(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211156705.3 (22)申请日 2022.09.22 (71)申请人 安吉县科声磁性器材有限公司 地址 313300 浙江省湖州市安吉县皈山乡 孝源村 (72)发明人 邓道路　王成红　 (74)专利代理 机构 北京恒泰铭睿知识产权代理 有限公司 1 1642 专利代理师 杨晶晶 (51)Int.Cl. G06V 10/62(2022.01) G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06V 10/82(2022.01) G06V 20/40(2022.01) G06V 20/52(2022.01) (54)发明名称 铁粉智能筛分系统及其方法 (57)摘要 公开了一种铁粉智能筛 分系统及其方法， 其 通过一级筛和二级筛的振动信号来表示作动于 所述一级筛和所述二级筛的作动信号的特征， 通 过铁粉成品生产监控视频来观察铁粉的实时筛 分效果， 利用卷积神经网络模型提取到包含局部 振动特征的第一振动特征向量和第二振动特征 向量， 并使用时间注意力机制的卷积神经网络来 关注铁粉成品生产监控视频在时间维度上的关 联信息， 以响应性矩阵的方式来表征一级筛和二 级筛的振动协同对于最终铁粉筛分的影响。 这 样， 通过智能地调整所述一级筛和所述二级筛的 振动模式来优化铁粉筛 选的效率和效果。 权利要求书4页 说明书14页 附图4页 CN 115410004 A 2022.11.29 CN 115410004 A 1.一种铁粉智能筛分系统， 其特 征在于， 包括： 生产数据监控与采集模块， 用于获取作用于一级筛的第 一振动信号和作用于二级筛的 第二振动信号以及由摄 像头采集的铁粉成品生产监控视频； 时域增强模块， 用于计算所述第 一振动信号和所述第 二振动信号的时域增强图以得到 第一时域增强图和第二时域增强图； 振动时域特征过滤模块， 用于将所述第 一时域增强图和所述第 二时域增强图分别通过 作为过滤器的第一卷积神经网络模型以得到第一振动特 征向量和第二振动特 征向量； 监控视频编码模块， 用于将所述铁粉成品生产监控视频通过使用时间注意力 机制的第 二卷积神经网络模型以得到 铁粉产出 特征图； 降维模块， 用于对所述铁粉产 出特征图的沿通道维度的各个特征矩阵进行全局均值池 化以得到 铁粉产出 特征向量； 优化模块， 用于对所述铁粉产出特征向量进行通道递归的压榨 ‑激励优化以得到优化 铁粉产出 特征向量； 第一响应性估计模块， 用于计算所述第 一振动特征向量相对于所述优化铁粉产 出特征 向量的响应性估计以得到第一响应性矩阵； 第二响应性估计模块， 用于计算所述第 二振动特征向量相对于所述优化铁粉产 出特征 向量的响应性估计以得到第二响应性矩阵； 振动特征融合模块， 用于 融合所述第 一振动特征向量和所述第 二振动特征向量以得到 联合振动特 征向量； 第三响应性估计模块， 用于计算所述联合振动特征向量相对于所述优化铁粉产 出特征 向量的响应性估计以得到第三响应性矩阵； 以及 筛分控制结果生成模块， 用于将所述第一响应性矩阵、 所述第二响应性矩阵和所述第 三响应性矩阵排列为三 维输入张量后通过包含全连接层的分类器以得到分类结果， 所述分 类结果用于表示第一振动信号应增大或应减小， 且所述第二振动信号应增大或应减小。 2.根据权利要求1所述的铁粉智能筛分系统， 其特征在于， 所述时域增强模块， 进一步 用于： 以如下公式计算所述第一振动信号和所述第二振动信号的时域增强图以得到第一时 域增强图和第二时域增强图； 其中， 所述公式为： signalImage＝f(Signal,mapH,mapW) 其中， Signal为原始一维信号， 即所述第一振动信号或所述第二振动信号， mapH和mapW 分别为将要构建的二维时域增强图的图像高度和宽度。 3.根据权利要求2所述的铁粉智能筛分系统， 其特征在于， 所述振动时域特征过滤模 块， 进一步用于： 使用所述第一卷积神经网络模型的各层 在层的正向传递中分别进行： 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 征矩阵的均值池化以得到池化特 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， 所述第 一卷积神经网络模型的最后一层的输出为所述第 一振动特征向量或所述 第二振动特征向量， 所述第一卷积神经网络的第一层的输入为所述第一时域增强图或所述 第二时域增强图。权　利　要　求　书 1/4 页 2 CN 115410004 A 24.根据权利要求3所述的铁粉智能筛分系统， 其特征在于， 所述监控视频编码模块， 包 括： 相邻帧提取模块， 用于从所述铁粉成品生产监控视频中提取多个关键帧， 并从所述多 个关键帧提取相邻的第一帧和第二帧； 第一图像局部特征提取模块， 用于将所述第 一帧和所述第 二帧分别通过所述第 二卷积 神经网络模型 的第一卷积层和第二卷积层以得到对应于所述第一帧的第一帧特征图和对 应于所述第二帧的第二帧特 征图； 时间注意力模块， 用于将所述第 一帧特征图与 所述第二帧特征图进行按位置点乘后通 过Softmax激活函数以得到时间注意力图； 第二图像局部特征提取模块， 用于将所述第 一帧通过所述第 二卷积神经网络模型的第 三卷积层以得到局部特 征图； 以及 时间注意力施加模块， 用于将所述局部特征图与 所述时间注意力图进行按位置点乘以 得到所述铁粉产出 特征图。 5.根据权利要求4所述的铁粉智能筛分系统， 其特征在于， 所述优化模块， 进一步用于： 以如下公式对所述铁粉产出特征向量进行通道递归的压榨 ‑激励优化以得到优化铁粉产出 特征向量； 其中， 所述公式为： 其中vi是所述铁粉产出特征向量V的特征值， μ和σ 是特征集合vi∈V的均值和方差， ReLU (·)表示ReLU激活函数， exp( ·)表示所述方差负数的指数运算， 所述方差负数的指数运算 表示计算以方差的负数为幂的自然指数函数值。 6.根据权利要求5所述的铁粉智能筛分系统， 其特 征在于， 所述第一响应性估计模块， 进一步用于： 以如下公式计算所述第一振动特征向量相对 于所述优化铁粉产出 特征向量的响应性估计以得到第一响应性矩阵； 其中， 所述公式为： 其中Va表示所述第一振动特征向量， Vb表示所述优化铁粉产出特征向量， M1表示所述转 移矩阵， 表示矩阵相乘。 所述第二响应性估计模块， 进一步用于： 以如下公式计算所述第二振动特征向量相对 于所述优化铁粉产出 特征向量的响应性估计以得到第二响应性矩阵； 其中， 所述公式为： 其中Vc表示所述第二振动特征向量， Vd表示所述优化铁粉产出特征向量， M2表示所述转 移矩阵， 表示矩阵相乘。 7.根据权利要求6所述的铁粉智能筛分系统， 其特征在于， 所述振动特征融合模块， 进 一步用于： 以如下公式来融合所述第一振动特征向量和所述第二振动特征向量以得到联合 振动特征向量；权　利　要　求　书 2/4 页 3 CN 115410004 A 3