一种膏状荧光颜料生产工艺及其制备装置制造方法及图纸

本申请涉及智能制备领域，其具体地公开了一种膏状荧光颜料生产工艺及其制备装置，其通过采用基于深度学习的人工智能技术，基于原料反应状态的变化特征来自适应地调整反应器温度值，这样，能够在优化膏状荧光颜料的制备质量的同时提高热能的利用率，进而避免能源的浪费。费。费。

【技术实现步骤摘要】
一种膏状荧光颜料生产工艺及其制备装置


[0001]本申请涉及智能制备领域，且更为具体地，涉及一种膏状荧光颜料生产工艺及其制备装置。

技术介绍

[0002]荧光颜料在一般可见光照射下时，呈现无色，当在纳米紫外灯照射下，呈现红、黄、绿、蓝等发光颜色。膏状荧光颜料一般在密闭的反应器内进行。现有的反应装置温度加热控制不好，热能来源耗费较大，能源利用率效果不好。
[0003]因此，期待一种优化的膏状荧光颜料生产工艺及其制备装置。

技术实现思路

[0004]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膏状荧光颜料生产工艺及其制备装置，其通过采用基于深度学习的人工智能技术，基于原料反应状态的变化特征来自适应地调整反应器温度值，这样，能够在优化膏状荧光颜料的制备质量的同时提高热能的利用率，进而避免能源的浪费。
[0005]根据本申请的一个方面，提供了一种膏状荧光颜料生产方法，其包括：
[0006]获取预定时间段内多个预定时间点的反应器温度值以及所述预定时间段的原料反应状态监控视频；
[0007]从所述原料反应状态监控视频提取多个原料反应状态监控关键帧；
[0008]将所述多个原料反应状态监控关键帧通过包含深浅特征融合模块的第一卷积神经网络模型以得到多个原料反应状态特征矩阵；
[0009]将所述多个原料反应状态特征矩阵按照通道维度聚合为三维输入张量后通过使用三维卷积核的第二卷积神经网络模型以得到原料反应状态时序关联特征图；
[0010]对所述原料反应状态时序关联特征图进行降维处理以得到原料反应状态时序关联特征向量；
[0011]将所述多个预定时间点的反应器温度值按照时间维度排列为反应器温度输入向量后通过多尺度邻域特征提取模块以得到反应器温度特征向量；
[0012]计算所述反应状态时序关联特征向量相对于所述反应器温度特征向量的响应性估计以得到分类特征矩阵；
[0013]基于所述反应状态时序关联特征向量和所述反应器温度特征向量对所述分类特征矩阵进行特征分布约束以得到优化后分类特征矩阵；以及
[0014]将所述优化后分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的反应器温度值应增大或应减小。
[0015]在上述膏状荧光颜料生产方法中，所述从所述原料反应状态监控视频提取多个原料反应状态监控关键帧，包括：以预定采样频率对所述原料反应状态监控视频进行采样处理以得到所述多个原料反应状态监控关键帧。
[0016]在上述膏状荧光颜料生产方法中，所述将所述多个原料反应状态监控关键帧通过包含深浅特征融合模块的第一卷积神经网络模型以得到多个原料反应状态特征矩阵，包括：从所述第一卷积神经网络模型的浅层提取浅层特征矩阵；从所述第一卷积神经网络模型的深层提取深层特征矩阵；以及，融合所述浅层特征矩阵和所述深层特征矩阵以得到所述原料反应状态特征矩阵；其中，所述深层与所述浅层之间的比值大于等于5且小于等于10。
[0017]在上述膏状荧光颜料生产方法中，所述将所述多个原料反应状态特征矩阵按照通道维度聚合为三维输入张量后通过使用三维卷积核的第二卷积神经网络模型以得到原料反应状态时序关联特征图，包括：使用所述使用三维卷积核的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行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以得到池化特征图；以及，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，所述使用三维卷积核的第二卷积神经网络的最后一层的输出为所述原料反应状态时序关联特征图，所述使用三维卷积核的第二卷积神经网络的第一层的输入为所述三维输入张量。
[0018]在上述膏状荧光颜料生产方法中，所述对所述原料反应状态时序关联特征图进行降维处理以得到原料反应状态时序关联特征向量，包括：对所述原料反应状态时序关联特征图的沿通道维度的各个特征矩阵进行全局均值池化处理以得到所述原料反应状态时序关联特征向量。
[0019]在上述膏状荧光颜料生产方法中，所述多尺度邻域特征提取模块，包括：第一卷积层、与所述第一卷积层并行的第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的级联层，其中，所述第一卷积层使用具有第一长度的一维卷积核，所述第二卷积层使用具有第二长度的一维卷积核。
[0020]在上述膏状荧光颜料生产方法中，所述计算所述反应状态时序关联特征向量相对于所述反应器温度特征向量的响应性估计以得到分类特征矩阵，包括：以如下公式计算所述反应状态时序关联特征向量相对于所述反应器温度特征向量的响应性估计以得到分类特征矩阵；其中，所述公式为：
[0021][0022]其中V
c
表示所述反应状态时序关联特征向量，V表示所述反应器温度特征向量，M表示所述分类特征矩阵。
[0023]在上述膏状荧光颜料生产方法中，所述基于所述反应状态时序关联特征向量和所述反应器温度特征向量对所述分类特征矩阵进行特征分布约束以得到优化后分类特征矩阵，包括：对所述分类特征矩阵进行特征矩阵展开以得到展开特征向量；基于所述反应状态时序关联特征向量和所述反应器温度特征向量，对所述展开特征向量进行向量模基的希尔伯特空间约束以得到优化展开特征向量；以及，对所述优化展开特征向量进行矩阵重构以得到所述优化后分类特征矩阵。
[0024]在上述膏状荧光颜料生产方法中，所述基于所述反应状态时序关联特征向量和所述反应器温度特征向量，对所述展开特征向量进行向量模基的希尔伯特空间约束以得到优化展开特征向量，包括：基于所述反应状态时序关联特征向量和所述反应器温度特征向量，以如下公式对所述展开特征向量进行向量模基的希尔伯特空间约束以得到所述优化展开
特征向量；其中，所述公式为：
[0025]V
m
′
＝Cov
1D
[(‖V1‖2,‖V2‖2,V1V
2T
),V
m
][0026]其中V1和V2分别表示所述反应状态时序关联特征向量和所述反应器温度特征向量，V
m
表示所述展开特征向量，‖
·
‖2表示向量的二范数，Cov
1D
表示以卷积算子(‖V1‖2,‖V2‖2,V1V
2T
)对所述展开特征向量进行一维卷积，V
m
′
表示所述优化展开特征向量。
[0027]根据本申请的另一方面，提供了一种膏状荧光颜料制备装置，其包括：
[0028]信息获取模块，用于获取预定时间段内多个预定时间点的反应器温度值以及所述预定时间段的原料反应状态监控视频；
[0029]采样模块，用于从所述原料反应状态监控视频提取多个原料反应状态监控关键帧；
[0030]第一卷积模块，用于将所述多个原料反应状态监控关键帧通过包含深浅特征融合模块的第一卷积神经网络模型以得到多个原料反应状态特征矩阵；
[0031]第二卷积模块，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种膏状荧光颜料生产方法，其特征在于，包括：获取预定时间段内多个预定时间点的反应器温度值以及所述预定时间段的原料反应状态监控视频；从所述原料反应状态监控视频提取多个原料反应状态监控关键帧；将所述多个原料反应状态监控关键帧通过包含深浅特征融合模块的第一卷积神经网络模型以得到多个原料反应状态特征矩阵；将所述多个原料反应状态特征矩阵按照通道维度聚合为三维输入张量后通过使用三维卷积核的第二卷积神经网络模型以得到原料反应状态时序关联特征图；对所述原料反应状态时序关联特征图进行降维处理以得到原料反应状态时序关联特征向量；将所述多个预定时间点的反应器温度值按照时间维度排列为反应器温度输入向量后通过多尺度邻域特征提取模块以得到反应器温度特征向量；计算所述反应状态时序关联特征向量相对于所述反应器温度特征向量的响应性估计以得到分类特征矩阵；基于所述反应状态时序关联特征向量和所述反应器温度特征向量对所述分类特征矩阵进行特征分布约束以得到优化后分类特征矩阵；以及将所述优化后分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的反应器温度值应增大或应减小。2.根据权利要求1所述的膏状荧光颜料生产方法，其特征在于，所述从所述原料反应状态监控视频提取多个原料反应状态监控关键帧，包括：以预定采样频率对所述原料反应状态监控视频进行采样处理以得到所述多个原料反应状态监控关键帧。3.根据权利要求2所述的膏状荧光颜料生产方法，其特征在于，所述将所述多个原料反应状态监控关键帧通过包含深浅特征融合模块的第一卷积神经网络模型以得到多个原料反应状态特征矩阵，包括：从所述第一卷积神经网络模型的浅层提取浅层特征矩阵；从所述第一卷积神经网络模型的深层提取深层特征矩阵；以及融合所述浅层特征矩阵和所述深层特征矩阵以得到所述原料反应状态特征矩阵；其中，所述深层与所述浅层之间的比值大于等于5且小于等于10。4.根据权利要求3所述的膏状荧光颜料生产方法，其特征在于，所述将所述多个原料反应状态特征矩阵按照通道维度聚合为三维输入张量后通过使用三维卷积核的第二卷积神经网络模型以得到原料反应状态时序关联特征图，包括：使用所述使用三维卷积核的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行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以得到池化特征图；以及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，所述使用三维卷积核的第二卷积神经网络的最后一层的输出为所述原料反应状态时序关联特征图，所述使用三维卷积核的第二卷积神经网络的第一层的输入为所述三维输入张量。
5.根据权利要求4所述的膏状荧光颜料生产方法，其特征在于，所述对所述原料反应状态时序关联特征图进行降维处理以得到原料反应状态时序关...

【专利技术属性】
技术研发人员：胡豪力，陈瑞彬，叶增港，何调浩，胡英仁，
申请(专利权)人：万隆化工有限公司，
类型：发明
国别省市：