摘要
本发明涉及一种烧结矿质量多模态分析方法,包括获取生产工序中的多种模态数据;多模态数据处理;对单模态数据进行特征表示;多模态特征融合;多模态特征分析。本发明的优点是:多模态特征分析中深度学习模型使用的网络是通过收集多模态数据处理所获得数据簇,再通过对单模态数据进行特征表示和多模态特征融合,再使用深度学习框架后训练出的网络,使用的深度学习框架可以是RNN模型,该网络适配本发明的烧结多模态数据特点,方法简单实用,易于推广;将各种单模态的特征表示转化为待融合特征向量,将多个不同的待融合特征向量经过特定的映射得到新的特征向量,有效平衡各模态数据维度,同时使框架具备多种融合策略的组合条件。
技术关键词
烧结矿
分析方法
多模态特征融合
数据
深度学习框架
图像
深度神经网络
深度学习模型
融合策略
检测点
相机
数值
参数
计算机
矩阵
元素
系统为您推荐了相关专利信息
融合算法
坐标系
拼接方法
机器可读指令
电子设备
电网传感器
网络拓扑结构
故障恢复方法
强化学习模型
传感器特征
光伏跟踪系统
混合控制方法
闭环控制算法
紫外线传感器
方位角