摘要
本发明公开了基于辊压机的破碎性预测方法及系统，涉及工业设备状态识别技术领域，包括在辊压机上部署传感器和摄像头采集数据；对得到的时序数据和图像数据进行预处理，提取时域、频域、图像、物理特征并进行特征融合；构建双分支神经网络模型进行预测，进行轻量化模型导出，定期将边缘端收集的最新数据同步至云端，执行再训练并更新预测参数；使用真实测量的粒度分析结果作为标签，进行增量学习，按滑动窗口对模型做增量微调。本发明所述方法通过构建双分支神经网络模型，融合时序与图像特征有效提升了对中值粒径与比表面积的预测精度。保证模型在设备磨损、物料性质变化等工况下持续保持高性能。
