高通量压电系数检测的机器学习方法、系统及计算机介质技术方案

本发明专利技术涉及人工智能技术领域，特别涉及一种高通量压电系数检测的机器学习方法、系统及计算机介质，本发明专利技术的高通量压电系数检测的机器学习方法。包括以下步骤：提供一压电薄膜，获取薄膜中多个位置的样本点，对应样本点生成压电系数样本作为机器学习的输入数据；基于样本点建立坐标系，获取压电系数样本在坐标系中的坐标及压电系数值；以预设获取方式获取坐标系中的多个初始簇心及初始簇心坐标；基于上述结果以预设分簇方式进行分簇，得到新簇心及新簇心坐标；以预设迭代方式使簇心收敛，得到收敛簇心及收敛簇心坐标；基于收敛簇心及收敛簇心坐标规划预设检测探头移动路径，并作为机器学习的输出数据。大幅提高检测效率。大幅提高检测效率。大幅提高检测效率。

【技术实现步骤摘要】
高通量压电系数检测的机器学习方法、系统及计算机介质


[0001]本专利技术涉及人工智能
，特别涉及一种高通量压电系数检测的机器学习方法、系统及计算机介质。

技术介绍

[0002]近年来，压电薄膜材料得到了广泛的应用，在指纹识别、测量、红外、安全报警、医疗保健、信息工程、办公自动化、海洋开发、地质勘探等
均有广泛运用。其中，用于超声波指纹识别传感器的压电薄膜对于薄膜的各项技术指标如压电系数的数值及分布均有较高的要求。实现对薄膜各性能要求的检测极其耗费时间和人力成本，因此对压电系数测量的快速化、精准化提出了极高的要求。
[0003]现有压电系数检测设备大多采用手动检测方法，需要人工剥离薄膜进行检测，不仅会损坏薄膜增加生产和检测的成本，同时耗费人力成本且检测速度过慢。经过改造设计的无损检测设备，达到了无损检测的目的，但逐点检测的方法更适用于实验，针对工业生产检测，仍存在速度过慢的问题。

技术实现思路

[0004]为提高压电系数检测效率，本专利技术提供了一种高通量压电系数检测的机器学习方法、系统及计算机介质。
[0005]本专利技术解决技术问题的方案是提供一种高通量压电系数检测的机器学习方法，包括以下步骤：提供一压电薄膜，获取压电薄膜中多个位置的样本点，对应所述样本点生成压电系数样本，该压电系数样本作为机器学习的输入数据；基于样本点边沿线建立坐标系，获取压电系数样本在坐标系中的坐标及压电系数值；以预设获取方式获取坐标系中的多个初始簇心及初始簇心坐标；基于压电系数样本的坐标，压电系数值，初始簇心及初始簇心坐标以预设分簇方式进行分簇，得到新簇心及新簇心坐标；以预设迭代方式使簇心收敛，得到收敛簇心及收敛簇心坐标；基于收敛簇心及收敛簇心坐标规划预设检测探头移动路径，该预设检测探头移动路径作为机器学习的输出数据。
[0006]优选地，所述初始簇心坐标与压电系数样本坐标相同或不同。
[0007]优选地，以预设获取方式获取初始簇心及初始簇心坐标具体包括如下步骤：基于预设目标优化率获取初始簇心数量；将初始簇心在所述坐标系中均匀随机分散，获取分散后的初始簇心坐标。
[0008]优选地，在以预设分簇方式进行分簇之前还包括设定分簇界定值，对初始簇心及初始簇心坐标进行分簇的预设分簇方式为按照如下公式进行：
[0009][0010]其中，每个压电系数样本v
i
的坐标(x
i
,y
i
)，b
i
为该压电系数样本的压电系数，下标k为初始簇心数量，每个初始簇心坐标为(x
k
,y
k
)，c
k
为初始簇心的压电系数值，a
ik
为判断指标，a
ik
中的a为分簇界定值。
[0011]优选地，对初始簇心及初始簇心坐标进行分簇需满足分簇条件，分簇条件包括如下判断过程：判断压电系数样本的压电系数与初始簇心压电系数之差是否在所述分簇界定值范围内，若在分簇界定值范围外，则等待迭代过程中的下一次分簇；若在分簇界定值范围内，则比较每一初始簇心对应判断指标的大小，获取判断指标中的最小值；对判断指标中最小值进行标记，将该最小值对应的初始簇心划入本次迭代的新簇中。
[0012]优选地，以预设分簇方式对初始簇心及初始簇心坐标进行分簇具体包括如下步骤：以初始簇心为中心获取预设范围，以压电系数样本到最近初始簇心的距离为半径，获取标准差；基于初始簇心及压电系数样本，获取满足标准差的压电系数样本的集合，作为新的簇。
[0013]优选地，以预设分簇方式对初始簇心及初始簇心坐标进行分簇还包括如下的新簇心确定步骤：遍历新簇中所有压电系数样本，使
[0014]最小的点作为新簇心，其中，m为压电系数样本总数；或，遍历新簇中所有压电系数样本，计算理论簇心值令最接近理论簇心值的点作为新簇心，其中，m为压电系数样本总数。
[0015]优选地，以预设迭代方式使簇心收敛，得到收敛簇心及收敛簇心坐标具体包括如下步骤：定义一个初始簇心坐标为初始样本，所有初始样本组成初始样本集，以预设分簇方式对初始样本集进行分簇得到的新簇心坐标集为一次数据；定义多个一次数据组成为集成数据，以集成数据作为新样本，在新样本中选取多个新初始簇心；基于选取的新初始簇心，重复上述分簇，获取新簇心及新簇心坐标的步骤，直到新初始簇心收敛，得到收敛簇心及收敛簇心坐标。
[0016]本专利技术为解决上述技术问题还提供一种高通量压电系数的机器学习系统，用于实现如上所述的高通量压电系数检测的机器学习方法，包括信息获取模块：用于获取压电薄膜中多个位置的压电系数样本，机器学习的输入数据，压电系数样本在坐标系中的坐标及压电系数值，坐标系中的多个初始簇心及初始簇心坐标，分簇后的新簇心及新簇心坐标，收敛簇心与收敛簇心坐标，以及机器学习的输出数据；数据运算模块：用于基于样本点边沿线建立坐标系，以预设分簇方式对初始簇心及初始簇心坐标进行分簇，以预设迭代方式使簇心收敛，及基于收敛簇心及收敛簇心坐标规划预设检测探头移动路径。
[0017]本专利技术为解决上述技术问题还提供一种存储介质，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上所述的高通量压电系数检测的机器学习方法。
[0018]与现有技术相比，本专利技术的一种高通量压电系数检测的机器学习方法、系统及计算机介质具有以下优点：
[0019]1、本专利技术的高通量压电系数检测的机器学习方法，包括以下步骤：提供一压电薄膜，获取压电薄膜中多个位置的样本点，对应所述样本点生成压电系数样本，该压电系数样本作为机器学习的输入数据；基于样本点边沿线建立坐标系，获取压电系数样本在坐标系中的坐标及压电系数值；以预设获取方式获取坐标系中的多个初始簇心及初始簇心坐标；基于压电系数样本的坐标，压电系数值，初始簇心及初始簇心坐标以预设分簇方式进行分
簇，得到新簇心及新簇心坐标；以预设迭代方式使簇心收敛，得到收敛簇心及收敛簇心坐标；基于收敛簇心及收敛簇心坐标规划预设检测探头移动路径，该预设检测探头移动路径作为机器学习的输出数据。簇心也即该簇中压电系数的均值，本专利技术的通过给定的样本，改良均值算法针对聚类所得簇划分，反映出簇内样本围绕中心压电系数检测点的紧密程度，找到簇内样本相似度极高的点做一次分簇，从而只需要检测初始簇心点而忽略其他相似特性的压电系数样本，达到简化检测的目的，减少检测的时间及人力成本，使检测效率大大提高。
[0020]2、本专利技术的高通量压电系数检测的机器学习方法，以预设获取方式获取初始簇心及初始簇心坐标具体包括如下步骤：基于预设目标优化率获取初始簇心数量；将初始簇心在坐标系中均匀随机分散，获取分散后的初始簇心坐标。初始簇心数量根据算法所需要满足的优化目标设定，均匀随机分散是为了更高效的获取所有压电系数样本中相似的特性，从而便于进行分簇迭代，也使得步骤更简单，结果更可靠。
[0021]3、本专利技术的高通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高通量压电系数检测的机器学习方法，其特征在于：包括以下步骤：提供一压电薄膜，获取压电薄膜中多个位置的样本点，对应所述样本点生成压电系数样本，该压电系数样本作为机器学习的输入数据；基于样本点边沿线建立坐标系，获取压电系数样本在坐标系中的坐标及压电系数值；以预设获取方式获取坐标系中的多个初始簇心及初始簇心坐标；基于压电系数样本的坐标，压电系数值，初始簇心及初始簇心坐标以预设分簇方式进行分簇，得到新簇心及新簇心坐标；以预设迭代方式使簇心收敛，得到收敛簇心及收敛簇心坐标；基于收敛簇心及收敛簇心坐标规划预设检测探头移动路径，该预设检测探头移动路径作为机器学习的输出数据。2.如权利要求1所述的高通量压电系数检测的机器学习方法，其特征在于：所述初始簇心坐标与压电系数样本坐标相同或不同。3.如权利要求1所述的高通量压电系数检测的机器学习方法，其特征在于：以预设获取方式获取初始簇心及初始簇心坐标具体包括如下步骤：基于预设目标优化率获取初始簇心数量；将初始簇心在所述坐标系中均匀随机分散，获取分散后的初始簇心坐标。4.如权利要求1所述的高通量压电系数检测的机器学习方法，其特征在于：在以预设分簇方式进行分簇之前还包括设定分簇界定值，对初始簇心及初始簇心坐标进行分簇的预设分簇方式为按照如下公式进行：其中，每个压电系数样本v
i
的坐标(x
i
,y
i
)，b
i
为该压电系数样本的压电系数，下标k为初始簇心数量，每个初始簇心坐标为(x
k
,y
k
)，c
k
为初始簇心的压电系数值，a
ik
为判断指标，a
ik
中的a为分簇界定值。5.如权利要求4所述的高通量压电系数检测的机器学习方法，其特征在于：对初始簇心及初始簇心坐标进行分簇需满足分簇条件，分簇条件包括如下判断过程：判断压电系数样本的压电系数与初始簇心压电系数之差是否在所述分簇界定值范围内，若在分簇界定值范围外，则等待迭代过程中的下一次分簇；若在分簇界定值范围内，则比较每一簇心对应判断指标的大小，获取判断指标中的最小值；对判断指标中最小...

【专利技术属性】
技术研发人员：潘思怡，陈昭如，史航宇，邢天宇，王硕，钟乐黎，胡潇然，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：