CN113435718B - 玻璃的生成方法、装置、电子设备及存储介质 - Google Patents

玻璃的生成方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113435718B
CN113435718B CN202110662899.3A CN202110662899A CN113435718B CN 113435718 B CN113435718 B CN 113435718B CN 202110662899 A CN202110662899 A CN 202110662899A CN 113435718 B CN113435718 B CN 113435718B
Authority
CN
China
Prior art keywords
parameters
environment
glass
bubble
parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110662899.3A
Other languages
English (en)
Other versions
CN113435718A (zh
Inventor
张硕
田伦
杨敬
杨胜文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110662899.3A priority Critical patent/CN113435718B/zh
Publication of CN113435718A publication Critical patent/CN113435718A/zh
Application granted granted Critical
Publication of CN113435718B publication Critical patent/CN113435718B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/101—Collaborative creation, e.g. joint development of products or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开公开了一种玻璃的生成方法、装置、电子设备及存储介质，涉及数据处理技术领域，尤其涉及大数据、物联网、深度学习等人工智能技术领域。具体实现方案为：获取当前的原材料参数及待生成的玻璃类型，根据原材料参数及玻璃类型，确定每个时段的环境参考值，在利用原材料生成玻璃的过程中，获取每个时段的环境参数，在任一时段的环境参数与对应的环境参考值未匹配的情况下，基于环境参考值对生成环境进行调整，直至任一时段的环境参数与环境参考值匹配。因此，在玻璃生产过程中，首先基于原材料参数及待生成的玻璃类型，确定环境参考值，然后根据环境参考值实时对玻璃生成过程中的环境参数进行调整，从而尽量保证了生成的玻璃质量。

Description

玻璃的生成方法、装置、电子设备及存储介质
技术领域
本公开涉及数据处理技术领域，尤其涉及大数据、物联网、深度学习等人工智能技术领域，具体涉及一种玻璃的生成方法、装置、电子设备及存储介质。
背景技术
随着人工智能技术地不断发展和完善，其已经在与人类日常生活相关的各个领域扮演着极其重要的作用，例如人工智能已经在工业玻璃生产的应用场景中取得了显著进步。目前，如何提高玻璃的质量成为热点的研究方向。
发明内容
本公开提供了一种玻璃的生成方法、装置、电子设备及存储介质。
根据本公开的第一方面，提供了一种玻璃的生成方法，包括：
获取当前的原材料参数及待生成的玻璃类型；
根据所述原材料参数及所述玻璃类型，确定每个时段的环境参考值；
在利用所述原材料生成玻璃的过程中，获取每个时段的环境参数；
在任一时段的环境参数与对应的环境参考值未匹配的情况下，基于所述环境参考值对生成环境进行调整，直至所述任一时段的环境参数与所述环境参考值匹配。
根据本公开的第二方面，提供了一种玻璃的生成装置，包括：
第一获取模块，用于获取当前的原材料参数及待生成的玻璃类型；
确定模块，用于根据所述原材料参数及所述玻璃类型，确定每个时段的环境参考值；
第二获取模块，用于在利用所述原材料生成玻璃的过程中，获取每个时段的环境参数；
调整模块，用于在任一时段的环境参数与对应的环境参考值未匹配的情况下，基于所述环境参考值对生成环境进行调整，直至所述任一时段的环境参数与所述环境参考值匹配。
根据本公开的第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的玻璃的生成方法。
根据本公开第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如第一方面所述的玻璃的生成方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机指令，所述计算机指令在被处理器执行时实现如第一方面所述的玻璃的生成方法的步骤。
本公开提供的玻璃的生成方法、装置、电子设备及存储介质，存在如下有益效果：
本公开实施例中，首先获取当前的原材料参数及待生成的玻璃类型，之后根据原材料参数及玻璃类型，确定每个时段的环境参考值，在利用原材料生成玻璃的过程中，获取每个时段的环境参数，最后在任一时段的环境参数与对应的环境参考值未匹配的情况下，基于环境参考值对生成环境进行调整，直至任一时段的环境参数与环境参考值匹配。因此，在玻璃生产过程中，首先基于原材料参数及待生成的玻璃类型，确定环境参考值，然后根据环境参考值实时对玻璃生成过程中的环境参数进行调整，从而尽量保证了生成的玻璃质量。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开一实施例提供的一种玻璃的生成方法的流程示意图；
图2是根据本公开另一实施例提供的一种玻璃的生成方法的流程示意图；
图3是根据本公开又一个实施例提供的一种玻璃的生成方法的流程示意图；
图4是根据本公开一实施例提供的一种玻璃的生成装置的结构示意图；
图5是根据本公开另一个实施例提供的一种玻璃的生成装置的结构示意图；
图6是用来实现本公开实施例的玻璃的生成方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本公开实施例涉及大数据、物联网、深度学习等人工智能技术领域。
人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
大数据技术是指通过多种渠道实现对大量数据的采集，并通过使用云计算技术来实现对数据的深度挖掘和分析，确保能够及时的找出数据之间的规律和特点，总结和归纳出数据所存在的价值。大数据技术对于了解数据特征，预测发展趋势具有十分重要的意义。
物联网是指通过信息传感设备，按约定的协议，将任何物体与网络相连接，物体通过信息传播媒介进行信息交换和通信，以实现智能化识别、定位、跟踪、监管等功能。
深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
图1是本公开一实施例提供的一种玻璃的生成方法的流程示意图。
其中，需要说明的是，本实施例的玻璃的生成方法的执行主体为玻璃的生成装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端、服务器端等。
如图1所示，该玻璃的生成方法包括：
S101：获取当前的原材料参数及待生成的玻璃类型。
其中，原材料参数可以为生产玻璃所需原材料的成分，比例及重量等等，本公开对此不做限定。
其中，玻璃类型可以为浮法玻璃、引上法平板玻璃及平拉法平板玻璃等等，本公开对此不做限定。
S102：根据原材料参数及玻璃类型，确定每个时段的环境参考值。
其中，环境参考值可以为玻璃在实际生产过程中所需的生产环境参考数据，以使生产的玻璃中气泡或杂质较少，从而可以提高玻璃的生产质量。
环境参考值，可以包括熔窑碹顶温度参考值、熔窑池底温度参考值、流液道温度参考值、稀释风压力参考值、澄清部红外温度参考值及澄清部温度参考值等等，本公开对此不做限定。
由于玻璃的生成需要一定的时长，而生产过程中，对不同时段的环境要求可能不同，因此，本公开中为了尽量保证每个时段的生产环境都符合要求，可以确定每个时段的环境参考值。
需要说明的是，生产的玻璃类型不同或原材料参数不同，玻璃生产过程中的每个时段对应的环境参考值可能也不同，因此，本公开中，可以根据历史数据确定不同原材料参数及不同玻璃类型对应的环境参考值。
比如，可以通过对历史数据进行统计分析，以确定不同原材料参数及玻璃类型与不同时段环境的映射关系，之后，根据该映射关系，即可确定每个时段的环境参考值。
可选的，也可以根据历史数据，训练生成网络模型，之后，将当前的原材料参数及玻璃类型，输入该网络模型，即可确定每个时段的环境参考值。
S103：在利用原材料生成玻璃的过程中，获取每个时段的环境参数。
其中，环境参数可以包括熔窑碹顶温度、熔窑池底温度、流液道温度、稀释风压力、澄清部红外温度及澄清部温度等等，本公开对此不做限定。
可选的，在玻璃生产过程中，可以根据设置在熔窑中的各个传感器实时输出的数据，实时获取每个时段的环境参数。
S104：在任一时段的环境参数与对应的环境参考值未匹配的情况下，基于环境参考值对生成环境进行调整，直至任一时段的环境参数与环境参考值匹配。
可以理解的是，由于环境参考值为基于当前的原材料参数及待生成的玻璃类型确定的较佳的环境状态，从而基于每个时段的环境参考值实时对玻璃在实际生产过程中每个时段的环境参数进行调整，可以尽量减少玻璃在生产过程中产生的气泡、杂质等，从而提高玻璃质量。
本公开实施例中，首先获取当前的原材料参数及待生成的玻璃类型，之后根据原材料参数及玻璃类型，确定每个时段的环境参考值，在利用原材料生成玻璃的过程中，获取每个时段的环境参数，最后在任一时段的环境参数与对应的环境参考值未匹配的情况下，基于环境参考值对生成环境进行调整，直至任一时段的环境参数与环境参考值匹配。因此，在玻璃生产过程中，首先基于原材料参数及待生成的玻璃类型，确定环境参考值，然后根据环境参考值实时对玻璃生成过程中的环境参数进行调整，从而尽量保证了生成的玻璃质量。
图2是本公开另一实施例提供的一种玻璃的生成方法的流程示意图，如图2所示，本公开提供的玻璃的生成方法，包括：
S201：获取当前的原材料参数及待生成的玻璃类型。
其中，上述步骤S201的具体实现形式，可参照本公开中其他各实施例的详细描述，在此不再赘述。
S202：获取每个时段对应的多个环境候选参数。
其中，任一时段对应的多个环境候选参数可以为从该时段的所有环境参数中挑选的多个对玻璃质量影响较大的环境参数。
需要说明的是，不同的原材料参数及不同的玻璃类型，在每个时段对应的环境候选参数类型、数量和/或参数值可能不同。
可选的，可以从每个时段对应的环境参数参考集中，获取与当前的原材料参数及待生成的玻璃类型对应的每个时段的多个环境候选参数。
其中，每个时段对应的环境参数参考集，可以是对历史生产数据进行统计分析后生成的。或者，也可以是利用历史生产数据，训练得到网络模型生成的，本公开对此不做限定。
可选的，由于不同的原材料参数及待生成的玻璃类型，可能对环境的要求不同，且环境参数之间可能互相影响，因此，本公开中还可以根据当前的原材料参数及待生成的玻璃类型，确定每个时段各个环境参数的权重；进一步根据每个时段各个环境参数的权重，生成每个时段对应的多个环境候选参数。
举例来说，根据当前的原材料及待生成的玻璃类型，确定玻璃生产过程中第一个时段内，熔窑池底温度权重为0.6、熔窑碹顶温度权重为0.3、流液道温度为0.08，稀释风压力权重为0.01。在第二时段内，熔窑池底温度权重为0.4、熔窑碹顶温度权重为0.4、流液道温度为0.1，稀释风压力权重为0.05。从而在确定各个时段对应的环境参考值时，即可按照权重值由大至小的顺序，依次确定每个时段中各个环境参考值，以使确定环境参考值优先满足权重大的环境参数的要求，从而保证每个时段的生产环境尽量满足要求。
S203：将每个环境候选参数、原材料参数及玻璃类型，分别输入训练生成的气泡预测模型，以确定每个环境候选参数对应的参考气泡参数。
其中，参考气泡参数为在当前的环境参数下，气泡预测模型基于环境候选参数预测的生产出的玻璃中存在的气泡的数量、形状及分布等状态。
可选的，本公开中，可以通过以下过程，训练气泡预测模型：
获取多个玻璃样本及每个玻璃样本生产过程中的环境参数；
针对每个玻璃样本，获取多个激光传感器输出的气泡检测结果，其中，多个激光传感器对应的检测等级不同；
根据多个气泡检测结果，确定每个玻璃样本对应的气泡标注参数；
根据每个玻璃样本对应的原材料参数、玻璃类型、玻璃生成过程中每个时段的环境参数及气泡标注参数，生成多个训练数据对；
将每个训练数据对中的原材料参数、玻璃类型、玻璃生成过程中每个时段的环境参数，输入初始模型中，以获取气泡预测参数；以及
在气泡预测参数与气泡标注参数不匹配的情况下，基于气泡预测参数与气泡标注参数的差异，对初始模型进行修正，以生成气泡预测模型。
其中，每个激光传感器只检测一种等级的气泡。比如，第一个传感器只检测直径为1毫米(mm)以内的气泡，第二个传感器只检测直径为3mm-5mm的气泡等等，本公开对此不做限定。本公开中，通过利用不同检测等级的激光器对玻璃样本进行气泡检测，从而使得确定的气泡标注参数更准确更可靠。
可选的，可以为每个激光传感器对应的气泡检测结果分配对应的权重，进一步根据多个气泡检测结果的加权和，确定每个玻璃样本对应的气泡标注参数。
可选的，由于直径越大的气泡，对玻璃的质量影响越大，因此，本公开中，可以为用于检测较大直径的气泡的激光传感器分配较大的权重，为用于检测直径较小的气泡的激光传感器分配较小的权重，本公开对此不做限定。
本公开中，在已知玻璃样本生产过程中的环境参数及对应的气泡标注参数的情况下，即可将玻璃样本对应的原材料参数、玻璃类型、玻璃生成过程中每个时段的环境参数，输入初始模型，以获取气泡预测参数，如果气泡预测参数与气泡标注参数匹配，则说明该模型可以准确的进行气泡参数预测，从而即可结束模型训练。反之，若气泡预测参数与气泡标注参数未匹配，则可以对该模型进行修正训练，直至生成可以用于进行气泡预测的模型。
S204：根据每个环境候选参数对应的参考气泡参数，从多个环境候选参数中选取环境参考值。
可选的，若参考气泡参数为气泡数量，那么可以根据每个环境候选参数对应的参考气泡参数的大小，从多个环境候选参数中选取对应气泡参数最小的环境参考值。
S205：在利用原材料生成玻璃的过程中，获取每个时段的环境参数。
S206：在任一时段的环境参数与对应的环境参考值未匹配的情况下，基于环境参考值对生成环境进行调整，直至任一时段的环境参数与环境参考值匹配。
其中，上述步骤S205及步骤S206的具体实现形式，可参照本公开中其他各实施例的详细描述，在此不再赘述。
本公开实施例中，首先获取当前的原材料参数，待生成的玻璃类型及每个时段对应的多个环境候选参数，之后将每个环境候选参数、原材料参数及玻璃类型，分别输入训练生成的气泡预测模型，以确定每个环境候选参数对应的参考气泡参数，进一步根据每个环境候选参数对应的参考气泡参数，从多个环境候选参数中选取环境参考值，最后在利用原材料生成玻璃的过程中，获取每个时段的环境参数，并在任一时段的环境参数与对应的环境参考值未匹配的情况下，基于环境参考值对生成环境进行调整，直至任一时段的环境参数与环境参考值匹配。由此，在玻璃生产过程中，首先基于原材料参数及待生成的玻璃类型，确定环境候选参考值，然后基于每个环境候选参数对应的参考气泡参数，从多个环境候选参数中选取环境参考值，再基于环境参考值调整玻璃生产过程中的环境参数，从而提高了生成的玻璃质量。
通过上述分析可知，本公开中，可以利用气泡预测模型，确定每个环境候选参考值对应的参考气泡参数，之后再根据参考气泡参数，来确定最终的环境参考值。在实际生产过程中，由于玻璃的生产过程是一个在时间上连续的过程，各个环境参数不仅在空间上互相影响，在时间上也具有一定的关联性，因此，本公开中为了保证预测的参考气泡参数的准确性和可靠性，可以采用不同类型的模型，进行参考气泡参数的预测。下面结合图3，对上述过程进行详细说明。
图3是根据本公开又一实施例提供的一种玻璃的生成方法的流程示意图，如图3所示，生成玻璃的过程包括N个时段，N为大于1的正整数，则本公开提供的玻璃的生成方法，包括：
S301：获取当前的原材料参数及待生成的玻璃类型。
S302：获取每个时段对应的多个环境候选参数。
其中，上述步骤S301及步骤S302的具体实现形式，可参照本公开中其他各实施例的详细描述，在此不再赘述。
S303：从每个时段对应的多个环境候选参数选取一个环境候选参数，以生成多个环境候选参数集合。
S304：将每个环境候选参数集合中的N个环境候选参数、原材料参数及玻璃类型，分别输入气泡预测模型中的第一模型中，以确定每个环境候选参数集合对应的第一气泡参数。
可选的，第一模型可以为树形集成模型，树形集成模型可以捕捉每个环境候选参数集合中的N个环境候选参数、原材料参数及玻璃类型之间的逻辑关系，以进行第一气泡参数的预测。
S305：根据各个时段在生成玻璃的过程中的时间顺序，确定每个环境候选参数集合对应的环境候选参数序列。
可选的，可以根据每个环境候选参数集合中各个环境候选参数所属的时段在生成玻璃的过程中的时间顺序，将各个环境候选参数进行拼接，以生成对应的候选参数序列。
举例来说，玻璃生成过程中包括N个时段，其中，N为大于1的正整数，即环境候选参数集合中包括N个熔窑碹顶温度，其中，每个熔窑碹顶温度对应一个时段，从而即可根据这N个熔窑碹顶温度分别对应的时段的前后顺序，将这N个熔窑碹顶温度进行拼接，以生成熔窑碹顶温度序列。
S306：将每个环境候选参数序列、原材料参数及玻璃类型，输入气泡预测模型中的第二模型中，以确定每个环境候选参数集合对应的第二气泡参数。
可选的，第二模型可以为时序模型，时序模型可以捕捉每个环境候选参数序列的时间关系，并结合原材料参数及玻璃类型，预测第二气泡参数。
S307：根据每个第一气泡参数及第二气泡参数，确定每个环境候选参数集合对应的参考气泡参数。
需要说明的是，根据第一模型确定的第一气泡参数及第二模型确定的第二气泡参数综合判断，确定每个环境候选参数集合对应的参考气泡参数，既考虑了每个环境候选参数之间的逻辑关系，又考虑了它们在时序上的联系，提高了每个环境候选参数集合对应的参考气泡参数的准确性。
可选的，可以根据第一气泡参数对应的权重及第二气泡参数对应的权重，将第一气泡参数及第二气泡参数进行融合，以确定每个环境候选参数集合对应的参考气泡参数。
或者，可以将第一气泡参数及第二气泡参数输入DNN网络中进行融合，以获取每个环境候选参数集合对应的参考气泡参数。
S308：根据每个环境候选参数集合对应的参考气泡参数，从多个环境候选参数集合中选取环境参考值。
S309：在利用原材料生成玻璃的过程中，获取每个时段的环境参数。
S310：在任一时段的环境参数与对应的环境参考值未匹配的情况下，基于环境参考值对生成环境进行调整，直至任一时段的环境参数与环境参考值匹配。
其中，上述步骤S308-S310的具体实现形式，可参照本公开中其他各实施例的详细描述，在此不再赘述。
本公开实施例中，在玻璃生产过程中，首先基于原材料参数及待生成的玻璃类型，确定环境候选参考值，然后根据每个候选环境参数间的逻辑关系及时序关系，确定每个候选环境参数对应的参考气泡参数，进而基于每个环境候选参数对应的参考气泡参数，从多个环境候选参数中选取环境参考值，再基于环境参考值调整玻璃生产过程中的环境参数。由此，通过从多个维度考虑环境候选参数对玻璃中的气泡参数的影响，来对玻璃生产过程中的环境进行控制，从而进一步提高了玻璃质量。
图4是根据本公开一实施例提供的一种玻璃的生成装置的结构示意图，如图4所示，该玻璃的生成装置400，包括：第一获取模块410、确定模块420、第二获取模块430及调整模块440。
第一获取模块410，用于获取当前的原材料参数及待生成的玻璃类型。
确定模块420，用于根据原材料参数及玻璃类型，确定每个时段的环境参考值。
第二获取模块430，用于在利用原材料生成玻璃的过程中，获取每个时段的环境参数。
调整模块440，用于在任一时段的环境参数与对应的环境参考值未匹配的情况下，基于环境参考值对生成环境进行调整，直至任一时段的环境参数与环境参考值匹配。
本公开实施例中，玻璃的生成装置400首先获取当前的原材料参数及待生成的玻璃类型，之后根据原材料参数及玻璃类型，确定每个时段的环境参考值，在利用原材料生成玻璃的过程中，获取每个时段的环境参数，最后在任一时段的环境参数与对应的环境参考值未匹配的情况下，基于环境参考值对生成环境进行调整，直至任一时段的环境参数与环境参考值匹配。因此，在玻璃生产过程中，首先基于原材料参数及待生成的玻璃类型，确定环境参考值，然后根据环境参考值实时对玻璃生成过程中的环境参数进行调整，从而尽量保证了生成的玻璃质量。
图5是根据本公开另一实施例提供的一种玻璃的生成装置的结构示意图，如图5所示，该玻璃的生成装置500，包括：第一获取模块510、确定模块520、第二获取模块530及调整模块540，其中，确定模块520包括：
获取单元5201，用于获取每个时段对应的多个环境候选参数。
确定单元5202，用于将每个环境候选参数、原材料参数及玻璃类型，分别输入训练生成的气泡预测模型，以确定每个环境候选参数对应的参考气泡参数。
选取单元5203，用于根据每个环境候选参数对应的参考气泡参数，从多个环境候选参数中选取环境参考值。
在本公开的一些实施例中，其中，生成玻璃的过程包括N个时段，N为大于1的正整数，确定单元5202，具体用于：
从每个时段对应的多个环境候选参数选取一个环境候选参数，以生成多个环境候选参数集合；
将每个环境候选参数集合中的N个环境候选参数、原材料参数及玻璃类型，分别输入气泡预测模型中的第一模型中，以确定每个环境候选参数集合对应的第一气泡参数；
根据各个时段在生成玻璃的过程中的时间顺序，确定每个环境候选参数集合对应的环境候选参数序列；
将每个环境候选参数序列、原材料参数及玻璃类型，输入气泡预测模型中的第二模型中，以确定每个环境候选参数集合对应的第二气泡参数；
根据每个第一气泡参数及第二气泡参数，确定每个环境候选参数集合对应的参考气泡参数。
在本公开的一些实施例中，其中，确定单元5202，还用于：
针对每个玻璃样本，获取多个激光传感器输出的气泡检测结果，其中，多个激光传感器对应的检测等级不同；
根据多个气泡检测结果，确定每个玻璃样本对应的气泡标注参数；
根据每个玻璃样本对应的原材料参数、玻璃类型、玻璃生成过程中每个时段的环境参数及气泡标注参数，生成多个训练数据对；
将每个训练数据对中的原材料参数、玻璃类型、玻璃生成过程中每个时段的环境参数，输入初始模型中，以获取气泡预测参数；
在气泡预测参数与气泡标注参数不匹配的情况下，基于气泡预测参数与气泡标注参数的差异，对初始模型进行修正，以生成气泡预测模型。
在本公开的一些实施例中，其中，获取单元5201，具体用于：
从每个时段对应的环境参数参考集中，获取与所述当前的原材料参数及待生成的玻璃类型对应的每个时段的多个环境候选参数。
在本公开的一些实施例中，其中，获取单元5201，具体用于：
根据当前的原材料参数及待生成的玻璃类型，确定每个时段各个环境参数的权重；
根据每个时段各个环境参数的权重，生成每个时段对应的多个环境候选参数。
可以理解的是，本实施例附图5中的玻璃的生成装置500与上述实施例中玻璃的生成装置400，第一获取模块510与上述实施例中的第一获取模块410，确定模块520与上述实施例中的确定模块420，第二获取模块530与上述实施例中的第二获取模块430，调整模块540与上述实施例中的调整模块440，可以具有相同的功能和结构。
需要说明的是，前述对玻璃的生成方法的解释说明也适用于本实施例的玻璃的生成装置，此处不再赘述。
本公开实施例中，在玻璃生产过程中，玻璃的生成装置500首先基于原材料参数及待生成的玻璃类型，确定环境候选参考值，然后根据每个候选环境参数间的逻辑关系及时序关系，确定每个候选环境参数对应的参考气泡参数，进而基于每个环境候选参数对应的参考气泡参数，从多个环境候选参数中选取环境参考值，再基于环境参考值调整玻璃生产过程中的环境参数。由此，通过从多个维度考虑环境候选参数对玻璃中的气泡参数的影响，来对玻璃生产过程中的环境进行控制，从而进一步提高了玻璃质量。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如玻璃的生成方法。例如，在一些实施例中，玻璃的生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的玻璃的生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行玻璃的生成方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网及区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
本公开实施例中，首先获取当前的原材料参数及待生成的玻璃类型，之后根据原材料参数及玻璃类型，确定每个时段的环境参考值，在利用原材料生成玻璃的过程中，获取每个时段的环境参数，最后在任一时段的环境参数与对应的环境参考值未匹配的情况下，基于环境参考值对生成环境进行调整，直至任一时段的环境参数与环境参考值匹配。因此，在玻璃生产过程中，首先基于原材料参数及待生成的玻璃类型，确定环境参考值，然后根据环境参考值实时对玻璃生成过程中的环境参数进行调整，从而尽量保证了生成的玻璃质量。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (10)

1.一种玻璃的生成方法，包括：
获取当前的原材料参数及待生成的玻璃类型；
获取每个时段对应的多个环境候选参数，其中，生成玻璃的过程包括N个时段，N为大于1的正整数；
从每个时段对应的多个环境候选参数选取一个环境候选参数，以生成多个环境候选参数集合；
将每个环境候选参数集合中的N个环境候选参数、所述原材料参数及所述玻璃类型，分别输入气泡预测模型中的第一模型中，以确定每个所述环境候选参数集合对应的第一气泡参数，所述第一模型为树形集成模型；
根据各个时段在生成玻璃的过程中的时间顺序，确定每个所述环境候选参数集合对应的环境候选参数序列；
将每个所述环境候选参数序列、所述原材料参数及所述玻璃类型，输入所述气泡预测模型中的第二模型中，以确定每个所述环境候选参数集合对应的第二气泡参数，所述第二模型可以为时序模型；
根据每个所述第一气泡参数及所述第二气泡参数，确定每个所述环境候选参数集合对应的参考气泡参数；
根据每个所述环境候选参数集合对应的参考气泡参数，从所述多个环境候选参数中选取环境参考值；
在利用所述原材料生成玻璃的过程中，获取每个时段的环境参数；
在任一时段的环境参数与对应的环境参考值未匹配的情况下，基于所述环境参考值对生成环境进行调整，直至所述任一时段的环境参数与所述环境参考值匹配。
2.如权利要求1所述的方法，其中，还包括：
针对每个玻璃样本，获取多个激光传感器输出的气泡检测结果，其中，所述多个激光传感器对应的检测等级不同；
根据多个所述气泡检测结果，确定每个所述玻璃样本对应的气泡标注参数；
根据每个所述玻璃样本对应的原材料参数、玻璃类型、玻璃生成过程中每个时段的环境参数及所述气泡标注参数，生成多个训练数据对；
将每个所述训练数据对中的原材料参数、玻璃类型、玻璃生成过程中每个时段的环境参数，输入初始模型中，以获取气泡预测参数；
在所述气泡预测参数与所述气泡标注参数不匹配的情况下，基于所述气泡预测参数与所述气泡标注参数的差异，对所述初始模型进行修正，以生成所述气泡预测模型。
3.如权利要求1或2所述的方法，其中，所述获取每个时段对应的多个环境候选参数，包括：
从每个时段对应的环境参数参考集中，获取与所述当前的原材料参数及待生成的玻璃类型对应的每个时段的多个环境候选参数。
4.如权利要求1或2所述的方法，其中，所述获取每个时段对应的多个环境候选参数，包括：
根据所述当前的原材料参数及待生成的玻璃类型，确定每个时段各个环境参数的权重；
根据所述每个时段各个环境参数的权重，生成所述每个时段对应的多个环境候选参数。
5.一种玻璃的生成装置，包括：
第一获取模块，用于获取当前的原材料参数及待生成的玻璃类型；
确定模块包括获取单元、确定单元及选取单元：
所述获取单元，用于获取每个时段对应的多个环境候选参数；
所述确定单元，用于从每个时段对应的多个环境候选参数选取一个环境候选参数，以生成多个环境候选参数集合；将每个环境候选参数集合中的N个环境候选参数、所述原材料参数及所述玻璃类型，分别输入气泡预测模型中的第一模型中，以确定每个所述环境候选参数集合对应的第一气泡参数，所述第一模型为树形集成模型；根据各个时段在所述生成玻璃的过程中的时间顺序，确定每个所述环境候选参数集合对应的环境候选参数序列；将每个所述环境候选参数序列、所述原材料参数及所述玻璃类型，输入所述气泡预测模型中的第二模型中，以确定每个所述环境候选参数集合对应的第二气泡参数，所述第二模型可以为时序模型；根据每个所述第一气泡参数及所述第二气泡参数，确定每个所述环境候选参数集合对应的参考气泡参数；
所述选取单元，用于根据每个所述环境候选参数集合对应的参考气泡参数，从所述多个环境候选参数中选取环境参考值；
第二获取模块，用于在利用所述原材料生成玻璃的过程中，获取每个时段的环境参数；
调整模块，用于在任一时段的环境参数与对应的环境参考值未匹配的情况下，基于所述环境参考值对生成环境进行调整，直至所述任一时段的环境参数与所述环境参考值匹配。
6.如权利要求5所述的装置，其中，所述确定单元，还用于：
针对每个玻璃样本，获取多个激光传感器输出的气泡检测结果，其中，所述多个激光传感器对应的检测等级不同；
根据多个所述气泡检测结果，确定每个所述玻璃样本对应的气泡标注参数；
根据每个所述玻璃样本对应的原材料参数、玻璃类型、玻璃生成过程中每个时段的环境参数及所述气泡标注参数，生成多个训练数据对；
将每个所述训练数据对中的原材料参数、玻璃类型、玻璃生成过程中每个时段的环境参数，输入初始模型中，以获取气泡预测参数；
在所述气泡预测参数与所述气泡标注参数不匹配的情况下，基于所述气泡预测参数与所述气泡标注参数的差异，对所述初始模型进行修正，以生成所述气泡预测模型。
7.如权利要求5或6所述的装置，其中，所述获取单元，具体用于：
从每个时段对应的环境参数参考集中，获取与所述当前的原材料参数及待生成的玻璃类型对应的每个时段的多个环境候选参数。
8.如权利要求5或6所述的装置，其中，所述获取单元，具体用于：
根据所述当前的原材料参数及待生成的玻璃类型，确定每个时段各个环境参数的权重；
根据所述每个时段各个环境参数的权重，生成所述每个时段对应的多个环境候选参数。
9.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。
CN202110662899.3A 2021-06-15 2021-06-15 玻璃的生成方法、装置、电子设备及存储介质 Active CN113435718B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110662899.3A CN113435718B (zh) 2021-06-15 2021-06-15 玻璃的生成方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110662899.3A CN113435718B (zh) 2021-06-15 2021-06-15 玻璃的生成方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113435718A CN113435718A (zh) 2021-09-24
CN113435718B true CN113435718B (zh) 2024-04-16

Family

ID=77756032

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110662899.3A Active CN113435718B (zh) 2021-06-15 2021-06-15 玻璃的生成方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113435718B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115630877B (zh) * 2022-12-19 2023-03-21 南京乔康生物科技有限公司 一种用于透明质酸钠生产的质量检测方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5084377A (en) * 1984-09-19 1992-01-28 Larry Rowan Cryogenic suspension method
WO2006059575A1 (ja) * 2004-12-01 2006-06-08 Nippon Sheet Glass Company, Limited ガラス製造装置とガラスの製造方法
CN106773682A (zh) * 2016-12-05 2017-05-31 清华大学 基于时滞动态确定的玻璃窑炉池底温度智能预测控制方法
KR20170082904A (ko) * 2016-01-07 2017-07-17 주식회사 엘지화학 유리 내 기포 수량 측정 방법 및 장치
CN107709252A (zh) * 2015-06-30 2018-02-16 安瀚视特控股株式会社 玻璃基板的制造方法及玻璃基板制造装置
CN110045702A (zh) * 2019-04-23 2019-07-23 蚌埠中光电科技有限公司 一种tft玻璃窑炉生产工艺模拟及参数调整评价方法
CN112115579A (zh) * 2020-08-12 2020-12-22 江苏师范大学 一种玻璃纤维增强塑料注塑工艺参数多目标优化方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5084377A (en) * 1984-09-19 1992-01-28 Larry Rowan Cryogenic suspension method
WO2006059575A1 (ja) * 2004-12-01 2006-06-08 Nippon Sheet Glass Company, Limited ガラス製造装置とガラスの製造方法
CN107709252A (zh) * 2015-06-30 2018-02-16 安瀚视特控股株式会社 玻璃基板的制造方法及玻璃基板制造装置
KR20170082904A (ko) * 2016-01-07 2017-07-17 주식회사 엘지화학 유리 내 기포 수량 측정 방법 및 장치
CN106773682A (zh) * 2016-12-05 2017-05-31 清华大学 基于时滞动态确定的玻璃窑炉池底温度智能预测控制方法
CN110045702A (zh) * 2019-04-23 2019-07-23 蚌埠中光电科技有限公司 一种tft玻璃窑炉生产工艺模拟及参数调整评价方法
CN112115579A (zh) * 2020-08-12 2020-12-22 江苏师范大学 一种玻璃纤维增强塑料注塑工艺参数多目标优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Method for Detection and Classification of Glass Defects in Low Resolution Images;jie Z.等;2011 Sixth International Conference on Image and Graphics;20110829;第642-647页 *
玻璃熔窑数学模型概述;梅书霞 等;国外建材科技;20080229;第10-16页 *

Also Published As

Publication number Publication date
CN113435718A (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
CN112561077B (zh) 多任务模型的训练方法、装置及电子设备
CN114265979B (zh) 确定融合参数的方法、信息推荐方法和模型训练方法
CN114881129A (zh) 一种模型训练方法、装置、电子设备及存储介质
CN112560985A (zh) 神经网络的搜索方法、装置及电子设备
CN115147687A (zh) 学生模型训练方法、装置、设备及存储介质
CN113379059B (zh) 用于量子数据分类的模型训练方法以及量子数据分类方法
CN113344862A (zh) 缺陷检测方法、装置、电子设备及存储介质
CN113435718B (zh) 玻璃的生成方法、装置、电子设备及存储介质
CN115761648A (zh) 应用于变压器的渗油评估方法、装置、设备、介质及产品
CN113657538B (zh) 模型训练、数据分类方法、装置、设备、存储介质及产品
CN117475032A (zh) 文生图模型、超网络的生成方法及装置
CN116795615A (zh) 一种芯片评测方法、系统、电子设备和存储介质
CN113361719B (zh) 基于图像处理模型的增量学习方法和图像处理方法
CN115359322A (zh) 一种目标检测模型训练方法、装置、设备和存储介质
CN112560437B (zh) 文本通顺度的确定方法、目标模型的训练方法及装置
CN114756753A (zh) 一种产品推荐方法、装置、电子设备及存储介质
CN113807391A (zh) 任务模型的训练方法、装置、电子设备及存储介质
CN113222414A (zh) 模型稳定性的评估方法、装置、电子设备和存储介质
CN112749978A (zh) 检测方法、装置、设备、存储介质以及程序产品
CN114926447B (zh) 用于训练模型的方法、用于检测目标的方法和装置
US12038989B2 (en) Methods for community search, method for training community search model, and electronic device
CN115860055B (zh) 性能确定方法、性能优化方法、装置、电子设备以及介质
CN116416500B (zh) 图像识别模型训练方法、图像识别方法、装置及电子设备
CN116992150A (zh) 一种研发组件推荐方法、装置、设备及存储介质
CN114154865A (zh) 对象评估方法、装置、设备、存储介质以及程序产品

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant