一种基于5G和图嵌入优化的TSVM模型自优化与预测方法、设备及存储介质技术

本发明专利技术涉及一种基于5G和图嵌入优化的TSVM模型自优化与预测方法、设备及存储介质，包括：(1)获取训练集并进行数据标注，形成带标记数据集；(2)用带标记数据集训练TSVM模型；同时，利用图嵌入技术将带标记数据集中的数据作为节点嵌入到流形空间中；(3)将未标注数据集中的样本数据输入训练好的TSVM模型中进行预测，若能够有把握判断该样本是否合格，此时直接输出识别结果；否则，将该样本数据作为节点嵌入到流形空间当中，判断该样本数据是否合格，并输出识别结果。本发明专利技术能够充分有效利用不带标签的数据，通过半监督学习，训练产品外观质检的识别模型，大大节省了数据集标注工作的人工成本。的人工成本。的人工成本。

A self optimization and prediction method, device and storage medium of TSVM model based on 5g sum graph embedding optimization

【技术实现步骤摘要】
一种基于5G和图嵌入优化的TSVM模型自优化与预测方法、设备及存储介质


[0001]本专利技术涉及一种基于5G和图嵌入优化的直推式支持向量机(Transductive Support Vector Machine，下文均简称为TSVM)离散制造业外观质检模型自优化与预测方法、设备及存储介质，属于半监督学习


技术介绍

[0002]随着中国制造2025以及工业4.0等智能制造进程的推进，越来越多的制造业向自动化智能化生产转型，在离散制造业外观质检环节，很多企业都引入现代传感器来辅助人眼检查，甚至代替人工检查，最普遍的就是利用工业相机获取待测产品外观信息，利用计算机视觉技术来进行检测。但是，仅使用简单的计算机视觉技术(如利用OpenCV进行模板匹配等)并未赋予质检系统智能化，识别率差。
[0003]部分先进企业采用人工智能的方法，训练人工神经网络来进行产品外观质检，给产线赋能，但仍然存在以下问题：首先，利用人工智能的手段进行外观质检，通常采用深度学习的方法(如卷积神经网络等)，此类方法属于机器学习中的有监督学习，即模型完全由标记好的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于5G和图嵌入优化的TSVM离散制造业外观质检模型自优化与预测方法，其特征在于，包括步骤如下：(1)在已有的未标注数据集中随机抽取若干数量的数据作为训练集，并对其进行数据标注，形成带标记数据集；(2)用步骤(1)得到的带标记数据集训练TSVM模型；同时，利用图嵌入技术将步骤(1)得到的带标记数据集中的数据作为节点嵌入到流形空间当中，节点间的权重为两个节点的相似程度，即：节点间的权重是指两个节点之间的欧式距离的倒数；(3)将未标注数据集中的样本数据输入到步骤(2)训练好的TSVM模型中进行预测，若该样本数据到TSVM模型划分超平面距离比较远，即样本数据到各个超平面的距离大于阈值，阈值为步骤(1)中已有的未标注数据集中所有初始样本中到超平面最近的欧式距离，则能够有把握判断该样本是否合格，此时直接输出识别结果；否则，利用图嵌入技术将该样本数据作为节点嵌入到流形空间当中，计算该节点与周围节点的距离以及位置关系，根据图嵌入聚类判断该样本数据是否合格，并输出识别结果。2.根据权利要求1所述的一种基于5G和图嵌入优化的TSVM离散制造业外观质检模型自优化与预测方法，其特征在于，步骤(3)中，利用图嵌入技术将该样本数据作为节点嵌入到流形空间当中，计算该节点与周围节点的距离以及位置关系，根据图嵌入聚类判断该样本数据是否合格，包括步骤如下：a、对样本数据经过步骤(2)训练好的TSVM模型得到的识别结果进行归一化，并根据判断样本图片是否合格的约束条件，将相应的特征转换为n个特征值，并将所有特征值写为n维的特征向量x
T
；b、利用图嵌入技术将n维的特征向量x
T
嵌入到流形空间当中，计算该样本数据与相邻最近的若干个向量之差并进行比较，判断出该样本数据与其它样本间的关系，从而判断出该样本是否合格。3.根据权利要求2所述的一种基于5G和图嵌入优化的TSVM离散制造业外观质检模型自优化与预测方法，其特征在于，所述步骤b的具体实现过程为：令所有n维的特征向量x
T
的尾均在原点O处，原点O是流形空间中的原点，即所有n维的特征向量x
T
首的点为以坐标为x
T
的点，且该节点表示所对应样本特征；利用k近邻算法计算该节点与周围节点的距离，如果计算结果表明该节点靠近合格节点群，则说明该节点所代表的样本合格；如果结果表明该节点靠近不合格节点群或者其为孤立节点，则说明该节点所代表的样本不合格。4.根据权利要求1所述的一种基于5G和图嵌入优化的TSVM离散制造业外观质检模型自优化与预测方法，其特征在于，步骤(3)中，根据图嵌入聚类判断该样本数据不合格时，直接输出识别结果，结束；根据图嵌入聚类判断该样本数据合格时，直接输出识别结果，并分别执行以下步骤A及步骤B：步骤A是指：将该样本数据作为...

【专利技术属性】
技术研发人员：张海霞，王翊州，袁东风，马睿，
申请(专利权)人：山东大学，
类型：发明
国别省市：