【技术实现步骤摘要】
采样数据的检测方法、装置及电子设备
本申请涉及数据检测
,尤其是涉及一种采样数据的检测方法、装置及电子设备。
技术介绍
对一个过程的检测可以转化为在待测过程和基准过程之间寻找差异,用差异衡量待测过程的指标。实际生产中一般对待测过程进行采样,用离散的点还原真实的待测过程。采样频率越高对原过程的复原越准确,进而与基准比较时得到的差异结果越真实可信。然而实际生产过程中,因生产环境,生产工具、方法的限制,很多生产过程,如果一次采样得到的数据量冗余性大,往往就无法得到频率足够高的采样,进而对准确的评价相似度带来困难。
技术实现思路
本申请的目的在于提供一种采样数据的检测方法、装置及电子设备,能够在单次采样数据冗余性大,采样频率低的场景下,较准确地完成待测数据与基准数据之间的差异检测或差异评价。本申请实施例提供一种采样数据的检测方法,通过电子设备预存目标对象的各个基准样本分别对应的第一特征集合和基于各个基准样本训练得到的多个特征识别模型,其中,每个特征识别模型用于识别至少一类特征;该方法包括:获取目标对象的采样数据;采样数据包括单次采样出的至少一个待测样本;分别将采样数据中的待测样本作为当前样本,执行以下操作:将当前样本分别输入多个特征识别模型,得到当前样本对应的第二特征集合;根据当前样本对应的第二特征集合和各个基准样本分别对应的第一特征集合,查找与当前样本匹配的目标基准样本;检测目标基准样本与当前样本之间的差异。进一步的,上述各个基准样本分别对应的第一特征集合通过以下方式得到:获取目标 ...
【技术保护点】
1.一种采样数据的检测方法,其特征在于,通过电子设备预存目标对象的各个基准样本分别对应的第一特征集合和基于各个所述基准样本训练得到的多个特征识别模型,其中,每个特征识别模型用于识别至少一类特征;所述方法包括:/n获取所述目标对象的采样数据;所述采样数据包括单次采样出的至少一个待测样本;/n分别将所述采样数据中的待测样本作为当前样本,执行以下操作:/n将所述当前样本分别输入多个所述特征识别模型,得到所述当前样本对应的第二特征集合;/n根据所述当前样本对应的第二特征集合和各个基准样本分别对应的第一特征集合,查找与所述当前样本匹配的目标基准样本;/n检测所述目标基准样本与所述当前样本之间的差异。/n
【技术特征摘要】
1.一种采样数据的检测方法,其特征在于,通过电子设备预存目标对象的各个基准样本分别对应的第一特征集合和基于各个所述基准样本训练得到的多个特征识别模型,其中,每个特征识别模型用于识别至少一类特征;所述方法包括:
获取所述目标对象的采样数据;所述采样数据包括单次采样出的至少一个待测样本;
分别将所述采样数据中的待测样本作为当前样本,执行以下操作:
将所述当前样本分别输入多个所述特征识别模型,得到所述当前样本对应的第二特征集合;
根据所述当前样本对应的第二特征集合和各个基准样本分别对应的第一特征集合,查找与所述当前样本匹配的目标基准样本;
检测所述目标基准样本与所述当前样本之间的差异。
2.根据权利要求1所述的方法,其特征在于,所述各个基准样本分别对应的第一特征集合通过以下方式得到:
获取所述目标对象的各个基准样本;
针对每个所述基准样本,均执行以下步骤:
将所述基准样本进行特征分解,得到所述基准样本对应的多个特征;
将多个特征组成的集合,作为所述基准样本对应的第一特征集合。
3.根据权利要求1所述的方法,其特征在于,所述多个特征识别模型通过以下方式训练得到:
将各个所述基准样本分别对应的第一特征集合中的特征,按照特征类型进行分类聚合处理,得到各个特征类型分别对应的聚类特征集合;
针对每个特征类型对应的聚类特征集合,均执行以下步骤:
以所述聚类特征集合作为训练数据,对预设的神经网络模型进行训练,得到所述特征类型对应的特征识别模型。
4.根据权利要求3所述的方法,其特征在于,所述待测样本和所述基准样本均为图像;所述分类聚合处理的方法包括以下之一:像素直方图度量法、canny边缘检测法和连通域检测算法。
5.根据权利要求1所述的方法,其特征在于将所述当前样本分别输入多个所述特征识别模型,得到所述当前样本对应的第二特征集合的步骤,包括:
将所述当前样本分别输入每个特征类型对应的特征识别模型,得到每个特征识别模型输出的特征识别结果;
将各个所述特征识别结果进行叠加,作为所述当前样本对应的第二特征集合。
6.根据权利要求1所述的方法,其特征在于,根据所述当前样本对应的第二特征集合和各个基准样本分别对应的第一特征集合,查找与所述当前样本匹配的目标基准...
【专利技术属性】
技术研发人员:朱文亮,温中凯,
申请(专利权)人:网易杭州网络有限公司,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。