买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中南大学申请的专利一种基于数据融合的浮选关键指标监测模型构建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118887587B 。

龙图腾网通过国家知识产权局官网在2025-10-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411050999.0，技术领域涉及：G06V20/40；该发明授权一种基于数据融合的浮选关键指标监测模型构建方法是由唐朝晖;马炜烨;张虎;苏越;聂子邦设计研发完成，并于2024-08-01向国家知识产权局提交的专利申请。

本一种基于数据融合的浮选关键指标监测模型构建方法在说明书摘要公布了：一种基于数据融合的浮选关键指标监测模型构建方法，本发明提出了一种基于泡沫视频数据和强语义数据融合的浮选关键性能指标监测模型构建方法，基于浮选现场设置的数字图像采集系统采集泡沫视频，首先从泡沫视频和工业现场提取深度特征信息和强语义数据信息，再将两者信息进行有效融合，分析具备不同数据表征的多源异构数据之间的耦合关系，构建浮选关键性能指标监测模型。本发明解决了传统卷积神经网络方法获取的泡沫视频深度特征向量语义信息弱，泛化性能不强，模型训练时容易过拟合等问题，能更加准确地判断工况并有效指导现场操作。

本发明授权一种基于数据融合的浮选关键指标监测模型构建方法在权利要求书中公布了：1.一种基于数据融合的浮选关键指标监测模型构建方法，其特征在于，包括下列步骤： 步骤一：利用浮选现场的图像采集系统收集锌浮选泡沫视频数据，对收集的数据进行预处理，构成锌浮选数据集； 步骤二：构建泡沫视频深度特征提取子网络和泡沫视频强语义特征提取子网络；S1：构建基于3D卷积网络及向量压缩的泡沫视频深度特征提取子网络； 对泡沫视频提取泡沫视频图像帧并对其进行归一化处理，得到原始视频图像帧序列组成的三维特征输入图V0；采用3D卷积模块获取泡沫视频的深度特征表征向量；记为Fk,k＝1…M，经3D卷积模块的3DConv_k,k＝1…M，处理后的特征图，各层特征图定义如下： 其中，M为采用3D卷积模块的总数； 记M1为强语义特征图层数阈值，对Fk,M1≤k≤M采用张量扁平化和向量压缩进行处理，获得泡沫视频高层深度特征表征向量fk，定义如下： 其中，VC·代表张量扁平化和向量压缩操作； S2：构建基于LSTM的泡沫视频强语义特征提取子网络； 在泡沫浮选中，工业过程数据由工业现场的传感器采集；泡沫表观特征由浮选操作工长期积累的经验知识和浮选领域专业知识获得；记P为工业过程数据元素总数，S为泡沫表征特征数目，得到与泡沫视频图像帧匹配的工业过程数据向量泡沫表观特征向量则泡沫视频图像帧的强语义特征向量Xt，如下式所示： 其中，concat·代表向量拼接操作； 将强语义特征向量按视频帧的前后顺序输入到LSTM网络，获取泡沫视频强语义特征向量lq，如下式所示： lq＝LSTMX1,X2,…,XQ 其中，LSTM·代表长短期记忆网络，Q代表当前泡沫视频的总帧数； 步骤三：融合视频深度特征和强语义特征，求解浮选关键性能指标； S1：对基于3D卷积网络及向量压缩的泡沫视频深度特征提取网络进行网络训练，获得该网络的预训练权重； S2：对基于LSTM的泡沫视频强语义特征提取网络进行网络训练，获得该网络的预训练权重； S3：将上述两个网络预训练权重作为初始值，对整个网络模型进行网络训练； S4：将泡沫视频的高层深度表征向量fk和强语义特征向量lq拼接后输入多层感知机，求解关键性能指标如下式所示： 其中，MLP·代表多层感知机。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。