【技术实现步骤摘要】
本专利技术实施例涉及数据处理，具体而言，涉及应用于智慧工业服务的数据挖掘方法及深度学习系统。
技术介绍
1、在当前的工业制造领域，自动化产线的高效运行是企业追求的核心目标之一。然而，传统的产线优化方法往往依赖于人工经验和有限的历史数据，难以全面、准确地挖掘出产线的潜在优化空间。特别是，在面对复杂的物料流动状态和设备运行状态时，缺乏一种有效的技术手段来系统地分析和指导优化。这不仅限制了产线效能的进一步提升，还增加了企业运营成本和时间成本。因此，迫切需要一种能够深入挖掘自动化产线图像数据，精准匹配优化方案，并指导产线效能优化升级的新技术。
技术实现思路
1、本专利技术实施例至少提供应用于智慧工业服务的数据挖掘方法及深度学习系统。
2、本专利技术实施例提供了一种应用于智慧工业服务的数据挖掘方法，应用于深度学习系统，所述方法包括：对自动化产线图像数据进行生产要素挖掘，得到所述自动化产线图像数据的物料流动状态特征和设备运行量化特征；调取所对应的物料流动状态特征与所述自动化产线图像数据的物...
【技术保护点】
1.一种应用于智慧工业服务的数据挖掘方法，其特征在于，所述方法通过深度学习系统实现，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述自动化产线图像数据的物料流动状态特征和设备运行量化特征是通过目标生产要素挖掘算法对所述自动化产线图像数据进行生产要素挖掘得到的；所述方法还包括：
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
4.如权利要求1所述的方法，其特征在于，所述自动化产线图像数据的物料流动状态特征和设备运行量化特征是通过目标生产要素挖掘算法对所述自动化产线图像数据进行生产要素挖掘得到的；所述方法还包括：<...
【技术特征摘要】
1.一种应用于智慧工业服务的数据挖掘方法，其特征在于，所述方法通过深度学习系统实现，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述自动化产线图像数据的物料流动状态特征和设备运行量化特征是通过目标生产要素挖掘算法对所述自动化产线图像数据进行生产要素挖掘得到的；所述方法还包括：
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
4.如权利要求1所述的方法，其特征在于，所述自动化产线图像数据的物料流动状态特征和设备运行量化特征是通过目标生产要素挖掘算法对所述自动化产线图像数据进行生产要素挖掘得到的；所述方法还包括：
5.如权利要求1所述的方法，其特征在于，所述对自动化产线图像数据进行生产要素挖掘，得到所述自动化产线图像数据的物料流动状态特征和设备运行量化特征，包括：
6.如权利要求5所述的方法，其特征在于，所述获取所述自动...
【专利技术属性】
技术研发人员：高春亚，邹春风，杨建国，
申请(专利权)人：创域智能常熟网联科技有限公司，
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。