【技术实现步骤摘要】
本申请涉及人工智能、尤其涉及一种生产控制方法、发光显示器的亮斑解决方法及相关设备。
技术介绍
1、在目前的产品生产过程中，需要根据相关技术人员预先设定好的参数进行机械式的生产，而这些参数往往是根据相关技术人员的经验确定的，使得生产得到的产品质量不高，由于无法提前预知产品在实际生产中可能会遇到的生产问题，导致生产速度受到影响，因此，如何提高产品质量以及生产速度是亟需解决的技术问题。
技术实现思路
1、鉴于以上内容，有必要提供一种生产控制方法、发光显示器的亮斑解决方法及相关设备，能够提高产品的质量以及生产速度。
2、本申请提供一种生产控制方法，所述生产控制方法包括：基于第一物理试产参数对第一预设深度学习模型进行训练，得到第一优化模型，基于第二物理试产参数以及所述第一优化模型从所述第一物理试产参数中筛选到的试产优化参数，对第二预设深度学习模型进行训练，得到第二优化模型，根据所述第二优化模型、预设产品规格参数以及预设数字孪生工具生成的目标生产方案，控制目标产品的生成。
3、根据本申请可选实施例，在基于第一物理试产参数对第一预设深度学习模型进行训练，得到第一优化模型之前，所述方法还包括：基于所述第一物理试产参数构建多个输入自变量，基于所述多个输入自变量以及预设输出因变量构建所述第一预设深度学习模型。
4、根据本申请可选实施例，所述基于第二物理试产参数以及所述第一优化模型从所述第一物理试产参数中筛选到的试产优化参数，对第二预设深度学习模型进行训练，得到第二优
5、根据本申请可选实施例，所述基于所述第二物理试产参数以及所述试产优化参数计算所述第二预设深度学习模型的优化损失值包括：获取所述第二物理试产参数对应的试产指标，将所述第二物理试产参数以及所述试产优化参数输入到所述第二预设深度学习模型，得到预测指标，计算所述预测指标与所述试产指标之间的均方差，得到所述优化损失值。
6、根据本申请可选实施例，所述根据所述第二优化模型、预设产品规格参数以及预设数字孪生工具生成的目标生产方案，控制目标产品的生成包括：基于所述目标产品的实际生产环境，利用所述预设数字孪生工具进行建模，得到虚拟试产环境，根据所述第二优化模型生成所述预设产品规格参数对应的目标优化参数，根据所述目标优化参数以及所述目标产品的生产流程生成目标生产方案，基于所述虚拟试产环境，执行所述目标生产方案，得到所述目标生产方案对应的虚拟试产产品以及所述虚拟试产产品的试产产品参数，根据所述试产产品参数以及预设阈值识别所述虚拟试产产品是否符合生产要求，若所述虚拟试产产品符合生产要求，根据所述目标生产方案中的参数对所述实际生产环境的生产设备进行配置，以控制配置完成的生产设备对目标产品进行生产。
7、根据本申请可选实施例，所述根据所述试产产品参数以及预设阈值识别所述虚拟试产产品是否符合生产要求包括：从所述试产产品参数中获取所述虚拟试产产品的一指定参数的实际参数值以及平均参数值，得到参数差值，根据所述参数差值、所述平均参数值以及所述预设阈值，确定所述虚拟试产产品是否符合生产要求。
8、由以上技术方案可以看出，本申请由于所述第一优化模型为所述第一深度学习网络训练至最优时对应的模型以及所述第二优化模型为所述第二深度学习网络训练至最优时对应的模型，因此，能够确保所述第一优化模型以及所述第二优化模型的优化效果，其次，由于所述第一物理试产参数包括影响产品生产质量的组装参数以及生产环境参数等参数，所述第二物理试产参数包括影响产品生产质量的产品设计参数等参数，因此，所述第一物理试产参数以及所述第二物理试产参数能够表征影响产品生产的关键参数，因此当调整所述关键参数时，能够影响产品的质量，根据所述第一优化模型、所述第二优化模型、预设产品规格参数以及预设数字孪生工具生成的目标生产方案控制目标产品的生成，所述目标生产方案中包括最优的组装参数、生产环境参数以及设计参数等参数，基于所述最优的组装参数、生产环境参数以及设计参数等参数进行目标产品的生产时，能够提高目标产品的质量，由于虚拟试产环境是根据实际生产环境构建的，在虚拟试产时遇到的生产问题能够为产品的实际生产提供参考，以便于在实际生产中规避这些问题，从而提高产品的质量和生产速度，此外，使用虚拟试产代替大量的实际生产，能够节约生产成本。
9、本申请提供一种发光显示器的亮斑解决方法，所述方法包括：基于发光显示器的第一物理试产参数对第一预设深度学习模型进行训练，得到第一优化模型，基于所述发光显示器的第二物理试产参数以及所述第一优化模型从所述第一物理试产参数中筛选到的试产优化参数，对第二预设深度学习模型进行训练，得到第二优化模型，根据所述第二优化模型、所述发光显示器的预设规格参数以及预设数字孪生工具生成无屏幕亮斑的发光显示器的目标生产方案。
10、根据本申请可选实施例，所述发光显示器的第一物理试产参数包括组装参数以及生产环境参数，所述发光显示器的第二物理试产参数包括设计参数。
11、根据本申请可选实施例，所述组装参数为导电材料的材质、导电材料的尺寸、导电材料的粘贴位置中的一个或多个；所述生产环境参数为温度、湿度、粉尘含量中的一个或多个；所述设计参数为设计材料、设计材料的阻抗、设计材料的厚度中的一个或多个。
12、由以上技术方案可以看出，由于所述设计参数、组装参数以及所述生产环境参数均为影响亮斑产生的关键参数，通过这些关键参数对第一预设深度学习模型以及第二预设深度学习模型进行训练，使得对训练至最优的第一优化模型以及第二优化模型能够学习到这些关键参数与亮斑产生的关联关系，使生成的目标生产方案中包括了发光显示器的最优设计参数、最优组装参数以及最优生产环境参数，能够确保所述目标生产方案生产出的发光显示器无屏幕亮斑问题。
13、本申请提供一种电子设备，所述电子设备包括：
14、存储器，存储至少一个指令，及处理器，执行所述至少一个指令以实现所述的生产控制方法，或者所述的发光显示器的亮斑解决方法。
15、本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现所述的生产控制方法，或者所述的发光显示器的亮斑解决方法。
本文档来自技高网...【技术保护点】
1.一种生产控制方法，其特征在于，所述生产控制方法包括：
2.根据权利要求1所述的生产控制方法，其特征在于，在基于第一物理试产参数对第一预设深度学习模型进行训练，得到第一优化模型之前，所述方法还包括：
3.根据权利要求1所述的生产控制方法，其特征在于，所述基于第二物理试产参数以及所述第一优化模型从所述第一物理试产参数中筛选到的试产优化参数，对第二预设深度学习模型进行训练，得到第二优化模型包括：
4.根据权利要求3所述的生产控制方法，其特征在于，所述基于所述第二物理试产参数以及所述试产优化参数计算所述第二预设深度学习模型的优化损失值包括：
5.根据权利要求1所述的生产控制方法，其特征在于，所述根据所述第二优化模型、预设产品规格参数以及预设数字孪生工具生成的目标生产方案，控制目标产品的生成包括：
6.根据权利要求5所述的生产控制方法，其特征在于，所述根据所述试产产品参数以及预设阈值识别所述虚拟试产产品是否符合生产要求包括：
7.一种发光显示器的亮斑解决方法，其特征在于，所述方法包括：
8.根据权利要求
9.根据权利要求8所述的发光显示器的亮斑解决方法，其特征在于，所述组装参数为导电材料的材质、导电材料的尺寸、导电材料的粘贴位置中的一个或多个；所述生产环境参数为温度、湿度、粉尘含量中的一个或多个；所述设计参数为设计材料、设计材料的阻抗、设计材料的厚度中的一个或多个。
10.一种电子设备，其特征在于，所述电子设备包括：
11.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现如权利要求1至6任意一项所述的生产控制方法，或者如权利要求7至9中任意一项所述的发光显示器的亮斑解决方法。
...【技术特征摘要】
1.一种生产控制方法，其特征在于，所述生产控制方法包括：
2.根据权利要求1所述的生产控制方法，其特征在于，在基于第一物理试产参数对第一预设深度学习模型进行训练，得到第一优化模型之前，所述方法还包括：
3.根据权利要求1所述的生产控制方法，其特征在于，所述基于第二物理试产参数以及所述第一优化模型从所述第一物理试产参数中筛选到的试产优化参数，对第二预设深度学习模型进行训练，得到第二优化模型包括：
4.根据权利要求3所述的生产控制方法，其特征在于，所述基于所述第二物理试产参数以及所述试产优化参数计算所述第二预设深度学习模型的优化损失值包括：
5.根据权利要求1所述的生产控制方法，其特征在于，所述根据所述第二优化模型、预设产品规格参数以及预设数字孪生工具生成的目标生产方案，控制目标产品的生成包括：
6.根据权利要求5所述的生产控制方法，其特征在于，所述根据所述试产产品参数以及预设阈值识别所述虚拟试产产品是否...
【专利技术属性】
技术研发人员：陆欣，刘慧丰，张玉勇，蔡福发，
申请(专利权)人：富泰华工业深圳有限公司，
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。