CN117235606A - 特种不锈钢的生产质量管理方法及系统 - Google Patents
特种不锈钢的生产质量管理方法及系统 Download PDFInfo
- Publication number
- CN117235606A CN117235606A CN202311494594.1A CN202311494594A CN117235606A CN 117235606 A CN117235606 A CN 117235606A CN 202311494594 A CN202311494594 A CN 202311494594A CN 117235606 A CN117235606 A CN 117235606A
- Authority
- CN
- China
- Prior art keywords
- stainless steel
- production
- detection
- application
- special
- 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
- 229910001220 stainless steel Inorganic materials 0.000 title claims abstract description 362
- 239000010935 stainless steel Substances 0.000 title claims abstract description 362
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 245
- 238000007726 management method Methods 0.000 title claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 206
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims abstract description 22
- 238000012360 testing method Methods 0.000 claims abstract description 15
- 238000009826 distribution Methods 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 21
- 230000011218 segmentation Effects 0.000 claims description 16
- 238000003908 quality control method Methods 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 13
- 230000007797 corrosion Effects 0.000 claims description 10
- 238000005260 corrosion Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 8
- 238000011002 quantification Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012916 structural analysis Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000011056 performance test Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000003326 Quality management system Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 230000001276 controlling effect Effects 0.000 abstract description 2
- 230000001105 regulatory effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- General Factory Administration (AREA)
Abstract
本发明公开了特种不锈钢的生产质量管理方法及系统，应用于数据处理技术领域，该方法包括：通过获取应用场景要素信息，确定不锈钢应用质量标准。对不锈钢进行多维生产质量检测，获得不锈钢生产检测数据流。获取不锈钢生产数据库，不锈钢生产数据库包括历史不锈钢的生产检测数据和应用质量标准。获得分类检测样本数据集。基于分类检测样本数据集训练构建不锈钢生产质量检测自适应模型，并基于不锈钢生产质量检测自适应模型对不锈钢生产检测数据流进行分析，获得不锈钢质量检测结果，对不锈钢的生产参数进行质量调控。解决了现有技术中不锈钢的生产与实际应用场景不匹配，导致不锈钢在实际应用环境中存在性能匹配度不高的技术问题。
Description
技术领域
本发明涉及数据处理领域，尤其涉及特种不锈钢的生产质量管理方法及系统。
背景技术
不锈钢具备优异的耐腐蚀性、成型性以及强韧性被广泛应用于重工业、轻工业、生活用品等行业中。而对于不锈钢的生产，由于缺少实际应用场景参数的匹配，导致特种不锈钢产品与实际应用场景不匹配，导致不锈钢在实际应用环境中存在性能过剩或性能不足的问题。
因此，在现有技术中不锈钢的生产与实际应用场景不匹配，导致不锈钢在实际应用环境中存在性能匹配度不高的技术问题。
发明内容
本申请通过提供特种不锈钢的生产质量管理方法及系统，解决了在现有技术中不锈钢的生产与实际应用场景不匹配，导致不锈钢在实际应用环境中存在性能匹配度不高的技术问题。
本申请提供特种不锈钢的生产质量管理方法，所述方法包括：对特种不锈钢的应用信息进行要素提取，获得应用场景要素信息；获得特种不锈钢应用指标，所述特种不锈钢应用指标包括结构外观、拉伸强度、密度硬度、耐腐蚀性、耐高温性；基于所述特种不锈钢应用指标对所述应用场景要素信息进行应用标准量化，确定特种不锈钢应用质量标准；对目标特种不锈钢进行多维生产质量检测，获得不锈钢生产检测数据流；获取特种不锈钢生产数据库，所述特种不锈钢生产数据库包括历史特种不锈钢的生产检测数据和应用质量标准；基于所述特种不锈钢应用指标对所述特种不锈钢生产数据库进行分类，获得分类检测样本数据集；基于所述分类检测样本数据集训练构建不锈钢生产质量检测自适应模型，并基于所述不锈钢生产质量检测自适应模型对所述不锈钢生产检测数据流进行分析，获得特种不锈钢质量检测结果；基于所述特种不锈钢质量检测结果，对所述目标特种不锈钢的生产参数进行质量调控。
本申请还提供了特种不锈钢的生产质量管理系统，所述系统包括：场景要素信息获取模块，用于对特种不锈钢的应用信息进行要素提取，获得应用场景要素信息；应用指标获取模块，用于获得特种不锈钢应用指标，所述特种不锈钢应用指标包括结构外观、拉伸强度、密度硬度、耐腐蚀性、耐高温性；质量标准获取模块，用于基于所述特种不锈钢应用指标对所述应用场景要素信息进行应用标准量化，确定特种不锈钢应用质量标准；生产检测数据流获取模块，用于对目标特种不锈钢进行多维生产质量检测，获得不锈钢生产检测数据流；数据库获取模块，用于获取特种不锈钢生产数据库，所述特种不锈钢生产数据库包括历史特种不锈钢的生产检测数据和应用质量标准；数据库分类模块，用于基于所述特种不锈钢应用指标对所述特种不锈钢生产数据库进行分类，获得分类检测样本数据集；质量检测结果获取模块，用于基于所述分类检测样本数据集训练构建不锈钢生产质量检测自适应模型，并基于所述不锈钢生产质量检测自适应模型对所述不锈钢生产检测数据流进行分析，获得特种不锈钢质量检测结果；质量调控模块，用于基于所述特种不锈钢质量检测结果，对所述目标特种不锈钢的生产参数进行质量调控。
本申请还提供了一种电子设备，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现本申请提供的特种不锈钢的生产质量管理方法。
本申请提供一种计算机可读存储介质，存储有计算机程序，该程序被处理器执行时，实现本申请提供的特种不锈钢的生产质量管理方法。
拟通过本申请提出的特种不锈钢的生产质量管理方法及系统，通过获取应用场景要素信息，确定不锈钢应用质量标准。对不锈钢进行多维生产质量检测，获得不锈钢生产检测数据流。获取不锈钢生产数据库，不锈钢生产数据库包括历史不锈钢的生产检测数据和应用质量标准。获得分类检测样本数据集。基于分类检测样本数据集训练构建不锈钢生产质量检测自适应模型，并基于不锈钢生产质量检测自适应模型对不锈钢生产检测数据流进行分析，获得不锈钢质量检测结果，对不锈钢的生产参数进行质量调控。实现了基于应用场景要素对不锈钢的精准匹配，并对具体的生产过程进行寻优调整，保障了不锈钢质量参数与应用场景的匹配度。解决了现有技术中不锈钢的生产与实际应用场景不匹配，导致不锈钢在实际应用环境中存在性能匹配度不高的技术问题。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对本公开实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本公开的一些实施例，而非对本公开的限制。
图1为本申请实施例提供的特种不锈钢的生产质量管理方法的流程示意图；
图2为本申请实施例提供的特种不锈钢的生产质量管理方法生成不锈钢生产检测数据流的流程示意图；
图3为本申请实施例提供的特种不锈钢的生产质量管理方法生成不锈钢生产质量检测自适应模型的流程示意图；
图4为本申请实施例提供的特种不锈钢的生产质量管理方法的系统的结构示意图；
图5为本发明实施例提供的特种不锈钢的生产质量管理方法的系统电子设备的结构示意图。
附图标记说明：场景要素信息获取模块11，应用指标获取模块12，质量标准获取模块13，生产检测数据流获取模块14，数据库获取模块15，数据库分类模块16，质量检测结果获取模块17，质量调控模块18，处理器31，存储器32，输入装置33，输出装置34。
具体实施方式
实施例1
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上，所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
如图1所示，本申请实施例提供了特种不锈钢的生产质量管理方法，所述方法包括：
S10：对特种不锈钢的应用信息进行要素提取，获得应用场景要素信息；
S20：获得特种不锈钢应用指标，所述特种不锈钢应用指标包括结构外观、拉伸强度、密度硬度、耐腐蚀性、耐高温性；
S30：基于所述特种不锈钢应用指标对所述应用场景要素信息进行应用标准量化，确定特种不锈钢应用质量标准；
S40：对目标特种不锈钢进行多维生产质量检测，获得不锈钢生产检测数据流；
具体的，不锈钢具备优异的耐腐蚀性、成型性以及强韧性被广泛应用于重工业、轻工业、生活用品等行业中。
通过对不锈钢的应用信息进行要素提取，获取不锈钢的实际应用场景，获得应用场景要素信息。应用场景要素信息为不锈钢的应用信息中的场景要素，应用于高温环境的具体温度、强度要求、外观要求等。随后，获取特种不锈钢应用指标，所述特种不锈钢应用指标包括结构外观、拉伸强度、密度硬度、耐腐蚀性、耐高温性。进一步，基于特种不锈钢应用指标对所述应用场景要素信息进行应用标准量化，如耐高温的具体数值、外观需求数值等，即满足不锈钢应用环境的具体生产质量标准阈值，从而确定特种不锈钢应用质量标准。随后，从生产监控、产品性能、产品结构参数等多个维度，对目标特种不锈钢进行多维生产质量检测，获得不锈钢生产检测数据流。
如图2所示，本申请实施例提供的方法S40还包括：
S41：通过工业视觉模块对所述特种不锈钢进行全方位监控，获得不锈钢生产监控视频；
S42：对所述不锈钢生产监控视频进行视频压缩、关键帧提取，获得不锈钢生产关键图像信息；
S43：基于所述不锈钢生产关键图像信息进行结构分析，获得不锈钢结构检测数据流；
S44：根据所述特种不锈钢应用指标依次对所述目标特种不锈钢进行性能检测，获得不锈钢应用性能检测数据流；
S45：基于所述不锈钢结构检测数据流和所述不锈钢应用性能检测数据流，生成所述不锈钢生产检测数据流。
具体的，在获取不锈钢生产检测数据流时，通过工业视觉模块对所述特种不锈钢进行全方位监控，获得不锈钢生产监控视频。随后，对所述不锈钢生产监控视频进行视频压缩、关键帧提取，获得不锈钢生产关键图像信息。其中关键帧为不锈钢生产监控过程中重要生产步骤的处理图像，如结构组装图像等。随后，基于所述不锈钢生产关键图像信息进行结构分析，获得不锈钢结构检测数据流。根据所述特种不锈钢应用指标依次对所述目标特种不锈钢进行性能检测，通过专业测试设备或实验设备进行性能检测，获得不锈钢应用性能检测数据流。基于所述不锈钢结构检测数据流和所述不锈钢应用性能检测数据流，生成所述不锈钢生产检测数据流。
本申请实施例提供的方法S43还包括：
S431：基于所述不锈钢生产关键图像信息进行超像素预处理，获得不锈钢生产超像素块区域集合；
S432：对所述不锈钢生产超像素块区域集合进行语义分割，获得不锈钢结构特征语义分割结果；
S433：根据所述不锈钢结构特征语义分割结果，获得不锈钢结构分布面积信息；
S434：基于所述不锈钢结构分布面积信息，生成所述不锈钢结构检测数据流。
具体的，在基于所述不锈钢生产关键图像信息进行结构分析，获得不锈钢结构检测数据流时，基于所述不锈钢生产关键图像信息进行超像素预处理，获得不锈钢生产超像素块区域集合。随后，对不锈钢生产超像素块区域集合根据结构进行语义分割，获得不锈钢结构特征语义分割结果，即根据不锈钢结构对超像素块区域集合进行不同区域的划分。根据所述不锈钢结构特征语义分割结果，获得不锈钢结构分布面积信息。基于所述不锈钢结构分布面积信息，在不锈钢结构分布面积信息中包含各不锈钢结构的分布区域面积，最后生成所述不锈钢结构检测数据流。
本申请实施例提供的方法S431还包括：
S4311：初始化关键图像种子点，并在所述关键图像种子点的预设邻域内重新选择目标种子点；
S4312：对所述目标种子点的邻域像素点集合分配类标签，获得像素点种子标签集合；
S4313：计算所述邻域像素点集合中每个像素点和所述目标种子点的颜色距离信息和空间距离信息，并对所述颜色距离信息和空间距离信息进行融合计算获得像素距离信息集；
S4314：筛选所述像素距离信息集中最小距离的种子点作为像素点聚类中心，并迭代优化至预设次数，将所述像素点聚类中心和所述像素点种子标签集合进行匹配分割，获得所述不锈钢生产超像素块区域集合。
具体的，在获得不锈钢生产超像素块区域集合时，通过初始化关键图像种子点，该初始化关键图像种子点可以根据实际图像特征进行人工选取，并在所述关键图像种子点的预设邻域内重新选择目标种子点。随后，对目标种子点的邻域像素点集合分配类标签，获得像素点种子标签集合，即标记目标种子点的邻域像素点集合所属的聚类中心，获得像素点种子标签集合。计算所述邻域像素点集合中每个像素点和所述目标种子点的颜色距离信息和空间距离信息，并对所述颜色距离信息和空间距离信息进行融合计算获得像素距离信息集。最后，筛选所述像素距离信息集中最小距离的种子点作为像素点聚类中心，并迭代优化至预设次数，其中预设次数为预先设定的不断迭代直到误差收敛的次数，即聚类中心不再发生变化的迭代次数。将所述像素点聚类中心和所述像素点种子标签集合进行匹配分割，获得所述不锈钢生产超像素块区域集合。
S50：获取特种不锈钢生产数据库，所述特种不锈钢生产数据库包括历史特种不锈钢的生产检测数据和应用质量标准；
S60：基于所述特种不锈钢应用指标对所述特种不锈钢生产数据库进行分类，获得分类检测样本数据集；
S70：基于所述分类检测样本数据集训练构建不锈钢生产质量检测自适应模型，并基于所述不锈钢生产质量检测自适应模型对所述不锈钢生产检测数据流进行分析，获得特种不锈钢质量检测结果；
S80：基于所述特种不锈钢质量检测结果，对所述目标特种不锈钢的生产参数进行质量调控。
具体的，获取特种不锈钢生产数据库，在所述特种不锈钢生产数据库包括历史特种不锈钢的生产检测数据和应用质量标准。随后，基于特种不锈钢应用指标对所述特种不锈钢生产数据库进行分类，分别获取特种不锈钢生产数据库中对应的特种不锈钢应用指标的数据，获得分类检测样本数据集。基于所述分类检测样本数据集训练构建不锈钢生产质量检测自适应模型，并基于所述不锈钢生产质量检测自适应模型对所述不锈钢生产检测数据流进行分析，获得特种不锈钢质量检测结果，在特种不锈钢质量检测结果中包含拉伸强度、密度硬度、耐腐蚀性、耐高温性等指标的检测符合结果。最后，基于获取的特种不锈钢质量检测结果，对所述目标特种不锈钢的生产参数进行质量调控。实现了基于应用场景要素对不锈钢的精准匹配，并对具体的生产过程进行寻优调整，保障了不锈钢质量参数与应用场景的匹配度。
如图3所示，本申请实施例提供的方法S70还包括：
S71：对所述分类检测样本数据集分别进行等分权重层训练，得到初始生产质量检测分支模型集合；
S72：基于所述初始生产质量检测分支模型集合的模型输出结果进行验证，获得模型检测误差率信息集；
S73：基于所述模型检测误差率信息集，更新所述分类检测样本数据集的权值分布，用于进行下一轮迭代，获得不锈钢生产质量检测分支模型集合；
S74：将所述不锈钢生产质量检测分支模型集合中的各分支模型进行融合，生成所述不锈钢生产质量检测自适应模型。
具体的，对分类检测样本数据集分别进行等分权重层训练，即对分类检测样本数据集中各分类检测样本数据首先按照等分权重层进行神经网络模型训练，通过将分类后的检测样本数据输入未经训练的神经网络模型中，进行模型训练，直至完成所有训练数据的训练，获取各个检测指标对应的分类检测样本数据集的模型训练结果，得到初始生产质量检测分支模型集合。随后，对获取的初始生产质量检测分支模型集合的模型输出结果进行验证，获得模型检测误差率信息集，在模型检测误差率信息集中包含指标对应模型的误差率以及对应错误输出的样本数据。基于模型检测误差率信息集，更新所述分类检测样本数据集的权值分布，即获取各检测指标对应模型的检测误差率信息集，并获取存在错误输出的样本数据，对分类检测样本数据集的权重进行更新。将更新后的分类检测样本数据集对初始生产质量检测分支模型集合进行下多次迭代训练，从而获得不锈钢生产质量检测分支模型集合，在获取不锈钢生产质量检测分支模型集合时的迭代训练次数为多次，其迭代终止条件为模型的输出结果满足预定准确率时或满足预设的迭代次数时，停止对模型的迭代训练。进一步提高检测分支模型的输出准确度，以及客户需求的符合程度。最后，将所述不锈钢生产质量检测分支模型集合中的各分支模型进行融合，生成所述不锈钢生产质量检测自适应模型。
本申请实施例提供的方法S73还包括：
S731：对所述特种不锈钢应用指标进行重要性评价，获得应用指标重要性系数；
S732：根据所述应用指标重要性系数对所述模型检测误差率信息集进行参数融合，获取所述不锈钢生产质量检测分支模型集合的模型关键性参数集合；
S733：以所述模型关键性参数集合更新所述分类检测样本数据集的权值分布。
具体的，在进行更新分类检测样本数据集的权值分布时，通过对特种不锈钢应用指标进行重要性评价，评价各分类检测样本数据对应的不锈钢应用指标的重要程度，在进行评价时可以根据客户的实际需求偏好进行重要程度获取，从而获得应用指标重要性系数。不同指标存在不同的重要性系数，且所有指标的重要性系数加和为1。
根据应用指标重要性系数对所述模型检测误差率信息集进行参数融合，即根据指标重要性系数对模型检测误差率信息集进行权重分配，从而使得不同模型检测误差率信息集具备不同的权重系数，在完成对模型检测误差率信息集的权重分配后，提高模型检测误差率信息集对应错误输出的样本数据的权重占比，其中各指标对应模型的错误输出的样本数据的权重占比与正确输出的样本数据权重占比一致。最后，获取所述不锈钢生产质量检测分支模型集合的模型关键性参数集合，在模型关键性参数集合中包含各指标对应样本数据的权重、各指标对应模型的错误输出的样本数据的权重。最后，以所述模型关键性参数集合更新所述分类检测样本数据集的权值分布。
本申请实施例提供的方法S80还包括：
S81：根据所述特种不锈钢质量检测结果，获得目标优化性能信息；
S82：基于所述目标优化性能信息，确定生产参数取值阈值；
S83：根据所述生产参数取值阈值，设置不锈钢生产寻优空间；
S84：基于所述特种不锈钢应用指标在所述不锈钢生产寻优空间内进行全局寻优，输出不锈钢生产优化参数，并基于不锈钢生产优化参数对所述目标特种不锈钢进行生产优化。
具体的，根据特种不锈钢质量检测结果，获得目标优化性能信息，即获取对应指标的优化性能。随后，基于目标优化性能信息，确定生产参数取值阈值，该生产参数阈值可以根据生产经验大数据进行具体的生产参数取值阈值的获取。进一步，根据所述生产参数取值阈值，设置不锈钢生产寻优空间。随后，基于所述特种不锈钢应用指标在所述不锈钢生产寻优空间内进行全局寻优，获取历史生产数据中在对应生产寻优空间内的最优生产数据，输出不锈钢生产优化参数，并基于不锈钢生产优化参数对所述目标特种不锈钢进行生产优化。
本发明实施例所提供的技术方案，通过对特种不锈钢的应用信息进行要素提取，获得应用场景要素信息。获得特种不锈钢应用指标对所述应用场景要素信息进行应用标准量化，确定特种不锈钢应用质量标准。对目标特种不锈钢进行多维生产质量检测，获得不锈钢生产检测数据流。获取特种不锈钢生产数据库，所述特种不锈钢生产数据库包括历史特种不锈钢的生产检测数据和应用质量标准。基于所述特种不锈钢应用指标对所述特种不锈钢生产数据库进行分类，获得分类检测样本数据集。基于所述分类检测样本数据集训练构建不锈钢生产质量检测自适应模型，并基于所述不锈钢生产质量检测自适应模型对所述不锈钢生产检测数据流进行分析，获得特种不锈钢质量检测结果。基于所述特种不锈钢质量检测结果，对所述目标特种不锈钢的生产参数进行质量调控。实现了基于应用场景要素对不锈钢的精准匹配，并对具体的生产过程进行寻优调整，保障了不锈钢质量参数与应用场景的匹配度。解决了现有技术中不锈钢的生产与实际应用场景不匹配，导致不锈钢在实际应用环境中存在性能匹配度不高的技术问题。
实施例2
基于与前述实施例中特种不锈钢的生产质量管理方法同样发明构思，本发明还提供了特种不锈钢的生产质量管理方法的系统，系统可以由硬件和/或软件的方式来实现，一般可集成于电子设备中，用于执行本发明任意实施例所提供的方法。如图4所示，所述系统包括：
场景要素信息获取模块11，用于对特种不锈钢的应用信息进行要素提取，获得应用场景要素信息；
应用指标获取模块12，用于获得特种不锈钢应用指标，所述特种不锈钢应用指标包括结构外观、拉伸强度、密度硬度、耐腐蚀性、耐高温性；
质量标准获取模块13，用于基于所述特种不锈钢应用指标对所述应用场景要素信息进行应用标准量化，确定特种不锈钢应用质量标准；
生产检测数据流获取模块14，用于对目标特种不锈钢进行多维生产质量检测，获得不锈钢生产检测数据流；
数据库获取模块15，用于获取特种不锈钢生产数据库，所述特种不锈钢生产数据库包括历史特种不锈钢的生产检测数据和应用质量标准；
数据库分类模块16，用于基于所述特种不锈钢应用指标对所述特种不锈钢生产数据库进行分类，获得分类检测样本数据集；
质量检测结果获取模块17，用于基于所述分类检测样本数据集训练构建不锈钢生产质量检测自适应模型，并基于所述不锈钢生产质量检测自适应模型对所述不锈钢生产检测数据流进行分析，获得特种不锈钢质量检测结果；
质量调控模块18，用于基于所述特种不锈钢质量检测结果，对所述目标特种不锈钢的生产参数进行质量调控。
进一步地，所述生产检测数据流获取模块14还用于：
通过工业视觉模块对所述特种不锈钢进行全方位监控，获得不锈钢生产监控视频；
对所述不锈钢生产监控视频进行视频压缩、关键帧提取，获得不锈钢生产关键图像信息；
基于所述不锈钢生产关键图像信息进行结构分析，获得不锈钢结构检测数据流；
根据所述特种不锈钢应用指标依次对所述目标特种不锈钢进行性能检测，获得不锈钢应用性能检测数据流；
基于所述不锈钢结构检测数据流和所述不锈钢应用性能检测数据流，生成所述不锈钢生产检测数据流。
进一步地，所述生产检测数据流获取模块14还用于：
基于所述不锈钢生产关键图像信息进行超像素预处理，获得不锈钢生产超像素块区域集合；
对所述不锈钢生产超像素块区域集合进行语义分割，获得不锈钢结构特征语义分割结果；
根据所述不锈钢结构特征语义分割结果，获得不锈钢结构分布面积信息；
基于所述不锈钢结构分布面积信息，生成所述不锈钢结构检测数据流。
进一步地，所述生产检测数据流获取模块14还用于：
初始化关键图像种子点，并在所述关键图像种子点的预设邻域内重新选择目标种子点；
对所述目标种子点的邻域像素点集合分配类标签，获得像素点种子标签集合；
计算所述邻域像素点集合中每个像素点和所述目标种子点的颜色距离信息和空间距离信息，并对所述颜色距离信息和空间距离信息进行融合计算获得像素距离信息集；
筛选所述像素距离信息集中最小距离的种子点作为像素点聚类中心，并迭代优化至预设次数，将所述像素点聚类中心和所述像素点种子标签集合进行匹配分割，获得所述不锈钢生产超像素块区域集合。
进一步地，所述质量检测结果获取模块17还用于：
对所述分类检测样本数据集分别进行等分权重层训练，得到初始生产质量检测分支模型集合；
基于所述初始生产质量检测分支模型集合的模型输出结果进行验证，获得模型检测误差率信息集；
基于所述模型检测误差率信息集，更新所述分类检测样本数据集的权值分布，用于进行下一轮迭代，获得不锈钢生产质量检测分支模型集合；
将所述不锈钢生产质量检测分支模型集合中的各分支模型进行融合，生成所述不锈钢生产质量检测自适应模型。
进一步地，所述质量检测结果获取模块17还用于：
对所述特种不锈钢应用指标进行重要性评价，获得应用指标重要性系数；
根据所述应用指标重要性系数对所述模型检测误差率信息集进行参数融合，获取所述不锈钢生产质量检测分支模型集合的模型关键性参数集合；
以所述模型关键性参数集合更新所述分类检测样本数据集的权值分布。
进一步地，所述质量调控模块18还用于：
根据所述特种不锈钢质量检测结果，获得目标优化性能信息；
基于所述目标优化性能信息，确定生产参数取值阈值；
根据所述生产参数取值阈值，设置不锈钢生产寻优空间；
基于所述特种不锈钢应用指标在所述不锈钢生产寻优空间内进行全局寻优，输出不锈钢生产优化参数，并基于不锈钢生产优化参数对所述目标特种不锈钢进行生产优化。
所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例3
图5为本发明实施例三提供的电子设备的结构示意图，示出了适于用来实现本发明实施方式的示例性电子设备的框图。图5显示的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图5所示，该电子设备包括处理器31、存储器32、输入装置33及输出装置34；电子设备中处理器31的数量可以是一个或多个，图5中以一个处理器31为例，电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的特种不锈钢的生产质量管理方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述特种不锈钢的生产质量管理方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.特种不锈钢的生产质量管理方法，其特征在于，所述方法包括：
对特种不锈钢的应用信息进行要素提取，获得应用场景要素信息；
获得特种不锈钢应用指标，所述特种不锈钢应用指标包括结构外观、拉伸强度、密度硬度、耐腐蚀性、耐高温性；
基于所述特种不锈钢应用指标对所述应用场景要素信息进行应用标准量化，确定特种不锈钢应用质量标准；
对目标特种不锈钢进行多维生产质量检测，获得不锈钢生产检测数据流；
获取特种不锈钢生产数据库，所述特种不锈钢生产数据库包括历史特种不锈钢的生产检测数据和应用质量标准；
基于所述特种不锈钢应用指标对所述特种不锈钢生产数据库进行分类，获得分类检测样本数据集；
基于所述分类检测样本数据集训练构建不锈钢生产质量检测自适应模型，并基于所述不锈钢生产质量检测自适应模型对所述不锈钢生产检测数据流进行分析，获得特种不锈钢质量检测结果；
基于所述特种不锈钢质量检测结果，对所述目标特种不锈钢的生产参数进行质量调控。
2.如权利要求1所述的方法，其特征在于，所述获得不锈钢生产检测数据流，包括：
通过工业视觉模块对所述特种不锈钢进行全方位监控，获得不锈钢生产监控视频；
对所述不锈钢生产监控视频进行视频压缩、关键帧提取，获得不锈钢生产关键图像信息；
基于所述不锈钢生产关键图像信息进行结构分析，获得不锈钢结构检测数据流；
根据所述特种不锈钢应用指标依次对所述目标特种不锈钢进行性能检测，获得不锈钢应用性能检测数据流；
基于所述不锈钢结构检测数据流和所述不锈钢应用性能检测数据流，生成所述不锈钢生产检测数据流。
3.如权利要求2所述的方法，其特征在于，所述获得不锈钢结构检测数据流，包括：
基于所述不锈钢生产关键图像信息进行超像素预处理，获得不锈钢生产超像素块区域集合；
对所述不锈钢生产超像素块区域集合进行语义分割，获得不锈钢结构特征语义分割结果；
根据所述不锈钢结构特征语义分割结果，获得不锈钢结构分布面积信息；
基于所述不锈钢结构分布面积信息，生成所述不锈钢结构检测数据流。
4.如权利要求3所述的方法，其特征在于，所述获得不锈钢生产超像素块区域集合，包括：
初始化关键图像种子点，并在所述关键图像种子点的预设邻域内重新选择目标种子点；
对所述目标种子点的邻域像素点集合分配类标签，获得像素点种子标签集合；
计算所述邻域像素点集合中每个像素点和所述目标种子点的颜色距离信息和空间距离信息，并对所述颜色距离信息和空间距离信息进行融合计算获得像素距离信息集；
筛选所述像素距离信息集中最小距离的种子点作为像素点聚类中心，并迭代优化至预设次数，将所述像素点聚类中心和所述像素点种子标签集合进行匹配分割，获得所述不锈钢生产超像素块区域集合。
5.如权利要求1所述的方法，其特征在于，所述基于所述分类检测样本数据集训练构建不锈钢生产质量检测自适应模型，包括：
对所述分类检测样本数据集分别进行等分权重层训练，得到初始生产质量检测分支模型集合；
基于所述初始生产质量检测分支模型集合的模型输出结果进行验证，获得模型检测误差率信息集；
基于所述模型检测误差率信息集，更新所述分类检测样本数据集的权值分布，用于进行下一轮迭代，获得不锈钢生产质量检测分支模型集合；
将所述不锈钢生产质量检测分支模型集合中的各分支模型进行融合，生成所述不锈钢生产质量检测自适应模型。
6.如权利要求5所述的方法，其特征在于，所述基于所述模型检测误差率信息集，更新所述分类检测样本数据集的权值分布，包括：
对所述特种不锈钢应用指标进行重要性评价，获得应用指标重要性系数；
根据所述应用指标重要性系数对所述模型检测误差率信息集进行参数融合，获取所述不锈钢生产质量检测分支模型集合的模型关键性参数集合；
以所述模型关键性参数集合更新所述分类检测样本数据集的权值分布。
7.如权利要求1所述的方法，其特征在于，所述基于所述特种不锈钢质量检测结果，对所述目标特种不锈钢的生产参数进行质量调控，包括：
根据所述特种不锈钢质量检测结果，获得目标优化性能信息；
基于所述目标优化性能信息，确定生产参数取值阈值；
根据所述生产参数取值阈值，设置不锈钢生产寻优空间；
基于所述特种不锈钢应用指标在所述不锈钢生产寻优空间内进行全局寻优，输出不锈钢生产优化参数，并基于不锈钢生产优化参数对所述目标特种不锈钢进行生产优化。
8.特种不锈钢的生产质量管理系统，其特征在于，所述系统包括：
场景要素信息获取模块，用于对特种不锈钢的应用信息进行要素提取，获得应用场景要素信息；
应用指标获取模块，用于获得特种不锈钢应用指标，所述特种不锈钢应用指标包括结构外观、拉伸强度、密度硬度、耐腐蚀性、耐高温性；
质量标准获取模块，用于基于所述特种不锈钢应用指标对所述应用场景要素信息进行应用标准量化，确定特种不锈钢应用质量标准；
生产检测数据流获取模块，用于对目标特种不锈钢进行多维生产质量检测，获得不锈钢生产检测数据流；
数据库获取模块，用于获取特种不锈钢生产数据库，所述特种不锈钢生产数据库包括历史特种不锈钢的生产检测数据和应用质量标准；
数据库分类模块，用于基于所述特种不锈钢应用指标对所述特种不锈钢生产数据库进行分类，获得分类检测样本数据集；
质量检测结果获取模块，用于基于所述分类检测样本数据集训练构建不锈钢生产质量检测自适应模型，并基于所述不锈钢生产质量检测自适应模型对所述不锈钢生产检测数据流进行分析，获得特种不锈钢质量检测结果；
质量调控模块，用于基于所述特种不锈钢质量检测结果，对所述目标特种不锈钢的生产参数进行质量调控。
9.一种电子设备，其特征在于，所述电子设备包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至7任一项所述的特种不锈钢的生产质量管理方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的特种不锈钢的生产质量管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311494594.1A CN117235606A (zh) | 2023-11-10 | 2023-11-10 | 特种不锈钢的生产质量管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311494594.1A CN117235606A (zh) | 2023-11-10 | 2023-11-10 | 特种不锈钢的生产质量管理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117235606A true CN117235606A (zh) | 2023-12-15 |
Family
ID=89088382
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311494594.1A Pending CN117235606A (zh) | 2023-11-10 | 2023-11-10 | 特种不锈钢的生产质量管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117235606A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117804552A (zh) * | 2024-03-01 | 2024-04-02 | 吉林省柏汇物联科技有限公司 | 一种基于物理数据采集分析的钢铁生产检测评估系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116165213A (zh) * | 2022-12-13 | 2023-05-26 | 苏州富邦机械链传动制造有限公司 | 一种不锈钢链条产品质量检验方法及系统 |
| CN116347318A (zh) * | 2023-05-29 | 2023-06-27 | 深圳东原电子有限公司 | 一种音响的智能生产测试方法及系统 |
| CN116433653A (zh) * | 2023-05-17 | 2023-07-14 | 昆明海丘东信息科技有限公司 | 一种基于机器视觉的产品生产管理方法及系统 |
-
2023
- 2023-11-10 CN CN202311494594.1A patent/CN117235606A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116165213A (zh) * | 2022-12-13 | 2023-05-26 | 苏州富邦机械链传动制造有限公司 | 一种不锈钢链条产品质量检验方法及系统 |
| CN116433653A (zh) * | 2023-05-17 | 2023-07-14 | 昆明海丘东信息科技有限公司 | 一种基于机器视觉的产品生产管理方法及系统 |
| CN116347318A (zh) * | 2023-05-29 | 2023-06-27 | 深圳东原电子有限公司 | 一种音响的智能生产测试方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117804552A (zh) * | 2024-03-01 | 2024-04-02 | 吉林省柏汇物联科技有限公司 | 一种基于物理数据采集分析的钢铁生产检测评估系统 |
| CN117804552B (zh) * | 2024-03-01 | 2024-05-07 | 吉林省柏汇物联科技有限公司 | 一种基于物理数据采集分析的钢铁生产检测评估系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110287942B (zh) | 年龄估计模型的训练方法、年龄估计方法以及对应的装置 | |
| US20170330078A1 (en) | Method and system for automated model building | |
| CN108536784B (zh) | 评论信息情感分析方法、装置、计算机存储介质和服务器 | |
| CN116894152B (zh) | 一种多源数据调研与实时分析方法 | |
| CN117235606A (zh) | 特种不锈钢的生产质量管理方法及系统 | |
| CN107016416B (zh) | 基于邻域粗糙集和pca融合的数据分类预测方法 | |
| CN113761259A (zh) | 一种图像处理方法、装置以及计算机设备 | |
| CN113449012A (zh) | 基于大数据预测的互联网服务挖掘方法及大数据预测系统 | |
| CN117453805B (zh) | 一种不确定性数据的可视化分析方法 | |
| CN114139636B (zh) | 异常作业处理方法及装置 | |
| CN111160959A (zh) | 一种用户点击转化预估方法及装置 | |
| Riesener et al. | Methodology for Automated Master Data Management using Artificial Intelligence | |
| CN112347252B (zh) | 一种基于cnn文本分类模型的可解释性分析方法 | |
| CN117078007A (zh) | 一种融合尺度标签的多尺度风控系统及其方法 | |
| CN114861800B (zh) | 模型训练方法、概率确定方法、装置、设备、介质及产品 | |
| CN110879821A (zh) | 评分卡模型衍生标签生成方法、装置、设备及存储介质 | |
| CN113010687B (zh) | 一种习题标签预测方法、装置、存储介质以及计算机设备 | |
| CN115600818A (zh) | 多维评分方法、装置、电子设备和存储介质 | |
| CN115034762A (zh) | 一种岗位推荐方法、装置、存储介质、电子设备及产品 | |
| CN114820074A (zh) | 基于机器学习的目标用户群体预测模型构建方法 | |
| CN113191569A (zh) | 一种基于大数据的企业管理方法及系统 | |
| CN113393023A (zh) | 模具质量评估方法、装置、设备及存储介质 | |
| CN112966449A (zh) | 基于变量选择和概率神经网络的制造过程质量缺陷根源诊断方法 | |
| CN111611981A (zh) | 信息识别方法和装置及信息识别神经网络训练方法和装置 | |
| CN117688485B (zh) | 一种基于深度学习的火灾诱因分析方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20231215 |