【技术实现步骤摘要】
本专利技术涉及计时器评估，特别是一种基于多源数据的秒表检测与评估方法及系统。
技术介绍
1、随着社会的发展和科技的进步，秒表在各行各业的时间测量中扮演着至关重要的角色。在秒表出厂前，需要对秒表的进行出厂检测与评估，为了提高秒表检测的准确性和鲁棒性，多源数据成为秒表检测研究的关键方向。传统的秒表检测方法可能仅仅依赖于图像数据，而现代方法则通过整合来自图像、传感器等多个数据源的信息，这种综合利用数据的方式有望使算法更具鲁棒性，能够适应不同环境和应用场景。目前基于多源数据的秒表检测与评估方法在技术上存在一些缺陷，多源数据可能面临数据不一致性的问题，不同数据源之间的时间戳、单位、采样频率等差异可能导致信息的不匹配，需要大量复杂算法对多源数据进行处理，从而降低了秒表检测的速度与可靠性。
技术实现思路
1、本专利技术克服了现有技术的不足，提供了一种基于多源数据的秒表检测与评估方法及系统。
2、为达到上述目的本专利技术采用的技术方案为：
3、本专利技术第一方面公开了一种基于多源数据的秒表检测与评估方法，包括以下步骤：
4、s102：获取待测秒表的秒表三维模型图，并将所述秒表三维模型图导入特征数据库中进行配对检索，得到待测秒表的预设检测参数与各项预设特征参数；
5、s104：基于所述预设检测参数控制检测设备对待测秒表进行检测，并获取待测秒表所反馈的实际特征参数，将待测秒表所反馈的实际特征参数输送至存储库上；
6、s106：引入随机投影算法
7、s108：在所述降维后的最终参数矩阵数据中获取各实际特征参数在目标维度中的坐标信息，根据各实际特征参数在目标维度中的坐标信息对各实际特征参数进行归类处理，得到若干个最终实际特征参数类群；
8、s110：将各最终实际特征参数类群中的实际特征参数与相应项的预设特征参数进行比较，得到比较结果；根据所述比较结果对待测秒表进行评估，并生成评估报告。
9、进一步地，本专利技术的一个较佳实施例中，获取待测秒表的秒表三维模型图，并将所述秒表三维模型图导入特征数据库中进行配对检索，得到待测秒表的预设检测参数与各项预设特征参数，具体为：
10、获取待测秒表的图像信息，并对所述图像信息进行预处理，得到预处理后的图像信息，基于所述预处理后的图像信息构建待测秒表的秒表三维模型图；
11、通过大数据网络获取不同型号秒表所对应的样本三维模型图，以及获取不同型号秒表所对应的预设检测方案；其中，预设检测方案中包括通过检测设备对各种型号秒表检测时设备的预设检测参数以及对各种型号秒表检测后秒表各项预设特征参数；
12、构建数据库，并将各种信号秒表所对应的样本三维模型图、预设检测参数以及各项预设特征参数导入所述数据库中，得到特征数据库；并定期更新特征数据库；
13、引入icp算法，并基于icp算法计算所述秒表三维模型图与数据库中各样本三维模型图之间的重合度，得到多个重合度；
14、对多个所述重合度进行升序排序处理并提取出最大重合度，获取与所述最大重合度对应的样本三维模型图，根据与所述最大重合度对应的样本三维模型图在所述特征数据库中检索得到待测秒表的预设检测参数与各项预设特征参数。
15、进一步地，本专利技术的一个较佳实施例中，引入随机投影算法与皮尔逊相关系数算法，基于随机投影算法与皮尔逊相关系数算法对存储库中的各实际特征参数进行降维处理，得到降维后的最终参数矩阵，具体为：
16、s202：将存储库中的各实际特征参数汇集为一个实际特征参数集，并根据所述实际特征参数集随机生成一个原始矩阵，将原始矩阵定义为x；其中，原始矩阵中的每一行代表一个参数点，每一列代表一个特征；
17、s204：确定将实际特征参数映射到的目标维度，定义为d；初始化投影矩阵，将投影矩阵定义为w；其中，投影矩阵是一个dd的矩阵，d是实际特征参数的原始维度，d是目标维度；
18、s206：将原始矩阵与投影矩阵相乘，得到降维后的初始参数矩阵；引入皮尔逊相关系数算法，基于皮尔逊相关系数算法计算降维后的初始参数矩阵中特征对之间的皮尔逊相关系数；
19、s208：将计算得到的皮尔逊相关系数按照相应的特征排列组成相关性矩阵，判断所述相关性矩阵中是否存在相关性超过设定阈值的特征对；
20、s210：若不存在，则将所述降维后的初始参数矩阵作为降维后的最终参数矩阵数据；若存在，则重复s202-s208步骤，直至相关性矩阵中不具有相关性超过设定阈值的特征对，则将所述降维后的初始参数矩阵作为降维后的最终参数矩阵数据。
21、进一步地，本专利技术的一个较佳实施例中，在所述降维后的最终参数矩阵数据中获取各实际特征参数在目标维度中的坐标信息，根据各实际特征参数在目标维度中的坐标信息对各实际特征参数进行归类处理，得到若干个最终实际特征参数类群，具体为：
22、s302：在所述降维后的最终参数矩阵数据中获取各实际特征参数在目标维度中的坐标信息；根据各项预设特征参数的项数初始化若干个参数中心，根据各实际特征参数在目标维度中的坐标信息计算各实际特征参数与各参数中心之间的马氏距离；
23、s304：将各实际特征参数与各参数中心之间的马氏距离进行降序排序，排序出最短马氏距离，将各实际特征参数依次归类至马氏距离最短的参数中心中；归类完毕后，获取各个参数中心所附属的实际特征参数，得到若干个实际特征参数类群；
24、s306：引入轮廓系数算法，根据计算轮廓系数算法各个实际特征参数类群的轮廓系数；逐一将各个实际特征参数类群的轮廓系数与预设值进行比较；
25、s308：若某一实际特征参数类群的轮廓系数大于预设值，则说明该实际特征参数类群中不存在奇异参数，则将该实际特征参数类群作为最终实际特征参数类群输出；
26、s310：若某一实际特征参数类群的轮廓系数不大于预设值，则说明该实际特征参数类群中存在奇异参数，则计算该实际特征参数类群中所有实际特征参数与该参数中心之间的欧氏距离，并将欧氏距离最大的实际特征参数在该实际特征参数类群中剔除；然后重复s306步骤，直至该实际特征参数类群的轮廓系数大于预设值，则将该实际特征参数类群作为最终实际特征参数类群输出。
27、进一步地，本专利技术的一个较佳实施例中，将各最终实际特征参数类群中的实际特征参数与相应项的预设特征参数进行比较，得到比较结果，具体为：
28、构建第一空矩阵与第二空矩阵，将各最终实际特征参数类群中的实际特征参数与相应项的预设特征参数按照时间戳分别填入所述第一空矩阵与第二空矩阵中，得到实际特征参数矩阵与预设特征参数矩阵；
29、通过余弦相似度算法计算各个实际特征参数矩阵与相应预设特征参数矩阵之间的相似度；并将各个实际特征参数矩阵与相应预设特本文档来自技高网...
【技术保护点】
1.一种基于多源数据的秒表检测与评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多源数据的秒表检测与评估方法，其特征在于，获取待测秒表的秒表三维模型图，并将所述秒表三维模型图导入特征数据库中进行配对检索，得到待测秒表的预设检测参数与各项预设特征参数，具体为：
3.根据权利要求1所述的一种基于多源数据的秒表检测与评估方法，其特征在于，引入随机投影算法与皮尔逊相关系数算法，基于随机投影算法与皮尔逊相关系数算法对存储库中的各实际特征参数进行降维处理，得到降维后的最终参数矩阵，具体为：
4.根据权利要求1所述的一种基于多源数据的秒表检测与评估方法，其特征在于，在所述降维后的最终参数矩阵数据中获取各实际特征参数在目标维度中的坐标信息，根据各实际特征参数在目标维度中的坐标信息对各实际特征参数进行归类处理，得到若干个最终实际特征参数类群，具体为：
5.根据权利要求1所述的一种基于多源数据的秒表检测与评估方法，其特征在于，将各最终实际特征参数类群中的实际特征参数与相应项的预设特征参数进行比较，得到比较结果，具体为：
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。