[发明专利]基于多源信息的烧结生产指标识别方法、模型及系统

权利要求书

1.一种基于多源信息的烧结生产指标识别方法，其特征在于，包括：

获取任一时刻烧结机尾断面的可见光图像和红外图像，以及该时刻烧结机的生产参数；

分别对可见光图像和红外图像进行特征提取，获得可见光图像的第一特征向量和红外图像的第二特征向量；

分别对第一特征向量和第二特征向量进行特征值降维，获得第一代表特征和第二代表特征，所述第一代表特征为第一特征向量中N组相关性最高的特征值，所述第二代表特征为第二特征向量中N组相关性最高的特征值；

将第一代表特征和第二代表特征融合，获得双源图像融合特征；

将所述生产参数与双源图像融合特征进行多模态数据融合，获得多模态特征向量；

将多模态特征向量输入至预先建立的多层感知模型，所述多层感知模型包括依次全连接的输入层、隐藏层和输出层；所述输入层用于输入多模态特征向量；所述隐藏层用于根据多模态特征向量进行推理运算，获得烧结矿关键参数；所述输出层用于输出烧结矿关键参数；

获取所述多层感知模型输出的烧结矿关键参数。

2.根据权利要求1所述的一种基于多源信息的烧结生产指标识别方法，其特征在于，所述烧结矿关键参数包括FeO含量、固体能耗、转鼓强度或成品率。

3.根据权利要求1所述的一种基于多源信息的烧结生产指标识别方法，其特征在于，所述烧结机的生产参数包括混合料水分、料层厚度、烧结机速、烧结终点位置、烧结终点温度、风量、负压、点火温度、上料量、燃料配比、燃料粒度和生石灰配比。

4.根据权利要求1所述的一种基于多源信息的烧结生产指标识别方法，其特征在于，在所述对第一特征向量和第二特征向量进行特征值降维，获得第一代表特征和第二代表特征的步骤中，具体采用的方法为主成分分析降维法。

5.根据权利要求1所述的一种基于多源信息的烧结生产指标识别方法，其特征在于，所述第一特征向量中的特征值相关性以及所述第二特征向量中的特征值相关性均采用灰色关联分析法计算。

6.根据权利要求1所述的一种基于多源信息的烧结生产指标识别方法，其特征在于，所述多层感知模型通过以下步骤预先构建：

获取历史采集的多组图像集和多组图像集采集时刻的烧结机生产参数，以及对应的烧结矿关键参数；任一组图像集包含同一时刻烧结机尾断面的可见光图像和红外图像；

将所述多组图像集和多组图像集采集时刻的烧结机生产参数，以及对应的烧结矿关键参数输入至预先构建的多层感知模型中进行训练及测试；

基于训练及测试结果，获取所述多层感知模型。

7.一种基于多源信息的烧结生产指标识别模型，其特征在于，所述基于多源信息的烧结生产指标识别模型用于执行权利要求1-6任一项所述的基于多源信息的烧结生产指标识别方法，所述基于多源信息的烧结生产指标识别模型包括：

获取模块，用于获取任一时刻烧结机尾断面的可见光图像和红外图像，以及该时刻烧结机的生产参数；

图像特征提取模块，用于提取可见光图像的第一特征向量，以及提取红外图像的第二特征向量；

降维模块，用于选取第一特征向量中N组相关性最高的特征值，获得第一代表特征，以及，用于选取第二特征向量中N组相关性最高的特征值，获得第二代表特征；

双源图像特征融合模块，用于将第一代表特征和第二代表特征融合，获得双源图像融合特征；

多模态数据融合模块，用于将所述生产参数与双源图像融合特征进行多模态数据融合，获得多模态特征向量；

多层感知模型，所述多层感知模型包括依次全连接的输入层、隐藏层和输出层，所述输入层用于输入多模态特征向量，所述隐藏层用于根据多模态特征向量进行推理运算，所述输出层用于输出烧结矿关键参数。

8.根据权利要求7所述的一种基于多源信息的烧结生产指标识别模型，其特征在于，

所述输入层包括M个维度，M为多模态特征向量的向量数，用于输入所述多模态特征向量；

所述输出层包括P个维度，P为烧结矿关键参数的类别数。