一种产品质量检测方法、装置、终端设备及介质制造方法及图纸

本申请适用于联邦学习及数字孪生技术领域，提供了一种产品质量检测方法、装置、终端设备及介质。包括采集目标产品的工序组成数据；计算每个边缘节点的权重；根据所有边缘节点的权重，得到最大设备连接数，并对所有边缘节点进行分组，得到多个边缘节点分组；根据每个边缘节点的可靠性和边缘节点的权重，确定边缘节点分组的领导者节点，并通过领导者节点，将设备信息和产品信息存储到区块链；每个工业设备的学习质量确定联邦学习设备，并根据设备信息和产品信息，进行本地模型训练，得到本地数字孪生模型；计算本地数字孪生模型的全局残差，得到全局数字孪生模型；利用全局数字孪生模型进行质量检测。本申请能提高产品质量检测的准确性。确性。确性。

【技术实现步骤摘要】
一种产品质量检测方法、装置、终端设备及介质


[0001]本申请属于联邦学习及数字孪生
，尤其涉及一种产品质量检测方法、装置、终端设备及介质。

技术介绍

[0002]随着物联网与第五代移动通信技术（5G，5th Generation Mobile Communication Technology）的快速发展，物理世界与信息世界的联系逐渐增强，而数字孪生则是实现物理域和虚拟域互联互通的有效手段。数字孪生技术的高级阶段是构建镜像世界，但由于生产设备的产品数据难共享、隐私性差、实时性信息反馈延迟高等问题，严重影响了产品质量检测的准确性。

技术实现思路

[0003]本申请实施例提供了一种产品质量检测方法、装置、终端设备及介质，可以解决目前产品质量检测的准确性低的问题。
[0004]第一方面，本申请实施例提供了一种产品质量检测方法，包括：采集目标产品的工序组成数据；工序组成数据包括目标产品的产品信息和生产目标产品的多个工业设备的设备信息；根据设备信息，计算边缘节点网络中每个边缘节点的权重；其中，边缘节点网络包括多个边缘节点，多个边缘节点中的每个边缘节点与至少一个工业设备相对应；根据所有边缘节点的权重，得到边缘节点的最大设备连接数，并根据最大设备连接数，对所有边缘节点进行分组，得到多个边缘节点分组；最大设备连接数表示每个边缘节点连接的工业设备的最大数量；分别针对多个边缘节点分组中的每个边缘节点分组，根据边缘节点分组中每个边缘节点的可靠性和边缘节点的权重，确定边缘节点分组的领导者节点，并通过领导者节点，将边缘节点分组中每个边缘节点对应的工业设备的设备信息和产品信息存储到区块链；分别针对每个边缘节点，根据边缘节点中每个工业设备的学习质量确定边缘节点中的联邦学习设备，并根据区块链中的设备信息和产品信息，对联邦学习设备进行本地模型训练，得到用于对该联邦学习设备进行产品质量检测的本地数字孪生模型；联邦学习设备表示参与联邦学习的工业设备；计算每个边缘节点中联邦学习设备对应的本地数字孪生模型的全局残差，并根据全局残差，得到用于对所有联邦学习设备进行产品质量检测的全局数字孪生模型；利用全局数字孪生模型对目标产品进行质量检测。
[0005]可选的，设备信息包括每秒钟可以执行的浮点运算次数、训练时间、事故率、运行周期、资源占比、训练精度、数据总量、生产任务类型以及是否连接边缘节点。
[0006]可选的，根据设备信息，计算边缘节点网络中每个边缘节点的权重，包括：通过计算公式
得到每个边缘节点的权重；其中，表示第个边缘节点的权重，表示第个边缘节点中第个工业设备每秒钟可以执行的浮点运算次数，，表示第个边缘节点中工业设备的总数量，表示第个边缘节点中第个工业设备的安全性，表示第个边缘节点中第个工业设备的事故率，表示第个边缘节点中第个工业设备的运行周期，表示第个边缘节点中第个工业设备的训练时间，表示第个边缘节点中第个工业设备的资源占比，表示第个边缘节点中第个工业设备在第个生产任务上的数据总量，，表示生产目标产品所需执行的生产任务总数，生产任务表示工业设备生产所述目标产品执行的任务，表示第个边缘节点中第个工业设备在第个生产任务上的训练精度。
[0007]可选的，根据所有边缘节点的权重，得到边缘节点的最大设备连接数，并根据最大设备连接数，对所有边缘节点进行分组，得到多个边缘节点分组，包括：通过计算公式通过计算公式通过计算公式得到最大设备连接数；其中，表示第个工业设备是否连接第个边缘节点，表示第个工业设备连接第个边缘节点，表示第个工业设备不连接第个边缘节点；通过计算公式
得到个边缘节点分组；其中，表示生产目标产品的工业设备的总数量。
[0008]可选的，分别针对多个边缘节点分组中的每个边缘节点分组，根据边缘节点分组中每个边缘节点的可靠性和边缘节点的权重，确定边缘节点分组的领导者节点，包括：通过计算公式，得到每个边缘节点的评估值；其中，表示第个边缘节点分组中第个边缘节点的评估值，，表示第个边缘节点分组中第个边缘节点的可靠性，，表示第个边缘节点分组中第个边缘节点的第个安全指标，，表示安全指标的总数量，表示参数；通过计算公式，得到每个边缘节点的平均评估值；其中，表示第个边缘节点分组中第个边缘节点的平均评估值，表示第个边缘节点分组中边缘节点的总数量；通过计算公式，得到边缘节点分组的领导者节点；其中，表示第个边缘节点分组的领导者节点。
[0009]可选的，分别针对每个边缘节点，根据边缘节点中每个工业设备的学习质量确定边缘节点中的联邦学习设备，包括：通过计算公式通过计算公式通过计算公式通过计算公式
得到边缘节点中每个工业设备的学习质量；其中，表示第个边缘节点分组中第个边缘节点的第个工业设备在第个时间片中的学习质量，，表示时间片的总数量，表示第个边缘节点分组中第个边缘节点的所有工业设备在第个时间片中的平均参数，表示第个边缘节点分组中第个边缘节点的第个工业设备在第个时间片中参数值，表示第个边缘节点中所有工业设备在第个时间片中的平均梯度的值，表示第个边缘节点分组中第个边缘节点的积极节点的数量，表示第个边缘节点分组中第个边缘节点的消极节点的数量，表示影响信度的不确定系数，表示工业设备的信度参数，表示指示函数；针对第个边缘节点分组中第个边缘节点的所有工业设备，按照学习质量从大到小的顺序进行排序，得到边缘节点对应的工业设备序列；其中，表示第个边缘节点分组中第个边缘节点的工业设备序列；，表示第个边缘节点分组中第个边缘节点的第个工业设备，；针对工业设备序列，通过计算公式得到边缘节点中的联邦学习设备；其中，表示第个边缘节点分组中第个边缘节点的联邦学习设备集合；联邦学习设备集包括个联邦学习设备。
[0010]可选的，计算每个边缘节点中联邦学习设备对应的本地数字孪生模型的全局残差，并根据全局残差，得到最终数字孪生模型，包括：针对每个边缘节点中的每个联邦学习设备，通过计算公式，得到联邦学习设备对应的本地数字孪生模型的残差；其中，表示第个边缘节点分组中第个边缘节点的第个工业设备对应的本地数字孪生模型的全局残差，表示第个边缘节点分组中第个边缘节点的第个工业设备对应的本地数字孪生模型，表示联邦学习设备对应的孪生数据，表示联邦学习设备对应的原生数字模型，表示联邦学习设备对应的原生数据；通过计算公式，得到全局残差
；其中，表示第个边缘节点分组中第个边缘节点的全局残差。
[0011]可选的，根据全局残差，得到用于对所有联邦学习设备进行产品质量检测的全局数字孪生模型，包括：通过计算公式，得到每个联邦学习设备对应的本地数字孪生模型的新模型参数；其中，表示第个边缘节点分组中第个边缘节点的第个工业设备对应的本地数字孪生模型的新模型参数，表示第个边缘节点分组中第个边缘节点的第个工业设备对应的本地数字孪生模型的旧模型参数；对所有联邦学习设备对应的本地数字孪生模型的新模型参数进行聚合，得到全局数字孪生模型。
[0012]第二方面，本申请实施例提供了一种产品质量检测装置，包括：采集模块，用于采集目标产品的工序组成数据；工序组成数据包括目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种产品质量检测方法，其特征在于，包括：采集目标产品的工序组成数据；所述工序组成数据包括所述目标产品的产品信息和生产所述目标产品的多个工业设备的设备信息；根据所述设备信息，计算边缘节点网络中每个边缘节点的权重；其中，所述边缘节点网络包括多个边缘节点，所述多个边缘节点中的每个边缘节点与至少一个工业设备相对应；根据所有边缘节点的权重，得到边缘节点的最大设备连接数，并根据所述最大设备连接数，对所有边缘节点进行分组，得到多个边缘节点分组；所述最大设备连接数表示每个边缘节点连接的工业设备的最大数量；分别针对所述多个边缘节点分组中的每个边缘节点分组，根据所述边缘节点分组中每个边缘节点的可靠性和所述边缘节点的权重，确定所述边缘节点分组的领导者节点，并通过所述领导者节点，将所述边缘节点分组中每个边缘节点对应的工业设备的设备信息和所述产品信息存储到区块链；分别针对每个边缘节点，根据所述边缘节点中每个工业设备的学习质量确定所述边缘节点中的联邦学习设备，并根据所述区块链中的设备信息和产品信息，对所述联邦学习设备进行本地模型训练，得到用于对该联邦学习设备进行产品质量检测的本地数字孪生模型；所述联邦学习设备表示参与联邦学习的工业设备；计算每个边缘节点中联邦学习设备对应的本地数字孪生模型的全局残差，并根据所述全局残差，得到用于对所有联邦学习设备进行产品质量检测的全局数字孪生模型；利用所述全局数字孪生模型对所述目标产品进行质量检测。2.根据权利要求1所述的产品质量检测方法，其特征在于，所述设备信息包括每秒钟可以执行的浮点运算次数、训练时间、事故率、运行周期、资源占比、训练精度、数据总量、生产任务类型以及是否连接边缘节点；所述根据所述设备信息，计算边缘节点网络中每个边缘节点的权重，包括：通过计算公式得到所述每个边缘节点的权重；其中，表示第个边缘节点的权重，表示第个边缘节点中第个工业设备每秒钟可以执行的浮点运算次数，，表示第个边缘节点中工业设备的总数量，表示第个边缘节点中第个工业设备的安全性，表示第个边缘节点中第个工业设备的事故率，表示第个边缘节点中第个工业设备的运行周期，表示第个边缘节点中第个工业设备的训练时间，表示第个边缘节点中第个工业设备的资源占比，表示第个边缘节点中第个工业设备在
第个生产任务上的数据总量，，表示生产所述目标产品所需执行的生产任务总数，所述生产任务表示工业设备生产所述目标产品执行的任务，表示第个边缘节点中第个工业设备在第个生产任务上的训练精度。3.根据权利要求2所述的产品质量检测方法，其特征在于，所述根据所有边缘节点的权重，得到边缘节点的最大设备连接数，并根据所述最大设备连接数，对所有边缘节点进行分组，得到多个边缘节点分组，包括：通过计算公式通过计算公式通过计算公式得到所述最大设备连接数；其中，表示第个工业设备是否连接第个边缘节点，表示第个工业设备连接第个边缘节点，表示第个工业设备不连接第个边缘节点；通过计算公式得到个边缘节点分组；其中，表示生产所述目标产品的工业设备的总数量。4.根据权利要求3所述的产品质量检测方法，其特征在于，所述分别针对所述多个边缘节点分组中的每个边缘节点分组，根据所述边缘节点分组中每个边缘节点的可靠性和所述边缘节点的权重，确定所述边缘节点分组的领导者节点，包括：通过计算公式，得到每个边缘节点的评估值；其中，表示第个边缘节点分组中第个边缘节点的评估值，，表示第个边缘节点分组中第个边缘节点的可靠性，，表示第个边缘节点分组中第个边缘节点的第个安全指标，，表示安全指标的总数量，表示参数；
通过计算公式，得到每个边缘节点的平均评估值；其中，表示第个边缘节点分组中第个边缘节点的平均评估值，表示第个边缘节点分组中边缘节点的总数量；通过计算公式，得到所述边缘节点分组的领导者节点；其中，表示第个边缘节点分组的领导者节点。5.根据权利要求4所述的产品质量检测方法，其特征在于，所述分别针对每个边缘节点，根据所述边缘节点中每个工业设备的学习质量确定所述边缘节点中的联邦学习设备，包括：通过计算公式通过计算公式通过计算公式通过计算公式得到所述边缘节点中每个工业设备的学习质量；其中，表示第个边缘节点分组中第个边缘节点的第个工业设备在第个时间片中的学习质量，，表示时间片的总数量，表示第个边缘节点分组中第个边缘节点的...

【专利技术属性】
技术研发人员：陈晓红，许冠英，徐雪松，艾彦迪，刘星宝，杨俊丰，马涛，
申请(专利权)人：中南大学，
类型：发明
国别省市：