CN115588157B - 交联低烟低卤聚烯烃材料的性能数据处理方法及系统 - Google Patents
交联低烟低卤聚烯烃材料的性能数据处理方法及系统 Download PDFInfo
- Publication number
- CN115588157B CN115588157B CN202211587524.6A CN202211587524A CN115588157B CN 115588157 B CN115588157 B CN 115588157B CN 202211587524 A CN202211587524 A CN 202211587524A CN 115588157 B CN115588157 B CN 115588157B
- Authority
- CN
- China
- Prior art keywords
- video
- performance test
- video frame
- mining result
- frame information
- 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
Links
- 239000000463 material Substances 0.000 title claims abstract description 175
- 229910052736 halogen Inorganic materials 0.000 title claims abstract description 93
- 229920000098 polyolefin Polymers 0.000 title claims abstract description 92
- 239000000779 smoke Substances 0.000 title claims abstract description 92
- 238000003672 processing method Methods 0.000 title abstract description 7
- 238000011056 performance test Methods 0.000 claims abstract description 243
- 238000012544 monitoring process Methods 0.000 claims abstract description 201
- 238000012545 processing Methods 0.000 claims abstract description 82
- 238000004458 analytical method Methods 0.000 claims abstract description 51
- 239000013077 target material Substances 0.000 claims abstract description 20
- 238000013528 artificial neural network Methods 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 17
- 238000005065 mining Methods 0.000 claims description 313
- 238000000034 method Methods 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 18
- 150000002367 halogens Chemical class 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007499 fusion processing Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 2
- 239000012634 fragment Substances 0.000 claims description 2
- 239000013598 vector Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- RNFJDJUURJAICM-UHFFFAOYSA-N 2,2,4,4,6,6-hexaphenoxy-1,3,5-triaza-2$l^{5},4$l^{5},6$l^{5}-triphosphacyclohexa-1,3,5-triene Chemical compound N=1P(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP=1(OC=1C=CC=CC=1)OC1=CC=CC=C1 RNFJDJUURJAICM-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003063 flame retardant Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000003610 charcoal Substances 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000004703 cross-linked polyethylene Substances 0.000 description 1
- 229920003020 cross-linked polyethylene Polymers 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-M hydroxide Chemical compound [OH-] XLYOFNOQVPJJNP-UHFFFAOYSA-M 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/02—Details
- G01N3/06—Special adaptations of indicating or recording means
- G01N3/068—Special adaptations of indicating or recording means with optical indicating or recording means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0001—Type of application of the stress
- G01N2203/0003—Steady
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0014—Type of force applied
- G01N2203/0016—Tensile or compressive
- G01N2203/0019—Compressive
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/022—Environment of the test
- G01N2203/0222—Temperature
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/0641—Indicating or recording means; Sensing means using optical, X-ray, ultraviolet, infrared or similar detectors
- G01N2203/0647—Image analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/067—Parameter measured for estimating the property
- G01N2203/0682—Spatial dimension, e.g. length, area, angle
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供的交联低烟低卤聚烯烃材料的性能数据处理方法及系统，涉及数据处理技术领域。在本发明中，提取到目标交联低烟低卤聚烯烃材料对应的初始性能测试监控视频，初始性能测试监控视频包括多帧初始性能测试监控视频帧。对初始性能测试监控视频进行视频帧的有效筛选处理，以输出初始性能测试监控视频对应的目标性能测试监控视频。利用目标性能分析神经网络，对目标性能测试监控视频进行性能分析处理，输出目标交联低烟低卤聚烯烃材料对应的目标材料性能分析结果，目标材料性能分析结果用于反映目标交联低烟低卤聚烯烃材料具有的材料性能优劣程度。基于上述内容，可以高效地对交联低烟低卤聚烯烃材料的性能进行分析。
Description
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种交联低烟低卤聚烯烃材料的性能数据处理方法及系统。
背景技术
交联低烟低卤聚烯烃材料，是一种添加了氢氧化物和少量环保卤系阻 燃剂的环保型阻燃材料，以脱水吸热、隔离成炭起到阻燃作用。另外，交联低烟低卤聚烯烃材料的力学性能满足电子线、汽车线等标准中有关XLPE 外被料的要求。因此，交联低烟低卤聚烯烃材料的应用领域较多，使得对其性能的需求也较高，因而，需要对交联低烟低卤聚烯烃材料的性能进行分析确定，但是，现有技术中存在分析效率不高的问题。
发明内容
有鉴于此，本发明的目的在于提供一种交联低烟低卤聚烯烃材料的性能数据处理方法及系统，以高效地分析交联低烟低卤聚烯烃材料的性能。
为实现上述目的，本发明实施例采用如下技术方案：
一种交联低烟低卤聚烯烃材料的性能数据处理方法，所述性能数据处理方法包括：
提取到目标交联低烟低卤聚烯烃材料对应的初始性能测试监控视频，所述初始性能测试监控视频包括多帧初始性能测试监控视频帧；
对所述初始性能测试监控视频进行视频帧的有效筛选处理，以输出所述初始性能测试监控视频对应的目标性能测试监控视频；
利用目标性能分析神经网络，对所述目标性能测试监控视频进行性能分析处理，以输出所述目标交联低烟低卤聚烯烃材料对应的目标材料性能分析结果，所述目标材料性能分析结果用于反映所述目标交联低烟低卤聚烯烃材料具有的材料性能优劣程度。
在一些优选的实施例中，在上述交联低烟低卤聚烯烃材料的性能数据处理方法中，所述提取到目标交联低烟低卤聚烯烃材料对应的初始性能测试监控视频的步骤，包括：
通过通信连接的目标视频监控设备，对目标交联低烟低卤聚烯烃材料的性能测试过程进行视频监控，以得到所述目标交联低烟低卤聚烯烃材料对应的初始性能测试监控视频，所述性能测试过程包括将所述目标交联低烟低卤聚烯烃材料放置于目标空间进行耐温耐压测试；或者；
从通信连接的目标数据服务器中，提取出所述目标交联低烟低卤聚烯烃材料对应的初始性能测试监控视频。
在一些优选的实施例中，在上述交联低烟低卤聚烯烃材料的性能数据处理方法中，所述对所述初始性能测试监控视频进行视频帧的有效筛选处理，以输出所述初始性能测试监控视频对应的目标性能测试监控视频的步骤，包括：
对于所述初始性能测试监控视频包括的帧时序相邻的每两帧初始性能测试监控视频帧，对该两帧初始性能测试监控视频帧进行材料轮廓的相似度计算，以输出该两帧初始性能测试监控视频帧之间的材料轮廓相似度；
依据帧时序相邻的每两帧初始性能测试监控视频帧之间的材料轮廓相似度，对所述初始性能测试监控视频进行视频帧的有效筛选处理，以输出所述初始性能测试监控视频对应的目标性能测试监控视频；
所述有效筛选处理包括：
倘若在帧时序连续的第一目标帧数的初始性能测试监控视频帧中，帧时序相邻的每两帧初始性能测试监控视频帧之间的材料轮廓相似度都大于或等于预先配置的材料轮廓相似度参考值，则将所述第一目标帧数的初始性能测试监控视频帧包括的第一帧初始性能测试监控视频和最后一帧初始性能测试监控视频以外的其它初始性能测试监控视频中，等帧时序间隔的第二目标帧数的其它初始性能测试监控视频筛除。
在一些优选的实施例中，在上述交联低烟低卤聚烯烃材料的性能数据处理方法中，所述利用目标性能分析神经网络，对所述目标性能测试监控视频进行性能分析处理，以输出所述目标交联低烟低卤聚烯烃材料对应的目标材料性能分析结果的步骤，包括：
提取到预先确定的多个参考性能测试监控视频中的每一个参考性能测试监控视频对应的参考性能测试监控视频帧代表集合；
利用目标性能分析神经网络包括的视频相关度分析子网络，对所述目标性能测试监控视频和每一个所述参考性能测试监控视频帧代表集合之间的视频相关度进行分析确定；
依据所述目标性能测试监控视频和每一个所述参考性能测试监控视频帧代表集合之间的视频相关度，在所述多个参考性能测试监控视频中，提取出相关的第一参考性能测试监控视频，以及，将针对所述第一参考性能测试监控视频预先配置的实际材料性能优劣程度，标记为所述目标交联低烟低卤聚烯烃材料对应的目标材料性能分析结果。
在一些优选的实施例中，在上述交联低烟低卤聚烯烃材料的性能数据处理方法中，所述目标性能分析神经网络还包括视频帧识别子网络，所述参考性能测试监控视频帧代表集合依据所述视频帧识别子网络对相应的所述参考性能测试监控视频进行识别形成，所述性能数据处理方法还包括识别形成所述参考性能测试监控视频帧代表集合的步骤，该步骤包括：
利用所述视频帧识别子网络，从所述参考性能测试监控视频中分析出对应的参考视频内部代表视频帧；以及，利用所述视频帧识别子网络，对所述参考性能测试监控视频进行视频信息挖掘处理，以输出所述参考性能测试监控视频对应的参考视频信息挖掘结果；
利用所述视频帧识别子网络，对预先确定的多个待确认性能测试监控视频片段中的每一个待确认性能测试监控视频片段进行视频片段信息挖掘处理，以分别输出所述多个待确认性能测试监控视频片段中的每一个待确认性能测试监控视频片段对应的待确认视频片段信息挖掘结果；
依据所述参考性能测试监控视频对应的参考视频信息挖掘结果和每一个所述待确认视频片段信息挖掘结果之间的视频信息相关度，在所述多个待确认性能测试监控视频片段中，提取出与所述参考性能测试监控视频相关的待确认性能测试监控视频片段，以标记形成对应的参考视频外部代表视频片段；以及，再依据所述参考视频内部代表视频帧和所述参考视频外部代表视频片段进行集合构成处理，以构建形成所述参考性能测试监控视频对应的参考性能测试监控视频帧代表集合。
在一些优选的实施例中，在上述交联低烟低卤聚烯烃材料的性能数据处理方法中，所述参考性能测试监控视频对应的参考视频信息挖掘结果包括所述参考性能测试监控视频中的每一个参考性能测试监控视频帧对应的参考视频帧信息挖掘结果，所述待确认视频片段信息挖掘结果包括所述待确认性能测试监控视频片段中的每一个待确认性能测试监控视频帧对应的待确认视频帧信息挖掘结果；
针对每一个所述待确认视频片段信息挖掘结果，通过以下步骤分析出所述参考性能测试监控视频对应的参考视频信息挖掘结果和该待确认视频片段信息挖掘结果之间的视频信息相关度：
对每一个所述参考视频帧信息挖掘结果和每一个所述待确认视频帧信息挖掘结果之间的结果相关度分别进行计算；以及，依据每一个所述参考视频帧信息挖掘结果和每一个所述待确认视频帧信息挖掘结果之间的结果相关度，分析输出所述参考性能测试监控视频对应的参考视频信息挖掘结果和所述待确认视频片段信息挖掘结果之间的视频信息相关度。
在一些优选的实施例中，在上述交联低烟低卤聚烯烃材料的性能数据处理方法中，所述依据每一个所述参考视频帧信息挖掘结果和每一个所述待确认视频帧信息挖掘结果之间的结果相关度，分析输出所述参考性能测试监控视频对应的参考视频信息挖掘结果和所述待确认视频片段信息挖掘结果之间的视频信息相关度的步骤，包括：
针对每一个所述参考视频帧信息挖掘结果，依据该参考视频帧信息挖掘结果对应的每一个参考相关度，分析输出每一个所述待确认视频帧信息挖掘结果对应的重要度表征系数，再依据每一个所述待确认视频帧信息挖掘结果对应的重要度表征系数，对每一个所述待确认视频帧信息挖掘结果进行结果融合处理，以输出对应的第一参考视频帧信息挖掘结果；
针对每一个所述待确认视频帧信息挖掘结果，依据该待确认视频帧信息挖掘结果对应的每一个待确认相关度，分析输出每一个所述参考视频帧信息挖掘结果对应的重要度表征系数，再依据每一个所述参考视频帧信息挖掘结果对应的重要度表征系数，对每一个所述参考视频帧信息挖掘结果结果融合处理，以输出对应的第一待确认视频帧信息挖掘结果；再依据每一个所述第一参考视频帧信息挖掘结果和每一个所述第一待确认视频帧信息挖掘结果，分析输出所述参考性能测试监控视频对应的参考视频信息挖掘结果和所述待确认视频片段信息挖掘结果之间的视频信息相关度。
在一些优选的实施例中，在上述交联低烟低卤聚烯烃材料的性能数据处理方法中，所述依据每一个所述第一参考视频帧信息挖掘结果和每一个所述第一待确认视频帧信息挖掘结果，分析输出所述参考性能测试监控视频对应的参考视频信息挖掘结果和所述待确认视频片段信息挖掘结果之间的视频信息相关度的步骤，包括：
针对每一个所述参考视频帧信息挖掘结果，依据该参考视频帧信息挖掘结果和所述第一参考视频帧信息挖掘结果之间的结果匹配度，分析输出该参考视频帧信息挖掘结果对应的部分视频帧信息挖掘结果，再依据该参考视频帧信息挖掘结果、所述第一参考视频帧信息挖掘结果和该参考视频帧信息挖掘结果对应的所述部分视频帧信息挖掘结果，分析输出该参考视频帧信息挖掘结果对应的整体视频帧信息挖掘结果；
针对每一个所述待确认视频帧信息挖掘结果，依据该待确认视频帧信息挖掘结果和所述第一待确认视频帧信息挖掘结果之间的结果匹配度，输出该所述待确认视频帧信息挖掘结果对应的部分视频帧信息挖掘结果，依据该待确认视频帧信息挖掘结果、该第一待确认视频帧信息挖掘结果和该待确认视频帧信息挖掘结果对应的部分视频帧信息挖掘结果，输出该待确认视频帧信息挖掘结果对应的整体视频帧信息挖掘结果；
依据每一个所述参考视频帧信息挖掘结果对应的整体视频帧信息挖掘结果和每一个所述待确认视频帧信息挖掘结果对应的整体视频帧信息挖掘结果，分析输出所述参考性能测试监控视频对应的参考视频信息挖掘结果和所述待确认视频片段信息挖掘结果之间的视频信息相关度。
在一些优选的实施例中，在上述交联低烟低卤聚烯烃材料的性能数据处理方法中，所述针对每一个所述参考视频帧信息挖掘结果，依据该参考视频帧信息挖掘结果和所述第一参考视频帧信息挖掘结果之间的结果匹配度，分析输出该参考视频帧信息挖掘结果对应的部分视频帧信息挖掘结果的步骤，包括：
分析输出所述参考视频帧信息挖掘结果和所述第一参考视频帧信息挖掘结果之间的参考区别信息，以及，分析输出所述参考视频帧信息挖掘结果和所述第一参考视频帧信息挖掘结果之间的参考相关信息，所述参考视频帧信息挖掘结果对应的部分视频帧信息挖掘结果包括所述参考区别信息和所述参考相关信息；
所述针对每一个所述待确认视频帧信息挖掘结果，依据该待确认视频帧信息挖掘结果和所述第一待确认视频帧信息挖掘结果之间的结果匹配度，输出该所述待确认视频帧信息挖掘结果对应的部分视频帧信息挖掘结果的步骤，包括：
分析输出所述待确认视频帧信息挖掘结果和所述第一待确认视频帧信息挖掘结果之间的待确认区别信息，以及，分析输出所述待确认视频帧信息挖掘结果和所述第一待确认视频帧信息挖掘结果之间的待确认相关信息，所述待确认视频帧信息挖掘结果对应的部分视频帧信息挖掘结果包括所述待确认区别信息和所述待确认相关信息。
本发明实施例还提供一种交联低烟低卤聚烯烃材料的性能数据处理系统，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现上述的方法。
本发明实施例提供的一种交联低烟低卤聚烯烃材料的性能数据处理方法及系统，提取到目标交联低烟低卤聚烯烃材料对应的初始性能测试监控视频，初始性能测试监控视频包括多帧初始性能测试监控视频帧。对初始性能测试监控视频进行视频帧的有效筛选处理，以输出初始性能测试监控视频对应的目标性能测试监控视频。利用目标性能分析神经网络，对目标性能测试监控视频进行性能分析处理，输出目标交联低烟低卤聚烯烃材料对应的目标材料性能分析结果，目标材料性能分析结果用于反映目标交联低烟低卤聚烯烃材料具有的材料性能优劣程度。基于此，通过神经网络直接对性能测试视频进行分析，可以可以高效地分析交联低烟低卤聚烯烃材料的性能，从而改善现有技术中关系分析效率不高的问题。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
图1为本发明实施例提供的交联低烟低卤聚烯烃材料的性能数据处理系统的结构框图。
图2为本发明实施例提供的交联低烟低卤聚烯烃材料的性能数据处理方法包括的各步骤的流程示意图。
图3为本发明实施例提供的交联低烟低卤聚烯烃材料的性能数据处理装置包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1所示的内容，本发明实施例提供了一种交联低烟低卤聚烯烃材料的性能数据处理系统。其中，所述交联低烟低卤聚烯烃材料的性能数据处理系统可以包括存储器和处理器。
应当理解的是，在一些示例中，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件（firmware）的形式，存在的软件功能模块（计算机程序）。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例提供的交联低烟低卤聚烯烃材料的性能数据处理方法。
应当理解的是，在一些示例中，所述存储器可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-Only Memory，PROM），可擦除只读存储器（Erasable ProgrammableRead-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable ProgrammableRead-Only Memory，EEPROM）等。所述处理器可以是一种通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）、片上系统(System on Chip，SoC)等；还可以是数字信号处理器（DSP）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
应当理解的是，在一些示例中，所述交联低烟低卤聚烯烃材料的性能数据处理系统可以是一种具备数据处理能力的服务器。
结合图2，本发明实施例还提供一种交联低烟低卤聚烯烃材料的性能数据处理方法，可应用于上述交联低烟低卤聚烯烃材料的性能数据处理系统。其中，所述交联低烟低卤聚烯烃材料的性能数据处理方法有关的流程所定义的方法步骤，可以由所述交联低烟低卤聚烯烃材料的性能数据处理系统实现。下面将对图2所示的具体流程，进行详细阐述。
步骤S110，提取到目标交联低烟低卤聚烯烃材料对应的初始性能测试监控视频。
在本发明实施例中，所述性能数据处理系统可以提取到目标交联低烟低卤聚烯烃材料对应的初始性能测试监控视频。所述初始性能测试监控视频包括多帧初始性能测试监控视频帧。
步骤S120，对所述初始性能测试监控视频进行视频帧的有效筛选处理，以输出所述初始性能测试监控视频对应的目标性能测试监控视频。
在本发明实施例中，所述性能数据处理系统可以对所述初始性能测试监控视频进行视频帧的有效筛选处理，以输出所述初始性能测试监控视频对应的目标性能测试监控视频。
步骤S130，利用目标性能分析神经网络，对所述目标性能测试监控视频进行性能分析处理，以输出所述目标交联低烟低卤聚烯烃材料对应的目标材料性能分析结果。
在本发明实施例中，所述性能数据处理系统可以利用目标性能分析神经网络，对所述目标性能测试监控视频进行性能分析处理，以输出所述目标交联低烟低卤聚烯烃材料对应的目标材料性能分析结果。所述目标材料性能分析结果用于反映所述目标交联低烟低卤聚烯烃材料具有的材料性能优劣程度（即性能好或或者性能差等）。
基于此（即上述的步骤S110、步骤S120和步骤S130），通过神经网络直接对性能测试视频进行分析，可以可以高效地分析交联低烟低卤聚烯烃材料的性能，从而改善现有技术中关系分析效率不高的问题。
应当理解的是，在一些示例中，步骤S110可以包括以下内容：
通过通信连接的目标视频监控设备，对目标交联低烟低卤聚烯烃材料的性能测试过程进行视频监控，以得到所述目标交联低烟低卤聚烯烃材料对应的初始性能测试监控视频，所述性能测试过程包括将所述目标交联低烟低卤聚烯烃材料放置于目标空间进行耐温耐压测试；或者；
从通信连接的目标数据服务器中，提取出所述目标交联低烟低卤聚烯烃材料对应的初始性能测试监控视频（即先通过目标视频监控设备进行视频监控，再将监控得到的视频存储于所述目标数据服务器）。
应当理解的是，在一些示例中，步骤S120可以包括以下内容：
对于所述初始性能测试监控视频包括的帧时序相邻的每两帧初始性能测试监控视频帧，对该两帧初始性能测试监控视频帧进行材料轮廓的相似度计算，以输出该两帧初始性能测试监控视频帧之间的材料轮廓相似度；
依据帧时序相邻的每两帧初始性能测试监控视频帧之间的材料轮廓相似度，对所述初始性能测试监控视频进行视频帧的有效筛选处理，以输出所述初始性能测试监控视频对应的目标性能测试监控视频；
所述有效筛选处理包括：
倘若在帧时序连续的第一目标帧数的初始性能测试监控视频帧中，帧时序相邻的每两帧初始性能测试监控视频帧之间的材料轮廓相似度都大于或等于预先配置的材料轮廓相似度参考值（所述材料轮廓相似度参考值可以根据实际应用场景进行配置，如95%、98%等），则将所述第一目标帧数的初始性能测试监控视频帧包括的第一帧初始性能测试监控视频和最后一帧初始性能测试监控视频以外的其它初始性能测试监控视频中，等帧时序间隔的第二目标帧数的其它初始性能测试监控视频筛除（示例性地，所述第一目标帧数可以为9，对应地，所述第二目标帧数可以为3）。
应当理解的是，在一些示例中，所述对于所述初始性能测试监控视频包括的帧时序相邻的每两帧初始性能测试监控视频帧，对该两帧初始性能测试监控视频帧进行材料轮廓的相似度计算，以输出该两帧初始性能测试监控视频帧之间的材料轮廓相似度的步骤，可以包括以下内容：
对第一帧初始性能测试监控视频帧进行材料轮廓的提取处理（可以是基于现有技术中的任意一种对象轮廓提取技术，在此不做具体的限定），以形成对应的第一材料轮廓，并对第二帧初始性能测试监控视频帧进行材料轮廓的提取处理，以形成对应的第二材料轮廓；
对所述第一材料轮廓进行轮廓拐点的识别提取处理（可以是基于现有技术中的任意一种拐点的识别技术，在此不做具体的限定），以输出所述第一材料轮廓对应的第一轮廓拐点集合，再对所述第二材料轮廓进行轮廓拐点的识别提取处理，以输出所述第二材料轮廓对应的第二轮廓拐点集合；
对于所述第一轮廓拐点集合中的每一个第一轮廓拐点，依据该第一轮廓拐点与每一个其它第一轮廓拐点之间的相对位置关系（如坐标差值或坐标向量），构建形成该第一轮廓拐点的第一相对位置关系集合；
对于所述第二轮廓拐点集合中的每一个第二轮廓拐点，依据该第二轮廓拐点与每一个其它第二轮廓拐点之间的相对位置关系（如坐标差值或坐标向量），构建形成该第二轮廓拐点的第二相对位置关系集合；
对于所述第一轮廓拐点集合中的每一个第一轮廓拐点和所述第二轮廓拐点集合中的每一个第二轮廓拐点，对该第一轮廓拐点对应的第一相对位置关系集合和该第二轮廓拐点的第二相对位置关系集合进行相对位置关系的关系相似度计算，以输出该第一轮廓拐点和该第二轮廓拐点之间的关系相似度（示例性地，所述相对位置关系可以是坐标向量，如此，可以计算所述第一相对位置关系集合和所述第二相对位置关系集合之间各坐标向量之间的向量相似度，再依据该向量相似度确定出所述关系相似度）；
对于所述第一轮廓拐点集合中的每一个第一轮廓拐点，依据该第一轮廓拐点和每一个第二轮廓拐点之间的关系相似度，确定出与该第一轮廓拐点匹配的第二轮廓拐点（如对应的关系相似度具有最大值），再依据该第一轮廓拐点和该匹配的第二轮廓拐点之间的关系相似度，确定是否将该第一轮廓拐点和该第二轮廓拐点组合形成一个拐点组合（示例性地，倘若第一轮廓拐点和该匹配的第二轮廓拐点之间的关系相似度大于预先配置的关系相似度参考值，可以将该第一轮廓拐点和该第二轮廓拐点组合形成一个拐点组合，该关系相似度参考值可以是80%、90%、98%等）；
将每一个所述拐点组合包括的第一轮廓拐点标记为目标第一轮廓拐点，并将每一个所述拐点组合包括的第二轮廓拐点标记为目标第二轮廓拐点，以及，依据所述目标第一轮廓拐点之间的连接线对所述第一材料轮廓进行分割处理，以形成多个第一材料轮廓区域，并依据所述目标第二轮廓拐点之间的连接线对所述第二材料轮廓进行分割处理，以形成多个第二材料轮廓区域，以及，依据对应的目标第一轮廓拐点和目标第二轮廓拐点是否属于同一个拐点组合，将所述多个第一材料轮廓区域和所述多个第二材料轮廓区域一一对应处理，所述多个第一材料轮廓区域的区域数量等于所述多个第二材料轮廓区域的区域数量；
对于所述多个第一材料轮廓区域中的每一个第一材料轮廓区域，对该第一材料轮廓区域和该第一材料轮廓区域对应的第二材料轮廓区域进行区域边界线的相似度计算（此处，可以直接采用现有的任意一种区域形状或轮廓的相似度计算方式，或者，还可以基于前述的步骤，对第一材料轮廓区域和第二材料轮廓区域进行进一步的处理，以形成对应的第一材料轮廓子区域和第二材料轮廓子区域，再采用现有的任意一种区域形状或轮廓的相似度计算方式进行计算），以输出该第一材料轮廓区域对应的区域边界线相似度，再将每一个第一材料轮廓区域对应的区域边界线相似度进行融合处理（可以是直接进行均值计算，也可以基于对应的区域面积进行加权均值计算，还可以是基于对应的区域边界线长度进行加权均值计算，或者，于对应的区域面积和区域边界线长度的融合值进行加权均值计算等），以输出两帧初始性能测试监控视频帧之间的材料轮廓相似度。
应当理解的是，在一些示例中，步骤S130可以包括以下内容：
提取到预先确定的多个参考性能测试监控视频中的每一个参考性能测试监控视频对应的参考性能测试监控视频帧代表集合；
利用目标性能分析神经网络包括的视频相关度分析子网络，对所述目标性能测试监控视频和每一个所述参考性能测试监控视频帧代表集合之间的视频相关度进行分析确定（以分析输出对应的视频相关度，所述视频相关度分析子网络可以依据相应的训练视频得到，在此不做具体的描述，参照现有的关于视频相似度或相关度的计算网络即可）；
依据所述目标性能测试监控视频和每一个所述参考性能测试监控视频帧代表集合之间的视频相关度，在所述多个参考性能测试监控视频中，提取出相关的第一参考性能测试监控视频（示例性地，可以将对应的视频相关度最大的一个参考性能测试监控视频作为第一参考性能测试监控视频）；
将针对所述第一参考性能测试监控视频预先配置的实际材料性能优劣程度（示例性地，该实际材料性能优劣程度可以通过现有的测试方式得到），标记为所述目标交联低烟低卤聚烯烃材料对应的目标材料性能分析结果。
应当理解的是，在一些示例中，所述目标性能分析神经网络还包括视频帧识别子网络，所述参考性能测试监控视频帧代表集合依据所述视频帧识别子网络对相应的所述参考性能测试监控视频进行识别形成，因此，所述性能数据处理方法还可以包括识别形成所述参考性能测试监控视频帧代表集合的步骤，该步骤可以包括以下内容：
利用所述视频帧识别子网络，从所述参考性能测试监控视频中分析出对应的参考视频内部代表视频帧（示例性地，可以从所述参考性能测试监控视频包括的各参考性能测试监控视频帧中提取出关键的、有代表性的参考性能测试监控视频帧，以作为对应的参考视频内部代表视频帧，此功能可以通过对所述视频帧识别子网络进行训练得到）；以及，利用所述视频帧识别子网络，对所述参考性能测试监控视频进行视频信息挖掘处理（示例性地，所述视频帧识别子网络可以包括卷积网络，以对所述参考性能测试监控视频进行信息挖掘，从而得到对应的参考视频信息挖掘结果，示例性地，所述参考视频信息挖掘结果可以以向量的形式表示），以输出所述参考性能测试监控视频对应的参考视频信息挖掘结果；
利用所述视频帧识别子网络，对预先确定的多个待确认性能测试监控视频片段中的每一个待确认性能测试监控视频片段进行视频片段信息挖掘处理，以分别输出所述多个待确认性能测试监控视频片段中的每一个待确认性能测试监控视频片段对应的待确认视频片段信息挖掘结果（如上）；
依据所述参考性能测试监控视频对应的参考视频信息挖掘结果和每一个所述待确认视频片段信息挖掘结果之间的视频信息相关度，在所述多个待确认性能测试监控视频片段中，提取出与所述参考性能测试监控视频相关的待确认性能测试监控视频片段（示例性地，可以提取出对应的所述视频信息相关度具有最大值的待确认性能测试监控视频片段），以标记形成对应的参考视频外部代表视频片段；以及，再依据所述参考视频内部代表视频帧和所述参考视频外部代表视频片段进行集合构成处理，以构建形成所述参考性能测试监控视频对应的参考性能测试监控视频帧代表集合。
应当理解的是，在一些示例中，所述参考性能测试监控视频对应的参考视频信息挖掘结果包括所述参考性能测试监控视频中的每一个参考性能测试监控视频帧对应的参考视频帧信息挖掘结果，所述待确认视频片段信息挖掘结果包括所述待确认性能测试监控视频片段中的每一个待确认性能测试监控视频帧对应的待确认视频帧信息挖掘结果，基于此，针对每一个所述待确认视频片段信息挖掘结果，可以通过以下步骤分析出所述参考性能测试监控视频对应的参考视频信息挖掘结果和该待确认视频片段信息挖掘结果之间的视频信息相关度：
对每一个所述参考视频帧信息挖掘结果和每一个所述待确认视频帧信息挖掘结果之间的结果相关度（所述结果相关度是指所述参考视频帧信息挖掘结果和所述待确认视频帧信息挖掘结果之间的相关度）分别进行计算；以及，依据每一个所述参考视频帧信息挖掘结果和每一个所述待确认视频帧信息挖掘结果之间的结果相关度，分析输出所述参考性能测试监控视频对应的参考视频信息挖掘结果和所述待确认视频片段信息挖掘结果之间的视频信息相关度。
应当理解的是，在一些示例中，所述依据每一个所述参考视频帧信息挖掘结果和每一个所述待确认视频帧信息挖掘结果之间的结果相关度，分析输出所述参考性能测试监控视频对应的参考视频信息挖掘结果和所述待确认视频片段信息挖掘结果之间的视频信息相关度的步骤，包括以下内容：
针对每一个所述参考视频帧信息挖掘结果，依据该参考视频帧信息挖掘结果对应的每一个参考相关度（即与每一个所述待确认视频帧信息挖掘结果之间的结果相关度），分析输出每一个所述待确认视频帧信息挖掘结果对应的重要度表征系数，再依据每一个所述待确认视频帧信息挖掘结果对应的重要度表征系数，对每一个所述待确认视频帧信息挖掘结果进行结果融合处理（如加权求和），以输出对应的第一参考视频帧信息挖掘结果；
针对每一个所述待确认视频帧信息挖掘结果，依据该待确认视频帧信息挖掘结果对应的每一个待确认相关度（即与每一个所述参考视频帧信息挖掘结果之间的结果相关度），分析输出每一个所述参考视频帧信息挖掘结果对应的重要度表征系数，再依据每一个所述参考视频帧信息挖掘结果对应的重要度表征系数，对每一个所述参考视频帧信息挖掘结果结果融合处理（如加权求和），以输出对应的第一待确认视频帧信息挖掘结果；依据每一个所述第一参考视频帧信息挖掘结果和每一个所述第一待确认视频帧信息挖掘结果，分析输出所述参考性能测试监控视频对应的参考视频信息挖掘结果和所述待确认视频片段信息挖掘结果之间的视频信息相关度。
应当理解的是，在一些示例中，所述依据每一个所述第一参考视频帧信息挖掘结果和每一个所述第一待确认视频帧信息挖掘结果，分析输出所述参考性能测试监控视频对应的参考视频信息挖掘结果和所述待确认视频片段信息挖掘结果之间的视频信息相关度的步骤，可以包括以下内容：
针对每一个所述参考视频帧信息挖掘结果，依据该参考视频帧信息挖掘结果和所述第一参考视频帧信息挖掘结果之间的结果匹配度，分析输出该参考视频帧信息挖掘结果对应的部分视频帧信息挖掘结果，再依据该参考视频帧信息挖掘结果、所述第一参考视频帧信息挖掘结果和该参考视频帧信息挖掘结果对应的所述部分视频帧信息挖掘结果，分析输出该参考视频帧信息挖掘结果对应的整体视频帧信息挖掘结果（示例性地，可以将该参考视频帧信息挖掘结果、所述第一参考视频帧信息挖掘结果和该参考视频帧信息挖掘结果对应的所述部分视频帧信息挖掘结果进行拼接，以形成对应的整体视频帧信息挖掘结果）；
针对每一个所述待确认视频帧信息挖掘结果，依据该待确认视频帧信息挖掘结果和所述第一待确认视频帧信息挖掘结果之间的结果匹配度，输出该所述待确认视频帧信息挖掘结果对应的部分视频帧信息挖掘结果，依据该待确认视频帧信息挖掘结果、该第一待确认视频帧信息挖掘结果和该待确认视频帧信息挖掘结果对应的部分视频帧信息挖掘结果，输出该待确认视频帧信息挖掘结果对应的整体视频帧信息挖掘结果（示例性地，可以将该待确认视频帧信息挖掘结果、该第一待确认视频帧信息挖掘结果和该待确认视频帧信息挖掘结果对应的部分视频帧信息挖掘结果进行拼接，以形成对应的整体视频帧信息挖掘结果）；
依据每一个所述参考视频帧信息挖掘结果对应的整体视频帧信息挖掘结果和每一个所述待确认视频帧信息挖掘结果对应的整体视频帧信息挖掘结果，分析输出所述参考性能测试监控视频对应的参考视频信息挖掘结果和所述待确认视频片段信息挖掘结果之间的视频信息相关度（示例性地，可以先分别对每一个所述参考视频帧信息挖掘结果对应的整体视频帧信息挖掘结果和每一个所述待确认视频帧信息挖掘结果对应的整体视频帧信息挖掘结果进行归一化处理，再对归一化后的整体视频帧信息挖掘结果进行相关度计算，如向量相似度的计算，以输出归一化后的整体视频帧信息挖掘结果之间的相关度，再对各归一化后的整体视频帧信息挖掘结果之间的相关度进行均值计算，以输出所述视频信息相关度）。
应当理解的是，在一些示例中，所述针对每一个所述参考视频帧信息挖掘结果，依据该参考视频帧信息挖掘结果和所述第一参考视频帧信息挖掘结果之间的结果匹配度，分析输出该参考视频帧信息挖掘结果对应的部分视频帧信息挖掘结果的步骤，可以包括以下内容：
分析输出所述参考视频帧信息挖掘结果和所述第一参考视频帧信息挖掘结果之间的参考区别信息（所述参考区别信息用于反映所述参考视频帧信息挖掘结果和所述第一参考视频帧信息挖掘结果之间差异度较大的信息），以及，分析输出所述参考视频帧信息挖掘结果和所述第一参考视频帧信息挖掘结果之间的参考相关信息（所述参考区别信息用于反映所述参考视频帧信息挖掘结果和所述第一参考视频帧信息挖掘结果之间相关度较大的信息），所述参考视频帧信息挖掘结果对应的部分视频帧信息挖掘结果包括所述参考区别信息和所述参考相关信息（即所述参考区别信息和所述参考相关信息拼接形成所述参考视频帧信息挖掘结果对应的部分视频帧信息挖掘结果）。
应当理解的是，在一些示例中，所述针对每一个所述待确认视频帧信息挖掘结果，依据该待确认视频帧信息挖掘结果和所述第一待确认视频帧信息挖掘结果之间的结果匹配度，输出该所述待确认视频帧信息挖掘结果对应的部分视频帧信息挖掘结果的步骤，可以包括以下内容：
分析输出所述待确认视频帧信息挖掘结果和所述第一待确认视频帧信息挖掘结果之间的待确认区别信息（所述待确认区别信息用于反映所述待确认视频帧信息挖掘结果和所述第一待确认视频帧信息挖掘结果之间差异度较大的信息），以及，分析输出所述待确认视频帧信息挖掘结果和所述第一待确认视频帧信息挖掘结果之间的待确认相关信息（所述待确认相关信息用于反映所述待确认视频帧信息挖掘结果和所述第一待确认视频帧信息挖掘结果之间相关度较大的信息），所述待确认视频帧信息挖掘结果对应的部分视频帧信息挖掘结果包括所述待确认区别信息和所述待确认相关信息（即所述待确认区别信息和所述待确认相关信息拼接形成所述待确认视频帧信息挖掘结果对应的部分视频帧信息挖掘结果）。
结合图3，本发明实施例还提供一种交联低烟低卤聚烯烃材料的性能数据处理装置，可应用于上述交联低烟低卤聚烯烃材料的性能数据处理系统。其中，所述交联低烟低卤聚烯烃材料的性能数据处理装置可以包括：
初始处理功能模块（软件模块），用于提取到目标交联低烟低卤聚烯烃材料对应的初始性能测试监控视频，所述初始性能测试监控视频包括多帧初始性能测试监控视频帧；
中间处理功能模块（软件模块），用于对所述初始性能测试监控视频进行视频帧的有效筛选处理，以输出所述初始性能测试监控视频对应的目标性能测试监控视频；
目标处理功能模块（软件模块），用于利用目标性能分析神经网络，对所述目标性能测试监控视频进行性能分析处理，以输出所述目标交联低烟低卤聚烯烃材料对应的目标材料性能分析结果，所述目标材料性能分析结果用于反映目标交联低烟低卤聚烯烃材料具有的材料性能优劣程度。
综上所述，本发明提供的一种交联低烟低卤聚烯烃材料的性能数据处理方法及系统，提取到目标交联低烟低卤聚烯烃材料对应的初始性能测试监控视频，初始性能测试监控视频包括多帧初始性能测试监控视频帧。对初始性能测试监控视频进行视频帧的有效筛选处理，以输出初始性能测试监控视频对应的目标性能测试监控视频。利用目标性能分析神经网络，对目标性能测试监控视频进行性能分析处理，输出目标交联低烟低卤聚烯烃材料对应的目标材料性能分析结果，目标材料性能分析结果用于反映目标交联低烟低卤聚烯烃材料具有的材料性能优劣程度。基于此，通过神经网络直接对性能测试视频进行分析，可以可以高效地分析交联低烟低卤聚烯烃材料的性能，从而改善现有技术中关系分析效率不高的问题。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种交联低烟低卤聚烯烃材料的性能数据处理方法，其特征在于，所述性能数据处理方法包括：
提取到目标交联低烟低卤聚烯烃材料对应的初始性能测试监控视频，所述初始性能测试监控视频包括多帧初始性能测试监控视频帧；
对所述初始性能测试监控视频进行视频帧的有效筛选处理，以输出所述初始性能测试监控视频对应的目标性能测试监控视频；
利用目标性能分析神经网络，对所述目标性能测试监控视频进行性能分析处理，以输出所述目标交联低烟低卤聚烯烃材料对应的目标材料性能分析结果，所述目标材料性能分析结果用于反映所述目标交联低烟低卤聚烯烃材料具有的材料性能优劣程度；
其中，所述对所述初始性能测试监控视频进行视频帧的有效筛选处理，以输出所述初始性能测试监控视频对应的目标性能测试监控视频的步骤，包括：
对于所述初始性能测试监控视频包括的帧时序相邻的每两帧初始性能测试监控视频帧，对该两帧初始性能测试监控视频帧进行材料轮廓的相似度计算，以输出该两帧初始性能测试监控视频帧之间的材料轮廓相似度；
依据帧时序相邻的每两帧初始性能测试监控视频帧之间的材料轮廓相似度，对所述初始性能测试监控视频进行视频帧的有效筛选处理，以输出所述初始性能测试监控视频对应的目标性能测试监控视频；
所述有效筛选处理包括：
倘若在帧时序连续的第一目标帧数的初始性能测试监控视频帧中，帧时序相邻的每两帧初始性能测试监控视频帧之间的材料轮廓相似度都大于或等于预先配置的材料轮廓相似度参考值，则将所述第一目标帧数的初始性能测试监控视频帧包括的第一帧初始性能测试监控视频帧和最后一帧初始性能测试监控视频帧以外的其它初始性能测试监控视频帧中，等帧时序间隔的第二目标帧数的其它初始性能测试监控视频帧筛除；
其中，所述对于所述初始性能测试监控视频包括的帧时序相邻的每两帧初始性能测试监控视频帧，对该两帧初始性能测试监控视频帧进行材料轮廓的相似度计算，以输出该两帧初始性能测试监控视频帧之间的材料轮廓相似度的步骤，包括：
对第一帧初始性能测试监控视频帧进行材料轮廓的提取处理，以形成对应的第一材料轮廓，并对第二帧初始性能测试监控视频帧进行材料轮廓的提取处理，以形成对应的第二材料轮廓；
对所述第一材料轮廓进行轮廓拐点的识别提取处理，以输出所述第一材料轮廓对应的第一轮廓拐点集合，再对所述第二材料轮廓进行轮廓拐点的识别提取处理，以输出所述第二材料轮廓对应的第二轮廓拐点集合；
对于所述第一轮廓拐点集合中的每一个第一轮廓拐点，依据该第一轮廓拐点与每一个其它第一轮廓拐点之间的相对位置关系，构建形成该第一轮廓拐点的第一相对位置关系集合；
对于所述第二轮廓拐点集合中的每一个第二轮廓拐点，依据该第二轮廓拐点与每一个其它第二轮廓拐点之间的相对位置关系，构建形成该第二轮廓拐点的第二相对位置关系集合；
对于所述第一轮廓拐点集合中的每一个第一轮廓拐点和所述第二轮廓拐点集合中的每一个第二轮廓拐点，对该第一轮廓拐点对应的第一相对位置关系集合和该第二轮廓拐点的第二相对位置关系集合进行相对位置关系的关系相似度计算，以输出该第一轮廓拐点和该第二轮廓拐点之间的关系相似度；
对于所述第一轮廓拐点集合中的每一个第一轮廓拐点，依据该第一轮廓拐点和每一个第二轮廓拐点之间的关系相似度，确定出与该第一轮廓拐点匹配的第二轮廓拐点，再依据该第一轮廓拐点和该匹配的第二轮廓拐点之间的关系相似度，确定是否将该第一轮廓拐点和该第二轮廓拐点组合形成一个拐点组合；
将每一个所述拐点组合包括的第一轮廓拐点标记为目标第一轮廓拐点，并将每一个所述拐点组合包括的第二轮廓拐点标记为目标第二轮廓拐点，以及，依据所述目标第一轮廓拐点之间的连接线对所述第一材料轮廓进行分割处理，以形成多个第一材料轮廓区域，并依据所述目标第二轮廓拐点之间的连接线对所述第二材料轮廓进行分割处理，以形成多个第二材料轮廓区域，以及，依据对应的目标第一轮廓拐点和目标第二轮廓拐点是否属于同一个拐点组合，将所述多个第一材料轮廓区域和所述多个第二材料轮廓区域一一对应处理，所述多个第一材料轮廓区域的区域数量等于所述多个第二材料轮廓区域的区域数量；
对于所述多个第一材料轮廓区域中的每一个第一材料轮廓区域，对该第一材料轮廓区域和该第一材料轮廓区域对应的第二材料轮廓区域进行区域边界线的相似度计算，以输出该第一材料轮廓区域对应的区域边界线相似度，再将每一个第一材料轮廓区域对应的区域边界线相似度进行融合处理，以输出两帧初始性能测试监控视频帧之间的材料轮廓相似度。
2.如权利要求1所述的交联低烟低卤聚烯烃材料的性能数据处理方法，其特征在于，所述提取到目标交联低烟低卤聚烯烃材料对应的初始性能测试监控视频的步骤，包括：
通过通信连接的目标视频监控设备，对目标交联低烟低卤聚烯烃材料的性能测试过程进行视频监控，以得到所述目标交联低烟低卤聚烯烃材料对应的初始性能测试监控视频，所述性能测试过程包括将所述目标交联低烟低卤聚烯烃材料放置于目标空间进行耐温耐压测试；或者；
从通信连接的目标数据服务器中，提取出所述目标交联低烟低卤聚烯烃材料对应的初始性能测试监控视频。
3.如权利要求1或2所述的交联低烟低卤聚烯烃材料的性能数据处理方法，其特征在于，所述利用目标性能分析神经网络，对所述目标性能测试监控视频进行性能分析处理，以输出所述目标交联低烟低卤聚烯烃材料对应的目标材料性能分析结果的步骤，包括：
提取到预先确定的多个参考性能测试监控视频中的每一个参考性能测试监控视频对应的参考性能测试监控视频帧代表集合；
利用目标性能分析神经网络包括的视频相关度分析子网络，对所述目标性能测试监控视频和每一个所述参考性能测试监控视频帧代表集合之间的视频相关度进行分析确定；
依据所述目标性能测试监控视频和每一个所述参考性能测试监控视频帧代表集合之间的视频相关度，在所述多个参考性能测试监控视频中，将对应的视频相关度最大的一个参考性能测试监控视频作为第一参考性能测试监控视频，以及，将针对所述第一参考性能测试监控视频预先配置的实际材料性能优劣程度，标记为所述目标交联低烟低卤聚烯烃材料对应的目标材料性能分析结果。
4.如权利要求3所述的交联低烟低卤聚烯烃材料的性能数据处理方法，其特征在于，所述目标性能分析神经网络还包括视频帧识别子网络，所述参考性能测试监控视频帧代表集合依据所述视频帧识别子网络对相应的所述参考性能测试监控视频进行识别形成，所述性能数据处理方法还包括识别形成所述参考性能测试监控视频帧代表集合的步骤，该步骤包括：
利用所述视频帧识别子网络，从所述参考性能测试监控视频中分析出对应的参考视频内部代表视频帧；以及，利用所述视频帧识别子网络，对所述参考性能测试监控视频进行视频信息挖掘处理，以输出所述参考性能测试监控视频对应的参考视频信息挖掘结果；
利用所述视频帧识别子网络，对预先确定的多个待确认性能测试监控视频片段中的每一个待确认性能测试监控视频片段进行视频片段信息挖掘处理，以分别输出所述多个待确认性能测试监控视频片段中的每一个待确认性能测试监控视频片段对应的待确认视频片段信息挖掘结果；
依据所述参考性能测试监控视频对应的参考视频信息挖掘结果和每一个所述待确认视频片段信息挖掘结果之间的视频信息相关度，在所述多个待确认性能测试监控视频片段中，提取出与所述参考性能测试监控视频相关的待确认性能测试监控视频片段，以标记形成对应的参考视频外部代表视频片段；以及，再依据所述参考视频内部代表视频帧和所述参考视频外部代表视频片段进行集合构成处理，以构建形成所述参考性能测试监控视频对应的参考性能测试监控视频帧代表集合。
5.如权利要求4所述的交联低烟低卤聚烯烃材料的性能数据处理方法，其特征在于，所述参考性能测试监控视频对应的参考视频信息挖掘结果包括所述参考性能测试监控视频中的每一个参考性能测试监控视频帧对应的参考视频帧信息挖掘结果，所述待确认视频片段信息挖掘结果包括所述待确认性能测试监控视频片段中的每一个待确认性能测试监控视频帧对应的待确认视频帧信息挖掘结果；
针对每一个所述待确认视频片段信息挖掘结果，通过以下步骤分析出所述参考性能测试监控视频对应的参考视频信息挖掘结果和该待确认视频片段信息挖掘结果之间的视频信息相关度：
对每一个所述参考视频帧信息挖掘结果和每一个所述待确认视频帧信息挖掘结果之间的结果相关度分别进行计算；以及，依据每一个所述参考视频帧信息挖掘结果和每一个所述待确认视频帧信息挖掘结果之间的结果相关度，分析输出所述参考性能测试监控视频对应的参考视频信息挖掘结果和所述待确认视频片段信息挖掘结果之间的视频信息相关度。
6.如权利要求5所述的交联低烟低卤聚烯烃材料的性能数据处理方法，其特征在于，所述依据每一个所述参考视频帧信息挖掘结果和每一个所述待确认视频帧信息挖掘结果之间的结果相关度，分析输出所述参考性能测试监控视频对应的参考视频信息挖掘结果和所述待确认视频片段信息挖掘结果之间的视频信息相关度的步骤，包括：
针对每一个所述参考视频帧信息挖掘结果，依据该参考视频帧信息挖掘结果对应的每一个参考相关度，分析输出每一个所述待确认视频帧信息挖掘结果对应的重要度表征系数，再依据每一个所述待确认视频帧信息挖掘结果对应的重要度表征系数，对每一个所述待确认视频帧信息挖掘结果进行结果融合处理，以输出对应的第一参考视频帧信息挖掘结果；
针对每一个所述待确认视频帧信息挖掘结果，依据该待确认视频帧信息挖掘结果对应的每一个待确认相关度，分析输出每一个所述参考视频帧信息挖掘结果对应的重要度表征系数，再依据每一个所述参考视频帧信息挖掘结果对应的重要度表征系数，对每一个所述参考视频帧信息挖掘结果结果进行融合处理，以输出对应的第一待确认视频帧信息挖掘结果；再依据每一个所述第一参考视频帧信息挖掘结果和每一个所述第一待确认视频帧信息挖掘结果，分析输出所述参考性能测试监控视频对应的参考视频信息挖掘结果和所述待确认视频片段信息挖掘结果之间的视频信息相关度。
7.如权利要求6所述的交联低烟低卤聚烯烃材料的性能数据处理方法，其特征在于，所述依据每一个所述第一参考视频帧信息挖掘结果和每一个所述第一待确认视频帧信息挖掘结果，分析输出所述参考性能测试监控视频对应的参考视频信息挖掘结果和所述待确认视频片段信息挖掘结果之间的视频信息相关度的步骤，包括：
针对每一个所述参考视频帧信息挖掘结果，依据该参考视频帧信息挖掘结果和所述第一参考视频帧信息挖掘结果之间的结果匹配度，分析输出该参考视频帧信息挖掘结果对应的部分视频帧信息挖掘结果，再依据该参考视频帧信息挖掘结果、所述第一参考视频帧信息挖掘结果和该参考视频帧信息挖掘结果对应的所述部分视频帧信息挖掘结果，分析输出该参考视频帧信息挖掘结果对应的整体视频帧信息挖掘结果；
针对每一个所述待确认视频帧信息挖掘结果，依据该待确认视频帧信息挖掘结果和所述第一待确认视频帧信息挖掘结果之间的结果匹配度，输出该所述待确认视频帧信息挖掘结果对应的部分视频帧信息挖掘结果，依据该待确认视频帧信息挖掘结果、该第一待确认视频帧信息挖掘结果和该待确认视频帧信息挖掘结果对应的部分视频帧信息挖掘结果，输出该待确认视频帧信息挖掘结果对应的整体视频帧信息挖掘结果；
依据每一个所述参考视频帧信息挖掘结果对应的整体视频帧信息挖掘结果和每一个所述待确认视频帧信息挖掘结果对应的整体视频帧信息挖掘结果，分析输出所述参考性能测试监控视频对应的参考视频信息挖掘结果和所述待确认视频片段信息挖掘结果之间的视频信息相关度。
8.如权利要求7所述的交联低烟低卤聚烯烃材料的性能数据处理方法，其特征在于，所述针对每一个所述参考视频帧信息挖掘结果，依据该参考视频帧信息挖掘结果和所述第一参考视频帧信息挖掘结果之间的结果匹配度，分析输出该参考视频帧信息挖掘结果对应的部分视频帧信息挖掘结果的步骤，包括：
分析输出所述参考视频帧信息挖掘结果和所述第一参考视频帧信息挖掘结果之间的参考区别信息，以及，分析输出所述参考视频帧信息挖掘结果和所述第一参考视频帧信息挖掘结果之间的参考相关信息，所述参考视频帧信息挖掘结果对应的部分视频帧信息挖掘结果包括所述参考区别信息和所述参考相关信息；
所述针对每一个所述待确认视频帧信息挖掘结果，依据该待确认视频帧信息挖掘结果和所述第一待确认视频帧信息挖掘结果之间的结果匹配度，输出该所述待确认视频帧信息挖掘结果对应的部分视频帧信息挖掘结果的步骤，包括：
分析输出所述待确认视频帧信息挖掘结果和所述第一待确认视频帧信息挖掘结果之间的待确认区别信息，以及，分析输出所述待确认视频帧信息挖掘结果和所述第一待确认视频帧信息挖掘结果之间的待确认相关信息，所述待确认视频帧信息挖掘结果对应的部分视频帧信息挖掘结果包括所述待确认区别信息和所述待确认相关信息。
9.一种交联低烟低卤聚烯烃材料的性能数据处理系统，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现权利要求1-8任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211587524.6A CN115588157B (zh) | 2022-12-12 | 2022-12-12 | 交联低烟低卤聚烯烃材料的性能数据处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211587524.6A CN115588157B (zh) | 2022-12-12 | 2022-12-12 | 交联低烟低卤聚烯烃材料的性能数据处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115588157A CN115588157A (zh) | 2023-01-10 |
| CN115588157B true CN115588157B (zh) | 2023-03-21 |
Family
ID=84783087
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211587524.6A Active CN115588157B (zh) | 2022-12-12 | 2022-12-12 | 交联低烟低卤聚烯烃材料的性能数据处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115588157B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116437057B (zh) * | 2023-06-13 | 2023-09-19 | 博纯材料股份有限公司 | 乙硼烷生产监控系统的系统优化方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019085941A1 (zh) * | 2017-10-31 | 2019-05-09 | 腾讯科技（深圳）有限公司 | 一种关键帧提取方法、装置和存储介质 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9256802B2 (en) * | 2010-11-26 | 2016-02-09 | Nec Corporation | Object or shape information representation method |
| US20200050902A1 (en) * | 2018-08-09 | 2020-02-13 | Electronics And Telecommunications Research Institute | Method for analyzing material using neural network based on multimodal input and apparatus using the same |
| CN111445160B (zh) * | 2020-04-09 | 2022-04-26 | 广东创成建设监理咨询有限公司 | 一种基于人工智能视频分析的自伴混凝土质量管理方法 |
| CN112101432B (zh) * | 2020-09-04 | 2022-06-07 | 西北工业大学 | 一种基于深度学习的材料显微图像与性能双向预测方法 |
| CN112927184A (zh) * | 2021-01-15 | 2021-06-08 | 重庆交通大学 | 基于深度学习的自密实混凝土性能检测方法及装置 |
| CN114978037B (zh) * | 2022-07-27 | 2022-10-25 | 一道新能源科技(衢州)有限公司 | 太阳能电池性能数据监控方法及系统 |
| CN115018840B (zh) * | 2022-08-08 | 2022-11-18 | 珠海市南特金属科技股份有限公司 | 精密铸件裂纹检测方法、系统及装置 |
| CN115359059B (zh) * | 2022-10-20 | 2023-01-31 | 一道新能源科技(衢州)有限公司 | 太阳能电池性能测试方法及系统 |
-
2022
- 2022-12-12 CN CN202211587524.6A patent/CN115588157B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019085941A1 (zh) * | 2017-10-31 | 2019-05-09 | 腾讯科技（深圳）有限公司 | 一种关键帧提取方法、装置和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115588157A (zh) | 2023-01-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109116129B (zh) | 终端检测方法、检测设备、系统及存储介质 | |
| CN114978037B (zh) | 太阳能电池性能数据监控方法及系统 | |
| CN115588157B (zh) | 交联低烟低卤聚烯烃材料的性能数据处理方法及系统 | |
| CN114140713A (zh) | 一种图像识别系统、图像识别方法 | |
| CN116821777A (zh) | 一种新型基础测绘数据整合方法及系统 | |
| CN114139016A (zh) | 一种智慧小区的数据处理方法及系统 | |
| CN115620211B (zh) | 阻燃低烟无卤护套的性能数据处理方法及系统 | |
| CN115147134B (zh) | 基于工业互联网的产品防伪追溯方法、系统及云平台 | |
| CN115065842B (zh) | 基于虚拟现实的全景视频串流交互方法及系统 | |
| CN110163183B (zh) | 目标检测算法的评估方法、装置、计算机设备和存储介质 | |
| CN116935280A (zh) | 一种基于视频分析的行为预测方法及系统 | |
| CN114863350B (zh) | 一种基于图像识别的森林监控方法及系统 | |
| CN115620243A (zh) | 基于人工智能的污染源监测方法、系统及云平台 | |
| CN115330140A (zh) | 一种基于数据挖掘的建筑风险预测方法及其预测系统 | |
| CN115484044A (zh) | 一种数据状态的监控方法及系统 | |
| CN115620210B (zh) | 基于图像处理的电子线料的性能确定方法及系统 | |
| CN112819859A (zh) | 一种应用于智慧安防的多目标跟踪方法及装置 | |
| CN117149846B (zh) | 一种基于数据融合的电力数据分析方法和系统 | |
| CN116662415B (zh) | 基于数据挖掘的智能匹配方法及系统 | |
| CN115497031B (zh) | 基于图像处理的pvc护套料的性能检测方法及系统 | |
| CN115661419B (zh) | 实景三维增强现实可视化方法及系统 | |
| CN115761311B (zh) | Pvc钙锌稳定剂的性能检测数据分析方法及系统 | |
| CN115375412B (zh) | 基于图像识别的商品智能推荐处理方法及系统 | |
| CN115980279B (zh) | 氖气纯度检测系统的稳定性优化方法及系统 | |
| CN115760728B (zh) | 基于数据处理的耐辐照橡胶材料的性能分析方法及系统 |
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 | ||
| CP03 | Change of name, title or address |
Address after: No. 9, Xincheng Second Road, Xincheng Industrial Park, Xincheng Town, Xinxing County, Yunfu City, Guangdong Province 527300 Patentee after: Guangdong Xiangli Technology Group Co.,Ltd. Address before: 527499 No. 9, Xincheng Second Road, Xincheng Industrial Park, Xincheng Town, Xinxing County, Yunfu City, Guangdong Province Patentee before: GUANGDONG XIANGLI TECHNOLOGY Co.,Ltd. |
|
| CP03 | Change of name, title or address |