[發明專利]一種燒結成品礦FeO含量預測方法及系統

在審

• 申請號: 202111213840.2
• 申請日: 2021-10-19
• 公開（公告）號: CN113888521A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 邱立運;劉陽
• 申請（專利權）人: 中冶長天（長沙）智能科技有限公司;中冶長天國際工程有限責任公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 北京弘權知識產權代理有限公司 11363
• 代理人: 逯長明;許偉群

1.一種燒結成品礦FeO含量預測方法，其特征在于，包括：

獲取燒結機尾斷面的當前熱成像圖像，所述燒結機尾斷面是在燒結機臺車的前一個臺車運行至燒結機尾并向下翻轉后，所顯露出的燒結成品礦的截面；

提取所述當前熱成像圖像的圖像特征，得到所述當前熱成像圖像所對應的當前特征圖像；

將所述當前特征圖像輸入預先構建的FeO含量預測模型進行FeO含量預測，得到當前燒結成品礦中的FeO預測含量，所述當前燒結成品礦為所述當前熱成像圖像所對應的燒結成品礦，所述FeO含量預測模型基于多層感知機神經網絡模型結構建立，并使用已實測FeO含量的歷史特征圖像集完成訓練和測試，其中，所述已實測FeO含量的歷史特征圖像集包括多個已實測FeO含量的歷史特征圖像，所述歷史特征圖像是從燒結機尾斷面的歷史熱成像圖像中提取出來的。

2.根據權利要求1所述的燒結成品礦FeO含量預測方法，其特征在于，所述將所述當前特征圖像輸入預先構建的FeO含量預測模型進行FeO含量預測，得到當前燒結成品礦中的FeO預測含量，包括：

獲取所述當前特征圖像中每個像素點的像素值；

利用預先確定的映射關系對所有像素點的像素值進行處理，得到當前燒結成品礦中的FeO預測含量。

3.根據權利要求1所述的燒結成品礦FeO含量預測方法，其特征在于，所述FeO含量預測模型通過以下步驟構建：

搭建所述FeO含量預測模型的架構，所述FeO含量預測模型的架構為多層感知機神經網絡模型結構，包括依次連接的輸入層、隱藏層和輸出層，其中，所述輸入層中的輸入節點數量與輸入圖像的像素點數量相同，所述輸出層中的輸出節點數量與待預測參數的數量相同；

使用所述已實測FeO含量的歷史特征圖像集對所述FeO含量預測模型的架構進行訓練和測試，得到所述FeO含量預測模型。

4.根據權利要求3所述的燒結成品礦FeO含量預測方法，其特征在于，所述已實測FeO含量的歷史特征圖像集通過以下方式獲取：

按預設采樣周期采集燒結機尾斷面的多個歷史熱成像圖像；

獲取每個歷史熱成像圖像所對應的歷史燒結成品礦中的FeO實測含量；

提取所述歷史熱成像圖像的圖像特征，得到所述歷史熱成像圖像所對應的歷史特征圖像；

根據所有歷史熱成像圖像所對應的歷史特征圖像，以及每個歷史熱成像圖像所對應的歷史燒結成品礦中的FeO實測含量，生成所述已實測FeO含量的歷史特征圖像集。

5.根據權利要求4所述的燒結成品礦FeO含量預測方法，其特征在于，在按預設采樣周期采集燒結機尾斷面的多個歷史熱成像圖像之后，獲取每個歷史熱成像圖像所對應的歷史燒結成品礦中的FeO實測含量之前，所述燒結成品礦FeO含量預測方法還包括：

去除多個歷史熱成像圖像中的無效圖像。

6.根據權利要求5所述的燒結成品礦FeO含量預測方法，其特征在于，所述使用所述已實測FeO含量的歷史特征圖像集對所述FeO含量預測模型的架構進行訓練和測試，得到所述FeO含量預測模型，包括：

根據交叉驗證法，將所述已實測FeO含量的歷史特征圖像集折分為訓練子集和測試子集；

使用所述訓練子集和所述測試子集，對所述FeO含量預測模型的架構進行交叉訓練。

7.根據權利要求4所述的燒結成品礦FeO含量預測方法，其特征在于，所述采樣周期通過以下方式設置：

獲取所述燒結機尾斷面的產生周期；

獲取燒結成品礦的取樣機構的取樣周期；

確定所述產生周期和所述取樣周期的最小公倍數；

將所述最小公倍數確定為所述采樣周期。