System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及质量检测,具体而言,涉及一种正方盒质量检测系统的数据分析方法及系统。
技术介绍
1、在制造业中,质量检测和缺陷识别是至关重要的环节。尤其在正方盒等精密设备的生产过程中,准确、及时地发现和处理生产缺陷可以大幅提高生产效率,降低成本,保证产品质量。
2、传统的质量检测和缺陷识别方法主要依赖人工视觉或简单的机器视觉技术。然而,这些方法可能因为人工差异、疲劳、注意力不集中等原因导致检测结果存在误差。同时,对于复杂的缺陷模式,简单的机器视觉技术往往难以准确识别。
技术实现思路
1、有鉴于此,本专利技术实施例的目的在于提供一种正方盒质量检测系统的数据分析方法及系统,首先,确定模版系统运转数据序列,包括多个系统运转项目及其相关的模版系统运转数据,这些数据中包含待学习的系统运转事件数据和先验缺陷属性标签。然后,将每个模版系统运转数据作为网络加载数据输入待学习缺陷观测网络,生成相应的候选缺陷属性标签。接着,根据当前模版系统运转数据中的先验缺陷属性标签和相应的候选缺陷属性标签,更新待学习缺陷观测网络的网络权重信息。最后,通过最小化缺陷观测误差,形成目标缺陷观测网络,该网络用于处理目标系统运转事件数据,并生成对应的缺陷属性标签。由此,提供了一种有效的质量检测和缺陷识别方法,可以广泛应用于正方盒制造业中进行产品质量监控和改进。
2、依据本专利技术实施例的一个方面,提供一种正方盒质量检测系统的数据分析方法及系统,所述方法包括:
3、确定正方盒质量检测系统的模
4、对于各模版系统运转数据,将当前模版系统运转数据作为待学习缺陷观测网络的网络加载数据,生成与所述当前模版系统运转数据相对应的一个或多个候选缺陷属性标签;
5、对于各模版系统运转数据,依据当前模版系统运转数据中的一个或多个先验缺陷属性标签和相应的一个或多个候选缺陷属性标签,对所述待学习缺陷观测网络进行网络权重信息更新;
6、将所述待学习缺陷观测网络中的缺陷观测误差最小化为学习方向,生成目标缺陷观测网络,所述目标缺陷观测网络用于对加载的目标系统运转事件数据进行处理,生成与所述目标系统运转事件数据相对应的缺陷属性标签。
7、一种可替代的实施方式中,所述确定模版系统运转数据序列,包括:
8、获取包括目标异常节点数据的目标系统运转事件数据;
9、确定各目标系统运转事件数据所对应的一个或多个正方盒质量检测行为,生成与每个正方盒质量检测行为相对应的多个目标系统运转事件数据;
10、确定各目标系统运转事件数据所对应的先验缺陷属性标签;
11、依据每个正方盒质量检测行为所对应的目标系统运转事件数据和相应的先验缺陷属性标签,确定所述模版系统运转数据序列中的每个系统运转项目。
12、一种可替代的实施方式中,所述确定各目标系统运转事件数据所对应的一个或多个正方盒质量检测行为,生成与每个正方盒质量检测行为相对应的多个目标系统运转事件数据,包括:
13、对各目标系统运转事件数据进行特征提取,确定候选系统运转事件数据;
14、依据设定的特征清洗策略,对候选系统运转事件数据进行特征清洗,生成目标目标系统运转事件数据;
15、确定各目标目标系统运转事件数据所对应的一个或多个正方盒质量检测行为。
16、一种可替代的实施方式中,所述一个或多个正方盒质量检测行为是依据质量检测任务数据、待学习系统运转事件数据所对应的质量检测实例以及质量检测实例相对应目标异常节点数据的定位任务确定的。
17、一种可替代的实施方式中,还包括:
18、获取验证系统运转数据序列,所述验证系统运转数据序列中包括多个验证系统运转项目,不同验证系统运转项目下包括多个验证系统运转数据,所述验证系统运转项目与所述系统运转项目相同;
19、将各验证系统运转数据分别加载至满足网络收敛要求的目标缺陷观测网络中,生成与每个验证系统运转数据相对应的观测缺陷属性标签;
20、依据各验证系统运转数据的观测缺陷属性标签和相应的先验缺陷属性标签,确定同一验证系统运转项目下的网络性能指标;
21、如果存在网络性能指标小于设定指标的目标验证系统运转项目,则获取与所述目标验证系统运转项目相对应的模版系统运转数据,继续对所述目标缺陷观测网络进行参数更新,直至各验证系统运转项目的网络性能指标大于设定指标。
22、一种可替代的实施方式中,所述获取与所述目标验证系统运转项目相对应的模版系统运转数据,继续对所述目标缺陷观测网络进行参数更新,直至各验证系统运转项目的网络性能指标大于设定指标,包括:
23、获取与所述目标验证系统运转项目相对应的候选模版系统运转数据,并基于所述候选模版系统运转数据和所述模版系统运转数据序列中的模版系统运转数据,重新对所述目标缺陷观测网络继续训练,直至依据验证系统运转数据序列确定各验证系统运转项目的网络性能指标大于设定指标。
24、一种可替代的实施方式中,还包括:
25、获取目标系统运转事件数据,所述目标系统运转事件数据中包括目标异常节点数据;
26、将所述目标系统运转事件数据加载至所述目标缺陷观测网络中,生成与所述目标系统运转事件数据相对应的一个或多个缺陷属性标签。
27、依据本专利技术实施例的另一方面,提供一种正方盒质量检测系统的数据分析方法及系统,所述系统包括:
28、确定模块,用于确定正方盒质量检测系统的模版系统运转数据序列,所述模版系统运转数据序列中包括多个系统运转项目,不同系统运转项目下包括多个模版系统运转数据,模版系统运转数据中包括与目标异常节点数据相对应的待学习系统运转事件数据和先验缺陷属性标签;
29、第一生成模块,用于对于各模版系统运转数据,将当前模版系统运转数据作为待学习缺陷观测网络的网络加载数据,生成与所述当前模版系统运转数据相对应的一个或多个候选缺陷属性标签;
30、更新模块,用于对于各模版系统运转数据,依据当前模版系统运转数据中的一个或多个先验缺陷属性标签和相应的一个或多个候选缺陷属性标签,对所述待学习缺陷观测网络进行网络权重信息更新;
31、第二生成模块,用于将所述待学习缺陷观测网络中的缺陷观测误差最小化为学习方向,生成目标缺陷观测网络,所述目标缺陷观测网络用于对加载的目标系统运转事件数据进行处理,生成与所述目标系统运转事件数据相对应的缺陷属性标签。
32、依据本专利技术实施例的另一方面,提供一种服务器,包括:处理器、通信接口、存储器和通信总线,其中,所述处理器、通信接口和存储器通过通信总线完成相互间的通信;所述存储器,用于存放计算机程序;所述处理器,用于执行所本文档来自技高网...
【技术保护点】
1.一种正方盒质量检测系统的数据分析方法,其特征在于,所述方法包括:
2.根据权利要求1所述的正方盒质量检测系统的数据分析方法,其特征在于,所述确定模版系统运转数据序列,包括:
3.根据权利要求2所述的正方盒质量检测系统的数据分析方法,其特征在于,所述确定各目标系统运转事件数据所对应的一个或多个正方盒质量检测行为,生成与每个正方盒质量检测行为相对应的多个目标系统运转事件数据,包括:
4.根据权利要求1所述的正方盒质量检测系统的数据分析方法,其特征在于,所述一个或多个正方盒质量检测行为是依据质量检测任务数据、待学习系统运转事件数据所对应的质量检测实例以及质量检测实例相对应目标异常节点数据的定位任务确定的。
5.根据权利要求1所述的正方盒质量检测系统的数据分析方法,其特征在于,还包括:
6.根据权利要求5所述的正方盒质量检测系统的数据分析方法,其特征在于,所述获取与所述目标验证系统运转项目相对应的模版系统运转数据,继续对所述目标缺陷观测网络进行参数更新,直至各验证系统运转项目的网络性能指标大于设定指标,包括:
7
8.一种正方盒质量检测系统的数据分析系统,其特征在于,包括:
9.一种服务器,其特征在于,包括:处理器、通信接口、存储器和通信总线,其中,所述处理器、通信接口和存储器通过通信总线完成相互间的通信;所述存储器,用于存放计算机程序;所述处理器,用于执行所述计算机程序时,实现权利要求1-7任一项所述的正方盒质量检测系统的数据分析方法步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的正方盒质量检测系统的数据分析方法步骤。
...【技术特征摘要】
1.一种正方盒质量检测系统的数据分析方法,其特征在于,所述方法包括:
2.根据权利要求1所述的正方盒质量检测系统的数据分析方法,其特征在于,所述确定模版系统运转数据序列,包括:
3.根据权利要求2所述的正方盒质量检测系统的数据分析方法,其特征在于,所述确定各目标系统运转事件数据所对应的一个或多个正方盒质量检测行为,生成与每个正方盒质量检测行为相对应的多个目标系统运转事件数据,包括:
4.根据权利要求1所述的正方盒质量检测系统的数据分析方法,其特征在于,所述一个或多个正方盒质量检测行为是依据质量检测任务数据、待学习系统运转事件数据所对应的质量检测实例以及质量检测实例相对应目标异常节点数据的定位任务确定的。
5.根据权利要求1所述的正方盒质量检测系统的数据分析方法,其特征在于,还包括:
6.根据权利要求5所述的正方盒质量检测系统的数据分...
【专利技术属性】
技术研发人员:李小环,黎振燊,陈一科,
申请(专利权)人:台山市广生家居用品有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。