(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210661173.2 (22)申请日 2022.06.13 (65)同一申请的已公布的文献号 申请公布号 CN 114758304 A (43)申请公布日 2022.07.15 (73)专利权人 江苏中腾石英材 料科技股份有限 公司 地址 221400 江苏省徐州市新沂市无锡新 沂工业园灵山路8号 (72)发明人 乔秀娟　何书辉　何妍　 (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 胡琳丽 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01)G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06K 9/62(2022.01) B07B 9/00(2006.01) B07B 1/42(2006.01) (56)对比文件 CN 112288776 A,2021.01.2 9 CN 109446923 A,2019.0 3.08 WO 202120858 8 A1,2021.10.21 WO 202023 3010 A1,2020.1 1.26 刘静等.混合Gabor的轻量级卷积神经网络 的验证码识别研究. 《信息网络安全》 .2020,(第 07期), 审查员 武茹茹 (54)发明名称 一种高纯圆角石英粉的过筛设备及其过筛 控制方法 (57)摘要 本申请实施例提供一种高纯圆角石英粉的 过筛设备及其过筛控制方法， 其具有多级过筛和 破碎功能， 并通过控制过筛设备的调节件的速度 来兼顾过筛效果和过筛效率。 具体地， 其通过对 采集到的上层过筛层和下层过筛层在预定时间 段内的第一监控视频和第二监控视频进行编码， 以得到用于表示上下层筛分动态效果的协同表 征的协同特征向量， 通过对获取到的预定时间段 内多个预定时间点的调节件的移动速度通过包 含一维卷积层和全连接层的时序编码器进行编 码以得到控制特征向量， 然后对 所述协同特征向 量和所述控制特征向量进行基于平滑过渡的融 合以得到分类特征向量， 并分类得到用于表示增 大或减小调节件的速度的分类结果， 这样， 提高 了调节件的速度控制的精准度。 权利要求书4页 说明书15页 附图4页 CN 114758304 B 2022.09.02 CN 114758304 B 1.一种高纯圆角石英粉的过筛设备， 其特 征在于， 包括： 上下层数据获取模块， 用于获取由第 一相机和第 二相机采集的上层过筛层和下层过筛 层在预定时间段的第一监控视频和第二监控视频， 其中， 所述过筛设备包括设置于所述上 层过筛层的下方的过滤调控机构， 所述过滤调控机构包括过滤结构和用于移动所述过滤结 构的调节件； 调节件参数获取模块， 用于获取所述预定时间段内多个预定时间点的所述调节件的移 动速度； 视频编码模块， 用于将所述第 一监控视频和所述第 二监控视频通过使用三维卷积核的 第一卷积神经网络以得到第一特 征向量和第二特 征向量； 关联模块， 用于计算所述第 一特征向量和所述第 二特征向量之间的转移矩阵， 其中， 所 述转移矩阵与所述第一特 征向量进行矩阵相乘等于所述第二特 征向量； 关联编码模块， 用于将所述转移矩阵通过基于过滤器的第 二卷积神经网络以得到用于 表示上下层筛分动态效果的协同表征的协同特 征向量； 控制参数编码模块， 用于将所述预定时间段内多个预定时间点的所述调节件的移动速 度通过包 含一维卷积层和全连接层的时序编码器以得到控制特 征向量； 特征融合模块， 用于对所述协同特征向量和所述控制特征向量进行基于平滑过渡的融 合以得到分类特征向量， 所述基于平滑过渡的融合基于所述协同特征向量和所述控制特征 向量之间的差分向量 来进行； 以及 过筛控制结果生成模块， 用于将所述分类特征向量通过分类器以得到分类结果， 所述 分类结果用于表示所述调节件的当前时间点的控制速度应增大或应减小。 2.根据权利要求1所述的高纯圆角石英粉的过筛设备， 其中， 所述视频编码模块， 包括： 采样单元， 用于以预定采样频率从所述第 一监控视频和所述第 二监控视频中提取多个 第一关键帧和多个第二关键帧； 卷积编码单元， 用于将所述多个第 一关键帧和所述多个第 二关键帧分别输入所述使用 三维卷积核的第一卷积神经网络以得到所述第一特 征向量和所述第二特 征向量。 3.根据权利要求2所述的高纯圆角石英粉的过筛设备， 其中， 所述第 一卷积神经网络的 各层在层的正向传递中对输入数据进行： 使用三维卷积核对所述输入数据进行三维卷积处 理以得到卷积特 征图； 对所述卷积特 征图进行基于局部特 征张量的平均值池化处 理以得到池化特 征图； 以及 对所述池化特 征图中各个位置的特 征值进行非线性激活以得到 激活特征图； 其中， 所述第 一卷积神经网络的最后 一层的输出为所述第 一特征向量或所述第 二特征 向量， 所述第一卷积神经网络的第一层的输入为所述多个第一关键帧或所述多个第二关键 帧。 4.根据权利要求3所述的高纯圆角石英粉的过筛设备， 其中， 所述第 二卷积神经网络的 各层在层的正向传递中对输入数据进行： 使用所述过滤器对所述输入数据进行卷积处理以得到卷积特征图， 其中， 所述过滤器 为二维卷积核； 对所述卷积特 征图进行基于局部特 征矩阵的平均值池化处 理以得到池化特 征图； 以及 对所述池化特 征图中各个位置的特 征值进行非线性激活以得到 激活特征图；权　利　要　求　书 1/4 页 2 CN 114758304 B 2其中， 所述第二卷积神经网络的最后一层的输出为所述协同特征向量， 所述第二卷积 神经网络的第一层的输入为所述 转移矩阵。 5.根据权利要求4所述的高纯圆角石英粉的过筛设备， 其中， 所述控制参数编码模块， 包括： 输入向量构造单元， 用于将所述预定时间段内多个预定时间点的所述调节件的移动速 度以天为单位按照时间维度排列为对应于所述调节件各天的一维的输入向量； 全连接编码单元， 用于使用所述 时序编码器的全连接层以如下公式对所述输入向量进 行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征， 其中， 所述公 式为： 其中X是输入向量， Y是输出向量， W是权重矩阵， B是偏置向量， 表 示矩阵乘； 一维卷积编码单元， 用于使用所述 时序编码器的一维卷积层以如下公式对所述输入向 量进行一维卷积编 码以提取出所述输入向量中各个位置的特征值间的高维隐含关联特征， 其中， 所述公式为： 其中， a为卷积核在x方向上的宽度、 F为卷积核参数向量、 G为与卷积核函数运算的局部 向量矩阵， w 为卷积核的尺寸。 6.根据权利要求5所述的高纯圆角石英粉的过筛设备， 其中， 所述特征融合模块， 进一 步用于： 以如下公式对所述协同特征向量和所述控制特征向量进行基于平滑过渡的融合以得 到所述分类特 征向量； 其中， 所述公式为： 其中， V3表示分类特征向量， Vcop表示协同特征向量， Vcon表示控制特征向量， 表示按位 置差分， ⊙表示按位置点乘， ⊕表示按位置加权和， 且exp( ·)表示向量指数运算， 所述向量 指数运算表示计算以向量中各个位置的特征值为幂 的自然指数函数值， 且λ为控制后验权 重的超参数。 7.根据权利要求6所述的高纯圆角石英粉的过筛设备， 其中， 所述过筛控制结果生成模 块还用于： 使用所述分类器以如下公式对所述分类特征向量进行处理以获得分类结果， 其中， 所 述公式为： softmax{(Wn,Bn):…:(W1,B1)|X}， 其中， W1至Wn为各层全连接层的权重矩阵， B1至 Bn表示各层全连接层的偏置矩阵。 8.一种高纯圆角石英粉的过筛控制方法， 其特 征在于， 包括： 获取由第一相机和第二相机采集的上层过筛层和下层过筛层在预定时间段的第一监 控视频和第二监控视频， 其中， 所述过筛设备包括设置于所述上层过筛层的下方的过滤调 控机构， 所述过 滤调控机构包括过 滤结构和用于移动所述过 滤结构的调节件； 获取所述预定时间段内多个预定时间点的所述调节件的移动速度；权　利　要　求　书 2/4 页 3 CN 114758304 B 3