一种多维特征融合的配方原料质量评价方法组成比例

本发明专利技术公开了一种多维特征融合的配方原料质量评价方法，首先采集配方原料待测样本的近红外光谱和视觉图像数据，然后对一维光谱数据进行关键谱段筛选，再根据筛选出的关键谱段定位到可视化的二维光谱图像，对相应谱段位置的像素进行加权增强，最后通过神经网络结构自动化搜索分别对一维和二维光谱数据以及视觉图像数据进行卷积操作和特征融合，并评估融合的模型性能，多次迭代确定预测模型结构并预测配方原料的质量。与传统的单维数据评价方式相比，本发明专利技术提出的多维特征融合方法增加了配方原料数据的空间物理信息，更具有针对性，且综合了配方原料的分子结构和视觉特征，更符合配方原料评价的复杂场景，最终提升了对配方原料质量的预测能力。

【技术实现步骤摘要】

本专利技术属于配方工业信息和数据处理，具体地说，是涉及一种多维特征融合的配方原料质量评价方法。

技术介绍

1、随着传感技术的发展和传感器产品的规模化应用，工业数据采集过程自动化水平不断提升，配方工业积累了大量的多源数据资源。同时，配方工业领域对原料品质的把控尤为关键，目前对配方原料质量评价的方法包括基于分子光谱、质谱及视觉的方法。其中，计算机视觉和近红外光谱分析技术以其快速、低成本、安全、无损的特点深受欢迎。

2、目前的预测方法均为单维建模模式，其中，单维近红外光谱忽略了光谱的空间物理信息，且由于近红外光谱序列较长，对全光谱序列分析需要反复多次提取低维特征组合成高维特征，同时光谱数据中不仅含有关键性信息还存在一些干扰信息和无效信息，带有干扰信息和无效信息的数据建立模型会降低效率和模型预测精度。而传统的基于全谱段的建模方法无法捕捉具有关键特征的谱段，建模效率及精度低。

3、计算机视觉作为人工智能领域的一个重要分支，近年来得到了迅速发展。基于视觉的配方原料质量评价发展迅速。对配方原料来说，单维视觉特征无法全面捕捉到原料多层次特征信息，具本文档来自技高网...

【技术保护点】

1.一种多维特征融合的配方原料质量评价方法，其特征在于，包括：

2.根据权利要求1所述的多维特征融合的配方原料质量评价方法，其特征在于，步骤S1包括：

3.根据权利要求1所述的多维特征融合的配方原料质量评价方法，其特征在于，步骤S2包括：

4.根据权利要求1所述的多维特征融合的配方原料质量评价方法，其特征在于，步骤S3包括：

5.根据权利要求1所述的多维特征融合的配方原料质量评价方法，其特征在于，步骤S5包括：

6.根据权利要求1所述的多维特征融合的配方原料质量评价方法，其特征在于，步骤S6根据不同任务计算损失值中，分类模型计算...

【技术特征摘要】

1.一种多维特征融合的配方原料质量评价方法，其特征在于，包括：

2.根据权利要求1所述的多维特征融合的配方原料质量评价方法，其特征在于，步骤s1包括：

3.根据权利要求1所述的多维特征融合的配方原料质量评价方法，其特征在于，步骤s2包括：

4.根据权利要求1所述的多...

【专利技术属性】
技术研发人员：信晓伟，李楠，胡若彤，贾俊华，丁香乾，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：