一种感知称重结果准确性的方法、计算机可读介质及感知系统技术方案

本发明专利技术涉及一种感知称重结果准确性的方法、计算机可读介质及感知系统。该感知称重结果准确性的方法包括S1、生成数据；S2、训练数据；S3、推理判断称重结果。本发明专利技术提出的一种感知称重结果准确性的方法、计算机可读介质及感知系统能判断称重系统是否正常及所显示数据是否可靠。是否可靠。是否可靠。

【技术实现步骤摘要】
一种感知称重结果准确性的方法、计算机可读介质及感知系统


[0001]本专利技术涉及电阻应变式称重测量
，尤其涉及一种适用于称重系统的感知称重结果准确性的方法、计算机可读介质及感知系统。

技术介绍

[0002]传统称重系统利用信号检测技术、加装额外传感器配合仪表软件算法等方式检测出称重系统的异常，并对于异常报警信息通过终端界面显示给用户。该应用中的信号检测和软件算法针对的场景比较单一，在称重系统自身无异常的情况下无法检测出隐藏的干扰称重的因素，无法得知当前显示的称重数据是否准确。此外，加装额外的传感器会增加成本，增加称重系统的复杂度。

技术实现思路

[0003]针对现有技术的上述问题，本专利技术提出了一种适用于称重系统的感知称重结果准确性的方法、计算机可读介质及感知系统，能判断称重系统是否正常及所显示数据是否可靠。
[0004]具体地，本专利技术提出了一种感知称重结果准确性的方法，适用于称重系统，包括步骤：
[0005]S1、生成数据，包括步骤：
[0006]S11、上传所述称重系统的传感器所获取的称重数据，及与所述称重系统相关的事件数据；
[0007]S12、通过数据库存储所有数据；
[0008]S2、训练所述数据，包括步骤：
[0009]S21、预处理所述数据；
[0010]S22、通过基于人工智能算法的流程对所述数据进行特征工程和算法训练，将训练得到的最优算法模型导出为API；
[0011]S3、推理判断称重结果，包括步骤：r/>[0012]S31、将所述称重系统最新获取的数据进行特征生成；
[0013]S32、调用所述API对步骤S31的生成结果进行实时推理，判断所述称重数据是否异常。
[0014]根据本专利技术的一个实施例，步骤S22包括：
[0015]S221、对所述数据进行特征选择，制作数据集，依照随机采样方式将所述数据集划分为训练集，验证集，和测试集；
[0016]S222、采用多种分类算法对所述数据进行训练，从训练结果中选取在所述测试集上表现最优的算法模型；
[0017]S223、保存所述最优的算法模型的模型文件，生成API。
[0018]根据本专利技术的一个实施例，在步骤S11中，所述称重系统通过网络连接到云端服务器，所述传感器所获取的称重数据及所述事件数据上传到所述云端服务器。
[0019]根据本专利技术的一个实施例，所述传感器所获取的称重数据通过TCP协议上传到所述云端服务器，所述事件数据通过MQTT协议上传到所述云端服务器。
[0020]根据本专利技术的一个实施例，在步骤S12中，在所述云端服务器采用结构化数据库、NoSQL数据库、时序数据库对上传的称重数据和事件数据做存储，并建立索引。
[0021]根据本专利技术的一个实施例，在执行步骤S2之前，对所述数据进行过滤操作以去除异常数据。
[0022]根据本专利技术的一个实施例，在步骤S21所述预处理包括对所述数据进行归一化。
[0023]根据本专利技术的一个实施例，在步骤S222中，预制多种分类算法并采用网格搜索交叉验证的方式对所述数据进行训练。
[0024]根据本专利技术的一个实施例，所述分类算法包括逻辑回归分类算法、支持向量机分类算法、线性分类算法，以及梯度提升决策树分类算法。
[0025]根据本专利技术的一个实施例，在步骤S222中，设定阈值，遍历所述分类算法，若所述分类算法生成的算法模型的准确率高于所述阈值，则将所述分类算法的算法模型作为表现最优的算法模型；若所述分类算法生成的算法模型的准确率不高于所述阈值，则返回步骤S221。
[0026]本专利技术还提供了一种计算机可读介质，其上存储有计算机指令，所述计算机指令运行时执行前述任一项所述感知称重结果准确性的方法的步骤。
[0027]本专利技术还提供了一种感知系统，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行前述任一项所述感知称重结果准确性的方法的步骤。
[0028]本专利技术提供的一种适用于称重系统的感知称重结果准确性的方法、计算机可读介质及感知系统，能判断称重系统是否正常及所显示数据是否可靠。
[0029]应当理解，本专利技术以上的一般性描述和以下的详细描述都是示例性和说明性的，并且旨在为所述的本专利技术提供进一步的解释。
附图说明
[0030]包括附图是为提供对本专利技术进一步的理解，它们被收录并构成本申请的一部分，附图示出了本专利技术的实施例，并与本说明书一起起到解释本专利技术原理的作用。附图中：
[0031]图1示出了本专利技术一个实施例的感知称重结果准确性的方法的流程图。
具体实施方式
[0032]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0033]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下
所获得的所有其他实施例，都属于本申请保护的范围。
[0034]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0035]除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
[0036]在本申请的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本申请保护范围的限制；方位词“内、外”是指相对于各部件本身的轮廓的内外。
[0037]为了便于描述，在这里可以使用空间相对术语，如“在
……
之上”、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种感知称重结果准确性的方法，适用于称重系统，包括步骤：S1、生成数据，包括步骤：S11、上传所述称重系统的传感器所获取的称重数据，及与所述称重系统相关的事件数据；S12、通过数据库存储所有数据；S2、训练所述数据，包括步骤：S21、预处理所述数据；S22、通过基于人工智能算法的流程对所述数据进行特征工程和算法训练，将训练得到的最优算法模型导出为API；S3、推理判断称重结果，包括步骤：S31、将所述称重系统最新获取的数据进行特征生成；S32、调用所述API对步骤S31的生成结果进行实时推理，判断所述称重数据是否异常。2.如权利要求1所述的感知称重结果准确性的方法，其特征在于，步骤S22包括：S221、对所述数据进行特征选择，制作数据集，依照随机采样方式将所述数据集划分为训练集，验证集，和测试集；S222、采用多种分类算法对所述数据进行训练，从训练结果中选取在所述测试集上表现最优的算法模型；S223、保存所述最优的算法模型的模型文件，生成API。3.如权利要求1所述的感知称重结果准确性的方法，其特征在于，在步骤S11中，所述称重系统通过网络连接到云端服务器，所述传感器所获取的称重数据及所述事件数据上传到所述云端服务器。4.如权利要求3所述的感知称重结果准确性的方法，其特征在于，所述传感器所获取的称重数据通过TCP协议上传到所述云端服务器，所述事件数据通过MQTT协议上传到所述云端服务器。5.如权利要求3所述的感知称重结果准确性的方法，其特征在于，在步骤S12...

【专利技术属性】
技术研发人员：杨勇，黄柯晶，钱沈俭，庄晓明，王旭洋，沈波，
申请(专利权)人：梅特勒托利多常州精密仪器有限公司梅特勒托利多国际贸易上海有限公司，
类型：发明
国别省市：