我国稀土资源丰富,稀土分离企业规模和产量均在世界前列;但企业的稀土提取和分离控制技术仍处于离线分析和人工控制阶段,自动化水平限制了资源利用率和市场竞争力。稀土元素组分含量的在线检测是高效获取稳定、合格稀土产品的重要前提,目前运用软侧量技术进行组分含量预测的研究停留在离线建模状态,当稀土萃取工况发生突变则无法做出有效的预测。本文针对稀土萃取过程工况突变下镨/钕元素组分含量的在线检测问题,提出了一种基于改进即时学习算法的组分含量预测模型,并开发了集自动取样、图像处理及信息提取、组分含量检测、数据管理和人机交互为一体的稀土元素组分含量在线检测系统。主要研究内容如下:1、结合稀土萃取生产现场检测需求,确定在线检测系统总体方案,完成系统硬件结构和软件功能设计,实现稀土混合溶液图像的在线采集;采用HACLON软件设计图像处理算法,对图像进行颜色空间转换,由中值滤波减少环境和图像传输过程中产生的噪声干扰,以自适应阈值分割获得特征区域,确定一阶矩作为溶液图像颜色特征并对图像溶液有效区域进行信息提取。2、引入互信息加权相似准则、数据更新策略和自适应度阈值模型更新策略对传统即时学习算法进行改进,提出了一种基于改进即时学习算法的镨/钕元素组分含量预测模型。进行改进即时学习算法、传统即时学习算法和WLSSVM组分含量预测模型的仿真对比实验,结果表明:本文所建模型的综合预测性能指标最佳,满足萃取工况突变下的组分含量预测要求。3、在MFC平台搭建系统开发环境,结合HALCON和MATALB的优势,开发图像处理算法和组分含量预测模型,完成镨/钕元素组分含量在线检测系统软件的功能要求和人机交互,并采集现场测试样品分析系统的预测精度、重复性、实时性等性能指标。由算法仿真实验和系统测试实验表明,改进即时学习算法在线建立的组分含量预测模型能够解决工况突变下的镨/钕元素组分含量预测,并且系统的各项性能指标均可满足现场快速检测的要求。