本发明专利技术公开了一种瓦楞纸箱的配材生成方法、装置、存储介质及终端，方法包括：获取待制造的瓦楞纸箱的产品参数；将待制造的瓦楞纸箱的产品参数输入预先训练的瓦楞纸箱配材模型中，输出待制造的瓦楞纸箱对应的多个配材序列以及每个配材序列的置信度；瓦楞纸箱配材模型是基于Apriori算法和协同过滤算法构建的；基于每个配材序列的置信度从多个配材序列中确定出目标配材序列，将目标配材序列确定为待制造的瓦楞纸箱的配材序列。由于本申请采用Apriori算法和协同过滤算法对历史纸箱配材数据进行建模，使得模型可自动根据待制造的瓦楞纸箱的产品参数自动生成准确的配材序列，从而提高了生成瓦楞纸箱的配材的合理性和精确性，进而大幅降低了原料成本和人力成本。进而大幅降低了原料成本和人力成本。进而大幅降低了原料成本和人力成本。
【技术实现步骤摘要】
一种瓦楞纸箱的配材生成方法、装置、存储介质及终端
[0001]本专利技术涉及机器学习
，特别涉及一种瓦楞纸箱的配材生成方法、装置、存储介质及终端。
技术介绍
[0002]纸包装是包装行业中最大的子行业。纸包装行业有着广阔的发展空间，并处于高速发展阶段。随着“限塑令“等环保政策的实施，纸质包装作为一种可再生的环保包装材料，在未来必然会逐渐代替塑料包装等其他包装方式，占有更大的包装市场份额。节能增效是企业追求的目的，其中纸箱生产选取什么配材是尤为重要的一环。
[0003]当前纸包装企业的销售及订单审核人员在纸箱生产前，会根据客户对产品楞型、抗压强度、耐破强度等参数的要求，依据经验人为选取将要生产订单的纸箱产品的配材。这其中的关键是必须将纸箱的质量与成本统筹考虑，在保证质量的情况下尽可能降低成本。然而传统人工经验选取配材，会出现选取配材不合理的情况，选取的配材不达标，导致纸箱强度降低、耐破性差、防潮性差，产品质量差；或者选取的配材性能过高，又会极大地增加纸箱的配材成本。此外，一旦选择的配材不合理就要返工重新选择配材，此过程耗时耗力影响订单的正常生产。依据人为经验判断纸箱配材的方法存在以下缺陷：(1)需要大量的业务和生产经验；(2)在选取纸箱原纸配方需要大量的试验，试验结果不合格则需要更改配方重新实验，该过程需要耗费大量人力成本和时间成本；(3)人工不可避免的会错过实时纸箱配材信息。
技术实现思路
[0004]本申请实施例提供了一种瓦楞纸箱的配材生成方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
[0005]第一方面，本申请实施例提供了一种瓦楞纸箱的配材生成方法，方法包括：
[0006]获取待制造的瓦楞纸箱的产品参数；
[0007]将待制造的瓦楞纸箱的产品参数输入预先训练的瓦楞纸箱配材模型中，输出待制造的瓦楞纸箱对应的多个配材序列以及每个配材序列的置信度；其中，瓦楞纸箱配材模型是基于Apriori算法和协同过滤算法构建的；
[0008]基于每个配材序列的置信度从多个配材序列中确定出目标配材序列，并将目标配材序列确定为待制造的瓦楞纸箱的配材序列。
[0009]可选的，基于每个配材序列的置信度从多个配材序列中确定出目标配材序列，包括：
[0010]逐一判断每个配材序列的置信度是否大于等于预设置信度阈值，生成多个判断结果；
[0011]根据多个判断结果从多个配材序列中确定出至少一个目标配材序列；
[0012]接收对至少一个目标配材序列的选择指令，根据选择指令从至少一个目标配材序列中确定出目标配材序列。
[0013]可选的，根据多个判断结果从多个配材序列中确定出至少一个目标配材序列，包括：
[0014]从多个判断结果中获取小于预设置信度阈值的判断结果；
[0015]从多个配材序列中剔除小于预设置信度阈值的判断结果所对应的配材序列；
[0016]生成至少一个目标配材序列。
[0017]可选的，按照以下步骤生成预先训练的瓦楞纸箱配材模型，包括：
[0018]获取并预处理历史瓦楞纸箱的历史订单及产品数据，生成纸箱配材数据集；
[0019]采用Apriori算法创建瓦楞纸箱配材模型；
[0020]将纸箱配材数据集输入瓦楞纸箱配材模型中，得到选项集；
[0021]计算选项集中每个数据项的支持度；
[0022]将每个数据项的支持度与预设阈值做比较，并将支持度大于预设阈值的数据项确定为频繁项集；
[0023]当频繁项集中频繁项数量为1时，生成Apriori算法模型；
[0024]基于预设数量的历史瓦楞纸箱数据训练生成协同过滤算法模型；
[0025]将Apriori算法模型与协同过滤算法模型合并，生成预先训练的瓦楞纸箱配材模型。
[0026]可选的，当频繁项集中频繁项数量为1时，生成Apriori算法模型，包括：
[0027]当频繁项集中频繁项数量不为1时，将频繁项集中各频繁项进行遍历拼接，得到拼接选项集；
[0028]计算拼接选项集中每个数据项的支持度；
[0029]继续执行将每个数据项的支持度与预设阈值做比较的步骤，直到频繁项集中的数量项数量为1时，生成Apriori算法模型。
[0030]可选的，基于预设数量的历史瓦楞纸箱数据训练生成协同过滤算法模型，包括：
[0031]采集预设数量的历史瓦楞纸箱数据；
[0032]采用协同过滤算法构建瓦楞纸箱配材模型，并将历史瓦楞纸箱数据输入瓦楞纸箱配材模型中，得到多个相似的第一瓦楞纸箱的产品参数；
[0033]获取每个相似的瓦楞纸箱的产品参数的配材；
[0034]根据每个相似的瓦楞纸箱的产品参数的配材计算多个相似瓦楞纸箱之间的相似度矩阵，生成相似度矩阵；
[0035]当生成相似度矩阵时，生成预先训练的瓦楞纸箱配材模型。
[0036]可选的，将待制造的瓦楞纸箱的产品参数输入预先训练的瓦楞纸箱配材模型中，输出待制造的瓦楞纸箱对应的多个配材序列以及每个配材序列的置信度，包括：
[0037]将待制造的瓦楞纸箱的产品参数输入Apriori算法模型中，生成第一数量的配材序列以及每个第一配材序列的置信度；
[0038]输出第一数量的配材序列以及每个第一配材序列的置信度；
[0039]将待制造的瓦楞纸箱的产品参数输入协同过滤算法模型，得到多个相似的第二瓦
楞纸箱的产品参数；其中，多个相似的第二瓦楞纸箱的产品参数的数量小于第一瓦楞纸箱的产品参数的数量；
[0040]从多个相似的第二瓦楞纸箱的产品参数中获取每个第二瓦楞纸箱的多个配材，生成配材集合；
[0041]获取待制造的瓦楞纸箱的产品参数的已有配材；
[0042]从所述配材集合中剔除所述已有配材，生成第二数量的配材序列；
[0043]计算所述第二数量的配材序列中每个配材序列的置信度；
[0044]输出所述第二数量的配材序列以及每个第二配材序列的置信度。
[0045]第二方面，本申请实施例提供了一种瓦楞纸箱的配材生成装置，装置包括：
[0046]产品参数获取模块，用于获取待制造的瓦楞纸箱的产品参数；
[0047]参数输出模块，用于将待制造的瓦楞纸箱的产品参数输入预先训练的瓦楞纸箱配材模型中，输出待制造的瓦楞纸箱对应的多个配材序列以及每个配材序列的置信度；
[0048]其中，瓦楞纸箱配材模型是基于Apriori算法和协同过滤算法构建的；
[0049]配材序列确定模块，用于基于每个配材序列的置信度从多个配材序列中确定出目标配材序列，并将目标配材序列确定为待制造的瓦楞纸箱的配材序列。
[0050]第三方面，本申请实施例提本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种瓦楞纸箱的配材生成方法，其特征在于，所述方法包括：获取待制造的瓦楞纸箱的产品参数；将所述待制造的瓦楞纸箱的产品参数输入预先训练的瓦楞纸箱配材模型中，输出所述待制造的瓦楞纸箱对应的多个配材序列以及每个所述配材序列的置信度；其中，所述瓦楞纸箱配材模型是基于Apriori算法和协同过滤算法构建的；基于每个所述配材序列的置信度从所述多个配材序列中确定出目标配材序列，并将所述目标配材序列确定为所述待制造的瓦楞纸箱的配材序列。2.根据权利要求1所述的方法，其特征在于，所述基于所述每个配材序列的置信度从所述多个配材序列中确定出目标配材序列，包括：逐一判断所述每个配材序列的置信度是否大于等于预设置信度阈值，生成多个判断结果；根据所述多个判断结果从所述多个配材序列中确定出至少一个目标配材序列；接收对所述至少一个目标配材序列的选择指令，根据所述选择指令从所述至少一个目标配材序列中确定出目标配材序列。3.根据权利要求2所述的方法，其特征在于，所述根据所述多个判断结果从所述多个配材序列中确定出至少一个目标配材序列，包括：从所述多个判断结果中获取小于所述预设置信度阈值的判断结果；从所述多个配材序列中剔除小于所述预设置信度阈值的判断结果所对应的配材序列；生成至少一个目标配材序列。4.根据权利要求1所述的方法，其特征在于，按照以下步骤生成预先训练的瓦楞纸箱配材模型，包括：获取并预处理历史瓦楞纸箱的历史订单及产品数据，生成纸箱配材数据集；采用Apriori算法创建瓦楞纸箱配材模型；将所述纸箱配材数据集输入所述瓦楞纸箱配材模型中，得到选项集；计算所述选项集中每个数据项的支持度；将所述每个数据项的支持度与预设阈值做比较，并将所述支持度大于所述预设阈值的数据项确定为频繁项集；当所述频繁项集中频繁项数量为1时，生成Apriori算法模型；基于预设数量的历史瓦楞纸箱数据训练生成协同过滤算法模型；将所述Apriori算法模型与所述协同过滤算法模型合并，生成预先训练的瓦楞纸箱配材模型。5.根据权利要求4所述的方法，其特征在于，所述当所述频繁项集中频繁项数量为1时，生成Apriori算法模型，包括：当所述频繁项集中频繁项数量不为1时，将所述频繁项集中各频繁项进行遍历拼接，得到拼接选项集；计算所述拼接选项集中每个数据项的支持度；继续执行所述将所述每个数据项的支持度与预设阈值做比较的步骤，直到所述频繁项集中的数量项数量为1时，生成Apriori算法模型。6.根据权利要求4所述的方法，其特征在于，所述基于预设数量的历...
【专利技术属性】
技术研发人员：涂佳宏，赵鑫安，陈家银，陈曦，麻志毅，
申请(专利权)人：浙江省北大信息技术高等研究院，
类型：发明
国别省市：
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。