产品缺陷大数据的智能化检测方法及其云平台系统技术方案

本发明专利技术公开了产品缺陷大数据的智能化检测方法及其云平台系统，检测节点采集产品生产线参数经网关节点上传到云平台，并利用其提供的数据给客户端，客户端通过云平台提供产品生产线信息可实时监测产品缺陷等级参数和调节控制节点的产品检测设备，检测节点和控制节点负责采集产品生产线参数信息和控制产品检测设备，通过网关节点实现模块之间的双向通信，实现产品生产线参数采集和产品检测设备控制；主要针对企业如何在生产过程中在线检测产品的表面缺陷从而控制和提高产品的表面质量，通过实时数据和信息的观察处理和了解产品表面状况，监控端进一步分析

【技术实现步骤摘要】
产品缺陷大数据的智能化检测方法及其云平台系统


[0001]本专利技术涉及产品缺陷大数据智能化检测的自动化装备领域，具体涉及产品缺陷大数据的智能化检测方法及其云平台系统
。

技术介绍

[0002]产品表面缺陷是影响产品质量的一个重要因素，如何在生产过程中在线检测产品的表面缺陷从而控制和提高产品的表面质量是生产企业非常关注的内容
。
国外已经开发出高精度的产品表面缺陷检测系统，国内目前产品表面缺陷检测系统还不完善，国内产品由于表面质量问题而缺乏国际市场竞争力，因此研究和开发表面质量在线检测系统对我国企业提高产品竞争力具有重要意义
。
通过表面无损检测方法，能够及时发现产品缺陷及问题所在，及时发现产品故障和潜在威胁并进行更换，产品表面检测通过传感器以及摄像头能够采集表面缺陷信息，同时利用通信系统将采集到的信息传递给监控端，监控端采用计算机技术对采集到的产品图像和数据进行处理，最终确定产品缺陷信息，采集的产品数据和信息采集应该确保具有较高的稳定性
、
准确性和实时性，采集到的数据和信息能够以可视化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1. 产品缺陷大数据的智能化检测方法，其特征在于，包括以下步骤：步骤
1、
构建参数处理模块参数处理模块包括减法聚类分类器
、BiGRU
神经网络模型
‑
递归模糊神经网络模型
、BiGRU
神经网络模型
‑
递归小波神经网络模型
、BiGRU
神经网络模型
‑
NARX
神经网络模型
、BiGRU
神经网络模型
‑
新陈代谢灰色
GM
（1，1）模型
、BiGRU
神经网络模型
‑
CNN
卷积神经网络模型
、BiGRU
神经网络模型
‑
ESN
神经网络模型
、BiGRU
神经网络模型
、TDL
按拍延时器和动态三角模糊数的
BiGRU
神经网络模型
‑
递归模糊神经网络模型；步骤
2、
构建产品缺陷大数据智能检测子系统产品缺陷大数据智能检测子系统包括
AANN
自联想神经网络模型
‑
BiGRU
神经网模型
、
参数处理模块
、
多个孪生
CNN
卷积神经网络模型
‑
BiGRU
神经网络模型
、TDL
按拍延时器和动态三角模糊数的
BiGRU
神经网络模型
‑
递归
T
‑
S
模糊神经网络模型；孪生
CNN
卷积神经网络模型
‑
BiGRU
神经网络模型包括两个共权重的
CNN
卷积神经网络模型
‑
BiGRU
神经网络模型，两个
CNN
卷积神经网络模型
‑
BiGRU
神经网络模型输出的差作为孪生
CNN
卷积神经网络模型
‑
BiGRU
神经网络模型的输出
。2.
根据权利要求1所述的产品缺陷大数据的智能化检测方法，其特征在于，所述步骤1中，多个输入参数分别作为减法聚类分类器
、BiGRU
神经网络模型
‑
新陈代谢灰色
GM
（1，1）模型
、BiGRU
神经网络模型
‑
CNN
卷积神经网络模型和
BiGRU
神经网络模型
‑
ESN
神经网络模型的对应输入，
BiGRU
神经网络模型
‑
新陈代谢灰色
GM
（1，1）模型输出作为
BiGRU
神经网络模型
‑
CNN
卷积神经网络模型的对应输入，
BiGRU
神经网络模型
‑
CNN
卷积神经网络模型输出作为
BiGRU
神经网络模型
‑
ESN
神经网络模型的对应输入，
BiGRU
神经网络模型
‑
ESN
神经网络模型输出作为
TDL
按拍延时器3的输入；减法聚类分类器输出的3个类型的输入参数分别作为
BiGRU
神经网络模型
‑
递归模糊神经网络模型
、BiGRU
神经网络模型
‑
递归小波神经网络模型和
BiGRU
神经网络模型
‑
NARX
神经网络模型的对应输入，
BiGRU
神经网络模型
‑
递归模糊神经网络模型与
BiGRU
神经网络模型
‑
递归小波神经网络模型的输出时间序列差和
BiGRU
神经网络模型
‑
递归小波神经网络模型与
BiGRU
神经网络模型
‑
NARX
神经网络模型的输出时间序列差分别作为
BiGRU
神经网络模型1和
BiGRU
神经网络模型2的输入，
BiGRU
神经网络模型1和
BiGRU
神经网络模型2的输出分别作为
TDL
按拍延时器1和
TDL
按拍延时器2的输入，
TDL
按拍延时器
1、TDL
按拍延时器
2、TDL
按拍延时器3和
TDL
按拍延时器4的输出分别作为动态三角模糊数的
BiGRU
神...

【专利技术属性】
技术研发人员：吴鹏，赵宏亮，陈浩东，马从国，丁晓红，王建国，秦小芹，李亚洲，张静，孙娜，金德飞，马海波，周恒瑞，周红标，黄凤芝，周沈威，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：