买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国地质大学(北京);银河华宇(北京)科技有限公司

摘要：本发明公开了一种基于深度学习算法的数据驱动型矿石预测方法和系统，该系统能够用于实施上述的数据驱动型矿石预测方法，具体的，包括：数据集预处理，对原始图像数据进行预处理，包括数据集划分、数据增强、类别不平衡处理、数据标准化和预测试；构建并联式全局‑局部模型，构建并训练带有ECA和不带ECA的父模型，并将它们分别进一步细分为局部和全局两个子模型。将训练好的模型结果进行输出和解释。包括模型集成，通过硬投票获得最终模型权重，以及可视化输出，使用Grad‑CAM将模型的输出可视化为热力图，提供对模型预测结果的解释性分析。本发明的优点是：提高了矿石分选的效率，提高了矿石的预测准确性和鲁棒性，降低了训练成本。

主权项：1.一种基于深度学习算法的数据驱动型矿石预测方法，其特征在于，包括以下步骤：一、数据集预处理，包括：将围岩和矿体的图像数据分为训练集、验证集和测试集；对训练集和验证集进行随机旋转、饱和度、亮度、色调和对比度的数据增强处理；使用动态缩放的交叉熵损失函数处理类别不平衡问题；舍弃预训练权重数据集的均值和方差，计算数据集自身的均值和方差进行标准化处理；进行较少轮次和数据的经验测试，用于后续模型的分析和构建；二、构建并联式全局-局部模型，包括：模型架构：采用ResNet50为基础框架，其中Layer有4个，每个Layer包含不同数量的BottleNeck层，包含卷积层、池化层和BN层；使用带有ECA高效通道注意力模型和不带ECA的两个父模型；带有ECA的模型称为ECA-ResNet50，ECA加入在每个Layer的BottleNeck中；子模型的构建：每个父模型通过图像的裁剪和缩放顺序进一步分为局部和全局两个子模型；局部模型：先将训练图片进行缩放，再随机裁剪，再缩放，最后进行中心裁剪；全局模型：先将训练图片缩放，再进行中心裁剪；模型训练：四个子模型均采用迁移学习的方式进行训练；使用预训练权重，修改ResNet50框架最后的Fc层，设置随机种子，设置超参数设置；使用Adam优化器，设置LearningRate，设置权重衰减；三、结果输出，包括：模型集成：将四个子模型的结果通过硬投票的方式进行权重并联，得到最终模型权重；可视化输出：使用Grad-CAM基于梯度的类激活图将四个子模型的Layer4[-1]输出可视化为热力图，提供解释图。

全文数据：

权利要求：

百度查询： 中国地质大学(北京) 银河华宇(北京)科技有限公司 一种基于深度学习算法的数据驱动型矿石预测方法和系统