摘要
本发明涉及计算机与地质学交叉领域,尤其为一种高纯脉石英原料快速智能化判别方法,旨在解决脉石英原料通过传统的提纯实验方法判别其提纯能力的成本高和效率低等实际问题,本发明通过基于卷积神经网络的深度学习模型,通过将脉石英原料多类型显微图像特征向量与物理化学参数特征向量进行融合并形成综合特征向量,综合特征向量输入最终分类器并映射为一个单一输出值,输出值表示脉石英样品的提纯潜力,本发明能够全面利用多类型显微图像和物理化学参数数据,通过深度学习模型实现脉石英原料提纯潜力的快速和智能化判别,该方法不仅提高了分析的效率,还降低了资金和人力的浪费,对于高纯脉石英原料的筛选判别具有重要的实际意义和经济价值。
技术关键词
深度学习模型
判别方法
石英
图像特征向量
参数
提纯
分类器
交叉验证方法
图像数据处理
多模态特征
制作标签
图像像素
浮点数
高层次
尺寸
显微镜
模块
系统为您推荐了相关专利信息
水轮机转轮叶片
修型方法
计算机辅助设计技术
网格
识别叶片
交流侧故障
参数优化方法
过电压
故障录波器
谐波
方言语音识别方法
构建语音识别模型
声学特征
序列
语言模型概率