摘要：铝矾土作为关键的非金属矿产资源，在铝工业等领域具有不可替代的作用。为实现资源高效利用并解决低品位矿石冶炼浪费问题，精确测定其品质参数至关重要。传统化学分析方法存在操作流程复杂、检测周期长、成本高昂等局限，而现有快检技术多聚焦单一参数预测，忽略参数间相关性。为此，该文提出一种基于近红外光谱的多指标协同检测模型——门控深度点卷积网络(G-DPN)。该模型创新性地采用大尺寸卷积核深度卷积提取单通道长距离相关特征，结合点卷积实现通道信息融合，并引入空间注意力机制强化关键特征表达能力。进一步设计定制门控模块，通过正交约束分离共享特征与任务特定特征，实现二者的动态加权融合，同时对参数标签归一化以消除量纲差异，有效构建光谱特征与品质参数间的非线性映射关系。基于424个铝矾土样本的实验表明，G-DPN在铝含量、硅含量和铁含量预测中的\begin{document}${R^2}$\end{document}值分别达到0.9226, 0.9377和0.9683，性能显著优于传统机器学习方法及多种深度学习模型。本研究证实近红外光谱技术结合G-DPN模型在铝矾土品质分析中具有显著应用价值，为矿产资源高效利用提供了新的技术支撑。

关键词：近红外光谱, 铝矾土, 深度卷积, 空间注意力机制, G-DPN

基金资助：国家自然科学基金(62473368, 62373360)，科技创新2030——新一代人工智能重大项目(2020AAA0107300)，江苏省研究生科研创新计划(2024WLJCRCZL141，KYCX24_2779)