【技術實現步驟摘要】
本專利技術涉及工藝流程的，特別涉及一種智能化的工藝流程與良品率判斷方法、系統、設備及介質。
技術介紹
1、在現代制造業中，提高產品的良品率是確保產品質量和生產效率的關鍵因素之一。傳統的生產工藝流程監控和良品率判斷方法往往依賴于人工經驗和技術人員的手動檢測，這種方法不僅耗時耗力，而且容易受到主觀因素的影響，導致判斷結果的準確性受限。隨著智能制造技術的發展，如何利用先進的數據處理和分析技術來提高工藝流程的智能化水平，進而提高良品率，成為了亟待解決的問題。目前存在的主要問題包括：生產線上采集的大量監控數據未經預處理，數據質量參差不齊，難以直接用于分析；缺乏有效的數據修正方法，無法充分利用歷史數據來提高當前數據的準確性和可靠性；傳統的數據分析方法難以同時處理圖像數據和光譜數據，無法全面地評估產品質量；現有的良品率判斷方法往往過于依賴單一的數據類型，無法綜合多種數據來源進行綜合分析，從而限制了判斷的準確性和全面性。
技術實現思路
1、本專利技術的主要目的為提供一種智能化的工藝流程與良品率判斷方法、系統、設備及介質，能夠綜合多種數據來源進行綜合分析，從而提高判斷的準確性和全面性。
2、為實現上述目的，本專利技術提供一種智能化的工藝流程與良品率判斷方法，包括：
3、獲取生產線關鍵節點的監控數據，對所述監控數據進行預處理，并存儲到歷史數據庫中；
4、從所述歷史數據庫中提取對應的歷史監控數據，基于所述歷史監控數據對所述監控數據進行數據修正，得到修正監控數據；>
5、對所述監控數據進行類別分析，得到圖像數據和光譜數據，對所述圖像數據進行視覺分析，得到對應的視覺特征數據；
6、對所述光譜數據進行光譜分析，得到對應的高光譜數據，將所述視覺特征數據與所述高光譜數據進行對應關聯，得到關聯數據；
7、依據所述關聯數據對所述視覺特征數據和所述高光譜數據進行綜合分析，得到綜合良品率。
8、進一步地，所述獲取生產線關鍵節點的監控數據，對所述監控數據進行預處理，并存儲到歷史數據庫中，包括：
9、對生產線關鍵節點進行識別，確定多個關鍵節點位置，在多個關鍵節點位置部署監控設備；
10、通過監控設備對關鍵節點位置進行數據采集，得到原始監控數據，對原始監控數據進行噪聲濾除處理，得到濾波數據；
11、對濾波數據進行歸一化處理，得到歸一化數據；對歸一化數據按照時間順序進行排序，得到所述監控數據，將所述監控數據存儲到歷史數據庫中。
12、進一步地，所述從所述歷史數據庫中提取對應的歷史監控數據，基于所述歷史監控數據對所述監控數據進行數據修正，得到修正監控數據，包括：
13、對所述監控數據進行匹配分析，得到節點位置范圍，基于節點位置范圍提取對應的所述歷史監控數據；
14、對所述歷史監控數據進行數據標準分析，得到標準參考格式，依據標準參考格式對所述監控數據進行異常檢測，當沒有檢測到異常時，將所述監控數據標記為修正監控數據；
15、當檢測到異常時，對所述監控數據的異常處進行標記，對標記有異常處的所述監控數據進行節點識別，得到節點信息，依據節點信息重新獲取對應的第一監控數據，基于所述歷史監控數據和第一監控數據對標記有異常處的所述監控數據進行修正處理，得到所述修正監控數據。
16、進一步地，所述對所述監控數據進行類別分析，得到圖像數據和光譜數據，對所述圖像數據進行視覺分析，得到對應的視覺特征數據，包括：
17、通過預設的類型規則對所述監控數據進行類別分析，得到所述得到圖像數據和所述光譜數據；
18、對所述圖像數據進行圖像預處理，得到處理圖像數據；
19、對處理圖像數據依次進行顏色空間轉換和顏色直方圖分析，得到顏色特征數據；
20、對處理圖像數據進行灰度共生矩陣計算，得到紋理特征矩陣，根據紋理特征矩陣計算表面粗糙度和均勻性參數，得到紋理特征數據；
21、對處理圖像數據進行邊緣檢測，得到邊緣特征數據，根據邊緣特征數據進行輪廓提取，得到輪廓特征數據，對所述輪廓特征數據進行形狀分析，得到形狀參數數據；
22、將顏色特征數據、紋理特征數據和形狀參數數據進行特征融合，得到融合特征數據，對融合特征數據進行特征降維處理，得到所述視覺特征數據。
23、進一步地，所述對所述光譜數據進行光譜分析，得到對應的高光譜數據，將所述視覺特征數據與所述高光譜數據進行對應關聯，得到關聯數據，包括：
24、對所述光譜數據進行光譜反射率計算，得到光譜反射率數據；
25、對所述光譜反射率數據進行函數曲線轉換，得到反射率曲線，通過計算反射率曲線的一階導數，并使用連續小波變換分析反射率曲線，得到吸收帶數據，應用閾值法對吸收帶數據進行吸收帶篩選，并記錄每個吸收帶的中心波長、深度和寬度，將識別出的吸收帶與已知物質的特征吸收帶進行比對，進行初步物質識別，得到吸收帶特征數據；
26、將光譜反射率數據和吸收帶特征數據整合處理，得到所述高光譜數據；
27、對所述視覺特征數據和所述高光譜數據進行特征匹配，得到特征匹配結果，根據特征匹配結果對所述視覺特征數據和所述高光譜數據進行空間配準，得到配準數據；
28、對所述配準數據進行特征融合，得到融合特征數據，對所述融合特征數據進行相關性分析，得到相關性矩陣，根據所述相關性矩陣對所述融合特征數據進行特征選擇，得到初步關聯數據；
29、對初步關聯數據進行數據結構化處理，得到結構化關聯數據；對結構化關聯數據進行關聯規則挖掘，得到關聯規則，根據關聯規則對結構化關聯數據進行特征組合，得到關聯數據。
30、進一步地，所述依據所述關聯數據對所述視覺特征數據和所述高光譜數據進行綜合分析，得到綜合良品率，包括：
31、對所述關聯數據進行特征提取，得到關聯特征向量，對關聯特征向量進行降維處理，得到降維特征向量；
32、根據降維特征向量構建多維度評估矩陣，對多維度評估矩陣進行正則化處理，得到標準化評估矩陣；
33、將所述視覺特征數據和所述高光譜數據輸入標準化評估矩陣，通過矩陣運算得到初步良品率指標；
34、對初步良品率指標進行加權平均處理，得到加權平均良品率，根據加權平均良品率對歷史良品率數據進行指數平滑分析，得到時間序列修正因子；
35、根據時間序列修正因子對加權平均良品率進行修正，得到修正后的良品率；
36、對修正后的良品率進行分位數分析，得到良品率分布區間；
37、根據良品率分布區間對修正后的良品率進行分段線性插值，得到最終的綜合良品率。
38、本專利技術還提供一種智能化的工藝流程與良品率判斷系統，應用于上述任意一項的智能化的工藝流程與良品率判斷方法，包括：
39、采集模塊，所述采集模塊用于獲取生產線關鍵節點的監控數據，對所述監控數據進行預處理，并存儲到歷史數據庫中；...
【技術保護點】
1.一種智能化的工藝流程與良品率判斷方法，其特征在于，包括：
2.根據權利要求1所述的智能化的工藝流程與良品率判斷方法，其特征在于，所述獲取生產線關鍵節點的監控數據，對所述監控數據進行預處理，并存儲到歷史數據庫中，包括：
3.根據權利要求1所述的智能化的工藝流程與良品率判斷方法，其特征在于，所述從所述歷史數據庫中提取對應的歷史監控數據，基于所述歷史監控數據對所述監控數據進行數據修正，得到修正監控數據，包括：
4.根據權利要求1所述的智能化的工藝流程與良品率判斷方法，其特征在于，所述對所述監控數據進行類別分析，得到圖像數據和光譜數據，對所述圖像數據進行視覺分析，得到對應的視覺特征數據，包括：
5.根據權利要求4所述的智能化的工藝流程與良品率判斷方法，其特征在于，所述對所述光譜數據進行光譜分析，得到對應的高光譜數據，將所述視覺特征數據與所述高光譜數據進行對應關聯，得到關聯數據，包括：
6.根據權利要求1所述的智能化的工藝流程與良品率判斷方法，其特征在于，所述依據所述關聯數據對所述視覺特征數據和所述高光譜數據進行綜合分析，得到
7.一種智能化的工藝流程與良品率判斷系統，應用于上述權利要求1-6任意一項的智能化的工藝流程與良品率判斷方法，其特征在于，包括：
8.一種智能化的工藝流程與良品率判斷設備，其特征在于，包括：
9.一種存儲介質，其特征在于，存儲有計算機指令，所述計算機指令用于使計算機執行根據權利要求1至6任一項所述的方法。
...【技術特征摘要】
1.一種智能化的工藝流程與良品率判斷方法，其特征在于，包括：
2.根據權利要求1所述的智能化的工藝流程與良品率判斷方法，其特征在于，所述獲取生產線關鍵節點的監控數據，對所述監控數據進行預處理，并存儲到歷史數據庫中，包括：
3.根據權利要求1所述的智能化的工藝流程與良品率判斷方法，其特征在于，所述從所述歷史數據庫中提取對應的歷史監控數據，基于所述歷史監控數據對所述監控數據進行數據修正，得到修正監控數據，包括：
4.根據權利要求1所述的智能化的工藝流程與良品率判斷方法，其特征在于，所述對所述監控數據進行類別分析，得到圖像數據和光譜數據，對所述圖像數據進行視覺分析，得到對應的視覺特征數據，包括：
5.根據權利要求4所述的智能化的...
【專利技術屬性】
技術研發人員：鄭川立，趙靳生，
申請(專利權)人：深圳領馭科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。