面向工业膏体浓度监测的体系化智能视觉信息融合模型

作     者：王贺正 马博渊 李潇睿 郭利杰 刘光生 WANG Hezheng;MA Boyuan;LI Xiaorui;GUO Lijie;LIU Guangsheng

作者机构：北京科技大学北京材料基因工程高精尖创新中心北京100083 北京科技大学钢铁共性技术协同创新中心北京100083 北京科技大学智能科学与技术学院北京100083 北京科技大学顺德创新学院佛山528300 矿冶科技集团有限公司北京100160 

出 版 物：《北京邮电大学学报》 (Journal of Beijing University of Posts and Telecommunications)

年 卷 期：2024年第47卷第4期

页      面：83-89页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家重点研发计划项目(2022YFE0129200) 佛山市科技创新专项资金项目(BK22BF010) 中央高校基本科研业务费专项项目(06500221,FRF-IDRY-23-024) 

主　　题：膏体充填 膏体浓度准确估计 视频分类 多模态 

摘      要：针对膏体充填技术中对于膏体浓度监控方法存在的精准度低、仪器使用寿命短、测量耗时长、因安全问题导致使用受限等局限性,提出了一种双流视觉信息融合模型以实现膏体浓度自动化准确估计,以减少膏体浓度监测对人工的需求,增加矿场的自动化程度,促进体系化人工智能在智能采矿领域中的应用。所提模型以卷积神经网络模型为基础,使用双流结构,通过分析膏体视频及相应的光流信息,学习提取其中的空间特征和时间特征,形成对膏体视频的双流特征感知表示;特征融合模块进一步强化对有效特征的识别,使模型能够对膏体浓度进行非接触式的准确监测。在此基础上,采集实际生产环境下膏体视频数据并构建真实的膏体视频-浓度数据集,并以此数据集对所提模型进行验证。实验结果表明,所提模型在真实膏体视频数据集中识别准确率能够达到94.16%,在同等条件下准确率较其他深度学习模型高出3.47%,实现了在生产环境下对膏体浓度进行实时准确监测的目的。