摘要
本发明公开了一种基于多模态挖机智能监控的料场开采效率分析方法,本发明的方法包括提取预处理后的挖机监控数据对应的的多个单模态原始特征;计算多个单模态原始特征各模态之间的相关性以生成初步融合特征,并融入自注意力机制和多头自注意力机制,以进行多层次特征融合得到多模态融合特征;利用多模态融合特征训练机器学习模型得到最优机器学习识别模型,以输出挖掘机活动状态识别结果;计算不同活动状态下的挖掘机动作时间、平均循环时间以及生产率,并根据计算出的生产率进行未来生产效率的预测。本发明可以实现对挖掘机活动状态的精准识别与分类,不仅提升了挖掘机活动状态的识别精度,还为料场开采效率的实时预测与优化提供了有力支持。
技术关键词
融合特征
注意力机制
多层次特征融合
挖掘机
训练机器学习模型
多模态
时间同步算法
高斯滤波方法
数据
跨模态
统一时间轴
高维特征向量
短时傅里叶变换
深度卷积网络
矩阵
视频帧
效率分析系统
料场
机器学习模型训练
系统为您推荐了相关专利信息
数据分析方法
并行处理技术
数据格式
监控系统运行状态
深度学习技术
出口边界条件
血管
自动编码器
壁面剪切应力
代理模型构建方法
降解技术
推荐方法
设备运行参数
设备故障监测
污染源画像