CN117765170A - 一种三维可视化的管理方法及系统 - Google Patents
一种三维可视化的管理方法及系统 Download PDFInfo
- Publication number
- CN117765170A CN117765170A CN202311706034.8A CN202311706034A CN117765170A CN 117765170 A CN117765170 A CN 117765170A CN 202311706034 A CN202311706034 A CN 202311706034A CN 117765170 A CN117765170 A CN 117765170A
- Authority
- CN
- China
- Prior art keywords
- target
- information
- important
- dimensional
- regression analysis
- 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.)
- Granted
Links
- 238000012800 visualization Methods 0.000 title claims description 18
- 238000007726 management method Methods 0.000 title abstract description 32
- 230000000007 visual effect Effects 0.000 claims abstract description 173
- 238000000611 regression analysis Methods 0.000 claims abstract description 97
- 238000012216 screening Methods 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 31
- 230000004927 fusion Effects 0.000 claims description 70
- 230000008030 elimination Effects 0.000 claims description 38
- 238000003379 elimination reaction Methods 0.000 claims description 38
- 238000011156 evaluation Methods 0.000 claims description 38
- 238000001914 filtration Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 93
- 239000011159 matrix material Substances 0.000 description 4
- 230000009469 supplementation Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本申请提供的一种三维可视化的管理方法及系统，通过确定目标三维可视化信息集中各重要信息对应的子元素集，从而实现了对目标三维可视化信息集的相关知识的有效补充，通过对子元素集进行关键特征筛选，得到各子元素集的关键特征，并将各关键特征进行特征融合，得到融合关键特征，使得融合关键特征中富含目标三维可视化信息集的相关知识，通过基于融合关键特征，对目标三维可视化信息集进行回归分析，得到目标三维可视化信息集对应的回归分析结果，使得回归分析过程中能够充分考虑目标三维可视化信息集的相关知识，从而能够有效提高可视化事件处理的准确性，从而提高三维可视化信息的管理效率，以实现对工厂的精准管理。
Description
技术领域
本申请涉及数据管理技术领域，具体而言，涉及一种三维可视化的管理方法及系统。
背景技术
随着社会的不断发展与进步，现在工厂企业的数量随着发展也是越来越多，一般在厂区中无论是设备还行为都需要进行规范化的管理，以保证厂区的正常作业，随着科技的发展厂区对设备的管理也逐渐发展为智能化。
但是，对工厂进行管理时，存在工厂信息量巨大问题，如果发生问题在追溯时，可能存在信息难以查询的情况，因此，亟需一种信息管理方法以克服上述问题。
发明内容
为改善相关技术中存在的技术问题，本申请提供了一种三维可视化的管理方法及系统。
第一方面，提供一种三维可视化的管理方法，一种三维可视化的管理方法，所述方法包括：对携带有重要内容的目标三维可视化信息集进行重要信息筛选，得到不少于一个重要信息；获得用于表征若干个待定信息之间的匹配关系的元素集，并从所述元素集中，分别筛选各所述重要信息对应的子元素集；其中，所述元素集中的要素信息与所述待定信息一一对应，所述子元素集中包括目标要素信息，所述目标要素信息对应的所述待定信息，与相应的所述重要信息之间的共享权重大于共享权重指定值；对各所述子元素集进行关键特征筛选，得到各所述子元素集的关键特征，并将各所述关键特征进行特征融合，得到所述目标三维可视化信息集的融合关键特征；结合所述融合关键特征，对所述目标三维可视化信息集进行回归分析，得到所述目标三维可视化信息集对应的回归分析结果，所述回归分析结果的重要内容与所述目标三维可视化信息集的重要内容一致或相匹配，对所述回归分析结果进行管理处理，得到管理处理结果。
在一种独立实施的实施例中，所述对携带有重要内容的目标三维可视化信息集进行重要信息筛选，得到不少于一个重要信息，包括：获得需要进行处理的可视化事件，并对所述需要进行处理的可视化事件进行重要内容分析，得到所述需要进行处理的可视化事件的重要内容信息；当所述重要内容信息表征所述需要进行处理的可视化事件携带有所述重要内容时，将所述需要进行处理的可视化事件确定为所述目标三维可视化信息集；对所述目标三维可视化信息集进行分类处理，得到所述目标三维可视化信息集中的若干个分类结果；针对各所述分类结果，当所述分类结果携带有所述重要内容时，将所述分类结果确定为所述重要信息。
在一种独立实施的实施例中，所述对所述需要进行处理的可视化事件进行重要内容分析，得到所述需要进行处理的可视化事件的重要内容信息之后，所述方法还包括：当所述重要内容信息表征所述需要进行处理的可视化事件不携带有所述重要内容时，针对所述需要进行处理的可视化事件中的各分类结果分别执行以下处理：从所述元素集中，分别筛选各所述分类结果对应的参考元素集，对各所述参考元素集进行关键特征筛选，得到各所述参考元素集的参考关键特征，并将各所述参考关键特征进行特征融合，得到所述需要进行处理的可视化事件的参考融合关键特征；结合所述参考融合关键特征，对所述需要进行处理的可视化事件进行回归分析，得到所述需要进行处理的可视化事件对应的目标回归分析结果；其中，所述目标回归分析结果携带有所述重要内容，且所述目标回归分析结果中包括所述需要进行处理的可视化事件。
在一种独立实施的实施例中，所述从所述元素集中，分别筛选各所述重要信息对应的子元素集，包括：针对各所述重要信息分别执行以下处理：将所述重要信息分别与所述元素集中的各所述待定信息进行对比，得到对比结果，所述对比结果，用于表征所述元素集中是否存在所述重要信息一致的待定信息；结合所述对比结果，从所述元素集的各所述待定信息中，抽取所述重要信息对应的目标待定信息；将所述元素集中所述目标待定信息对应的要素信息，确定为所述重要信息对应的目标要素信息，并将所述元素集中，与所述目标要素信息存在连接边的要素信息，确定为所述重要信息对应的参考要素信息；将所述元素集中由所述目标要素信息、所述参考要素信息所组成的参考队列，确定为所述重要信息对应的子元素集。
在一种独立实施的实施例中，所述结合所述对比结果，从所述元素集的各所述待定信息中，抽取所述重要信息对应的目标待定信息，包括：当所述对比结果表征所述元素集中存在与所述重要信息一致的待定信息时，将与所述重要信息一致的所述待定信息，确定为所述重要信息对应的目标待定信息；当所述对比结果表征所述元素集中不存在与所述重要信息一致的待定信息时，获得所述重要信息分别与各所述待定信息之间的共享权重；将所述共享权重大于所述共享权重指定值的不少于一个待定信息，确定为所述重要信息对应的目标待定信息。
在一种独立实施的实施例中，所述回归分析通过去干扰线程和回归分析线程实现，所述结合所述融合关键特征，对所述目标三维可视化信息集进行回归分析，得到所述目标三维可视化信息集对应的回归分析结果，包括：调用所述去干扰线程，对所述融合关键特征进行去干扰，得到所述目标三维可视化信息集的目标特征；调用所述回归分析线程，结合所述目标特征，对所述目标三维可视化信息集进行回归分析，得到所述目标三维可视化信息集对应的回归分析结果。
在一种独立实施的实施例中，所述去干扰线程包括若干个去干扰单元，所述调用所述去干扰线程，对所述融合关键特征进行去干扰，得到所述目标三维可视化信息集的目标特征，包括：调用第1去干扰单元，对所述融合关键特征进行第1次去干扰，得到第1目标特征；遍历n执行以下处理：调用第n去干扰单元，基于第n-1目标特征，对所述融合关键特征进行第n次去干扰，得到第n目标特征；其中，用于表征所述去干扰线程中所述去干扰单元的数目；将第X目标特征，确定为所述目标三维可视化信息集的目标特征。
在一种独立实施的实施例中，所述调用所述去干扰线程，对所述融合关键特征进行去干扰，得到所述目标三维可视化信息集的目标特征之前，所述方法还包括：获得包括若干个原始去干扰单元的原始去干扰线程、目标三维可视化信息集范例，以及可视化事件标识的可视化事件标识特征；对所述目标范例进行重要信息筛选，得到不少于一个范例重要信息，并从所述元素集中，分别筛选各所述范例重要信息对应的范例元素集；对各所述范例元素集进行关键特征筛选，得到各所述范例元素集的范例关键特征，并将各所述范例关键特征进行特征融合，得到所述目标范例的融合范例特征；依次调用所述原始去干扰线程的各所述原始去干扰单元，分别对所述融合范例特征进行去干扰，得到各所述原始去干扰单元分别对应的目标范例特征；结合各所述目标范例特征和所述可视化事件标识特征，确定所述原始去干扰线程的评估结果，并结合所述评估结果，对所述原始去干扰线程进行配置，得到所述去干扰线程。
在一种独立实施的实施例中，所述原始去干扰线程包括X个原始去干扰单元，X为不小于2的正整数，所述可视化事件标识特征和各所述目标范例特征的特征维度一致，所述结合各所述目标范例特征和所述可视化事件标识特征，确定所述原始去干扰线程的评估结果，包括：基于各所述目标范例特征，确定所述原始去干扰线程的第一评估结果；将第X原始去干扰单元对应的目标范例特征和所述可视化事件标识特征进行函数相减处理，得到参考特征，并将所述参考特征的数量，确定为所述原始去干扰线程的第二评估结果；将所述第一评估结果和所述第二评估结果进行函数相加处理，得到所述评估结果。
在一种独立实施的实施例中，所述基于各所述目标范例特征，确定所述原始去干扰线程的第一评估结果，包括：遍历m执行以下处理：将第m+1原始去干扰单元对应的目标范例特征和第m原始去干扰单元对应的目标范例特征进行相减，得到所述第m原始去干扰单元对应的差值特征，将所述差值特征的数量，确定为所述第m原始去干扰单元对应的参考评估结果，将各所述参考评估结果进行求和，得到所述第一评估结果。
在一种独立实施的实施例中，所述结合所述融合关键特征，对所述目标三维可视化信息集进行回归分析，得到所述目标三维可视化信息集对应的回归分析结果，包括：当所述目标三维可视化信息集的要求种类为用于描述所述目标三维可视化信息集的描述回归分析要求时，结合所述融合关键特征，对所述目标三维可视化信息集进行描述回归分析，得到所述目标三维可视化信息集对应的第一可视化事件，所述第一可视化事件的重要内容与所述目标三维可视化信息集的重要内容相匹配；当所述目标三维可视化信息集的要求种类为用于衍生所述目标三维可视化信息集的衍生要求时，结合所述融合关键特征，对所述目标三维可视化信息集进行衍生，得到所述目标三维可视化信息集对应的衍生可视化事件，所述衍生可视化事件的重要内容与所述目标三维可视化信息集的重要内容一致。
第二方面，提供一种三维可视化的管理系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
本申请实施例所提供的一种三维可视化的管理方法及系统，通过对携带有重要内容的目标三维可视化信息集进行重要信息筛选，得到不少于一个重要信息，从元素集中，分别筛选各重要信息对应的子元素集，对各所述子元素集进行关键特征筛选，得到各所述子元素集的关键特征，并将各关键特征进行特征融合，得到目标三维可视化信息集的融合关键特征，基于融合关键特征，对目标三维可视化信息集进行回归分析，得到目标三维可视化信息集对应的回归分析结果。如此，通过确定目标三维可视化信息集中各重要信息对应的子元素集，从而实现了对目标三维可视化信息集的相关知识的有效补充，通过对子元素集进行关键特征筛选，得到各子元素集的关键特征，并将各关键特征进行特征融合，得到融合关键特征，使得融合关键特征中富含目标三维可视化信息集的相关知识，通过基于融合关键特征，对目标三维可视化信息集进行回归分析，得到目标三维可视化信息集对应的回归分析结果，使得回归分析过程中能够充分考虑目标三维可视化信息集的相关知识，从而能够有效提高可视化事件处理的准确性，从而提高三维可视化信息的管理效率，以实现对工厂的精准管理。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种三维可视化的管理方法的流程图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1，示出了一种三维可视化的管理方法，该方法可以包括以下步骤101-104所描述的技术方案。
在步骤101中，对携带有重要内容的目标三维可视化信息集进行重要信息筛选，得到不少于一个重要信息。
示例性的，重要内容可以为可视化图像中的关键内容，比如：用于表示图像中人物的动作、设备等信息。在本申请中，三维可视化信息针对是在工厂中进行监控获得的数据，比如：生产线上的生产信息、设备工作信息以及相关技术人员操作信息等。本申请不仅仅针对生产线上的问题，还可监控仓库等，在此不进行逐一赘述。
在一种可能实施的实施例中，步骤101可以通过步骤1011至步骤1014实现。
在步骤1011中，获得需要进行处理的可视化事件，并对需要进行处理的可视化事件进行重要内容分析，得到需要进行处理的可视化事件的重要内容信息。
在一种可能实施的实施例中，上述重要内容信息用于表征需要进行处理的可视化事件是否携带有重要内容，当需要进行处理的可视化事件携带有重要内容时，将需要进行处理的可视化事件确定为携带有重要内容的目标三维可视化信息集。
在一种可能实施的实施例中，在执行上述步骤1011之后，还可以执行以下处理：当重要内容信息表征需要进行处理的可视化事件不携带有重要内容时，针对需要进行处理的可视化事件中的各分类结果分别执行以下处理：从元素集中，分别筛选各分类结果对应的参考元素集，对各参考元素集进行关键特征筛选，得到各参考元素集的参考关键特征，并将各参考关键特征进行特征融合，得到需要进行处理的可视化事件的参考融合关键特征；基于参考融合关键特征，对需要进行处理的可视化事件进行回归分析，得到需要进行处理的可视化事件对应的目标回归分析结果。
在一种可能实施的实施例中，当重要内容信息表征需要进行处理的可视化事件不携带有重要内容时，则无需对需要进行处理的可视化事件进行重要信息筛选，直接对需要进行处理的可视化事件进行分类处理，得到需要进行处理的可视化事件的各分类结果，并基于各分类结果，对需要进行处理的可视化事件进行回归分析，得到需要进行处理的可视化事件对应的目标回归分析结果。
在一种可能实施的实施例中，目标回归分析结果携带有重要内容，且目标回归分析结果中包括需要进行处理的可视化事件。
在一种可能实施的实施例中，上述从元素集中，分别筛选各分类结果对应的参考元素集，可以通过如下方式实现：针对各分类结果分别执行以下处理：将分类结果分别与元素集中的各待定信息进行对比，得到组成对比结果，组成对比结果，用于表征元素集中是否存在重要信息一致的待定信息；基于组成对比结果，从元素集的各待定信息中，抽取重要信息对应的目标待定信息；将元素集中目标待定信息对应的要素信息，确定为分类结果对应的目标要素信息，并将元素集中，与目标要素信息存在连接边的要素信息，确定为分类结果对应的参考要素信息，将元素集中由目标要素信息、参考要素信息所组成的参考队列，确定为分类结果对应的参考元素集。
在一种可能实施的实施例中，上述基于组成对比结果，从元素集的各待定信息中，抽取分类结果对应的目标待定信息，可以通过如下方式实现：当组成对比结果表征元素集中存在与分类结果一致的待定信息时，将与分类结果一致的待定信息，确定为分类结果对应的目标待定信息；当组成对比结果表征元素集中不存在与分类结果一致的待定信息时，获得分类结果分别与各待定信息之间的共享权重，将共享权重大于共享权重指定值的不少于一个待定信息，确定为分类结果对应的目标待定信息。
在步骤1012中，当重要内容信息表征需要进行处理的可视化事件携带有重要内容时，将需要进行处理的可视化事件确定为目标三维可视化信息集。
在步骤1013中，对目标三维可视化信息集进行分类处理，得到目标三维可视化信息集中的若干个分类结果。
在步骤1014中，针对各分类结果，当分类结果携带有重要内容时，将分类结果确定为重要信息。
在一种可能实施的实施例中，上述步骤1014可以通过如下方式实现：针对各分类结果分别执行以下处理：获得分类结果的重要内容信息，重要内容信息用于表征分类结果是否携带有重要内容，当分类结果携带有重要内容时，将分类结果确定为重要信息。
在一种可能实施的实施例中，当分类结果不携带有重要内容时，不将分类结果确定为重要信息。
如此，通过在重要内容信息表征需要进行处理的可视化事件携带有重要内容时，将需要进行处理的可视化事件确定为目标三维可视化信息集，并针对各分类结果，当分类结果携带有重要内容时，将分类结果确定为重要信息，从而有效减少了后续子元素集的筛选成本，也即无需针对不携带有重要内容的分类结果进行筛选，从而有效提高了后续子元素集的筛选效率。
在步骤102中，获得用于表征若干个待定信息之间的匹配关系的元素集，并从所述元素集中，分别筛选各所述重要信息对应的子元素集；其中，所述元素集中的要素信息与所述待定信息一一对应，所述子元素集中包括目标要素信息，所述目标要素信息对应的所述待定信息，与相应的所述重要信息之间的共享权重大于共享权重指定值。
其中，待定信息可以理解为实时通过拍摄装置拍摄获得到的数据。
在一种可能实施的实施例中，上述元素集中的若干个待定信息的数目，与元素集所涵盖知识的全面性正相关，也即元素集中的待定信息的数目越大，元素集所涵盖知识的全面性越大，元素集中的待定信息的数目越小，元素集所涵盖知识的全面性越小。
在步骤103中，对各所述子元素集进行关键特征筛选，得到各所述子元素集的关键特征，并将各所述关键特征进行特征融合，得到所述目标三维可视化信息集的融合关键特征。
在一种可能实施的实施例中，元素集中的要素信息与待定信息一一对应，子元素集中包括目标要素信息，目标要素信息对应的待定信息，与相应的重要信息之间的共享权重大于共享权重指定值。
在一种可能实施的实施例中，上述共享权重指定值，可以根据实际情况而抽取，共享权重指定值的具体数值不组成对本申请实施例的限定。
在一种可能实施的实施例中，步骤103可以针对各重要信息分别通过步骤1031至步骤1034实现。
在步骤1031中，将重要信息分别与元素集中的各待定信息进行对比，得到对比结果。
在一种可能实施的实施例中，对比结果，用于表征元素集中是否存在重要信息一致的待定信息。
在一种可能实施的实施例中，上述步骤1031可以通过如下方式实现：针对元素集中的各待定信息，将待定信息与重要信息进行对比，得到待定信息对应的待定对比结果，待定对比结果用于表征待定信息与重要信息是否一致；当各待定信息对应的待定对比结果均表征待定信息与重要信息不同时，将对比结果确定为第一对比结果，第一对比结果，用于表征元素集中不存在重要信息一致的待定信息；当存在待定信息对应的待定对比结果表征待定信息与重要信息一致时，将对比结果确定为第二对比结果，第二对比结果，用于表征元素集中存在重要信息一致的待定信息。
在步骤1032中，基于对比结果，从元素集的各待定信息中，抽取重要信息对应的目标待定信息。
在一种可能实施的实施例中，重要信息对应不少于一个目标待定信息，重要信息与目标待定信息的对应关系为一个重要信息对应不少于一个目标待定信息。
在一种可能实施的实施例中，上述步骤1032可以通过如下方式实现：当对比结果表征元素集中存在与重要信息一致的待定信息时，将与重要信息一致的待定信息，确定为重要信息对应的目标待定信息；当对比结果表征元素集中不存在与重要信息一致的待定信息时，获得重要信息分别与各待定信息之间的共享权重；将共享权重大于共享权重指定值的不少于一个待定信息，确定为重要信息对应的目标待定信息。
在一种可能实施的实施例中，上述共享权重可以是指重要信息的重要信息特征和待定信息的待定信息特征之间的特征距离。
在一种可能实施的实施例中，上述将共享权重大于共享权重指定值的不少于一个待定信息，确定为重要信息对应的目标待定信息可以通过如下方式确定：针对各待定信息对应的共享权重，将共享权重与共享权重指定值进行对比，当共享权重大于共享权重指定值时，将待定信息确定为目标待定信息。
在步骤1033中，将元素集中目标待定信息对应的要素信息，确定为重要信息对应的目标要素信息，并将元素集中，与目标要素信息存在连接边的要素信息，确定为重要信息对应的参考要素信息。
在步骤1034中，将元素集中由目标要素信息、参考要素信息所组成的参考队列，确定为重要信息对应的子元素集。
在一种可能实施的实施例中，不同的重要信息对应不同的子元素集，重要信息与子元素集一一对应，子元素集中元素集的参考队列。
如此，通过从元素集中，分别筛选各重要信息对应的子元素集，从而实现了对各重要信息进行知识扩容，通过使得通过各重要信息对应的子元素集参与后续回归分析过程，从而有效提高了回归分析的准确性。
在步骤104中，结合所述融合关键特征，对所述目标三维可视化信息集进行回归分析，得到所述目标三维可视化信息集对应的回归分析结果，所述回归分析结果的重要内容与所述目标三维可视化信息集的重要内容一致或相匹配，对所述回归分析结果进行管理处理，得到管理处理结果。
在一种可能实施的实施例中，上述对各子元素集进行关键特征筛选，得到各子元素集的关键特征，可以通过如下方式实现：针对各子元素集分别执行以下处理：获得子元素集的邻接矩阵，将子元素集的邻接矩阵，确定为子元素集的关键特征。
在一种可能实施的实施例中，上述将各关键特征进行特征融合，得到目标三维可视化信息集的融合关键特征，可以通过如下方式实现：获得各关键特征的关键特征维度，以及标准特征维度，针对各关键特征，当关键特征的关键特征维度与标准特征维度不同时，对关键特征进行特征维度调整，得到关键特征对应的目标关键特征；当关键特征的关键特征维度与标准特征维度一致时，将关键特征确定为关键特征对应的目标关键特征；将各目标关键特征进行融合，得到目标三维可视化信息集的融合关键特征。
如此，通过对各子元素集进行关键特征筛选，得到各子元素集的关键特征，并将各关键特征进行特征融合，得到目标三维可视化信息集的融合关键特征，从而使得融合关键特征融合了目标三维可视化信息集的重要信息以及各重要信息的相关知识，通过融合关键特征有效提高了目标三维可视化信息集的知识全面性，使得后续基于融合关键特征所回归分析得到的回归分析结果更加准确。
在一种可能实施的实施例中，回归分析结果的重要内容与目标三维可视化信息集的重要内容一致或相匹配。
在一种可能实施的实施例中，当所述目标三维可视化信息集的要求种类为用于描述所述目标三维可视化信息集的描述回归分析要求时，回归分析结果的重要内容与目标三维可视化信息集的重要内容相匹配，也即回归分析结果的重要内容满足目标三维可视化信息集的重要内容所期望的回归分析期望，也即回归分析结果能够准确描述目标三维可视化信息集所表达的问题。
在一种可能实施的实施例中，当所述目标三维可视化信息集的要求种类为用于衍生所述目标三维可视化信息集的衍生要求时，目标三维可视化信息集的重要内容与回归分析结果的重要内容一致，也即目标三维可视化信息集和回归分析结果是不同的语言体系下针对一致重要内容的不同表达方式。
在一种可能实施的实施例中，回归分析通过去干扰线程和回归分析线程实现，步骤104可以通过步骤1051A至步骤1052A实现。
在步骤1051A中，调用去干扰线程，对融合关键特征进行去干扰，得到目标三维可视化信息集的目标特征。
在一种可能实施的实施例中，上述步骤1051A可以通过如下方式实现：调用第1去干扰单元，对融合关键特征进行第1次去干扰，得到第1目标特征；遍历n执行以下处理：调用第n去干扰单元，基于第n-1目标特征，对融合关键特征进行第n次去干扰，得到第n目标特征；将第X目标特征，确定为目标三维可视化信息集的目标特征。
在一种可能实施的实施例中，用于表征去干扰线程中去干扰单元的数目。
在一种可能实施的实施例中，在执行上述步骤1052A之前，还可以通过如下方式配置得到去干扰线程：获得包括若干个原始去干扰单元的原始去干扰线程、目标三维可视化信息集范例，以及可视化事件标识的可视化事件标识特征；对目标范例进行重要信息筛选，得到不少于一个范例重要信息，并从元素集中，分别筛选各范例重要信息对应的范例元素集；对各范例元素集进行关键特征筛选，得到各范例元素集的范例关键特征，并将各范例关键特征进行特征融合，得到目标范例的融合范例特征；依次调用原始去干扰线程的各原始去干扰单元，分别对融合范例特征进行去干扰，得到各原始去干扰单元分别对应的目标范例特征；结合各目标范例特征和可视化事件标识特征，确定原始去干扰线程的评估结果，并基于评估结果，对原始去干扰线程进行配置，得到去干扰线程。
在一种可能实施的实施例中，原始去干扰线程包括X个原始去干扰单元，X为不小于2的正整数，可视化事件标识特征和各目标范例特征的特征维度一致。
在一种可能实施的实施例中，上述对目标范例进行重要信息筛选，得到不少于一个范例重要信息，可以通过如下方式实现：对目标范例进行分类处理，得到目标范例中的若干个分类结果；针对各分类结果，当分类结果携带有重要内容时，将分类结果确定为范例重要信息。
在一种可能实施的实施例中，从元素集中，分别筛选各范例重要信息对应的范例元素集，可以通过如下方式实现：针对各范例重要信息分别执行以下处理：将范例重要信息分别与元素集中的各待定信息进行对比，得到对比结果，对比结果，用于表征元素集中是否存在范例重要信息一致的待定信息；基于对比结果，从元素集的各待定信息中，抽取范例重要信息对应的目标待定信息；将元素集中目标待定信息对应的要素信息，确定为范例重要信息对应的目标要素信息，并将元素集中，与目标要素信息存在连接边的要素信息，确定为范例重要信息对应的参考要素信息；将元素集中由目标要素信息、参考要素信息所组成的参考队列，确定为范例重要信息对应的范例元素集。
在一种可能实施的实施例中，上述对各范例元素集进行关键特征筛选，得到各范例元素集的范例关键特征，可以通过如下方式实现：针对各范例元素集分别执行以下处理：获得范例元素集的邻接矩阵，将范例元素集的邻接矩阵，确定为范例元素集的范例关键特征。
在一种可能实施的实施例中，上述结合各目标范例特征和可视化事件标识特征，确定原始去干扰线程的评估结果，可以通过如下方式实现：基于各目标范例特征，确定原始去干扰线程的第一评估结果；将第X原始去干扰单元对应的目标范例特征和可视化事件标识特征进行函数相减处理，得到参考特征，并将参考特征的数量，确定为原始去干扰线程的第二评估结果；将第一评估结果和第二评估结果进行函数相加处理，得到评估结果。
在一种可能实施的实施例中，上述基于各目标范例特征，确定原始去干扰线程的第一评估结果，可以通过如下方式实现：遍历m执行以下处理：将第m+1原始去干扰单元对应的目标范例特征和第m原始去干扰单元对应的目标范例特征进行相减，得到第m原始去干扰单元对应的差值特征，将差值特征的数量，确定为第m原始去干扰单元对应的参考评估结果；将各参考评估结果进行求和，得到第一评估结果。
在步骤1052A中，调用回归分析线程，基于目标特征，对目标三维可视化信息集进行回归分析，得到目标三维可视化信息集对应的回归分析结果。
如此，通过结合各目标范例特征和可视化事件标识特征，确定原始去干扰线程的评估结果，并基于评估结果，对原始去干扰线程进行配置，得到去干扰线程，使得配置所得到的去干扰线程的去干扰性能更好，有效提高了所确定的目标特征的准确性。
在一种可能实施的实施例中，步骤105可以通过步骤1051B至步骤1052B实现。
在步骤1051B中，当目标三维可视化信息集的要求种类为用于描述目标三维可视化信息集的描述回归分析要求时，基于融合关键特征，对目标三维可视化信息集进行描述回归分析，得到目标三维可视化信息集对应的第一可视化事件。
在一种可能实施的实施例中，上述第一可视化事件的重要内容与目标三维可视化信息集的重要内容相匹配，也即回归分析结果的重要内容满足目标三维可视化信息集的重要内容所期望的回归分析期望，也即回归分析结果能够准确描述目标三维可视化信息集所表达的问题。
在步骤1052B中，当目标三维可视化信息集的要求种类为用于衍生目标三维可视化信息集的衍生要求时，基于融合关键特征，对目标三维可视化信息集进行衍生，得到目标三维可视化信息集对应的衍生可视化事件。
在一种可能实施的实施例中，衍生可视化事件的重要内容与目标三维可视化信息集的重要内容一致，也即目标三维可视化信息集和回归分析结果是不同的语言体系下针对一致重要内容的不同表达方式。
如此，通过对携带有重要内容的目标三维可视化信息集进行重要信息筛选，得到不少于一个重要信息，从元素集中，分别筛选各重要信息对应的子元素集，对各所述子元素集进行关键特征筛选，得到各所述子元素集的关键特征，并将各关键特征进行特征融合，得到目标三维可视化信息集的融合关键特征，基于融合关键特征，对目标三维可视化信息集进行回归分析，得到目标三维可视化信息集对应的回归分析结果。如此，通过确定目标三维可视化信息集中各重要信息对应的子元素集，从而实现了对目标三维可视化信息集的相关知识的有效补充，通过对子元素集进行关键特征筛选，得到各子元素集的关键特征，并将各关键特征进行特征融合，得到融合关键特征，使得融合关键特征中富含目标三维可视化信息集的相关知识，通过基于融合关键特征，对目标三维可视化信息集进行回归分析，得到目标三维可视化信息集对应的回归分析结果，使得回归分析过程中能够充分考虑目标三维可视化信息集的相关知识，从而能够有效提高可视化事件处理的准确性，从而提高三维可视化信息的管理效率，以实现对工厂的精准管理。
如此，通过对携带有重要内容的目标三维可视化信息集进行重要信息筛选，得到不少于一个重要信息，从元素集中，分别筛选各重要信息对应的子元素集，对各所述子元素集进行关键特征筛选，得到各所述子元素集的关键特征，并将各关键特征进行特征融合，得到目标三维可视化信息集的融合关键特征，基于融合关键特征，对目标三维可视化信息集进行回归分析，得到目标三维可视化信息集对应的回归分析结果。如此，通过确定目标三维可视化信息集中各重要信息对应的子元素集，从而实现了对目标三维可视化信息集的相关知识的有效补充，通过对子元素集进行关键特征筛选，得到各子元素集的关键特征，并将各关键特征进行特征融合，得到融合关键特征，使得融合关键特征中富含目标三维可视化信息集的相关知识，通过基于融合关键特征，对目标三维可视化信息集进行回归分析，得到目标三维可视化信息集对应的回归分析结果，使得回归分析过程中能够充分考虑目标三维可视化信息集的相关知识，从而能够有效提高可视化事件处理的准确性，从而提高三维可视化信息的管理效率，以实现对工厂的精准管理。
在上述基础上，提供了一种三维可视化的管理装置，所述装置包括：
信息筛选模块，用于对携带有重要内容的目标三维可视化信息集进行重要信息筛选，得到不少于一个重要信息；
元素获得模块，用于获得用于表征若干个待定信息之间的匹配关系的元素集，并从所述元素集中，分别筛选各所述重要信息对应的子元素集；其中，所述元素集中的要素信息与所述待定信息一一对应，所述子元素集中包括目标要素信息，所述目标要素信息对应的所述待定信息，与相应的所述重要信息之间的共享权重大于共享权重指定值；
特征融合模块，用于对各所述子元素集进行关键特征筛选，得到各所述子元素集的关键特征，并将各所述关键特征进行特征融合，得到所述目标三维可视化信息集的融合关键特征；
结果管理模块，用于结合所述融合关键特征，对所述目标三维可视化信息集进行回归分析，得到所述目标三维可视化信息集对应的回归分析结果，所述回归分析结果的重要内容与所述目标三维可视化信息集的重要内容一致或相匹配，对所述回归分析结果进行管理处理，得到管理处理结果。
在上述基础上，示出了一种三维可视化的管理系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
综上，基于上述方案，通过对携带有重要内容的目标三维可视化信息集进行重要信息筛选，得到不少于一个重要信息，从元素集中，分别筛选各重要信息对应的子元素集，对各所述子元素集进行关键特征筛选，得到各所述子元素集的关键特征，并将各关键特征进行特征融合，得到目标三维可视化信息集的融合关键特征，基于融合关键特征，对目标三维可视化信息集进行回归分析，得到目标三维可视化信息集对应的回归分析结果。如此，通过确定目标三维可视化信息集中各重要信息对应的子元素集，从而实现了对目标三维可视化信息集的相关知识的有效补充，通过对子元素集进行关键特征筛选，得到各子元素集的关键特征，并将各关键特征进行特征融合，得到融合关键特征，使得融合关键特征中富含目标三维可视化信息集的相关知识，通过基于融合关键特征，对目标三维可视化信息集进行回归分析，得到目标三维可视化信息集对应的回归分析结果，使得回归分析过程中能够充分考虑目标三维可视化信息集的相关知识，从而能够有效提高可视化事件处理的准确性，从而提高三维可视化信息的管理效率，以实现对工厂的精准管理。
应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
Claims (10)
1.一种三维可视化的管理方法，其特征在于，所述方法包括：
对携带有重要内容的目标三维可视化信息集进行重要信息筛选，得到不少于一个重要信息；
获得用于表征若干个待定信息之间的匹配关系的元素集，并从所述元素集中，分别筛选各所述重要信息对应的子元素集；其中，所述元素集中的要素信息与所述待定信息一一对应，所述子元素集中包括目标要素信息，所述目标要素信息对应的所述待定信息，与相应的所述重要信息之间的共享权重大于共享权重指定值；
对各所述子元素集进行关键特征筛选，得到各所述子元素集的关键特征，并将各所述关键特征进行特征融合，得到所述目标三维可视化信息集的融合关键特征；
结合所述融合关键特征，对所述目标三维可视化信息集进行回归分析，得到所述目标三维可视化信息集对应的回归分析结果，所述回归分析结果的重要内容与所述目标三维可视化信息集的重要内容一致或相匹配，对所述回归分析结果进行管理处理，得到管理处理结果。
2.根据权利要求1所述的方法，其特征在于，所述对携带有重要内容的目标三维可视化信息集进行重要信息筛选，得到不少于一个重要信息，包括：
获得需要进行处理的可视化事件，并对所述需要进行处理的可视化事件进行重要内容分析，得到所述需要进行处理的可视化事件的重要内容信息；
当所述重要内容信息表征所述需要进行处理的可视化事件携带有所述重要内容时，将所述需要进行处理的可视化事件确定为所述目标三维可视化信息集；
对所述目标三维可视化信息集进行分类处理，得到所述目标三维可视化信息集中的若干个分类结果；
针对各所述分类结果，当所述分类结果携带有所述重要内容时，将所述分类结果确定为所述重要信息。
3.根据权利要求2所述的方法，其特征在于，所述对所述需要进行处理的可视化事件进行重要内容分析，得到所述需要进行处理的可视化事件的重要内容信息之后，所述方法还包括：
当所述重要内容信息表征所述需要进行处理的可视化事件不携带有所述重要内容时，针对所述需要进行处理的可视化事件中的各分类结果分别执行以下处理：从所述元素集中，分别筛选各所述分类结果对应的参考元素集，对各所述参考元素集进行关键特征筛选，得到各所述参考元素集的参考关键特征，并将各所述参考关键特征进行特征融合，得到所述需要进行处理的可视化事件的参考融合关键特征；
结合所述参考融合关键特征，对所述需要进行处理的可视化事件进行回归分析，得到所述需要进行处理的可视化事件对应的目标回归分析结果；其中，所述目标回归分析结果携带有所述重要内容，且所述目标回归分析结果中包括所述需要进行处理的可视化事件。
4.根据权利要求1所述的方法，其特征在于，所述从所述元素集中，分别筛选各所述重要信息对应的子元素集，包括：
针对各所述重要信息分别执行以下处理：将所述重要信息分别与所述元素集中的各所述待定信息进行对比，得到对比结果，所述对比结果，用于表征所述元素集中是否存在所述重要信息一致的待定信息；结合所述对比结果，从所述元素集的各所述待定信息中，抽取所述重要信息对应的目标待定信息；
将所述元素集中所述目标待定信息对应的要素信息，确定为所述重要信息对应的目标要素信息，并将所述元素集中，与所述目标要素信息存在连接边的要素信息，确定为所述重要信息对应的参考要素信息；
将所述元素集中由所述目标要素信息、所述参考要素信息所组成的参考队列，确定为所述重要信息对应的子元素集。
5.根据权利要求4所述的方法，其特征在于，所述结合所述对比结果，从所述元素集的各所述待定信息中，抽取所述重要信息对应的目标待定信息，包括：
当所述对比结果表征所述元素集中存在与所述重要信息一致的待定信息时，将与所述重要信息一致的所述待定信息，确定为所述重要信息对应的目标待定信息；
当所述对比结果表征所述元素集中不存在与所述重要信息一致的待定信息时，获得所述重要信息分别与各所述待定信息之间的共享权重；
将所述共享权重大于所述共享权重指定值的不少于一个待定信息，确定为所述重要信息对应的目标待定信息。
6.根据权利要求1所述的方法，其特征在于，所述回归分析通过去干扰线程和回归分析线程实现，所述结合所述融合关键特征，对所述目标三维可视化信息集进行回归分析，得到所述目标三维可视化信息集对应的回归分析结果，包括：
调用所述去干扰线程，对所述融合关键特征进行去干扰，得到所述目标三维可视化信息集的目标特征；
调用所述回归分析线程，结合所述目标特征，对所述目标三维可视化信息集进行回归分析，得到所述目标三维可视化信息集对应的回归分析结果。
7.根据权利要求6所述的方法，其特征在于，所述去干扰线程包括若干个去干扰单元，所述调用所述去干扰线程，对所述融合关键特征进行去干扰，得到所述目标三维可视化信息集的目标特征，包括：
调用第1去干扰单元，对所述融合关键特征进行第1次去干扰，得到第1目标特征；
遍历n执行以下处理：调用第n去干扰单元，基于第n-1目标特征，对所述融合关键特征进行第n次去干扰，得到第n目标特征；其中，用于表征所述去干扰线程中所述去干扰单元的数目；
将第X目标特征，确定为所述目标三维可视化信息集的目标特征。
8.根据权利要求6所述的方法，其特征在于，所述调用所述去干扰线程，对所述融合关键特征进行去干扰，得到所述目标三维可视化信息集的目标特征之前，所述方法还包括：
获得包括若干个原始去干扰单元的原始去干扰线程、目标三维可视化信息集范例，以及可视化事件标识的可视化事件标识特征；
对所述目标范例进行重要信息筛选，得到不少于一个范例重要信息，并从所述元素集中，分别筛选各所述范例重要信息对应的范例元素集；
对各所述范例元素集进行关键特征筛选，得到各所述范例元素集的范例关键特征，并将各所述范例关键特征进行特征融合，得到所述目标范例的融合范例特征；
依次调用所述原始去干扰线程的各所述原始去干扰单元，分别对所述融合范例特征进行去干扰，得到各所述原始去干扰单元分别对应的目标范例特征；
结合各所述目标范例特征和所述可视化事件标识特征，确定所述原始去干扰线程的评估结果，并结合所述评估结果，对所述原始去干扰线程进行配置，得到所述去干扰线程；
其中，所述原始去干扰线程包括X个原始去干扰单元，X为不小于2的正整数，所述可视化事件标识特征和各所述目标范例特征的特征维度一致，所述结合各所述目标范例特征和所述可视化事件标识特征，确定所述原始去干扰线程的评估结果，包括：
基于各所述目标范例特征，确定所述原始去干扰线程的第一评估结果；
将第X原始去干扰单元对应的目标范例特征和所述可视化事件标识特征进行函数相减处理，得到参考特征，并将所述参考特征的数量，确定为所述原始去干扰线程的第二评估结果；
将所述第一评估结果和所述第二评估结果进行函数相加处理，得到所述评估结果；
其中，所述基于各所述目标范例特征，确定所述原始去干扰线程的第一评估结果，包括：遍历m执行以下处理：将第m+1原始去干扰单元对应的目标范例特征和第m原始去干扰单元对应的目标范例特征进行相减，得到所述第m原始去干扰单元对应的差值特征，将所述差值特征的数量，确定为所述第m原始去干扰单元对应的参考评估结果，将各所述参考评估结果进行求和，得到所述第一评估结果。
9.根据权利要求1所述的方法，其特征在于，所述结合所述融合关键特征，对所述目标三维可视化信息集进行回归分析，得到所述目标三维可视化信息集对应的回归分析结果，包括：
当所述目标三维可视化信息集的要求种类为用于描述所述目标三维可视化信息集的描述回归分析要求时，结合所述融合关键特征，对所述目标三维可视化信息集进行描述回归分析，得到所述目标三维可视化信息集对应的第一可视化事件，所述第一可视化事件的重要内容与所述目标三维可视化信息集的重要内容相匹配；
当所述目标三维可视化信息集的要求种类为用于衍生所述目标三维可视化信息集的衍生要求时，结合所述融合关键特征，对所述目标三维可视化信息集进行衍生，得到所述目标三维可视化信息集对应的衍生可视化事件，所述衍生可视化事件的重要内容与所述目标三维可视化信息集的重要内容一致。
10.一种三维可视化的管理系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-9任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311706034.8A CN117765170B (zh) | 2023-12-13 | 2023-12-13 | 一种三维可视化的管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311706034.8A CN117765170B (zh) | 2023-12-13 | 2023-12-13 | 一种三维可视化的管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117765170A true CN117765170A (zh) | 2024-03-26 |
| CN117765170B CN117765170B (zh) | 2024-06-18 |
Family
ID=90311761
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311706034.8A Active CN117765170B (zh) | 2023-12-13 | 2023-12-13 | 一种三维可视化的管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117765170B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110179066A1 (en) * | 2008-06-20 | 2011-07-21 | Business Intelligence Solutions Safe B.V. | Methods, apparatus and systems for data visualization and related applications |
| CN110597976A (zh) * | 2019-09-16 | 2019-12-20 | 北京金山数字娱乐科技有限公司 | 一种关键句提取方法及装置 |
| CN112559830A (zh) * | 2020-11-25 | 2021-03-26 | 卡斯柯信号(郑州)有限公司 | 基于轨道交通车载运营信息的场景再现可视化系统及方法 |
| US11074302B1 (en) * | 2019-08-22 | 2021-07-27 | Wells Fargo Bank, N.A. | Anomaly visualization for computerized models |
| CN113971750A (zh) * | 2021-10-19 | 2022-01-25 | 浙江诺诺网络科技有限公司 | 银行回单的关键信息提取方法、装置、设备及存储介质 |
| WO2022198756A1 (zh) * | 2021-03-23 | 2022-09-29 | 平安科技（深圳）有限公司 | 基于热点事件的信息推送方法、装置、计算机设备及存储介质 |
| CN116112746A (zh) * | 2023-04-10 | 2023-05-12 | 成都有为财商教育科技有限公司 | 在线教育直播视频压缩方法及系统 |
| WO2023082641A1 (zh) * | 2021-11-09 | 2023-05-19 | 深圳云天励飞技术股份有限公司 | 电子档案生成方法、装置、终端设备及存储介质 |
| CN116362564A (zh) * | 2023-04-04 | 2023-06-30 | 重庆海辉星科技有限公司 | 酒店公共卫生视频监管结果的生成方法及系统 |
-
2023
- 2023-12-13 CN CN202311706034.8A patent/CN117765170B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110179066A1 (en) * | 2008-06-20 | 2011-07-21 | Business Intelligence Solutions Safe B.V. | Methods, apparatus and systems for data visualization and related applications |
| US11074302B1 (en) * | 2019-08-22 | 2021-07-27 | Wells Fargo Bank, N.A. | Anomaly visualization for computerized models |
| CN110597976A (zh) * | 2019-09-16 | 2019-12-20 | 北京金山数字娱乐科技有限公司 | 一种关键句提取方法及装置 |
| CN112559830A (zh) * | 2020-11-25 | 2021-03-26 | 卡斯柯信号(郑州)有限公司 | 基于轨道交通车载运营信息的场景再现可视化系统及方法 |
| WO2022198756A1 (zh) * | 2021-03-23 | 2022-09-29 | 平安科技（深圳）有限公司 | 基于热点事件的信息推送方法、装置、计算机设备及存储介质 |
| CN113971750A (zh) * | 2021-10-19 | 2022-01-25 | 浙江诺诺网络科技有限公司 | 银行回单的关键信息提取方法、装置、设备及存储介质 |
| WO2023082641A1 (zh) * | 2021-11-09 | 2023-05-19 | 深圳云天励飞技术股份有限公司 | 电子档案生成方法、装置、终端设备及存储介质 |
| CN116362564A (zh) * | 2023-04-04 | 2023-06-30 | 重庆海辉星科技有限公司 | 酒店公共卫生视频监管结果的生成方法及系统 |
| CN116112746A (zh) * | 2023-04-10 | 2023-05-12 | 成都有为财商教育科技有限公司 | 在线教育直播视频压缩方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 冯丽艳: "基于内容的监控视频关键帧检测算法研究与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 July 2014 (2014-07-15), pages 138 - 821 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117765170B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10754309B2 (en) | Auto defect screening using adaptive machine learning in semiconductor device manufacturing flow | |
| CN109933984B (zh) | 一种最佳聚类结果筛选方法、装置和电子设备 | |
| CN111079638A (zh) | 基于卷积神经网络的目标检测模型训练方法、设备和介质 | |
| CN110533654A (zh) | 零部件的异常检测方法及装置 | |
| Thielen et al. | A machine learning based approach to detect false calls in SMT manufacturing | |
| CN110909712A (zh) | 运动目标检测方法、装置、电子设备及存储介质 | |
| CN113449703B (zh) | 环境在线监测数据的质控方法、装置、存储介质及设备 | |
| WO2022110863A1 (zh) | 一种兼容性检测方法、装置、设备及可读存储介质 | |
| CN115880520A (zh) | 一种基于模板匹配和缺陷分割的缺陷等级分类方法及系统 | |
| EP3839680A1 (en) | Method and device for controlling a machine using principal component analysis | |
| KR20180133040A (ko) | 인쇄 회로 기판의 결함 분류 장치 및 방법 | |
| CN115098679A (zh) | 文本分类标注样本的异常检测方法、装置、设备及介质 | |
| CN111507483A (zh) | 返修板检测装置、方法及计算机可读存储介质 | |
| KR102174424B1 (ko) | 서버 기반 부품 검사방법 및 그를 위한 시스템 및 장치 | |
| CN114387230A (zh) | 一种基于重验证检测的pcb板缺陷检测方法 | |
| CN117765170B (zh) | 一种三维可视化的管理方法及系统 | |
| CN117370767A (zh) | 基于大数据的用户信息评估方法及系统 | |
| CN114579391A (zh) | 异常数据的检测方法、系统、介质及终端 | |
| CN112749003A (zh) | 系统优化的方法、设备及计算机可读存储介质 | |
| CN114882242A (zh) | 基于计算机视觉的违规图像识别方法及系统 | |
| CN114067145A (zh) | 无源分光器检测方法、装置、设备及介质 | |
| KR20240101603A (ko) | 결함 분류 방법 및 장치, 장비 및 저장 매체 | |
| US12124825B2 (en) | Method and apparatus for compatibility detection, device and non-transitory computer-readable storage medium | |
| Pan et al. | Efficient and Precise Detection of Surface Defects on PCBs: A YOLO Based Approach | |
| CN115802355B (zh) | 一种移动物联网卡管理方法、装置及云平台 |
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 |