基于图像特征增强的NIRS-XRF多模态融合煤炭灰分精准预测研究
针对近红外-X射线荧光（NIRS-XRF）联用技术难以表征粗粒煤表面物理非均质性的局限，本研究引入图像特征构建多模态融合模型。从6 mm烟煤表面图像中提取57维视觉特征，涵盖四颜色空间统计量、灰度直方图以及GLCM、GLGCM和Tamura纹理特征。相关性分析表明纹理特征与灰分的整体相关性优于颜色特征，最高相关系数达0.92。将视觉特征与NIRS、XRF光谱低层融合后，采用支持向量回归建立三模态预测模型。基于68个样品的蒙特卡洛交叉验证显示，三模态模型MAE=0.79%，较NIRS-XRF双模态基线（0.99%）相对降低20.20%（p<0.001）；外部验证R²=0.95、MAE=0.70%。消融实验证实纹理贡献高于颜色，GLGCM特征尤为有效，且多模态呈协同互补机制。该方法将物理非均质性量化为可计算视觉特征，弥补了光谱点采样的不足，形成了化学-物理协同感知框架，为粗粒煤及其他复杂固体物料的在线品质分析提供了新的技术路径。
0
2026-09-14
评论（0）
暂无数据
厂商其他视频
去评论
0
0
×