申请/专利权人：辽宁科技大学

申请日：2020-12-29

公开（公告）日：2024-04-09

公开（公告）号：CN112614122B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06V10/82;G06N3/0464;G06N3/048;G06N3/084;G01N33/24

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2021.04.23#实质审查的生效;2021.04.06#公开

摘要：本发明涉及一种基于矿石研磨图像的元素分析方法。本发明包括矿石的前处理、矿石能谱数据获取、能谱数据预处理和矿石元素分析。使用本发明的预处理方法对矿石能谱数据进行预处理，提高了数据维度，减少训练时间；使用本发明提出的LDropout层，在原有随机丢弃的基础上进行触发丢弃，使神经网络模型具有更强的鲁棒性，不易出现过拟合和梯度消失的情况；使用本发明提出的指数动态法动态调整训练步长以及标签惩罚对模型进行训练，使模型在训练过程中能够更快的到达训练结束条件、降低模型陷入局部最小的风险、加快收敛速度等。

主权项：1.一种基于矿石研磨图像的元素分析方法，其特征在于：具体包括如下步骤：步骤一、通过矿石研磨机对大块矿石进行研磨形成小颗粒矿石颗粒；然后使用环氧树脂将小颗粒矿石进行聚合、打磨形成规整的树脂片；然后将聚合、打磨后的树脂片通过能谱仪得到能谱数据；步骤二、将步骤一中获得的能谱数据通过维度跃迁的方法转化为能够用于预测和训练的二维数据，即对数据进行统一的数据重建和归一化；生成一个新的矿石能谱数据图像，并把生成的能谱数据按照8：1：1的比例划分为训练集、验证集和测试集；步骤三、构建一个空间残差卷积神经网络；使用预处理后的矿石数据图像训练空间残差卷积神经网络；所述的空间残差卷积神经网络模型包含输入层、多个空间残差卷积层、全连接层和输出层；输入层用于接收预处理后的矿石能谱数据；空间残差卷积层用于把预处理后的矿石能谱数据进行特征提取；随后上层输出的特征图作为下一个空间残差卷积层的输入，直达最后一个空间残差卷积层将其输出到全连接层；全连接层将所有提取出来的特征进行非线性映射并分类；输出层利用分类器得到最后的输出结果；空间残差卷积层是将两个空间卷积和两个最大池化进行组合并将进行跳连处理，构成空间残差卷积层；由于通过预处理后的能谱数据相对离散，使用空间卷积能够更好的对数据进行特征提取，同时矿石能谱数据存在顶峰，使用最大池化能保留顶峰细节，同时引入提出的LDropout层；LDropout层在原有Dropout的基础上提出误差丢弃法，具体为：在进行第一次训练时记录下各层的特征矩阵，在进行第二次训练时将每层的特征矩阵与第一次记录的特征矩阵进行对比，并按照变化从小到大进行排序，按照排序大小，从小到大进行丢弃；步骤四、使用标签惩罚法以及指数动态法对模型参数更新，以满足基于空间残差卷积神经网络的矿石研磨图像进行元素鉴定的智能分析：当有预处理后的矿石数据图像输入时，自动输出该矿石中所含元素。

全文数据：

权利要求：

百度查询： 辽宁科技大学 一种基于矿石研磨图像的元素分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD