基于3D卷积神经网络的膏体屈服应力预测

摘要

膏体流变性能是膏体充填技术重要指标，是金属矿膏体充填工艺流程的重要工程参数.本文提出一种基于3D卷积神经网络的膏体屈服应力预测方法，通过制定图像采集标准并研发图像采集装置采集图像数据集.经Sobel算子实现膏体边缘检测、全图缩小等预处理，得到膏体图像数据集.采用十折交叉验证方法划分数据集，避免因单次随机划分造成的偶然误差.以膏体图像–屈服应力数据集为基础，利用3D卷积神经网络模型提取膏体纹理特征和时序信息等，又通过引入直方图均衡化算法的图像增强策略减少环境因素干扰，提高模型稳健性.利用预处理后的数据集在3D卷积神经网络模型上做训练和测试，得到模型损失值曲线图和混淆矩阵.将屈服应力模型预测结果进行分析，又引入卷积注意力机制嵌入到卷积神经网络实现模型优化，并对模型参数进行调整，模型预测平均准确率从93.26%提升至98.19%，论证了基于3D卷积神经网络的膏体屈服应力预测方法可行性.经图像增强处理的数据集应用到各模型中，模型预测平均准确率均提升3%以上.相比传统膏体流变测量方式，解决了传统膏体屈服应力测量操作复杂、外部因素扰动大、工程现场难以开展等问题.

关键词

膏体充填 / 流变性能 / 3D卷积神经网络 / 屈服应力 / 预测

基金资助

国家自然科学基金资助项目(52074137); 云南省重大科技项目(202202AG050014); 云南省基础研究计划项目面上基金资助项目(202201AT070151)