硝酸盐制备过程的氮含量智能监测系统技术方案

本申请涉及智能监测领域，其具体地公开了一种硝酸盐制备过程的氮含量智能监测系统，其通过采用基于深度学习的神经网络模型挖掘出待测试品的颜色隐含特征和温度与湿度的时序协同关联特征，进一步综合这两者的特征信息来精准地进行硝酸盐中的氮含量估计。精准地进行硝酸盐中的氮含量估计。精准地进行硝酸盐中的氮含量估计。

【技术实现步骤摘要】
硝酸盐制备过程的氮含量智能监测系统


[0001]本申请涉及智能监测领域，且更为具体地，涉及一种硝酸盐制备过程的氮含量智能监测系统。

技术介绍

[0002]硝酸盐厂生产的最终产品的总氮含量需要根据市场的要求生产。对于氮含量的检测方法主要有几种：第一种是先将试样进行分解，即经过还原、消化后，使各种形态的氮转化为铵盐，再加入过量的碱液，使铵盐分解，从碱性溶液中蒸馏氨，将氨吸收在过量的硫酸溶液中，然后用氢氧化钠标准溶液返滴定，即能算出总氮量，该方法操作复杂、耗时长、效率低。第二种直接蒸馏出氨或在酸性介质中还原硝酸盐成铵盐，在混合催化剂存在下，用浓硫酸消化，将有机态氮或酰氨态氮和氰胺态氮转化为铵盐，从碱性溶液中蒸馏氨。将氨吸收在过量硫酸溶液中，在甲基红
‑
亚甲基蓝混合指示剂存在下，用氢氧化钠标准滴定溶液返滴定。最终通过整流后，用氢氧化钠标准溶液滴定直至混合指示剂呈现灰绿色为终点。该检测方法准确、重复性好，被国家及各大检测机构广泛使用。但是该方法检测时间长、耗电大、效率低。第三种是凯氏定氮法，凯氏定氮法的原理与第二种方法相同，该方法可同时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种硝酸盐制备过程的氮含量智能监测系统，其特征在于，包括：检测图像采集模块，用于获取由摄像头采集的待测试品的检测图像；环境数据采集模块，用于获取在采集所述检测图像的过程中的多个预定时间点的温度值和湿度值；图像校正模块，用于将所述检测图像通过基于自动编解码器的图像校正器以得到校正后检测图像；全时序数据关联模块，用于将所述多个预定时间点的温度值和湿度值分别按照时间维度排列为温度输入向量和湿度输入向量后，构建所述温度输入向量和所述湿度输入向量之间的全时序温湿度关联矩阵；数据关联特征提取模块，用于将所述全时序温湿度关联矩阵通过作为过滤器的卷积神经网络模型以得到全时序温湿度关联特征向量；图像语义特征提取模块，用于将所述校正后检测图像通过ViT模型以得到检测图像语义特征向量；特征融合模块，用于融合所述全时序温湿度关联特征向量和所述检测图像语义特征向量以得到解码特征向量；以及氮含量估计模块，用于将所述解码特征向量通过解码器以得到解码值，所述解码值用于表示氮含量的估计值。2.根据权利要求1所述的硝酸盐制备过程的氮含量智能监测系统，其特征在于，所述图像校正模块，包括：图像校正编码单元，用于使用所述图像校正器的编码器从所述检测图像提取检测特征图，其中，所述图像校正器的编码器为卷积层；以及图像校正解码单元，用于使用所述图像校正器的解码器对所述检测特征图进行解码以得到所述校正后检测图像，其中，所述图像校正器的解码器为反卷积层。3.根据权利要求2所述的硝酸盐制备过程的氮含量智能监测系统，其特征在于，所述全时序数据关联模块，用于：以如下关联公式构建所述温度输入向量和所述湿度输入向量之间的全时序温湿度关联矩阵；其中，所述公式为：，其中 表示所述温度输入向量， 表示所述温度输入向量的转置向量，表示所述湿度输入向量，表示所述全时序温湿度关联矩阵，表示向量相乘。4.根据权利要求3所述的硝酸盐制备过程的氮含量智能监测系统，其特征在于，所述数据关联特征提取模块，用于：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的卷积神经网络的最后一层的输出为所述全时序温湿度关联特征向量，所述作为过滤器的卷积神经网络的第一层的输入为所述全时序温湿度关联矩阵。5.根据权利要求4所述的硝酸盐制备过程的氮含量智能监测系统，其特征在于，所述图像语义特征提取模块，包括：分块单元，用于对所述校正后检测图像进行图像分块处理以得到校正后检测图像块的序列；图像块嵌入单元，用于将...

【专利技术属性】
技术研发人员：赖志林，华鹏，李文斌，
申请(专利权)人：福建天甫电子材料有限公司，
类型：发明
国别省市：