本发明专利技术涉及SaaS系统技术领域，具体涉及基于交互指令SaaS平台内置工业微应用系统的方法，使用步骤为：S1、获取用户的指令数据，用户通过语音或其他接受方式输入指令，系统通过语音识别技术将语音转换为文本，文本指令经过自然语言处理模块进行解析和理解，提取出关键信息，根据关键信息，系统通过感知分析模型，理解用户需要应用关键词。本申请内置的多种指令系统识别技术，可以适用工业场景下的复杂需求：如工厂噪音大无法使用语音，现场员工有时无法用键盘输入，员工有时没有足够时间输入文字或使用语音等，可以根据企业的需求进行个性化定制和集成，在本地进行指令处理，避免了传统云平台的延迟和网络传输限制，提高了响应速度。
1、随着工业微应用的普及和应用，工业企业需要一种能够快速生成和集成不同类型交互指令的saas平台，在传统的工业微应用开发过程中，通常需要耗费大量的时间和资源来手动编写和集成各种不同的交互指令，在当前的数字化时代，基于多种交互指令生成saas平台内置工业微应用系统变得越来越重要，这种系统可以提高工业生产的效率、降低成本、提升产品质量，目前，一些工业企业中使用了语音导航系统或语音助手来支持工作流程，这些系统通常是基于云平台的宏观级别的应用，能够通过语音指令提供一般性信息和指导，然而现有的技术方案往往存在一些缺陷或不足，如成本高、质量不稳定、速度慢等问题，对此，我们提出了基于交互指令saas平台内置工业微应用系统的方法。
2、为实现上述目的，本专利技术提供如下技术方案：基于交互指令saas平台内置工业微应用系统的方法，使用步骤为：s1、获取用户的指令数据，用户通过语音或其他接受方式输入指令，系统通过语音识别技术将语音转换为文本，文本指令经过自然语言处理模块进行解析和理解，提取出关键信息，根据关键信息，系统通过感知分析模型，理解用户需要应用关键词；
>4、s3、应用生成与推送链接给用户，用户根据具体环境使用情况来选择合适的指令方式，功能模块根据指令进行实时处理和反馈，将结果返回给用户，用户确认应用功能效果准确无误后点击确定即可，假设功能效果与用户想法不一致，则进行调整，再次进行指令操作，进行修改调整，平台再次流程执行直至用户确认无误后；5、s1步骤中系统其他接收方式包括有文字形式、视频形式、图片形式与手势形式，识别技术包括语音识别技术、文本识别技术、视频识别技术、图片识别技术与手势识别技术。
6、优先地，语音识别技术预先采集发出的语音信号，对采集到的语音信号进行预处理，包括对声音去噪、放大信号与数字化处理，对处理后的语音进行特征的提取，提取的特征参数包括有音调、音强与音色，并构建出声学模型，将语音特征参数进行映射，将语音转换为声学输出，通过声学模型识别解码，转换为文本信息；
7、声音采集的方式通过麦克风进行声音的收入捕捉，将声音转换为电信号的方式，再对电信号进行预处理；
8、声音预处理的方法为：声音去噪方式通过确定滤波窗口位置，将窗口内的像素值按照灰度大小进行排序，取其中位数代替中心像素值，来将信号中突发的短时噪声进行消除；
9、放大信号利用前置放大器将微弱的声音电信号进行放大，通过阻抗匹配网络对放大后的信号进行匹配；
10、声音数字化处理方法通过将信号转换为离散的数字表示，将离散的数字信号转换为二进制数据；
11、声音特征提取的方法将连续的声音转换为一帧一帧的状态，每一帧的时间为10ms，将每一帧内的特征进行提取，通过音高、音强与音色来判别，将提取的特征代入声学模型中识别；
12、声学模型公式为：
13、
14、其中g(x)为均值为x方差的高斯分布，w为语音信号，g为吸声系数，i为声波频率，n为波长。
15、优先地，文本识别技术通过预先将文本通过灰度化、二值化、噪声去除与倾斜矫正，去除杂质，对文本中的文本行进行定位，对文本行中的文字信息转换为可编辑的文字信息，识别文本处在水平线位置，根据大数据分析对识别结果进行矫正；
16、对文本定位的模型编码为：fi＝(find，with，star)；
17、其中find为查寻的文本字符串，with为其中查寻的文本字符串，star为可选参数，指定开始查找的位置；
18、大数据分析的方法采用ocr数据集模型进行学习分析，将数据集分成训练集、验证集与测试集，训练集用以训练文本数据，验证集用以对比文本，测试集用以评估文本数据是否准确。
19、优先地，自然语言处理模块通过从文本中的数据挖掘提取出有用信息，进行结果生成；
20、通过聚类分析法进行提取；
21、聚类分析提取方法为：进行分析的变量，计算相似度矩阵，得到研究对象之间的相似性，根据数据的特点和需求，选择k-均值聚类方式，确定聚类的数量，对得到的聚类结果进行解释，根据实际情况调整聚类方法和参数，得到最佳的聚类结果；
22、k-均值聚类是一种迭代求解的聚类分析算法，步骤如下：
23、预将数据分为k组，随机选取k个对象作为初始的聚类中心；
24、计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心；
25、聚类中心以及分配给它们的对象就代表一个聚类；
26、每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算；
27、这个过程将不断重复直到满足某个终止条件，终止条件可以是没有对象被重新分配给不同的聚类，没有聚类中心再发生变化，误差平方和局部最小。
28、优先地，视频识别技术预先对视频数据进行预处理，包括有降噪处理与色彩平衡调整处理，并从视频中提取出关键帧，对关键帧的特征进行提取，即与人类行为相关的特征，包括形状、颜色、纹理与动作，通过深度学习算法对特征进行分类识别，得到关键信息内容，将特征提取的结果编码为文本序列形式，输入至文本生成模型中，将特征生成详细具体的文本内容，输入至自然语言处理模块内进行文本的提取，通过自然语言处理模块进行分析；
29、视频降噪处理通过降低噪点感知度进行降噪处理；
30、色彩平衡处理通过调节颜色通道的亮度、对比度与饱和度来进行平衡；
31、关键帧特征提取步骤为分析物体运动的光流量，将视频内光流移动次数最少的视频帧作为提取的关键帧，查看帧内物体运动的状态，并转换为文本的形式，通过自然语言处理模块进行处理分析。
32、优先地，文本生成模型选择lstm方式作为构建的模型，将采样的文本输入至构建的模型内部，预测出结果，从学习的模型中采样出新的词，重复这个过程，即可生成文本；
33、lstm构建方法：确定好lstm的层数，每层lstm的单元个数与激活函数，对模型进行构建，使用训练数据对模型进行训练，确定损失函数与优化算法，去更新模型参数，对模型使用验证数据集进行验证，评估模型的预测效果，完成模型的构建；
34、深度学习算法通过建立神经网络进行学习计算，计算公式为：
35、
36、其中e为元素求指数幂，si为所有指数幂的求和，j为幂的集合值。
37、优先地，图片识别技术通过特征提取法对图片中的特征进行提取，特征提取法为sift特征，通过收缩所有尺度空间上的图像，通过高斯本文档来自技高网...
【技术保护点】
1.基于交互指令SaaS平台内置工业微应用系统的方法，其特征在于，使用步骤为：
2.根据权利要求1所述的基于交互指令SaaS平台内置工业微应用系统的方法，其特征在于：语音识别技术预先采集发出的语音信号，对采集到的语音信号进行预处理，包括对声音去噪、放大信号与数字化处理，对处理后的语音进行特征的提取，提取的特征参数包括有音调、音强与音色，并构建出声学模型，将语音特征参数进行映射，将语音转换为声学输出，通过声学模型识别解码，转换为文本信息；
3.根据权利要求1所述的基于交互指令SaaS平台内置工业微应用系统的方法，其特征在于：文本识别技术通过预先将文本通过灰度化、二值化、噪声去除与倾斜矫正，去除杂质，对文本中的文本行进行定位，对文本行中的文字信息转换为可编辑的文字信息，识别文本处在水平线位置，根据大数据分析对识别结果进行矫正；
4.根据权利要求1所述的基于交互指令SaaS平台内置工业微应用系统的方法，其特征在于：自然语言处理模块通过从文本中的数据挖掘提取出有用信息，信息包括有时间信息、使用人信息与作用信息，进行结果生成；
5.根据权利要求1所述的基于交互指令SaaS平台内置工业微应用系统的方法，其特征在于：视频识别技术预先对视频数据进行预处理，包括有降噪处理与色彩平衡调整处理，并从视频中提取出关键帧，对关键帧的特征进行提取，即与人类行为相关的特征，包括形状、颜色、纹理与动作，通过深度学习算法对特征进行分类识别，得到关键信息内容，将特征提取的结果编码为文本序列形式，输入至文本生成模型中，将特征生成详细具体的文本内容，输入至自然语言处理模块内进行文本的提取，通过自然语言处理模块进行分析；
6.根据权利要求4所述的基于交互指令SaaS平台内置工业微应用系统的方法，其特征在于：文本生成模型选择LSTM方式作为构建的模型，将采样的文本输入至构建的模型内部，预测出结果，从学习的模型中采样出新的词，重复这个过程，即可生成文本；
7.根据权利要求1所述的基于交互指令SaaS平台内置工业微应用系统的方法，其特征在于：图片识别技术通过特征提取法对图片中的特征进行提取，特征提取法为SIFT特征，通过收缩所有尺度空间上的图像，通过高斯微分函数来识别潜在的对尺度与旋转不变的兴趣点，通过拟合精细模型来确定位置尺度，分配给每个关键点位置一个方向，即为提取的特征；
8.根据权利要求1所述的基于交互指令SaaS平台内置工业微应用系统的方法，其特征在于：感知分析模型分析步骤为：
9.根据权利要求1所述的基于交互指令SaaS平台内置工业微应用系统的方法，其特征在于：系统内部包括有工业领域的APP应用与数据库，工业领域的APP应用与数据库均用以对系统内提供计算模型构建支持。
10.根据权利要求1所述的基于交互指令SaaS平台内置工业微应用系统的方法，其特征在于：关键词包括有时间，工厂，车间，领用物品名称，领用数量，领用人，预计返还时间与用途，功能模块将程序划分成若干个功能块，每个功能块完成了一个子功能，再把这些功能模块总起来组成一个整体。
...
【技术特征摘要】
1.基于交互指令saas平台内置工业微应用系统的方法，其特征在于，使用步骤为：
2.根据权利要求1所述的基于交互指令saas平台内置工业微应用系统的方法，其特征在于：语音识别技术预先采集发出的语音信号，对采集到的语音信号进行预处理，包括对声音去噪、放大信号与数字化处理，对处理后的语音进行特征的提取，提取的特征参数包括有音调、音强与音色，并构建出声学模型，将语音特征参数进行映射，将语音转换为声学输出，通过声学模型识别解码，转换为文本信息；
3.根据权利要求1所述的基于交互指令saas平台内置工业微应用系统的方法，其特征在于：文本识别技术通过预先将文本通过灰度化、二值化、噪声去除与倾斜矫正，去除杂质，对文本中的文本行进行定位，对文本行中的文字信息转换为可编辑的文字信息，识别文本处在水平线位置，根据大数据分析对识别结果进行矫正；
4.根据权利要求1所述的基于交互指令saas平台内置工业微应用系统的方法，其特征在于：自然语言处理模块通过从文本中的数据挖掘提取出有用信息，信息包括有时间信息、使用人信息与作用信息，进行结果生成；
5.根据权利要求1所述的基于交互指令saas平台内置工业微应用系统的方法，其特征在于：视频识别技术预先对视频数据进行预处理，包括有降噪处理与色彩平衡调整处理，并从视频中提取出关键帧，对关键帧的特征进行提取，即与人类行为相关的特征，包括形状、颜色、纹理与动作，通过深度学习算法对特征进行分类识别，得到关键信息内容，将特征提取的结果编码为文本序列形...
【专利技术属性】
技术研发人员：倪海平，
申请(专利权)人：苏州智慧鹿智能科技有限公司，
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。