本方向致力于通过工业物联网与工业互联网技术、传算融合优化与动态迁移方法提高冶金工艺流程的生产效率，并加强对冶金工艺流程中数据传输的安全和隐私保护。本方向可细分为下面三个方向：

1.冶金生产复杂环境下多模态数据感知与校准技术

    针对炉体、连铸、炉外精炼等高温、强磁、强干扰等条件的传统传感器不适用，环境信息、设备状态、质量状态等工业数据难以感知采集的问题，研究传感器空间分布规律和数据采集效率之间的关联。利用多维度基础信号数据、传感器空间分布特征等信息，研究针对高温强磁环境的多模态数据校准技术以滤除噪声数据。针对不同模态数据间深层次关联性，研究多模态数据融合技术，实现物理实体到虚拟空间的准确映射。

2.不完整数据链冶金工艺流程跨域数据融合与推理

    针对冶炼过程中固-液-气三相共存，多现象之间相互影响，缺乏有效的检测手段和确定的数学模型，导致工艺流程数据流不完整的问题，研究利用冶金流程专家经验规则、冶金机理数学模型，通过数据关联性分析、大数据机器学习等建立相应的数据驱动模型，将冶金原理与计算机技术相融合，实现将非结构化的冶金流程专家经验规则进行数字化转换，达到数据驱动模型与机理数学模型的相互修正。

3.边缘智能辅助下的实时数据传输与计算支撑技术

    针对冶金工业不同维度数据融合、跨模态数据校准和去噪实时计算与预测等复杂计算任务，包括研究基于端边云协同的传输与计算方法；研究采用深度强化学习技术的数据切分、上下文感知等实时序贯计算迁移方法，提升环境信息、设备状态和质量状态感知过程中传输和计算的可靠性与实时性。