提高煤砂中的水分检测:基于深度学习的自适应式微波频谱融合方法
Jun Tian1, Ming Li2, Xiaofu Zhang3
1Engineering Research Center of Intelligent Control for Underground Space, Ministry of Education, China University of Mining and Technology, Xuzhou 221116, China; Institute of Materials Research and Engineering, Agency for Science, Technology and Research (A*Star), Singapore.
概括
本研究引入了一种深度学习方法,用于使用微波频谱在煤砂中进行非破坏性水分检测. 适应融合技术准确识别水分含量,优于传统方法.
科学领域:
- 材料科学 材料科学 材料科学
- 地质物理学 地质物理学
- 电气工程 电气工程
背景情况:
- 精确检测煤炭石中的水分对于工业应用至关重要.
- 像空气烤箱干燥这样的传统方法耗时且具有破坏性.
- 需要快速,非侵入性的湿度评估技术.
研究的目的:
- 开发基于深度学习的自适应融合方法,用于在煤石中进行非破坏性的水分检测.
- 为了提高准确性,利用多个微波频谱 (S11和S21大小和相).
- 通过提供更快,更有效的解决方案来改进现有方法.
主要方法:
- 使用自由空间测量平台获取微波频谱 (S11,S21).
- 使用蒙特卡洛交叉验证检测和删除异常值.
- 结合U-Net,ResNet和CBAM进行光谱分析的新型特征提取模块.
- 适应性光谱融合以动态权衡来自不同光谱带的贡献.
主要成果:
- 拟议的深度学习方法在湿度检测方面实现了高精度.
- 特定的狭窄频段 (2.50-3.25 GHz,3.75-4.00 GHz,4.75-5.00 GHz) 显示出优异的性能.
- 关键的绩效指标包括R2=0.9034,MAE=1.0254,RMSE=1.2948,以及RPIQ=6.0630. 这些指标包括R2=0.9034,MAE=1.0254,RMSE=1.2948和RPIQ=6.0630.
结论:
- 基于深度学习的自适应融合方法提供了一种有效的,非破坏性的方法来检测煤炭石水分.
- 与使用整个频段相比,该方法显示出更高的准确性.
- 这种技术有望提高在使用煤石的工业中质量控制和工艺效率.
