CN117056384A - 一种基于大数据的金属网智能检测方法 - Google Patents
一种基于大数据的金属网智能检测方法 Download PDFInfo
- Publication number
- CN117056384A CN117056384A CN202310873646.XA CN202310873646A CN117056384A CN 117056384 A CN117056384 A CN 117056384A CN 202310873646 A CN202310873646 A CN 202310873646A CN 117056384 A CN117056384 A CN 117056384A
- Authority
- CN
- China
- Prior art keywords
- detection
- performance
- metal mesh
- scheme
- metal
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 367
- 239000002184 metal Substances 0.000 title claims abstract description 245
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 245
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004140 cleaning Methods 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000004040 coloring Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 229910001369 Brass Inorganic materials 0.000 description 1
- 229910000975 Carbon steel Inorganic materials 0.000 description 1
- 229910000861 Mg alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- SNAAJJQQZSMGQD-UHFFFAOYSA-N aluminum magnesium Chemical compound [Mg].[Al] SNAAJJQQZSMGQD-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000010951 brass Substances 0.000 description 1
- 239000010962 carbon steel Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 238000009940 knitting Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于大数据的金属网智能检测方法，其包括以下步骤：用户输入待检测金属网信息；基于待检测金属网信息匹配确定最佳检测方案，检测人员根据调度指令将待检测金属网运输至金属网检测设备处；根据检测工艺流程信息生成控制参数和控制指令，将控制参数发送至金属网检测设备处进行参数设定，将控制指令发送至金属网检测设备处使得金属网检测设备根据检测工艺流程对待检测金属网进行检测，并生成金属网检测数据；基于金属网检测数据生成该金属网的初步检测报告，并绘制金属网性能多维图附于初步检测报告中生成金属网检测报告。本申请具有提高金属网检测精度和检测效率的效果。
Description
技术领域
本申请涉及金属网检测的领域，尤其是涉及一种基于大数据的金属网智能检测方法。
背景技术
金属网是一种由不锈钢、铝镁合金丝、黄铜、碳钢等合金材料制成的网状材料。根据其应用场景不同，应用功能不同，可分为金属防护网、装饰网和金属材料网。金属网材料按加工方式可分为3类：
1、机织金属丝网——金属丝网、金属丝网帘用金属丝、丝、股经机器编织而成。
2、以金属板材为原料，经机械分切、拉伸、压制而成的拉伸板网。
3、电焊网——用特殊方法焊接金属丝制成。
现有不同种类的金属网因其应用场景不同，应用功能不同，其检测标准、检测项目和检测方法也各有不同，而容易出现一种金属网适用多种检测方法。因此如何对生产出的金属网基于其实际应用情景，精确高效的对金属网进行检测是一个待解决的问题
发明内容
为了现有金属网检测标准复杂，检测方式不规范，容易出现检测精度差，检测效率低，费时费力的问题，本申请提供一种基于大数据的金属网智能检测方法。
第一方面，本申请提供一种基于大数据的金属网智能检测方法，采用如下的技术方案：
一种基于大数据的金属网智能检测方法，包括以下步骤：
用户输入待检测金属网信息，所述待检测金属网信息包括金属网规格信息、金属网材质信息、金属网检测需求信息和检测喜好信息；
基于待检测金属网信息匹配确定最佳检测方案，所述最佳检测方案包括至少一个金属网检测设备和检测工艺流程信息；
基于最佳检测方案生成调度指令，检测人员根据调度指令将待检测金属网运输至金属网检测设备处；
根据检测工艺流程信息生成控制参数和控制指令，将控制参数发送至金属网检测设备处进行参数设定，将控制指令发送至金属网检测设备处使得金属网检测设备根据检测工艺流程对待检测金属网进行检测，并生成金属网检测数据；
基于金属网检测数据生成该金属网的初步检测报告，并绘制金属网性能多维图附于初步检测报告中生成金属网检测报告。
优选的，所述基于金属网检测数据生成该金属网的初步检测报告，并绘制金属网性能多维图附于初步检测报告中生成金属网检测报告具体包括以下步骤：
将金属网检测数据导入预设置检测报告模版中，剔除无数据项生成该金属网的初步检测报告，所述预设置检测报告模版为遍历金属网全部检测项报告模版组合而成；
对金属网检测数据进行数据清洗得到代表金属网性能参数的性能检测数据绘制生成金属网性能多维图；
将金属网性能多维图置顶于附于初步检测报告中生成金属网检测报告。
优选的，所述对金属网检测数据进行数据清洗得到代表金属网性能参数的性能检测数据绘制生成金属网性能多维图具体包括以下步骤：
对金属网检测数据进行数据清洗，筛选得到代表金属网性能参数的性能检测数据得到代表金属网性能参数的性能检测数据；
基于性能检测数据确定至少一个金属网已检测的性能项及性能参数；
将金属网已检测的性能项均匀标注于预设置的性能圆环上，并在性能圆环内基于性能检测数据绘制多边性能图形生成金属网性能多维图，所述多边性能图形的各个顶点分别指向性能圆环上标注的各个性能项标注点，且所述多边性能图形的各个顶点与其指向的性能项标注点的距离取决于该顶点代表金属网性能项参数与预设置金属网性能阈值差值。
优选的，所述在性能圆环内基于性能检测数据绘制多边性能图形生成金属网性能多维图还包括：对多边性能图形从性能圆环圆心出发基于顶点数量进行均分形成若干个性能块，基于性能检测数据根据预设置色块对比表对各个性能块进行着色。
优选的，所述将金属网检测数据导入预设置检测报告模版中还包括：基于检测报告模版需求对部分检测项的金属网检测数据通过图形工具绘制线形图、柱状图、饼状图或流程图；并对检测报告进行多级显示设置，基于用户需求对部分金属网检测数据进行折叠显示。
优选的，所述基于待检测金属网信息匹配确定最佳检测方案具体包括以下步骤：
根据待检测金属网信息通过预设置的检测方案匹配模型匹配确定至少一个满足金属网检测需求信息的备选检测方案，所述备选检测方案包括至少一个金属网检测设备和检测工艺流程信息；所述方案匹配模型为机器学习模型通过历史数据训练而成；
通过预设置的方案评分计算公式计算各个备选检测方案的方案评分；
对各个备选检测方案基于方案评分数值高低排序，选取方案评分最高的备选检测方案作为最佳检测方案。
优选的，所述通过预设置的方案评分计算公式计算各个备选检测方案的方案评分具体包括以下步骤：
将各个备选检测方案基于检测时长、检测成本、检测精度、检测消耗金属网数量以及检测操作难度进行排序生成耗时序列、成本序列、精度序列、耗材序列以及操作难度序列；
根据预设置的序列排名分值对照表确定各个备选检测方案的耗时序列评分、成本序列评分、精度序列评分、耗材序列评分以及操作难度序列评分；
基于待检测金属网信息中的检测喜好信息确定用户检测偏向，根据用户检测偏向确定上述任一排序序列作为最高优先级序列，其他排序序列作为次优先级序列，若不存在检测喜好信息则默认精度序列作为最高优先级序列；
基于各个备选检测方案的最高优先级序列评分和次优先级序列评分，通过预设置的方案评分计算公式计算各个备选检测方案的方案评分。
优选的，所述预设置的方案评分计算公式具体为：
其中Pi为第i个备选检测方案的方案评分，N1为最高优先级序列评分系数，N2为次优先级序列评分系数，且N1、N2均由管理人员设置；Zi为第i个备选检测方案的最高优先级序列评分，Cij为第i个备选检测方案的第j个次优先级序列评分。
优选的，所述根据用户检测偏向确定上述任一排序序列作为最高优先级序列还包括：根据用户检测偏向将上述任一排序序列剔除，各个备选检测方案的该序列评分均为0。
优选的，所述选取方案评分最高的备选检测方案作为最佳检测方案还包括：将方案评分最高的备选检测方案作为最佳检测方案发送至管理人员处，若管理人员否定该最佳检测方案，则方案评分数值高低排序顺次选取剩余方案评分最高的备选检测方案作为最佳检测方案发送至管理人员处，直至用户选定最佳检测方案。
综上所述，本申请包括以下至少一种有益技术效果：
1.根据用户输入的待检测金属网信息，智能匹配确定最佳检测方案，实现面对不同材质、不同加工方式和不同检测需求的金属网时能够基于其材质、规格和测试需求精确匹配确定最佳检测方案，兼顾用户测试喜好，实现金属网智能化检测，有助于提高金属网检测精度和检测效率；
2.通过绘制性能圆环和多边性能图形生成金属网性能多维图，能够直观展示出金属网检测得到的各个性能项的性能参数，节约检测报告整理汇总时间，便于有助于阅览金属网检测报告的人员直观了解到金属网的各项性能参数，使得检测报告更加直观精准，便于用户更有针对性查看金属网检测报告，大大缩减用户阅览报告时长有助于用户快速确定阅览终点，提高金属网检测报告的可读性；
3.对匹配出的各个备选检测方案基于金属网实际检测过程中的重要考量因素，从耗时、成本、检测精度、样品损耗以及检测操作难度五个维度出发对各个备选检测方案进行排序评分，并基于用户的检测喜好确定评分比重，在科学计算方案评分的基础上兼顾用户倾向，迎合用户需求，实现个性化智能定制检测方案，达到提高金属网检测精度和检测效率的效果。
附图说明
图1是本申请实施例中一种基于大数据的金属网智能检测方法的方法流程图；
图2是本申请实施例中匹配确定最佳检测方案的方法流程图；
图3是本申请实施例中计算各个备选检测方案的方案评分的方法流程图；
图4是本申请实施例中生成金属网检测报告的方法流程图；
图5是本申请实施例中生成金属网性能多维图的方法流程图。
具体实施方式
以下结合附图1-5对本申请作进一步详细说明。
本申请实施例公开一种基于大数据的金属网智能检测方法。参照图1，一种基于大数据的金属网智能检测方法，包括以下步骤：
S1、用户输入待检测金属网信息，所述待检测金属网信息包括金属网规格信息、金属网材质信息、金属网检测需求信息和检测喜好信息；
S2、基于待检测金属网信息匹配确定最佳检测方案，所述最佳检测方案包括至少一个金属网检测设备和检测工艺流程信息；
S3、基于最佳检测方案生成调度指令，检测人员根据调度指令将待检测金属网运输至金属网检测设备处；
S4、控制金属网检测设备根据检测工艺流程对待检测金属网进行检测生成金属网检测数据：根据检测工艺流程信息生成控制参数和控制指令，将控制参数发送至金属网检测设备处进行参数设定，将控制指令发送至金属网检测设备处使得金属网检测设备根据检测工艺流程对待检测金属网进行检测，并生成金属网检测数据；
S5、生成金属网检测报告：基于金属网检测数据生成该金属网的初步检测报告，并绘制金属网性能多维图附于初步检测报告中生成金属网检测报告。根据用户输入的待检测金属网信息，智能匹配确定最佳检测方案，实现面对不同材质、不同加工方式和不同检测需求的金属网时能够基于其材质、规格和测试需求精确匹配确定最佳检测方案，兼顾用户测试喜好，实现金属网智能化检测，有助于提高金属网检测精度和检测效率。
参照图2，所述基于待检测金属网信息匹配确定最佳检测方案具体包括以下步骤：
A1、匹配确定至少一个满足金属网检测需求信息的备选检测方案：根据待检测金属网信息通过预设置的检测方案匹配模型匹配确定至少一个满足金属网检测需求信息的备选检测方案，所述备选检测方案包括至少一个金属网检测设备和检测工艺流程信息；所述方案匹配模型为机器学习模型通过历史数据训练而成；机器学习模型具体训练方法步骤为现有技术，在此不在赘述；
A2、计算各个备选检测方案的方案评分：通过预设置的方案评分计算公式计算各个备选检测方案的方案评分；
A3、选取最佳检测方案：对各个备选检测方案基于方案评分数值高低排序，选取方案评分最高的备选检测方案作为最佳检测方案。
参照图3，所述通过预设置的方案评分计算公式计算各个备选检测方案的方案评分具体包括以下步骤：
B1、对各个备选检测方案进行排序生成多个序列：将各个备选检测方案基于检测时长、检测成本、检测精度、检测消耗金属网数量以及检测操作难度进行排序生成耗时序列、成本序列、精度序列、耗材序列以及操作难度序列；
B2、确定各个备选检测方案各个序列评分：根据预设置的序列排名分值对照表确定各个备选检测方案的耗时序列评分、成本序列评分、精度序列评分、耗材序列评分以及操作难度序列评分；
B3、确定最高优先级序列：基于待检测金属网信息中的检测喜好信息确定用户检测偏向，根据用户检测偏向确定上述任一排序序列作为最高优先级序列，其他排序序列作为次优先级序列，若不存在检测喜好信息则默认精度序列作为最高优先级序列；
B4、计算各个备选检测方案的方案评分：基于各个备选检测方案的最高优先级序列评分和次优先级序列评分，通过预设置的方案评分计算公式计算各个备选检测方案的方案评分。对匹配出的各个备选检测方案基于金属网实际检测过程中的重要考量因素，从耗时、成本、检测精度、样品损耗以及检测操作难度五个维度出发对各个备选检测方案进行排序评分，并基于用户的检测喜好确定评分比重，在科学计算方案评分的基础上兼顾用户倾向，迎合用户需求，实现个性化智能定制检测方案，达到提高金属网检测精度和检测效率的效果。
上述预设置的方案评分计算公式具体为：
其中Pi为第i个备选检测方案的方案评分，N1为最高优先级序列评分系数，N2为次优先级序列评分系数，且N1、N2均由管理人员设置；Zi为第i个备选检测方案的最高优先级序列评分，Cij为第i个备选检测方案的第j个次优先级序列评分。
其中，在根据用户检测偏向确定上述任一排序序列作为最高优先级序列时，还可以根据用户检测偏向将上述任一排序序列剔除，各个备选检测方案的该序列评分均为0。进一步提升个性化定制金属网检测方案的可控性，充分迎合用户需求，为金属网检测方案智能匹配赋能，有助于提高用户满意度。
在用户选择亲自介入检测方案选择程序时，方案匹配模型将方案评分最高的备选检测方案作为最佳检测方案发送至管理人员处，若管理人员否定该最佳检测方案，则方案评分数值高低排序顺次选取剩余方案评分最高的备选检测方案作为最佳检测方案发送至管理人员处，直至用户选定最佳检测方案。在用户选择干预检测方案选择程序时，通过方案匹配模型的设置，实现备选检测方案的筛序和评分，由主导匹配转变为智能辅助，实现为用户智能推送检测方案，便于用户高效选取符合其心意的备选检测方案作为最佳检测方案。
参照图4，所述基于金属网检测数据生成该金属网的初步检测报告，并绘制金属网性能多维图附于初步检测报告中生成金属网检测报告具体包括以下步骤：
C1、生成该金属网的初步检测报告：将金属网检测数据导入预设置检测报告模版中，剔除无数据项生成该金属网的初步检测报告，所述预设置检测报告模版为遍历金属网全部检测项报告模版组合而成；
C2、绘制生成金属网性能多维图：对金属网检测数据进行数据清洗得到代表金属网性能参数的性能检测数据绘制生成金属网性能多维图；
C3、生成金属网检测报告：将金属网性能多维图置顶于附于初步检测报告中生成金属网检测报告。通过上述步骤实现智能生成金属网检测报告，便于用户直观了解金属网各项数据，通过对金属网数据进行数据清洗基于该金属网的被测性能项绘制金属网性能多维图，有助于阅览金属网检测报告的人员直观了解到金属网的各项性能参数，为用户提供阅览指引，便于用户更有针对性查看金属网检测报告，节约用户时间，提高用户满意度。
参照图5，所述对金属网检测数据进行数据清洗得到代表金属网性能参数的性能检测数据绘制生成金属网性能多维图具体包括以下步骤：
D1、对金属网检测数据进行数据清洗：对金属网检测数据进行数据清洗，筛选得到代表金属网性能参数的性能检测数据得到代表金属网性能参数的性能检测数据；
D2、确定至少一个金属网已检测的性能项及性能参数：基于性能检测数据确定至少一个金属网已检测的性能项及性能参数；
D3、在性能圆环内基于性能检测数据绘制多边性能图形生成金属网性能多维图：将金属网已检测的性能项均匀标注于预设置的性能圆环上，并在性能圆环内基于性能检测数据绘制多边性能图形生成金属网性能多维图，所述多边性能图形的各个顶点分别指向性能圆环上标注的各个性能项标注点，且所述多边性能图形的各个顶点与其指向的性能项标注点的距离取决于该顶点代表金属网性能项参数与预设置金属网性能阈值差值。其中性能圆环上设置各个性能项标注点均代表该性能项的金属网性能阈值，圆心点为0，则性能圆环圆心点到多边性能图形顶点的距离代表该金属网对应性能项的性能参数；多边性能图形顶点到性能圆环上性能项点的距离为该性能项的属网性能阈值与金属网性能项参数的差值。通过绘制性能圆环和多边性能图形生成金属网性能多维图，能够直观展示出金属网检测得到的各个性能项的性能参数，节约检测报告整理汇总时间，有助于阅览金属网检测报告的人员直观了解到金属网的各项性能参数，使得检测报告更加直观精准，便于用户更有针对性查看金属网检测报告，大大缩减用户阅览报告时长，有助于用户快速确定阅览重点，提高金属网检测报告的可读性。
另外，在在性能圆环内基于性能检测数据绘制多边性能图形生成金属网性能多维图时，对多边性能图形从性能圆环圆心出发基于顶点数量进行均分形成若干个性能块，基于性能检测数据根据预设置色块对比表对各个性能块进行着色。基于多边性能图形顶点数量从圆心出发对多边性能图形进行均分生成若干个性能块，再基于各个性能块对应性能参数对色块进行染色，使得金属网各个性能项的是否达标变得更加直观，有助于引导用户直观了解到金属网不合格性能项、优异性能项和平庸性能项。在本实施例中将性能参数超出预设优异性能阈值的性能块涂为绿色，将性能参数超出预设合格性能阈值但未超出优异性能阈值的性能块涂为蓝色，将性能参数未超出预设合格性能阈值的性能块涂为红色。另外对各个性能块进行色深调整，如绿色性能块的性能参数超出预设优异性能阈值越多则绿色越深，蓝色性能块的性能参数越靠近预设优异性能阈值则越蓝，红色性能块的性能参数越原理预设合格性能阈值则越红。进一步提高金属网性能多维图直观性，便于更加直观表现金属网各项性能参数的实际情况。
为了提升检测报告观看体验，在将金属网检测数据导入预设置检测报告模版时，基于检测报告模版需求对部分检测项的金属网检测数据通过图形工具绘制线形图、柱状图、饼状图或流程图；并对检测报告进行多级显示设置，基于用户需求对部分金属网检测数据进行折叠显示。
以上实施例仅用以说明本发明的技术方案，而非对发明的保护范围进行限制。显然，所描述的实施例仅仅是本发明部分实施例，而不是全部实施例。基于这些实施例，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，都属于本发明所要保护的范围。尽管参照上述实施例对本发明进行了详细的说明，本领域普通技术人员依然可以在不冲突的情况下，不作出创造性劳动对本发明各实施例中的特征根据情况相互组合、增删或作其他调整，从而得到不同的、本质未脱离本发明的构思的其他技术方案，这些技术方案也同样属于本发明所要保护的范围。
Claims (8)
1.一种基于大数据的金属网智能检测方法，其特征在于，包括以下步骤：
用户输入待检测金属网信息，所述待检测金属网信息包括金属网规格信息、金属网材质信息、金属网检测需求信息和检测喜好信息；
基于待检测金属网信息匹配确定最佳检测方案，所述最佳检测方案包括至少一个金属网检测设备和检测工艺流程信息；
基于最佳检测方案生成调度指令，检测人员根据调度指令将待检测金属网运输至金属网检测设备处；
根据检测工艺流程信息生成控制参数和控制指令，将控制参数发送至金属网检测设备处进行参数设定，将控制指令发送至金属网检测设备处使得金属网检测设备根据检测工艺流程对待检测金属网进行检测，并生成金属网检测数据；
基于金属网检测数据生成该金属网的初步检测报告，并绘制金属网性能多维图附于初步检测报告中生成金属网检测报告；
所述基于金属网检测数据生成该金属网的初步检测报告，并绘制金属网性能多维图附于初步检测报告中生成金属网检测报告具体包括以下步骤：
将金属网检测数据导入预设置检测报告模版中，剔除无数据项生成该金属网的初步检测报告，所述预设置检测报告模版为遍历金属网全部检测项报告模版组合而成；
对金属网检测数据进行数据清洗得到代表金属网性能参数的性能检测数据绘制生成金属网性能多维图；
将金属网性能多维图置顶于附于初步检测报告中生成金属网检测报告；
所述对金属网检测数据进行数据清洗得到代表金属网性能参数的性能检测数据绘制生成金属网性能多维图具体包括以下步骤：
对金属网检测数据进行数据清洗，筛选得到代表金属网性能参数的性能检测数据得到代表金属网性能参数的性能检测数据；
基于性能检测数据确定至少一个金属网已检测的性能项及性能参数；
将金属网已检测的性能项均匀标注于预设置的性能圆环上，并在性能圆环内基于性能检测数据绘制多边性能图形生成金属网性能多维图，所述多边性能图形的各个顶点分别指向性能圆环上标注的各个性能项标注点，且所述多边性能图形的各个顶点与其指向的性能项标注点的距离取决于该顶点代表金属网性能项参数与预设置金属网性能阈值差值。
2.根据权利要求1所述的一种基于大数据的金属网智能检测方法，其特征在于：所述在性能圆环内基于性能检测数据绘制多边性能图形生成金属网性能多维图还包括：对多边性能图形从性能圆环圆心出发基于顶点数量进行均分形成若干个性能块，基于性能检测数据根据预设置色块对比表对各个性能块进行着色。
3.根据权利要求1所述的一种基于大数据的金属网智能检测方法，其特征在于，所述将金属网检测数据导入预设置检测报告模版中还包括：基于检测报告模版需求对部分检测项的金属网检测数据通过图形工具绘制线形图、柱状图、饼状图或流程图；并对检测报告进行多级显示设置，基于用户需求对部分金属网检测数据进行折叠显示。
4.根据权利要求1所述的一种基于大数据的金属网智能检测方法，其特征在于：所述基于待检测金属网信息匹配确定最佳检测方案具体包括以下步骤：
根据待检测金属网信息通过预设置的检测方案匹配模型匹配确定至少一个满足金属网检测需求信息的备选检测方案，所述备选检测方案包括至少一个金属网检测设备和检测工艺流程信息；所述方案匹配模型为机器学习模型通过历史数据训练而成；
通过预设置的方案评分计算公式计算各个备选检测方案的方案评分；
对各个备选检测方案基于方案评分数值高低排序，选取方案评分最高的备选检测方案作为最佳检测方案。
5.根据权利要求4所述的一种基于大数据的金属网智能检测方法，其特征在于，所述通过预设置的方案评分计算公式计算各个备选检测方案的方案评分具体包括以下步骤：
将各个备选检测方案基于检测时长、检测成本、检测精度、检测消耗金属网数量以及检测操作难度进行排序生成耗时序列、成本序列、精度序列、耗材序列以及操作难度序列；
根据预设置的序列排名分值对照表确定各个备选检测方案的耗时序列评分、成本序列评分、精度序列评分、耗材序列评分以及操作难度序列评分；
基于待检测金属网信息中的检测喜好信息确定用户检测偏向，根据用户检测偏向确定上述任一排序序列作为最高优先级序列，其他排序序列作为次优先级序列，若不存在检测喜好信息则默认精度序列作为最高优先级序列；
基于各个备选检测方案的最高优先级序列评分和次优先级序列评分，通过预设置的方案评分计算公式计算各个备选检测方案的方案评分。
6.根据权利要求5所述的一种基于大数据的金属网智能检测方法，其特征在于，所述预设置的方案评分计算公式具体为：
其中Pi为第i个备选检测方案的方案评分，N1为最高优先级序列评分系数，N2为次优先级序列评分系数，且N1、N2均由管理人员设置；Zi为第i个备选检测方案的最高优先级序列评分，Cij为第i个备选检测方案的第j个次优先级序列评分。
7.根据权利要求5所述的一种基于大数据的金属网智能检测方法，其特征在于，所述根据用户检测偏向确定上述任一排序序列作为最高优先级序列还包括：根据用户检测偏向将上述任一排序序列剔除，各个备选检测方案的该序列评分均为0。
8.根据权利要求4所述的一种基于大数据的金属网智能检测方法，其特征在于，所述选取方案评分最高的备选检测方案作为最佳检测方案还包括：将方案评分最高的备选检测方案作为最佳检测方案发送至管理人员处，若管理人员否定该最佳检测方案，则方案评分数值高低排序顺次选取剩余方案评分最高的备选检测方案作为最佳检测方案发送至管理人员处，直至用户选定最佳检测方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310873646.XA CN117056384A (zh) | 2023-07-17 | 2023-07-17 | 一种基于大数据的金属网智能检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310873646.XA CN117056384A (zh) | 2023-07-17 | 2023-07-17 | 一种基于大数据的金属网智能检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117056384A true CN117056384A (zh) | 2023-11-14 |
Family
ID=88661582
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310873646.XA Pending CN117056384A (zh) | 2023-07-17 | 2023-07-17 | 一种基于大数据的金属网智能检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117056384A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117092962A (zh) * | 2023-10-19 | 2023-11-21 | 常州市百宏智能科技有限公司 | 一种数控机床加工控制系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115562979A (zh) * | 2022-09-27 | 2023-01-03 | 上海艾柯检测科技有限公司 | 一种基于人工智能的自动生成测试报告的方法 |
| CN116228043A (zh) * | 2023-05-05 | 2023-06-06 | 苏州德耐纳米科技有限公司 | 一种镀膜机镀膜均匀性评估系统 |
-
2023
- 2023-07-17 CN CN202310873646.XA patent/CN117056384A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115562979A (zh) * | 2022-09-27 | 2023-01-03 | 上海艾柯检测科技有限公司 | 一种基于人工智能的自动生成测试报告的方法 |
| CN116228043A (zh) * | 2023-05-05 | 2023-06-06 | 苏州德耐纳米科技有限公司 | 一种镀膜机镀膜均匀性评估系统 |
Non-Patent Citations (1)
| Title |
|---|
| 山谷视觉UI设计公司: "可视化图表：雷达图的全面介绍，一篇就够 了", pages 1 - 7, Retrieved from the Internet <URL:https://baijiahao.baidu.com/s?id=1771091814459178031&w fr=spider&for=pc> * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117092962A (zh) * | 2023-10-19 | 2023-11-21 | 常州市百宏智能科技有限公司 | 一种数控机床加工控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117056384A (zh) | 一种基于大数据的金属网智能检测方法 | |
| CN110309807A (zh) | Cad图纸智能识别方法 | |
| CN110750567A (zh) | 一种基于智能衣柜的穿搭数据生成方法及系统 | |
| JPH05242165A (ja) | 画像データベースシステム | |
| CN104268572B (zh) | 面向后台多源数据的特征提取和特征选择方法 | |
| CN111415131A (zh) | 一种基于自然语言处理技术的大数据人才简历分析方法 | |
| CN107943827A (zh) | 一种数据的快速自定义图表展现方法及装置 | |
| CN110837703A (zh) | 基于Pro/E的液压缸快速设计系统及方法 | |
| CN112819918A (zh) | 可视化图表的智能生成方法及装置 | |
| CN111177495A (zh) | 一种智能识别数据内容并生成相应行业报告的方法 | |
| CN115578014A (zh) | 一种工艺数据匹配方法、系统、存储介质及智能终端 | |
| WO2020085114A1 (ja) | 情報処理装置、情報処理方法、および、プログラム | |
| TWI684147B (zh) | 雲端自助分析平台與其分析方法 | |
| US20240104804A1 (en) | System for clustering data points | |
| Law et al. | Expertfit: total support for simulation input modeling | |
| JP4351578B2 (ja) | 生産計画の支援システム及びコンピュータプログラム | |
| US20060209070A1 (en) | Apparatus for displaying workflow, method for displaying workflow, and program for displaying workflow | |
| JP3934075B2 (ja) | 解析結果表示プログラム | |
| JP6160522B2 (ja) | デザイン管理装置及びプログラム | |
| CN111080121B (zh) | 一种用于不同链长的控制图模式识别方法 | |
| CN109472840B (zh) | 一种颜色替换方法及系统 | |
| CN111080150A (zh) | 生产数据分析方法、装置、设备及介质 | |
| CN110990969A (zh) | 离心风机匹配选型方法 | |
| CN110069646B (zh) | 一种中国画色彩特征的颜色可视表达方法 | |
| CN117171381B (zh) | 基于结构化数据表的交互式图数据构建方法、系统及装置 |
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 |