本发明公开了一种增强的多尺度卷积神经网络软测量方法，该方法通过重构粗粒度特征进行数据增强，并应用卷积神经网络构建回归模型。将相邻时间段的过程变量数据进行拼接得到数据矩阵，作为样本的新输入替代原来的细粒度特征，解决过程变量采样不平衡以及样本的输入输出对应不准确问题；利用生成对抗网络对样本进行扩充，通过定量的生成样本来对原始数据集进行数据增强，解决过程数据局部缺失的问题；用一维卷积核和二维卷积核同时对粗粒度特征进行特征提取，考虑了变量的动态性和彼此之间的时间差，解决过程变量之间的时延问题；通过卷积和池化的交替操作将数据降到一维，并通过多层感知机建立预测模型，实现对目标质量变量的实时软测量。