【技术实现步骤摘要】
本专利技术涉及铝土矿品质参数分析及人工智能领域，特别是涉及一种基于tc-unet铝土矿品质参数协同检测方法。
技术介绍
1、铝是一种重要的工业金属，广泛用于航空、汽车、建筑、电子等领域。铝土矿是提取铝资源的最主要来源。
2、铝土矿品质参数检测主要是针对铝土矿氧化铝、二氧化硅和氧化铁三种参数进行定量检测。传统化学分析方法检测铝土矿中的品质参数，存在耗时耗力、易破坏样品和检测人员专业技术要求较高等缺点，因此，为满足节能环保、提升效率等需求，迫切需要一种快速、高效的检测方法。随着计算机技术飞速发展，国内外已经发展出多种仪器分析法来实现物质成分的快速检测，如x射线荧光法检测铝土矿含量，铝土矿元素激光诱导击穿法定量分析等。虽然以上方法相较于传统化学方法具有快速分析、多元素分析的优点，但是对样品的预处理要求较高、仪器成本较高。相较之下，近红外光谱技术具备成本相对较低、无需复杂样品制备等优势，可为铝土矿品质参数检测提供一种新途径。
3、中国专利申请公开号cn112179930a记载了一种x射线荧光光谱法测定高硫铝土矿中九种物质含量的方法，该专利将含硫混合熔剂、铝土矿标准样品、硝酸锂、熔剂搅拌均匀预氧化后制备成标准样品玻璃片，于x射线荧光光谱仪中依次测量玻璃片的荧光强度，以荧光强度为纵坐标，以对应的物质al2o3、sio2、fe2o3等的质量浓度为横坐标建立工作曲线，根据荧光强度由工作曲线计算出待测玻璃片中物质的含量。该专利采用x射线荧光光谱法进行测量铝土矿中各成分的含量，虽然检测准确，但是需要复杂的样品制备，仪器成本较
技术实现思路
1、要解决的技术问题
2、针对现有技术中存在的铝土矿品质参数检测过程需要复杂的样品制备、仪器成本较高等问题，本专利技术提供了一种基于tc-unet铝土矿品质参数协同检测方法。
3、技术方案
4、本专利技术的目的通过以下技术方案实现：
5、本专利技术提出了一种基于tc-unet铝土矿品质参数协同检测方法，其特征在于，该方法包括数据集搭建、异常样本剔除与数据预处理、建立tc-unet模型、模型训练与测试步骤，其中：
6、数据集搭建：采集铝土矿样本的近红外光谱数据，通过x射线荧光光谱法，测定铝土矿样本的品质参数作为真值，从而构建铝土矿数据集 s1；
7、异常样本剔除与数据预处理：基于马氏距离对铝土矿数据集 s1进行异常样本剔除，得到样本集 s2，再采取snv方法对样本集 s2中光谱数据进行降噪处理，得到最终样本集 s3；
8、建立tc-unet模型：搭建tc-unet铝土矿品质参数检测模型 m1，其中，tc-unet铝土矿品质参数检测模型 m1包括transformer的encoder层、u-net和协同预测模块；
9、模型训练与测试：将最终样本集 s3分为训练集 a、验证集 b、测试集 c，利用训练集 a和验证集 b，对铝土矿品质参数检测模型 m1进行训练，以得到目标铝土矿品质参数检测模型 m2，并将测试集 c输入至目标铝土矿品质参数检测模型 m2进行铝土矿样本品质参数的协同检测。
10、可选地，采集铝土矿样本的近红外光谱数据包括：
11、根据预设的粒径对铝土矿进行样本处理，以得到铝土矿样本；
12、将铝土矿样本置于近红外光谱采集平台上，采集铝土矿样本的近红外光谱数据。
13、可选地，通过x射线荧光光谱法，测定铝土矿样本的品质参数作为真值，从而构建铝土矿数据集 s1包括：
14、通过x射线荧光光谱法，逐个测定铝土矿样本的氧化铝（al2o3）、二氧化硅（sio2）和氧化铁（fe2o3）的品质参数，并与近红外光谱数据一一对应；以及
15、对近红外光谱数据对应的近红外光谱矩阵与标准值矩阵进行拼接，以得到铝土矿数据集 s1。
16、可选地，基于马氏距离对铝土矿数据集s1进行异常样本剔除包括：
17、设铝土矿数据集 s1为，由公式（1）计算铝土矿数据集 s1的平均光谱；
18、
19、其中，为光谱数据总数，为铝土矿数据集 s1中第个光谱数据，为光谱数据的序号，；
20、根据公式（2）和（3）计算各光谱数据到平均光谱的马氏距离；
21、
22、
23、其中，为光谱数据与平均光谱的协方差矩阵，是向量转置标识；
24、利用公式（4）和（5）计算由公式（3）得出的欧氏距离的平均值和标准差；
25、
26、
27、最后，当时，判定为异常值，将剔除出铝土矿数据集 s1，以得到样本集 s2。
28、可选地，采取snv方法对样本集 s2中光谱数据进行降噪处理，得到最终样本集 s3包括：
29、基于每条光谱各波长点处的吸光度值服从同一分布，通过减去平均光谱后，再除以标准差实现标准正态化，即：由公式（1）计算平均光谱，再由公式（6）逐个计算光谱数据与平均光谱的标准差，最后由公式（7）确定最终样本集 s3；
30、
31、
32、其中，表示光谱数据与平均光谱的标准差，是最终样本集 s3中的第个样本数据。
33、可选地，transformer的encoder层是由位置编码、多头自注意力机制、残差连接和层归一化组成。
34、可选地，对铝土矿品质参数检测模型 m1的输入序列进行位置编码，以得到输入序列的位置编号。
35、可选地，基于多头注意力机制中的自注意力头，对位置编码本文档来自技高网...
【技术保护点】
1.一种基于TC-Unet铝土矿品质参数协同检测方法，其特征在于，所述方法包括数据集搭建、异常样本剔除与数据预处理、建立TC-Unet模型、模型训练与测试步骤，其中：
2.根据权利要求1所述的一种基于TC-Unet铝土矿品质参数协同检测方法，其特征在于，采集铝土矿样本的近红外光谱数据包括：
3.根据权利要求1所述的一种基于TC-Unet铝土矿品质参数协同检测方法，其特征在于，通过X射线荧光光谱法，测定铝土矿样本的品质参数作为真值，从而构建铝土矿数据集S1包括：
4.根据权利要求1所述一种基于TC-Unet铝土矿品质参数协同检测方法，其特征在于，基于马氏距离对铝土矿数据集S1进行异常样本剔除包括：
5.根据权利要求1所述一种基于TC-Unet铝土矿品质参数协同检测方法，其特征在于，采取SNV方法对样本集S2中光谱数据进行降噪处理，得到最终样本集S3包括：
6.根据权利要求1所述的一种基于TC-Unet铝土矿品质参数协同检测方法，其特征在于，Transformer的Encoder层是由位置编码、多头自注意力机制、残差连接和层
7.根据权利要求6所述的一种基于TC-Unet铝土矿品质参数协同检测方法，其特征在于，对铝土矿品质参数检测模型M1的输入序列进行位置编码，以得到输入序列的位置编号。
8.根据权利要求7所述的一种基于TC-Unet铝土矿品质参数协同检测方法，其特征在于，基于多头注意力机制中的自注意力头，对位置编码后的输入序列进行并行计算；并且
9.根据权利要求1所述的一种基于TC-Unet铝土矿品质参数协同检测方法，其特征在于，U-Net将一维Unet网络作为特征提取网络，并加入cSE注意力机制。
10.根据权利要求1所述的一种基于TC-Unet铝土矿品质参数协同检测方法，其特征在于，协同预测模块由三个全连接层组成，其中，三个品质参数对应三个全连接层，通过全连接层同时输出三个品质参数。
...【技术特征摘要】
1.一种基于tc-unet铝土矿品质参数协同检测方法，其特征在于，所述方法包括数据集搭建、异常样本剔除与数据预处理、建立tc-unet模型、模型训练与测试步骤，其中：
2.根据权利要求1所述的一种基于tc-unet铝土矿品质参数协同检测方法，其特征在于，采集铝土矿样本的近红外光谱数据包括：
3.根据权利要求1所述的一种基于tc-unet铝土矿品质参数协同检测方法，其特征在于，通过x射线荧光光谱法，测定铝土矿样本的品质参数作为真值，从而构建铝土矿数据集s1包括：
4.根据权利要求1所述一种基于tc-unet铝土矿品质参数协同检测方法，其特征在于，基于马氏距离对铝土矿数据集s1进行异常样本剔除包括：
5.根据权利要求1所述一种基于tc-unet铝土矿品质参数协同检测方法，其特征在于，采取snv方法对样本集s2中光谱数据进行降噪处理，得到最终样本集s3包括：
6.根据权利要求1所述的一种基于tc-un...
【专利技术属性】
技术研发人员：徐志彬，左玉昊，张晓艳，刘永娇，张嘉华，董何新，滕怀旭，雷萌，寇少萍，邹亮，
申请(专利权)人：中国检验认证集团河北有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。