一种保密存储介质粉碎筛选方法技术

本发明专利技术涉及一种保密存储介质粉碎筛选方法，包括：采集样本数据，样本数据包括风扇的功率、各存储介质颗粒的属性数据和是否进行二次粉碎的标签数据；以风扇的功率及各存储介质的属性数据为输入，是否进行二次粉碎的标签数据为输出训练神经网络模型，得到介质筛选模型；实时采集待筛选的存储介质对应的风扇的功率及各存储介质颗粒的属性数据；将待筛选的存储介质对应的风扇的功率及各存储介质颗粒的属性数据输入介质筛选模型中，输出是否进行二次粉碎的结果；根据是否进行二次粉碎的结果，判断是否对待筛选的存储介质进行二次粉碎。本发明专利技术通过样本数据训练神经网络模型得到介质筛选模型，通过介质筛选模型提高了筛选效率，降低了人工成本。低了人工成本。低了人工成本。

【技术实现步骤摘要】
一种保密存储介质粉碎筛选方法


[0001]本专利技术涉及存储介质粉碎
，特别是涉及一种保密存储介质粉碎筛选方法。

技术介绍

[0002]目前传统的保密介质粉碎系统在进行粉碎时，无法对粉碎的程度进行智能判断，一般在粉碎完之后只能通过人工的方式利用不同的过滤网对不同的保密存储介质按照不同的尺寸要求，将不满足要求的颗粒筛选并进行再次粉碎，或者直接进行重复多次粉碎，这会出现达到粉碎要求但继续粉碎的情况，导致用电浪费，同时也会降低设备的使用寿命。

技术实现思路

[0003]本专利技术的目的是提供一种保密存储介质粉碎筛选方法，提高了筛选效率，降低了人工成本。
[0004]为实现上述目的，本专利技术提供了如下方案：一种保密存储介质粉碎筛选方法，包括：在多种存储介质颗粒下落的过程中，通过风扇提供的水平风力吹在各所述存储介质颗粒上；采集样本数据，所述样本数据包括所述风扇的功率、各所述存储介质颗粒的属性数据和是否进行二次粉碎的标签数据，所述属性数据包括密度、重量、体积、下落的高度和掉落的位置；以所述风扇的功率及各所述存储介质的属性数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种保密存储介质粉碎筛选方法，其特征在于，包括：在多种存储介质颗粒下落的过程中，通过风扇提供的水平风力吹在各所述存储介质颗粒上；采集样本数据，所述样本数据包括所述风扇的功率、各所述存储介质颗粒的属性数据和是否进行二次粉碎的标签数据，所述属性数据包括密度、重量、体积、下落的高度和掉落的位置；以所述风扇的功率及各所述存储介质的属性数据为输入，是否进行二次粉碎的标签数据为输出训练神经网络模型，得到介质筛选模型；在待筛选的存储介质对应的各存储介质颗粒下落的过程中，通过风扇提供的水平风力吹在各存储介质颗粒上；实时采集所述待筛选的存储介质对应的风扇的功率及各存储介质颗粒的属性数据；将所述待筛选的存储介质对应的风扇的功率及各存储介质颗粒的属性数据输入所述介质筛选模型中，输出是否进行二次粉碎的结果；根据所述是否进行二次粉碎的结果，判断是否对所述待筛选的存储介质进行二次粉碎。2.根据权利要求1所述的保密存储介质粉碎筛选方法，其特征在于，所述以所述风扇的功率及各所述存储介质的属性数据为输入，是否进行二次粉碎为输出训练神经网络模型，得到介质筛选模型，具体包括：对所述风扇的功率及各所述存储介质颗粒的属性数据进行归一化；以归一化后的数据为输入，是否进行二次粉碎为输出训练神经网络模型，得到介质筛选模型。3.根据权利要求1所述的保密存储介质粉碎筛选方法，其特征在于，所述对所述风扇的功率及各所述存储介质颗粒的属性数据进行归一化，具体包括：采用线性函数归一化对特征向量进行预处理，线性函数归一化表示为：；其中，x
norm
为归一化后的特征向量，x0为原始的特征向量，x
min
为原始的特征向量中各个特征的最小值组成的向量，x
max
为原始的特征向量中各个特征的最大值组成的向量，d表示所述样本数据中所有的密度数据组成的列向量，m表示所述样本数据中所有...

【专利技术属性】
技术研发人员：罗远哲，刘瑞景，张艺腾，刘洁，孟小钰，陈思杰，王晶，任光远，张建武，
申请(专利权)人：北京中超伟业信息安全技术股份有限公司，
类型：发明
国别省市：