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！

龙图腾网获悉江西理工大学申请的专利一种基于熔盐图像特征的稀土电解槽状态多参数监测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：CN116630748B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202310711978.8，技术领域涉及：G06V10/774；该发明授权一种基于熔盐图像特征的稀土电解槽状态多参数监测方法是由伍昕宇;刘飞飞;陈鑫宇设计研发完成，并于2023-06-15向国家知识产权局提交的专利申请。

本一种基于熔盐图像特征的稀土电解槽状态多参数监测方法在说明书摘要公布了：本发明公开了一种基于熔盐图像特征的稀土电解槽状态多参数监测方法，根据稀土电解槽运行状态的监测需求，将稀土电解槽状态监测分为稀土熔盐温度监测和稀土熔盐反应状态监测；通过GA‑BP模型来构建稀土熔盐温度的非线性映射模型，实现稀土熔盐温度监测；通过稠密光流法Farneback、尺度变换和均值滤波量化稀土熔盐反应的剧烈程度，并由门控循环单元神经网络GRU建立稀土熔盐运动场特征与稀土熔盐反应状态之间的非线性映射模型，实现稀土熔盐反应状态监测。上述方法结合图像处理、人工智能和数据可视化技术进行基于机器视觉的稀土电解槽运行状态智能监测。

本发明授权一种基于熔盐图像特征的稀土电解槽状态多参数监测方法在权利要求书中公布了：1.一种基于熔盐图像特征的稀土电解槽状态多参数监测方法，其特征在于，所述方法包括： 步骤1、根据稀土电解槽运行状态的监测需求，将稀土电解槽状态监测分为稀土熔盐温度监测和稀土熔盐反应状态监测； 步骤2、通过GA-BP模型来构建稀土熔盐温度的非线性映射模型，实现稀土熔盐温度监测；具体过程为： 首先通过比色公式1提取比色特征作为基础变量： 1 然后确立几类辅助特征为：HSI、RR、CVA和YUV颜色特征； HSI通过描述对象的色调、亮度以及饱和度信息来弥补RGB颜色空间中图像信息少的缺陷，如公式2所示；RR能有效消除光照的影响，提高预测模型的鲁棒性，如公式5所示；利用CVA来表示不同颜色在视觉上的差异，如公式4所示；YUV颜色模型符合人类视觉对亮度信息更敏感的特征，如公式3所示： 2 3 4 5 其中，Y表示像素的亮度；U表示红色分量与亮度的差值；V表示蓝色分量与亮度的差值；K为修正系数，与相机参数、曝光时间以及物体的发射率有关，修正系数K由实验标定得出；H、S、I分别表示色调、亮度以及饱和度；R、G、B分别表示红、绿、蓝三个通道的灰度值；Grey表示灰度图像；、、均为中间变量；RR表示相对红色特征；CVA表示颜色矢量角特征； 基于比色公式的局限性，通过遗传算法GA-BP神经网络模型来构建稀土熔盐温度的非线性映射模型，具体过程为： BP神经网络模型由输入层、隐藏层和输出层三部分组成，输入层由自变量维度决定，输出层由因变量维度决定，隐藏层节点数参考公式6： 6 I和O分别代表输入、输出节点数；根据公式8可知，隐藏层节点N的取值范围为1,13；模型分别由输入层、隐藏层和输出层节点全连接而成；模型的计算流程由权值正向传播和误差反向传播两部分组成，其计算公式如下： 7 8 其中，表示隐藏层第i个神经元；表示第t个温度输入特征与第i个隐藏层神经元的连接权重；表示第t个温度输入特征与第i个隐藏层神经元的偏置值；表示第i个隐藏层神经元与第t个输出的连接权重；表示第i个隐藏层神经元与第t个输出的偏置值；N表示隐藏层节点数；K1表示输入节点数；K2表示输出节点数；表示第t个温度输入特征；表示第t个输出节点；ReLu和均为非线性激活函数，它们的表达式分别如公式11和12所示： 9 10 通过引入遗传算法GA对BP神经网络模型中的隐藏层节点数、初始化连接权重参数以及初始化偏置参数进行优化，优化过程包括初始化种群、计算适应度函数、选择、交叉以及变异过程，设优化参数的总数为N，其计算方法如下： 11 12 13 上式中，表示输入层与隐藏层之间的连接权重数量；表示输入层到隐藏层之间的偏置权重数量；表示隐藏层与输出层之间的连接权重数量；表示隐藏层到输出层之间的偏置权重参数；表示隐藏层节点数；表示输入层节点数；表示输出层节点数；各权重参数的理论界限为-1,1； 其中，遗传算法的优化目标函数采用均方误差函数表示为： 14 式中，MES表示均方误差；n表示样本数据的长度；表示第i个数据标签的真实值；表示第i个数据标签的预测值； 稀土电解槽的图像亮度范围为整个炉台面，为尽可能保证数据的一致性，需截取熔盐中心相同大小的像素块后再取极大值； 步骤3、通过稠密光流法Farneback、尺度变换和均值滤波量化稀土熔盐反应的剧烈程度，并由门控循环单元神经网络GRU建立稀土熔盐运动场特征与稀土熔盐反应状态之间的非线性映射模型，实现稀土熔盐反应状态监测； 其中，所述步骤3的过程具体为： 首先通过Farneback光流法提取稀土熔盐速度场特征,设图像领域信息表达式为： 15 若前一帧图像的领域信息表达式为： 16 假设后一帧图像产生了位移d，基于光流基本假设，其图像领域信息表示为： 17 根据假设，上述多项式系数相等： 18 由上式得图像位移计算公式： 19 通过引入局部多项式来替代公式17中的全局多项式，对两幅图进行局部多项式展开，分别获得两幅图的展开系数和；理想状态下，基于光流假设应满足，但实际中需要做以下近似以减小误差： 20 此外，引入: 21 此时，图像位移计算公式由21更新为： 22 假设图像位移变化足够缓慢，那么需满足以下函数的最小化目标： 23 式中，为图像像素点对应的权重参数，由最小二乘法得位移计算公式为： 24 为提高模型的鲁棒性，8参数2D运动参数化模型表示为： 25 上式由矩阵的形式表示为： 26 27 28 将8参数2D运动参数化模型代入公式25中得新的加权最小二乘表达式为： 29 根据最小二乘法求解，参数化模型表示为： 30 在求解参数化模型的过程中，先分别计算和，然后通过加权平均求解出位移d； 由于稀土电解中的阴极棒直径固定且垂直安装，通过计算图像中阴极棒直径与实际阴极棒直径的比值作为归一化换算因子，首先通过阈值分割分离出熔盐区域，然后提取熔盐区域的轮廓，最后通过轮廓拟合出两条垂直方向上分布点最多的平行线； 使用位移d表示Farneback光流法求解的图像位移，表示阴极棒拟合轮廓间的距离，表示阴极棒的实际直径85mm，则归一化图像位移的表达式为： 31 假设图像的帧率为Nfps，那么两帧图像的时间间隔为1Ns，因此归一化速度v的表达式为： 32 至此已经能够提取出稀土熔盐视频流中的归一化速度特征，由于相机在成像时会受到电流带来的脉冲噪声和环境随机噪声的影响，还需要对数据进行中值滤波处理，由于采样时间足够小，将中值滤波器的阶数设置为N-1； 门控循环单元神经网络GRU由重置门和更新门组成，计算流程为： 当前单元的输入值Xt和前一单元输出的状态ht-1通过非线性组合组成重置门和更新门的输入： 33 34 式中，表示重置门的输出；表示更新门的输出；和分别表示重置门和更新门的权重参数；和分别表示重置门和更新门的偏置矩阵；表示矩阵点乘；[]表示矩阵拼接；表示非线性激活函数sigmoid，表示为： 35 然后更新候选状态为： 36 式中，表示本单元的候选状态；表示候选状态对应的权重参数；表示矩阵的Hadamard积；表示候选状态对应的权重参数；tanh表示双正切函数，表示为： 37 最后，隐藏层单元的输出为： 38 门控循环单元神经网络GRU通过重置门和更新门控制筛选输出信息，使其能够在递增的时间序列信息中保持相对稳定的有效信息量； 将提取出的特征随机打乱，然后将特征以8:2的比例划分为训练集和测试集，将训练集用于训练稀土熔盐运动场特征与稀土熔盐反应状态之间的非线性映射模型；接着使用训练好的非线性映射模型对测试集数据进行预测验证。

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江西理工大学，其通讯地址为：341099 江西省赣州市章贡区红旗大道86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。