开云优惠体育网页版入口

专利名称：石英砂的自动化加工方法及系统

专利类型：实用新型专利

专利申请号：CN202410154584.1

专利申请（专利权）人：凤阳昌荣粉体材料有限公司
权利人地址：安徽省滁州市凤阳县石英产业园启园大道9号

专利发明（设计）人：荣克伟,徐银东,陈长伟,荣守国

专利摘要：本申请涉及石英砂自动化加工领域，其具体地公开了一种石英砂的自动化加工方法及系统，其首先采集连续退火炉内的多个预定时间点的石英砂温度值、热应力以及相应的多个石英砂图像数据，接着通过时序编码器对所述连续退火炉内多个预定时间点的石英砂温度值、热应力进行时序特征提。笔褂没诨旌暇砘愕木砘窬缒Ｐ投运鱿嘤Φ亩喔鍪⑸巴枷袷萁刑卣魈崛『头治，最后结合这二者的特征信息以得到用于表示连续退火炉的温度是否需要调整的分类结果。这样，根据分类结果，能够实现对石英砂连续退火过程进行实时监测和控制，从而提高石英砂的加工效率和产品质量。

主权利要求：
1.一种石英砂的自动化加工方法，其特征在于，包括：
采集连续退火炉内的多个预定时间点的石英砂温度值、热应力以及相应的多个石英砂图像数据；
对所述连续退火炉内的多个预定时间点的石英砂温度值、热应力以及所述相应的多个石英砂图像数据分别进行特征提取和分析以得到石英砂温度?热应力时序变化特征图以及石英砂状态变化特征图；
基于所述石英砂温度?热应力时序变化特征图以及所述石英砂状态变化特征图，以得到分类结果；
其中，基于所述石英砂温度?热应力时序变化特征图以及所述石英砂状态变化特征图，以得到分类结果，包括：对所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图进行高维空间单元流形子维度超凸相关性度量以得到石英砂分类特征图；
将所述石英砂分类特征图通过分类器以得到分类结果；
其中，对所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图进行高维空间单元流形子维度超凸相关性度量以得到石英砂分类特征图，包括：计算所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图之间的按位置均值特征图；
计算所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图之间的按位置差分特征图；
分别计算所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图与所述按位置均值特征图之间的差分特征图以得到第一差分偏中心特征图和第二差分偏中心特征图；
计算所述第一差分偏中心特征图和所述第二差分偏中心特征图中各个位置的特征值的以2为底的对数函数值以得到第一对数差分偏中心特征图和第二对数差分偏中心特征图；
将所述第一对数差分偏中心特征图除以所述第一对数差分偏中心特征图和第二对数差分偏中心特征图之间的按位置加和特征图以得到校正特征图；以及计算所述校正特征图和所述按位置差分特征图的对数按位置差分特征图之间的按位置加权和以得到所述石英砂分类特征图。
2.根据权利要求1所述的石英砂的自动化加工方法，其特征在于，对所述连续退火炉内的多个预定时间点的石英砂温度值、热应力以及所述相应的多个石英砂图像数据分别进行特征提取和分析以得到石英砂温度?热应力时序变化特征图以及石英砂状态变化特征图，包括：将所述连续退火炉内的多个预定时间点的石英砂温度值、热应力分别进行深度卷积编码以得到所述石英砂温度?热应力时序变化特征图；
将所述相应的多个石英砂图像数据进行深度卷积编码以得到所述石英砂状态变化特征图。
3.根据权利要求2所述的石英砂的自动化加工方法，其特征在于，将所述连续退火炉内的多个预定时间点的石英砂温度值、热应力分别进行深度卷积编码以得到所述石英砂温度?热应力时序变化特征图，包括：将所述连续退火炉内的多个预定时间点的石英砂温度值、热应力分别通过基于时序编码器的时序特征提取模块以得到石英砂温度时序特征向量和石英砂热应力时序特征向量；
使用联合编码器对所述石英砂温度时序特征向量和所述石英砂热应力时序特征向量进行特征联合以得到石英砂温度?热应力时序特征矩阵；
将所述石英砂温度?热应力时序特征矩阵通过基于卷积神经网络模型的石英砂参数变化特征提取模块以得所述石英砂温度?热应力时序变化特征图。
4.根据权利要求3所述的石英砂的自动化加工方法，其特征在于，使用联合编码器对所述石英砂温度时序特征向量和所述石英砂热应力时序特征向量进行特征联合以得到石英砂温度?热应力时序特征矩阵，具体为使用所述联合编码器以如下公式对所述石英砂温度时序特征向量和所述石英砂热应力时序特征向量进行联合编码以生成所述石英砂温度?热应力时序特征矩阵；
其中，所述公式为：
其中 表示向量相乘， 表示所述石英砂温度?热应力时序特征矩阵，表示所述石英砂温度时序特征向量， 表示所述石英砂热应力时序特征向量， 表示所述石英砂热应力时序特征向量的转置。
5.根据权利要求4所述的石英砂的自动化加工方法，其特征在于，将所述相应的多个石英砂图像数据进行深度卷积编码以得到所述石英砂状态变化特征图，包括：将所述相应的多个石英砂图像数据通过基于混合卷积层的石英砂状态特征提取模块以得到多个石英砂状态特征矩阵；
将所述多个石英砂状态特征矩阵按时间维度进行排列以得到石英砂状态变化三维张量后通过基于三维卷积神经网络模型的石英砂状态变化特征提取模块以得到石英砂状态变化特征图。
6.根据权利要求5所述的石英砂的自动化加工方法，其特征在于，将所述相应的多个石英砂图像数据通过基于混合卷积层的石英砂状态特征提取模块以得到多个石英砂状态特征矩阵，具体为使用所述石英砂状态特征提取模块的各个混合卷积层在层的正向传递中分别对输入数据进行如下操作：使用具有第一尺寸的第一卷积核对所述相应的多个石英砂图像数据中各个石英砂图像数据进行卷积编码以得到第一尺度特征图；
使用具有第一空洞率的第二卷积核对所述相应的多个石英砂图像数据中各个石英砂图像数据进行卷积编码以得到第二尺度特征图；
使用具有第二空洞率的第三卷积核对所述相应的多个石英砂图像数据中各个石英砂图像数据进行卷积编码以得到第三尺度特征图；
使用具有第三空洞率的第四卷积核对所述相应的多个石英砂图像数据中各个石英砂图像数据进行卷积编码以得到第四尺度特征图，其中，所述第一卷积核、所述第二卷积核、所述第三卷积核和所述第四卷积核具有相同的尺寸，且所述第二卷积核、所述第三卷积核和所述第四卷积核具有不同的空洞率；
将所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图进行沿通道维度的聚合以得到聚合特征图；
对所述聚合特征图进行池化处理以生成池化特征图；以及
对所述池化特征图进行激活处理以生成激活特征图；
其中，所述基于混合卷积层的石英砂状态特征提取模块的最后一层的输出为所述多个石英砂状态特征矩阵中的各个石英砂状态特征矩阵。
7.根据权利要求6所述的石英砂的自动化加工方法，其特征在于，所述分类结果用于表示连续退火炉的温度是否需要调整。
8.一种石英砂的自动化加工系统，其特征在于,包括：
石英砂数据采集模块，用于采集连续退火炉内的多个预定时间点的石英砂温度值、热应力以及相应的多个石英砂图像数据；
石英砂特征获取模块，用于对所述连续退火炉内的多个预定时间点的石英砂温度值、热应力以及所述相应的多个石英砂图像数据分别进行特征提取和分析以得到石英砂温度?热应力时序变化特征图以及石英砂状态变化特征图；
石英砂特征分类结果生成模块，用于基于所述石英砂温度?热应力时序变化特征图以及所述石英砂状态变化特征图，以得到分类结果；
其中，基于所述石英砂温度?热应力时序变化特征图以及所述石英砂状态变化特征图，以得到分类结果，包括：对所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图进行高维空间单元流形子维度超凸相关性度量以得到石英砂分类特征图；
将所述石英砂分类特征图通过分类器以得到分类结果；
其中，对所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图进行高维空间单元流形子维度超凸相关性度量以得到石英砂分类特征图，包括：计算所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图之间的按位置均值特征图；
计算所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图之间的按位置差分特征图；
分别计算所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图与所述按位置均值特征图之间的差分特征图以得到第一差分偏中心特征图和第二差分偏中心特征图；
计算所述第一差分偏中心特征图和所述第二差分偏中心特征图中各个位置的特征值的以2为底的对数函数值以得到第一对数差分偏中心特征图和第二对数差分偏中心特征图；
将所述第一对数差分偏中心特征图除以所述第一对数差分偏中心特征图和第二对数差分偏中心特征图之间的按位置加和特征图以得到校正特征图；以及计算所述校正特征图和所述按位置差分特征图的对数按位置差分特征图之间的按位置加权和以得到所述石英砂分类特征图。 说明书 : 石英砂的自动化加工方法及系统技术领域[0001] 本申请涉及石英砂自动化加工领域，且更为具体地，涉及一种石英砂的自动化加工方法及系统。背景技术[0002] 石英砂是一种主要由石英(二氧化硅)组成的沉积岩矿物。它是地壳中最常见的矿物之一，也是自然界中最丰富的矿物之一。它是一种非金属矿物质，主要由石英(二氧化硅)组成。石英砂广泛应用于工业和建筑领域。由于其耐高温、耐腐蚀和机械强度高的特性，石英砂常被用作耐火材料、玻璃制造、陶瓷工业、铸造、磨料和研磨材料的原料。此外，石英砂还用于水处理、油田勘探、化妆品、电子产业(如半导体制造)等领域。[0003] 石英砂在加工过程中，通常需要进行连续退火处理和水淬。这是一种常见的石英砂处理方法，用于改善其物理和化学性质。连续退火是指将石英砂加热到一定温度后，保持一段时间，然后逐渐冷却。这个过程可以通过连续退火炉来实现，石英砂在炉内通过传送带或其他方式持续进出。连续退火的目的是消除石英砂中的内部应力，提高其热稳定性和机械强度。[0004] 但是，石英砂连续退火过程中，由于温度变化和热应力，石英砂颗粒可能会出现开裂或断裂。这可能导致产品的质量下降或破损。为了解决这个问题，制造商通常会调整退火温度和时间，以减少热应力的影响。而目前的调整方法通常缺乏实时监测和反馈机制。制造商可能无法准确了解石英砂在退火过程中的温度分布和热应力状态。缺乏实时数据和反馈信息，可能导致调整的效果无法及时评估和调整，增加了调整的难度和不确定性。[0005] 因此，期待一种石英砂的自动化加工方法及系统，通过深度学习技术对石英砂连续退火过程进行实时监测和控制，以提高石英砂的加工效率和产品质量。发明内容[0006] 为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种石英砂的自动化加工方法及系统，其首先采集连续退火炉内的多个预定时间点的石英砂温度值、热应力以及相应的多个石英砂图像数据，接着通过时序编码器对所述连续退火炉内多个预定时间点的石英砂温度值、热应力进行时序特征提。笔褂没诨旌暇砘愕木砘窬缒Ｐ投运鱿嘤Φ亩喔鍪⑸巴枷袷萁刑卣魈崛『头治，最后结合这二者的特征信息以得到用于表示连续退火炉的温度是否需要调整的分类结果。这样，根据分类结果，能够实现对石英砂连续退火过程进行实时监测和控制，从而提高石英砂的加工效率和产品质量。[0007] 根据本申请的第一方面，提供了一种石英砂的自动化加工方法，其包括：[0008] 采集连续退火炉内的多个预定时间点的石英砂温度值、热应力以及相应的多个石英砂图像数据；[0009] 对所述连续退火炉内的多个预定时间点的石英砂温度值、热应力以及所述相应的多个石英砂图像数据分别进行特征提取和分析以得到石英砂温度?热应力时序变化特征图以及石英砂状态变化特征图；[0010] 基于所述石英砂温度?热应力时序变化特征图以及所述石英砂状态变化特征图，以得到分类结果。[0011] 结合本申请的第一方面，在本申请的第一方面的一种石英砂的自动化加工方法中，对所述连续退火炉内的多个预定时间点的石英砂温度值、热应力以及所述相应的多个石英砂图像数据分别进行特征提取和分析以得到石英砂温度?热应力时序变化特征图以及石英砂状态变化特征图，包括：将所述连续退火炉内的多个预定时间点的石英砂温度值、热应力分别进行深度卷积编码以得到所述石英砂温度?热应力时序变化特征图；将所述相应的多个石英砂图像数据进行深度卷积编码以得到所述石英砂状态变化特征图。[0012] 根据本申请的第二方面，提供了一种石英砂的自动化加工系统，其包括：[0013] 石英砂数据采集模块，用于采集连续退火炉内的多个预定时间点的石英砂温度值、热应力以及相应的多个石英砂图像数据；[0014] 石英砂特征获取模块，用于对所述连续退火炉内的多个预定时间点的石英砂温度值、热应力以及所述相应的多个石英砂图像数据分别进行特征提取和分析以得到石英砂温度?热应力时序变化特征图以及石英砂状态变化特征图；[0015] 石英砂特征分类结果生成模块，用于基于所述石英砂温度?热应力时序变化特征图以及所述石英砂状态变化特征图，以得到分类结果。[0016] 结合本申请的第二方面，在本申请的第二方面的一种石英砂的自动化加工系统中，所述石英砂特征分类结果生成模块，包括：对所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图进行高维空间单元流形子维度超凸相关性度量以得到石英砂分类特征图；将所述石英砂分类特征图通过分类器以得到分类结果。其中，所述分类结果用于表示连续退火炉的温度是否需要调整。[0017] 与现有技术相比，本申请提供的一种石英砂的自动化加工方法及系统，其首先采集连续退火炉内的多个预定时间点的石英砂温度值、热应力以及相应的多个石英砂图像数据，接着通过时序编码器对所述连续退火炉内多个预定时间点的石英砂温度值、热应力进行时序特征提。笔褂没诨旌暇砘愕木砘窬缒Ｐ投运鱿嘤Φ亩喔鍪⑸巴枷袷萁刑卣魈崛『头治，最后结合这二者的特征信息以得到用于表示连续退火炉的温度是否需要调整的分类结果。这样，根据分类结果，能够实现对石英砂连续退火过程进行实时监测和控制，从而提高石英砂的加工效率和产品质量。附图说明[0018] 通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。[0019] 图1图示了根据本申请实施例的石英砂的自动化加工方法的流程图。[0020] 图2图示了根据本申请实施例的石英砂的自动化加工方法中步骤S2的流程图。[0021] 图3图示了根据本申请实施例的石英砂的自动化加工方法中步骤S2中步骤S21的流程图。[0022] 图4图示了根据本申请实施例的石英砂的自动化加工方法中步骤S2中步骤S22的流程图。[0023] 图5图示了根据本申请实施例的石英砂的自动化加工方法中步骤S3的流程图。[0024] 图6图示了根据本申请实施例的石英砂的自动化加工系统的示意性框图。具体实施方式[0025] 下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。[0026] 示例性方法[0027] 图1图示了根据本申请实施例的石英砂的自动化加工方法的流程图。如图1所示，根据本申请实施例的石英砂的自动化加工方法，包括：S1，采集连续退火炉内的多个预定时间点的石英砂温度值、热应力以及相应的多个石英砂图像数据；S2，对所述连续退火炉内的多个预定时间点的石英砂温度值、热应力以及所述相应的多个石英砂图像数据分别进行特征提取和分析以得到石英砂温度?热应力时序变化特征图以及石英砂状态变化特征图；S3,基于所述石英砂温度?热应力时序变化特征图以及所述石英砂状态变化特征图，以得到分类结果。[0028] 石英砂是一种常见的矿物，主要由二氧化硅(化学式：SiO2)组成。它是地壳中最常见的矿物之一，广泛分布于许多地方，包括河流、海滩、沙漠和矿床等。石英砂的颗粒通常是透明或半透明的，呈现出白色、灰色、黄色、粉红色等不同的颜色。它的颗粒形状通常是六角柱状，具有良好的结晶性。石英砂在工业上有广泛的应用。由于它的物理和化学性质稳定，耐高温和耐腐蚀，因此被广泛用于玻璃制造、陶瓷工业、建筑材料、化工原料、电子行业等领域。石英砂也常用于水处理、过滤材料和砂浆等方面。[0029] 石英砂连续退火过程是石英砂加工过程中的一个重要环节。连续退火是指在一定的温度范围内，将石英砂加热到一定温度并保持一段时间，然后逐渐冷却至室温。这个过程可以改善石英砂的物理性质和化学稳定性，以满足不同应用领域的需求。[0030] 但是，如上述背景技术所述，石英砂连续退火过程中，由于温度变化和热应力，石英砂颗粒可能会出现开裂或断裂。这可能导致产品的质量下降或破损。为了解决这个问题，制造商通常会调整退火温度和时间，以减少热应力的影响。而目前的调整方法通常缺乏实时监测和反馈机制。制造商可能无法准确了解石英砂在退火过程中的温度分布和热应力状态。缺乏实时数据和反馈信息，可能导致调整的效果无法及时评估和调整，增加了调整的难度和不确定性。因此，期待一种石英砂的自动化加工方法及系统，通过深度学习技术对石英砂连续退火过程进行实时监测和控制，以提高石英砂的加工效率和产品质量。[0031] 深度学习是一种机器学习的分支，它通过模拟人脑神经网络的结构和功能，使用多层次的神经网络来学习和解决复杂的模式识别和决策问题。深度学习技术在近年来取得了重大的突破，并在各个领域展现出强大的能力和广泛的应用。[0032] 深度学习的核心是人工神经网络(ArtificialNeuralNetwork，ANN)，它由多个神经元(节点)和连接它们的权重组成。每个神经元接收来自前一层神经元的输入，并通过激活函数对输入进行处理，然后将输出传递给下一层神经元。通过多层次的连接和权重调整，神经网络可以学习到输入数据的复杂特征和模式。[0033] 深度学习技术的一大优势是可以自动从原始数据中学习特征表示，而无需手动设计特征。这使得深度学习在图像识别、语音识别、自然语言处理等领域取得了重大突破。例如，在图像识别中，深度学习可以通过训练神经网络来自动学习图像中的特征，从而实现高精度的物体识别和分类。[0034] 在本系统中，深度学习技术发挥重要作用。深度学习技术可以实现对石英砂连续退火过程的实时监测和控制，提高加工效率和产品质量。这种自动化加工方法和系统可以减少人工干预，降低操作风险，提高加工的稳定性和一致性。因此，通过使用深度学习技术对本申请实施例中的输入数据进行特征提取和分析。[0035] 在步骤S1中，采集连续退火炉内的多个预定时间点的石英砂温度值、热应力以及相应的多个石英砂图像数据。应可以理解，温度是影响石英砂退火过程的重要参数之一。通过采集连续退火炉内的石英砂温度值，可以了解石英砂在不同位置和时间点的温度分布情况。这有助于确定石英砂的加热、保温和冷却过程是否符合要求，并及时调整温度参数，以避免石英砂颗粒因温度变化而开裂或断裂。同时，在石英砂连续退火过程中，温度的变化会导致石英砂颗粒发生热膨胀或热收缩，从而引起热应力的产生。具体来说，当石英砂受热时，其颗粒内部的分子振动增加，导致颗粒体积膨胀。相反，当石英砂冷却时，颗粒体积收缩。这种热膨胀和热收缩过程会导致石英砂颗粒内部产生应力。而石英砂颗粒可能会受到热应力的影响而产生开裂或断裂。因此，还需要采集石英砂退火过程中的热应力。除此之外，通过摄像头采集石英砂的图像数据，可以实时观察和分析石英砂颗粒的形态和状态。石英砂的图像数据可以提供更直观的信息，例如颗粒形状、颗粒大小和颗粒分布等。这些信息可以与温度和热应力数据结合起来，帮助判断石英砂颗粒是否存在异常或问题，并及时采取措施进行调整和修正。[0036] 特别地，采集连续退火炉内的多个预定时间点的石英砂温度值、热应力时，可以在连续退火炉内安装温度传感器和应力传感器，以实时监测石英砂的温度和应力。传感器可以是热电偶、红外线传感器、压力传感器等。这些传感器可以将温度和应力的数值转换为电信号，并通过数据采集设备进行记录和传输。另外，采集相应的多个石英砂图像数据时，可以使用高分辨率的工业相机或摄像头对石英砂进行图像采集。相机可以安装在连续退火炉内或其附近的适当位置，以获取清晰的石英砂图像。相机可以通过电缆或无线连接与数据采集设备进行通信。[0037] 在步骤S2中，对所述连续退火炉内的多个预定时间点的石英砂温度值、热应力以及所述相应的多个石英砂图像数据分别进行特征提取和分析以得到石英砂温度?热应力时序变化特征图以及石英砂状态变化特征图。应可以理解，获取到这些输入数据之后，接着就是对这些输入数据进行特征提取和分析任务。[0038] 具体地，图2图示了根据本申请实施例的石英砂的自动化加工方法中步骤S2的流程图。如图2所示，步骤S2，对所述连续退火炉内的多个预定时间点的石英砂温度值、热应力以及所述相应的多个石英砂图像数据分别进行特征提取和分析以得到石英砂温度?热应力时序变化特征图以及石英砂状态变化特征图，包括：S21，将所述连续退火炉内的多个预定时间点的石英砂温度值、热应力分别进行深度卷积编码以得到所述石英砂温度?热应力时序变化特征图；S22，将所述相应的多个石英砂图像数据进行深度卷积编码以得到所述石英砂状态变化特征图。[0039] 首先对所述连续退火炉内的多个预定时间点的石英砂温度值、热应力进行特征提取和分析。具体地，图3图示了根据本申请实施例的石英砂的自动化加工方法中步骤S2中步骤S21的流程图。如图3所示，步骤S21，将所述连续退火炉内的多个预定时间点的石英砂温度值、热应力分别进行深度卷积编码以得到所述石英砂温度?热应力时序变化特征图，包括：S211，将所述连续退火炉内的多个预定时间点的石英砂温度值、热应力分别通过基于时序编码器的时序特征提取模块以得到石英砂温度时序特征向量和石英砂热应力时序特征向量；S212，使用联合编码器对所述石英砂温度时序特征向量和所述石英砂热应力时序特征向量进行特征联合以得到石英砂温度?热应力时序特征矩阵；S213，将所述石英砂温度?热应力时序特征矩阵通过基于卷积神经网络模型的石英砂参数变化特征提取模块以得所述石英砂温度?热应力时序变化特征图。[0040] 应可以理解，温度和热应力在连续退火过程中通常是随时间变化的。通过使用时序特征提取模块，可以从温度和热应力的时序数据中捕捉到重要的变化模式和趋势。这些特征可以提供关于石英砂退火过程的有用信息。因此，在本申请实施例中，通过基于时序编码器的时序特征提取模块对所述连续退火炉内的多个预定时间点的石英砂温度值、热应力分别进行深度卷积编码以提取其时序特征。[0041] 具体地，步骤S211，将所述连续退火炉内的多个预定时间点的石英砂温度值、热应力分别通过基于时序编码器的时序特征提取模块以得到石英砂温度时序特征向量和石英砂热应力时序特征向量，用于：将所述连续退火炉内的多个预定时间点的石英砂温度值、热应力分别排列为温度输入向量、热应力输入向量；使用所述时序编码器的全连接层对所述温度输入向量、所述热应力输入向量分别进行全连接编码以提取出所述温度输入向量、所述热应力输入向量中各个位置的特征值的高维隐含特征；以及使用时序编码器的一维卷积层对所述温度输入向量、所述热应力输入向量分别进行一维卷积编码以提取出所述温度输入向量、所述热应力输入向量中各个位置的特征值间的关联的高维隐含关联特征。[0042] 接着，应可以理解，在石英砂的连续退火过程中，温度和热应力是两个相关的参数，它们之间存在一定的关联关系。比如，温度升高会导致物质的热膨胀，即物体的体积会随温度的升高而增大。这种热膨胀会引起物质内部的应力变化，从而导致热应力的产生。因此，为了更好地捕捉二者之间的关联特征，通过联合编码器将石英砂温度时序特征向量和石英砂热应力时序特征向量进行特征联合。这样，可以捕捉到它们之间的关联信息，进一步提高对石英砂退火过程的监测和控制能力。[0043] 具体地，S212，使用联合编码器对所述石英砂温度时序特征向量和所述石英砂热应力时序特征向量进行特征联合以得到石英砂温度?热应力时序特征矩阵，用于：使用所述联合编码器以如下公式对所述石英砂温度时序特征向量和所述石英砂热应力时序特征向量进行联合编码以生成所述石英砂温度?热应力时序特征矩阵；其中，所述公式为：其中 表示向量相乘，M表示所述石英砂温度?热应力时序特征矩阵，Va1表示所述石英砂温度时序特征向量，Va2表示所述石英砂热应力时序特征向量， 表示所述石英砂热应力时序特征向量的转置。[0044] 进一步地，应可以理解，卷积神经网络(CNN)在图像处理领域具有出色的性能，能够有效地提取局部特征。在石英砂的温度?热应力时序特征矩阵中，不同位置的特征可能对石英砂的退火过程有不同的影响。因此，为了更好地捕捉到石英砂温度?热应力时序变化的局部模式和规律，通过基于卷积神经网络模型的石英砂参数变化特征提取模块对所述石英砂温度?热应力时序特征矩阵进行深度卷积编码。[0045] 具体地，S213，将所述石英砂温度?热应力时序特征矩阵通过基于卷积神经网络模型的石英砂参数变化特征提取模块以得所述石英砂温度?热应力时序变化特征图，具体的特征提取步骤为：1、数据准备：将石英砂温度和热应力的时序数据整理成特征矩阵，其中每行表示一个时间步，每列表示一个特征。确保数据的格式适用于卷积神经网络的输入。2、特征提取模块构建：设计一个基于卷积神经网络(CNN)的石英砂参数变化特征提取模块。该模块应包含卷积层、池化层和激活函数等组件，用于学习和提取石英砂温度?热应力时序变化的特征。3、特征提取过程：将石英砂温度?热应力时序特征矩阵输入到特征提取模块中。通过卷积操作和池化操作，模型将从时序特征矩阵中提取出关键的时序变化特征。4、特征图生成：根据特征提取模块的输出，生成石英砂温度?热应力时序变化特征图。特征图可以是二维的矩阵，其中每个元素表示一个特征的强度或重要性。[0046] 需要注意的是，具体的特征提取步骤可能会因具体的应用场景和数据特点而有所不同。在设计特征提取模块时，可以根据实际情况选择合适的卷积神经网络结构、激活函数和其他参数。此外，还可以通过调整模型的超参数和进行训练来优化特征提取的效果。[0047] 接着对所述相应的多个石英砂图像数据进行特征提取和分析。具体地，图4图示了根据本申请实施例的石英砂的自动化加工方法中步骤S2中步骤S22的流程图。如图4所示，步骤S22，将所述相应的多个石英砂图像数据进行深度卷积编码以得到所述石英砂状态变化特征图，包括：S221,将所述相应的多个石英砂图像数据通过基于混合卷积层的石英砂状态特征提取模块以得到多个石英砂状态特征矩阵；S222,将所述多个石英砂状态特征矩阵按时间维度进行排列以得到石英砂状态变化三维张量后通过基于三维卷积神经网络模型的石英砂状态变化特征提取模块以得到石英砂状态变化特征图。[0048] 应可以理解，为了更好地理解和分析石英砂的状态变化，需要从石英砂图像数据中提取关键的特征。基于混合卷积层的特征提取模块可以学习和提取图像数据中不同层次的重要特征，例如石英砂的纹理、颗粒分布、温度分布等。因此，为了更全面地了解石英砂的状态变化，通过基于混合卷积层的石英砂状态特征提取模块对所述相应的多个石英砂图像数据分别进行特征提取和分析。[0049] 具体地，步骤S221,将所述相应的多个石英砂图像数据通过基于混合卷积层的石英砂状态特征提取模块以得到多个石英砂状态特征矩阵，用于：使用所述石英砂状态特征提取模块的各个混合卷积层在层的正向传递中分别对输入数据进行：使用具有第一尺寸的第一卷积核对所述相应的多个石英砂图像数据中各个石英砂图像数据进行卷积编码以得到第一尺度特征图；使用具有第一空洞率的第二卷积核对所述相应的多个石英砂图像数据中各个石英砂图像数据进行卷积编码以得到第二尺度特征图；使用具有第二空洞率的第三卷积核对所述相应的多个石英砂图像数据中各个石英砂图像数据进行卷积编码以得到第三尺度特征图；使用具有第三空洞率的第四卷积核对所述相应的多个石英砂图像数据中各个石英砂图像数据进行卷积编码以得到第四尺度特征图，其中，所述第一卷积核、所述第二卷积核、所述第三卷积核和所述第四卷积核具有相同的尺寸，且所述第二卷积核、所述第三卷积核和所述第四卷积核具有不同的空洞率；将所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图进行沿通道维度的聚合以得到聚合特征图；对所述聚合特征图进行池化处理以生成池化特征图；以及对所述池化特征图进行激活处理以生成激活特征图；其中，所述基于混合卷积层的石英砂状态特征提取模块的最后一层的输出为所述多个石英砂状态特征矩阵中的各个石英砂状态特征矩阵。[0050] 接着，考虑到石英砂在连续退火过程中，其状态会随着时间的推移而变化。将多个石英砂状态特征矩阵按时间维度排列成三维张量，可以保留石英砂状态随时间变化的信息。通过基于三维卷积神经网络模型的特征提取模块，可以从这个三维张量中提取出石英砂状态变化的关键特征。因此，首先将多个石英砂状态特征矩阵按时间维度排列成石英砂状态变化三维张量。[0051] 进一步地，应可以理解，石英砂状态变化特征图可以提供更直观、可解释的信息。通过对石英砂状态变化的三维张量进行卷积操作和池化操作，可以将其转化为二维的特征图。这些特征图可以显示石英砂状态变化的空间分布和强度，帮助理解和分析石英砂的退火过程。因此，进一步通过基于三维卷积神经网络模型的石英砂状态变化特征提取模块对所述石英砂状态变化三维张量进行深度卷积编码以得到石英砂状态变化特征图。这有助于优化加工参数、提高加工效率，并确保石英砂产品的质量。[0052] 具体地，步骤S222,将所述多个石英砂状态特征矩阵按时间维度进行排列以得到石英砂状态变化三维张量后通过基于三维卷积神经网络模型的石英砂状态变化特征提取模块以得到石英砂状态变化特征图，用于：使用所述三维卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：对所述输入数据进行基于三维卷积核的卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的池化处理以得到池化特征图；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，所述三维卷积神经网络模型的第一层的输入为所述石英砂状态变化三维张量，所述三维卷积神经网络模型的最后一层的输出为所述石英砂状态变化特征图。[0053] 在步骤S3中，基于所述石英砂温度?热应力时序变化特征图以及所述石英砂状态变化特征图，以得到分类结果。[0054] 具体地，图5图示了根据本申请实施例的石英砂的自动化加工方法中步骤S3的流程图。如图5所示，步骤S3，基于所述石英砂温度?热应力时序变化特征图以及所述石英砂状态变化特征图，以得到分类结果，包括：S31，对所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图进行高维空间单元流形子维度超凸相关性度量以得到石英砂分类特征图；S32，将所述石英砂分类特征图通过分类器以得到分类结果。其中，所述分类结果用于表示连续退火炉的温度是否需要调整。[0055] 特别地，在本申请技术方案中，石英砂温度?热应力时序变化特征图和石英砂状态变化特征图分别表示了连续退火炉内石英砂的温度、热应力以及状态的信息。石英砂温度?热应力时序变化特征图是通过对石英砂温度和热应力进行时序特征提取和特征联合得到的，用于表示石英砂的温度和热应力随时间的变化情况。而石英砂状态变化特征图则是通过对石英砂图像数据进行特征提取和三维卷积处理得到的，用于表示石英砂的状态变化情况。由于石英砂温度?热应力时序变化特征图和石英砂状态变化特征图分别来源于不同的数据源和处理方法，它们在高维特征空间单元中可能存在维度和尺度上的差异。具体来说，石英砂温度?热应力时序变化特征图是通过对温度和热应力进行时序特征提取和联合编码得到的，可能具有较高的维度和尺度。而石英砂状态变化特征图则是通过对石英砂图像数据进行特征提取和三维卷积处理得到的，可能具有较低的维度和尺度。当将这两个特征图进行融合时，由于维度和尺度的差异，可能会出现一些技术问题。例如，在融合过程中，由于维度差异，可能会出现特征对齐困难的情况，即如何将两个特征图在高维空间中对齐，使得它们能够有意义地相互影响。此外，由于尺度差异，可能会导致特征融合时的权重分配不均衡，从而影响最终的分类结果。这种差异还可能导致特征空间中的局部结构性崩塌，即在融合过程中，一些局部特征的结构性信息可能会丢失或变得不稳定。为了解决这些问题，在本申请技术方案中，本申请对所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图进行高维空间单元流形子维度超凸相关性度量以得到石英砂分类特征图。[0056] 具体地，步骤S31，对所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图进行高维空间单元流形子维度超凸相关性度量以得到石英砂分类特征图，包括：计算所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图之间的按位置均值特征图；计算所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图之间的按位置差分特征图；分别计算所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图与所述按位置均值特征图之间的差分特征图以得到第一差分偏中心特征图和第二差分偏中心特征图；计算所述第一差分偏中心特征图和所述第二差分偏中心特征图中各个位置的特征值的以2为底的对数函数值以得到第一对数差分偏中心特征图和第二对数差分偏中心特征图；将所述第一对数差分偏中心特征图除以所述第一对数差分偏中心特征图和第二对数差分偏中心特征图之间的按位置加和特征图以得到校正特征图；以及计算所述校正特征图和所述按位置差分特征图的对数按位置差分特征图之间的按位置加权和以得到所述石英砂分类特征图。[0057] 也就是，考虑到所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图在高维特征空间单元中的特征流形存在维度和尺度上的差异，导致在融合所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图的过程中，会出现因维度和尺度差异而导致融合得到的所述石英砂温度?热应力时序变化特征图容易出现局部结构性崩塌或者病态对齐等技术问题。[0058] 针对上述技术问题，在本申请的技术方案中，对所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图进行高维空间单元流形子维度超凸相关性度量，其以所述石英砂温度?热应力时序变化特征图和所述石英砂状态变化特征图的均值特征图作为特征流形伪聚类中心，并通过构建一个基于特征图的特征流形的超凸相关性度量函数，使得特征图间的每个位置的特征值都能够在其子维度上保持与特征流形伪聚类中心的一致性，从而实现特征图的特征流形的超凸相关性匹配，这样有效地衡量特征图间的特征流形的相似性和差异性，增强特征图的特征流形的超凸相关性，提高特征图的特征流形的鲁棒性和准确性。[0059] 进一步地，考虑到分类器是一种机器学习模型，能够根据输入数据的特征，对其进行分类和判断。通过训练分类器，可以使其学习不同类型石英砂的特征表示和区分能力，从而实现对石英砂状态特征图的分类。因此，进一步通过分类器对所述石英砂分类特征图进行特征分类。也就是，通过使用分类器，根据石英砂状态特征图的特征，对石英砂进行分类，并得到相应的分类结果。这样，根据石英砂的状态，可以及时对退火参数进行调整，从而提高石英砂的加工效率和产品质量。[0060] 具体地，步骤S32，将所述石英砂分类特征图通过分类器以得到分类结果，用于：使用所述分类器以如下公式对所述石英砂分类特征图进行处理以获得所述分类结果；其中，所述公式为：O＝softmax{(Wc,Bc)|Project(Fb)}，其中Project(Fb)表示将所述石英砂分类特征图投影为向量，Wc为权重矩阵，Bc表示偏置向量，softmax表示归一化指数函数，O表示所述分类结果。[0061] 值得一提的是，除了使用分类器对所述石英砂分类特征图进行特征分类之外，还可以使用聚类算法。聚类是一种无监督学习方法，可以将数据集中的样本划分为具有相似特征的不同组别。在石英砂的自动化加工方法中，可以将石英砂状态特征图作为输入数据，使用聚类算法对其进行聚类分析，以发现其中的潜在模式和相似性。[0062] 具体步骤如下：1、特征提。菏紫，使用深度学习技术提取石英砂状态特征图的特征表示。这可以通过卷积神经网络等方法实现，将特征图转化为具有固定维度的特征向量。2、聚类算法：选择适当的聚类算法，如K均值聚类、层次聚类、DBSCAN等。这些算法可以根据样本之间的相似性度量，将石英砂状态特征图进行分组。3、聚类结果分析：对聚类结果进行分析和解释，识别出不同的簇群。每个簇群代表一种特定类型的石英砂状态特征图。可以通过簇内的样本相似性和簇间的样本差异性来理解聚类结果。4、监测和控制：根据聚类结果，可以对不同类型的石英砂状态特征图采取相应的监测和控制策略。例如，针对某一簇群中的石英砂，可以调整退火过程中的参数或采取其他控制措施，以优化石英砂的加工效率和产品质量。[0063] 使用聚类算法对石英砂状态特征图进行聚类，可以发现其中的潜在模式和相似性，帮助理解和分析石英砂的状态变化。这种实施方式可以为石英砂的实时监测和控制提供额外的信息，并支持更精细化的加工管理和优化决策。[0064] 综上，根据本申请实施例的所述石英砂的自动化加工方法被阐明，其首先采集连续退火炉内的多个预定时间点的石英砂温度值、热应力以及相应的多个石英砂图像数据，接着通过时序编码器对所述连续退火炉内多个预定时间点的石英砂温度值、热应力进行时序特征提。笔褂没诨旌暇砘愕木砘窬缒Ｐ投运鱿嘤Φ亩喔鍪⑸巴枷袷萁刑卣魈崛『头治，最后结合这二者的特征信息以得到用于表示连续退火炉的温度是否需要调整的分类结果。这样，根据分类结果，能够实现对石英砂连续退火过程进行实时监测和控制，从而提高石英砂的加工效率和产品质量。[0065] 示例性系统[0066] 图6图示了根据本申请实施例的石英砂的自动化加工系统的示意性框图。如图6所示，根据本申请实施例的所述石英砂的自动化加工系统100，包括：石英砂数据采集模块110，用于采集连续退火炉内的多个预定时间点的石英砂温度值、热应力以及相应的多个石英砂图像数据；石英砂特征获取模块120，用于对所述连续退火炉内的多个预定时间点的石英砂温度值、热应力以及所述相应的多个石英砂图像数据分别进行特征提取和分析以得到石英砂温度?热应力时序变化特征图以及石英砂状态变化特征图；石英砂特征分类结果生成模块130，用于基于所述石英砂温度?热应力时序变化特征图以及所述石英砂状态变化特征图，以得到分类结果。[0067] 如上所述，根据本申请实施例的石英砂的自动化加工系统100可以实现在各种无线终端中，例如用于石英砂的自动化加工的服务器等。在一个示例中，根据本申请实施例的石英砂的自动化加工系统100可以作为一个软件模块和/或硬件模块而集成到无线终端中。例如，该石英砂的自动化加工系统100可以是该无线终端的操作系统中的一个软件模块，或者可以是针对于该无线终端所开发的一个应用程序；当然，该石英砂的自动化加工系统100同样可以是该无线终端的众多硬件模块之一。[0068] 替换地，在另一示例中，该石英砂的自动化加工系统100与该无线终端也可以是分立的设备，并且石英砂的自动化加工系统100可以通过有线和/或无线网络连接到该无线终端，并且按照约定的数据格式来传输交互信息。[0069] 这里，本领域技术人员可以理解，上述石英砂的自动化加工系统中的各个步骤的具体功能和操作已经在上面参考图1的石英砂的自动化加工方法的描述中得到了详细介绍，并因此，将省略其重复描述。[0070] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。[0071] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。[0072] 在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。[0073] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。[0074] 另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。[0075] 所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read?OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。[0076] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

专利地区：安徽

专利申请日期：2024-02-02

专利公开日期：2024-11-19

专利公告号：CN118005022B