基于数字工厂的产品数据检测方法及系统技术方案

本申请提供的基于数字工厂的产品数据检测方法及系统，响应于产品数据检测指令调取目标产品，通过目标产品将不少于两个文本约束要素赋予抽取获得的不少于两个文本知识向量，再调取文本构建神经网络，依据不少于两个文本知识向量和每个文本知识向量对应的文本约束要素进行处理，构建包含对应文本知识向量的目标文本。基于为抽取获得的文本知识向量分配限制的文本约束要素，对构建得到的目标文本中属于不同的文本约束要素的文本知识向量进行约束，能对构建得到的目标文本中对应于文本约束要素的文本知识向量进行修改，维持对应于其他文本约束要素的文本知识向量的现有状态，如此使得构建得到的目标文本具有高度的可塑能力，便于控制。于控制。于控制。

【技术实现步骤摘要】
基于数字工厂的产品数据检测方法及系统


[0001]本申请涉及数据处理领域，尤其涉及人工智能领域，具体涉及一种基于数字工厂的产品数据检测方法及系统。

技术介绍

[0002]随着信息技术的不断发展，三维数字化工厂逐渐普及，三维数字化工厂以企业管理创新与数据集成的优势逐步被更多企业采用。作为公司生产运营管控信息的载体，三维数字化工厂可以实现公司的生产、能源、安防和设备的一体化运维管控，从而确保管理决策科学化。数字工厂集成了产品、过程和工厂模型数据库，通过先进的可视化、仿真和文档管理，以提高产品的质量和生产过程所涉及的质量和动态性能。随着数字工厂生产的产品越来越多，为了确保产品的性能，对于产品的数据检测评估，比如进行产品质量检测中的数据检测，是需要重点考虑的环节。

技术实现思路

[0003]本申请提供了一种基于数字工厂的产品数据检测方法及系统。
[0004]根据本申请的一方面，提供了一种基于数字工厂的产品数据检测方法，应用于数字工厂AI检测系统，所述方法包括：响应于产品数据检测指令，调取目标产品；依据所述目标产品在文本知识向量库中进行抽取，获得不少于两个第一文本知识向量，所述文本知识向量库包括用于构建文本的多个文本知识向量；为所述不少于两个第一文本知识向量中的每个第一文本知识向量赋予一个文本约束要素；调取文本构建神经网络，依据所述不少于两个第一文本知识向量和每个第一文本知识向量对应的文本约束要素，构建第一目标文本，使得所述第一目标文本中对应每个文本约束要素的文本知识向量与对应每个文本约束要素的第一文本知识向量各自相同；将抽取获得的第二文本知识向量代替所述不少于两个第一文本知识向量中对应于第一文本约束要素的第一文本知识向量，所述第一文本约束要素为不少于两个文本约束要素中的任意一个文本约束要素；调取所述文本构建神经网络，依据其他的第一文本知识向量、所述第二文本知识向量和其他的第一文本知识向量对应的文本约束要素和所述第二文本知识向量对应的文本约束要素，构建第二目标文本，使得所述第二目标文本中对应每个文本约束要素的文本知识向量与对应每个文本约束要素的其他的第一文本知识向量或所述第二文本知识向量各自相同。
[0005]作为一种实施方式，所述调取文本构建神经网络，依据所述不少于两个第一文本知识向量和每个第一文本知识向量对应的文本约束要素，构建第一目标文本之前，所述方法还包括：依据所述不少于两个文本约束要素的分布位次和每个第一文本知识向量对应的文本约束要素，将所述不少于两个第一文本知识向量进行组合；所述调取文本构建神经网络，依据所述不少于两个第一文本知识向量和每个第一文本知识向量对应的文本约束要素，构建第一目标文本，包括：调取所述文本构建神经网络，依据组合后的第一文本知识向量构建所述第一目标文本。
[0006]作为一种实施方式，所述在文本知识向量库中进行抽取，获得不少于两个第一文本知识向量，包括：在不少于两个文本知识向量库中进行抽取，获得所述不少于两个第一文本知识向量，其中不同的文本知识向量库对应的文本约束要素不同；所述为所述不少于两个第一文本知识向量中的每个第一文本知识向量赋予一个文本约束要素，包括：分别为所述每个第一文本知识向量赋予所属文本知识向量库对应的文本约束要素。
[0007]作为一种实施方式，所述文本构建神经网络通过如下步骤进行调试获得：在所述文本知识向量库中进行抽取，获得不少于两个第三文本知识向量；为所述不少于两个第三文本知识向量中的每个第三文本知识向量赋予一个文本约束要素；调取所述文本构建神经网络，依据所述不少于两个第三文本知识向量和每个第三文本知识向量对应的文本约束要素，构建示例目标文本Sample1，使得所述示例目标文本Sample1中对应每个文本约束要素的文本知识向量与对应每个文本约束要素的第三文本知识向量各自相同；对所述示例目标文本Sample1进行分析，获得第一分析结果，所述第一分析结果指示所述示例目标文本Sample1被识别成自然文本的可信系数，所述自然文本不是通过文本构建神经网络构建得到的；依据所述第一分析结果调试所述文本构建神经网络，使得调取调试后的文本构建神经网络构建得到的目标文本被识别成所述自然文本的可信系数提高。
[0008]作为一种实施方式，所述对所述示例目标文本Sample1进行分析，获得第一分析结果，包括：调取文本质量分析神经网络，对所述示例目标文本Sample1进行分析，获得所述第一分析结果；所述依据所述第一分析结果调试所述文本构建神经网络，包括：依据所述第一分析结果调试所述文本构建神经网络和所述文本质量分析神经网络，使得调取调试后的文本构建神经网络构建得到的目标文本被识别成所述自然文本的可信系数提高，调取调试后的文本质量分析神经网络将所述文本构建神经网络构建得到的目标文本识别成所述自然文本的可信系数降低。
[0009]作为一种实施方式，所述方法还包括：获取示例目标文本Sample2，所述示例目标文本Sample2为所述自然文本；调取所述文本质量分析神经网络，对所述示例目标文本Sample2进行分析，获得第二分析结果，所述第二分析结果指示所述示例目标文本Sample2被识别成所述自然文本的可信系数；所述依据所述第一分析结果调试所述文本构建神经网络和所述文本质量分析神经网络，包括：依据所述第一分析结果调试所述文本构建神经网络，使得调取调试后的文本构建神经网络构建得到的目标文本被识别成所述自然文本的可信系数提高；依据所述第一分析结果和所述第二分析结果调试所述文本质量分析神经网络，使得调取调试后的文本质量分析神经网络将所述文本构建神经网络构建得到的目标文本识别成所述自然文本的可信系数降低，且调取调试后的文本质量分析神经网络将所述自然文本识别成所述自然文本的可信系数提高。
[0010]作为一种实施方式，所述方法还包括：在所述文本知识向量库中进行抽取，获得第四文本知识向量；将所述第四文本知识向量代替所述不少于两个第三文本知识向量中对应于第二文本约束要素的第三文本知识向量，所述第二文本约束要素为不少于两个文本约束要素中的任意一个文本约束要素；调取所述文本构建神经网络，依据其他的第三文本知识向量、所述第四文本知识向量和其他的第三文本知识向量对应的文本约束要素和所述第四文本知识向量对应的文本约束要素，构建示例目标文本Sample3，使得所述示例目标文本Sample3中对应每个文本约束要素的文本知识向量与对应每个文本约束要素的其他的第三
文本知识向量或所述第四文本知识向量各自相同；所述对所述示例目标文本Sample1进行分析，获得第一分析结果，包括：对所述示例目标文本Sample1和所述示例目标文本Sample3进行分析，获得所述第一分析结果，所述第一分析结果指示所述示例目标文本Sample1和所述示例目标文本Sample3符合第一预设要求的可信系数，所述第一预设要求指示所述示例目标文本Sample1和所述示例目标文本Sample3被识别成所述自然文本，且所述示例目标文本Sample1和所述示例目标文本Sample3中一个或多个文本约束要素的文本知识向量相同，同时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字工厂的产品数据检测方法，其特征在于，应用于所述数字工厂AI检测系统，所述方法包括：响应于产品数据检测指令，调取目标产品；依据所述目标产品在文本知识向量库中进行抽取，获得不少于两个第一文本知识向量，所述文本知识向量库包括用于构建文本的多个文本知识向量；为所述不少于两个第一文本知识向量中的每个第一文本知识向量赋予一个文本约束要素；调取文本构建神经网络，依据所述不少于两个第一文本知识向量和每个第一文本知识向量对应的文本约束要素，构建第一目标文本，使得所述第一目标文本中对应每个文本约束要素的文本知识向量与对应每个文本约束要素的第一文本知识向量各自相同；将抽取获得的第二文本知识向量代替所述不少于两个第一文本知识向量中对应于第一文本约束要素的第一文本知识向量，所述第一文本约束要素为不少于两个文本约束要素中的任意一个文本约束要素；调取所述文本构建神经网络，依据其他的第一文本知识向量、所述第二文本知识向量和其他的第一文本知识向量对应的文本约束要素和所述第二文本知识向量对应的文本约束要素，构建第二目标文本，使得所述第二目标文本中对应每个文本约束要素的文本知识向量与对应每个文本约束要素的其他的第一文本知识向量或所述第二文本知识向量各自相同。2.根据权利要求1所述的基于数字工厂的产品数据检测方法，其特征在于，所述调取文本构建神经网络，依据所述不少于两个第一文本知识向量和每个第一文本知识向量对应的文本约束要素，构建第一目标文本之前，所述方法还包括：依据所述不少于两个文本约束要素的分布位次和每个第一文本知识向量对应的文本约束要素，将所述不少于两个第一文本知识向量进行组合；所述调取文本构建神经网络，依据所述不少于两个第一文本知识向量和每个第一文本知识向量对应的文本约束要素，构建第一目标文本，包括：调取所述文本构建神经网络，依据组合后的第一文本知识向量构建所述第一目标文本。3.根据权利要求1~2任一项所述的基于数字工厂的产品数据检测方法，其特征在于，所述在文本知识向量库中进行抽取，获得不少于两个第一文本知识向量，包括：在不少于两个文本知识向量库中进行抽取，获得所述不少于两个第一文本知识向量，其中不同的文本知识向量库对应的文本约束要素不同；所述为所述不少于两个第一文本知识向量中的每个第一文本知识向量赋予一个文本约束要素，包括：分别为所述每个第一文本知识向量赋予所属文本知识向量库对应的文本约束要素。4.根据权利要求2~3任一项所述的基于数字工厂的产品数据检测方法，其特征在于，所述文本构建神经网络通过如下步骤进行调试获得：在所述文本知识向量库中进行抽取，获得不少于两个第三文本知识向量；为所述不少于两个第三文本知识向量中的每个第三文本知识向量赋予一个文本约束要素；
调取所述文本构建神经网络，依据所述不少于两个第三文本知识向量和每个第三文本知识向量对应的文本约束要素，构建示例目标文本Sample1，使得所述示例目标文本Sample1中对应每个文本约束要素的文本知识向量与对应每个文本约束要素的第三文本知识向量各自相同；对所述示例目标文本Sample1进行分析，获得第一分析结果，所述第一分析结果指示所述示例目标文本Sample1被识别成自然文本的可信系数，所述自然文本不是通过文本构建神经网络构建得到的；依据所述第一分析结果调试所述文本构建神经网络，使得调取调试后的文本构建神经网络构建得到的目标文本被识别成所述自然文本的可信系数提高。5.根据权利要求4所述的基于数字工厂的产品数据检测方法，其特征在于，所述对所述示例目标文本Sample1进行分析，获得第一分析结果，包括：调取文本质量分析神经网络，对所述示例目标文本Sample1进行分析，获得所述第一分析结果；所述依据所述第一分析结果调试所述文本构建神经网络，包括：依据所述第一分析结果调试所述文本构建神经网络和所述文本质量分析神经网络，使得调取调试后的文本构建神经网络构建得到的目标文本被识别成所述自然文本的可信系数提高，调取调试后的文本质量分析神经网络将所述文本构建神经网络构建得到的目标文本识别成所述自然文本的可信系数降低。6.根据权利要求5所述的基于数字工厂的产品数据检测方法，其特征在于，所述方法还包括：获取示例目标文本Sample2，所述示例目标文本Sample2为所述自然文本；调取所述文本质量分析神经网络，对所述示例目标文本Sample2进行分析，获得第二分析结果，所述第二分析结果指示所述示例目标文本Sample2被识别成所述自然文本的可信系数；所述依据所述第一分析结果调试所述文本构建神经网络和...

【专利技术属性】
技术研发人员：刘富雄，
申请(专利权)人：石家庄伟航科技有限公司，
类型：发明
国别省市：