【技術實現步驟摘要】
本專利技術涉及質檢數據的，特別涉及一種智能化的質檢數據真假判斷方法、裝置、系統及存儲介質。
技術介紹
1、在工業制造領域，產品質量控制是確保產品性能穩定、提高用戶滿意度的關鍵環節。傳統的質量檢測方式通常依賴人工檢查或者簡單的自動化檢測設備，這些方法往往存在一定的局限性。例如，在某些復雜的產品生產線上，由于檢測設備的限制和技術手段的不足，很難實現對產品進行全面且深入的質量檢測。同時，由于缺乏有效的數據整合和分析手段，難以對數據的變化趨勢進行精確預測，從而影響到對產品質量的準確判斷。
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質檢數據真假判斷方法、裝置、系統及存儲介質，能夠有效利用多維度信息，避免信息遺漏的問題。
2、為實現上述目的，本專利技術提供一種智能化的質檢數據真假判斷方法，包括：
3、通過部署在生產線上的檢測設備采集產品的原始質檢數據，對所述原始質檢數據進行多維處理，得到第一維度數據，并將所述第一維度數據存儲到存儲數據庫中；
4、依據預設的矩陣分解規則將所述第一維度數據進行整合，得到第二維度數據，對所述第二維度數據進行特征提取計算，得到對應的維度特征；
5、依據預設的關聯規則將所述第一維度數據與所述維度特征進行關聯分析，得到關聯關系，并依據所述關聯關系對所述維度特征進行異常檢測，得到異常信息；
6、從所述存儲數據庫中獲取第一歷史維度數據，基于所述關聯關系依據所述第一歷史維度數據對所述維度特征進行趨勢比對，
7、對所述異常信息和所述符合度進行綜合分析，得到綜合信息，并依據所述綜合信息生成所述第一維度數據的判斷結果。
8、進一步地，所述通過部署在生產線上的檢測設備采集產品的原始質檢數據，對所述原始質檢數據進行多維處理，得到第一維度數據，并將所述第一維度數據存儲到存儲數據庫中，包括：
9、通過部署在生產線上的多種檢測設備采集產品的所述原始質檢數據，對所述原始質檢數據進行分類處理，得到原始類型數據；
10、依據預設的多維規則對原始類型數據進行多維化處理，得到原始多維數據，對原始多維數據進行標準化處理，得到所述第一維度數據；
11、將所述第一維度數據存儲到存儲數據庫中。
12、進一步地，所述依據預設的矩陣分解規則將所述第一維度數據進行整合，得到第二維度數據，對所述第二維度數據進行特征提取計算，得到對應的維度特征，包括：
13、對所述第一維度數據進行矩陣轉換，得到第一維度數據矩陣，對第一維度數據矩陣進行非負矩陣分解，得到基矩陣和系數矩陣；
14、根據基矩陣和系數矩陣重構所述第一維度數據，得到重構數據；
15、依據預設的標準第一維度數據對重構數據進行差異計算，得到重構誤差；
16、根據重構誤差對所述第一維度數據進行篩選，得到篩選第一維度數據；對篩選第一維度數據進行特征提取，得到尺寸維度特征、材料成分維度特征、表面缺陷維度特征、功能測試維度特征和時間序列維度特征；
17、將尺寸維度特征、材料成分維度特征、表面缺陷維度特征、功能測試維度特征和時間序列維度特征進行特征向量構建，得到特征向量矩陣，對特征向量矩陣進行特征權重計算，得到加權特征數據；
18、依據加權特征數據對尺寸維度特征、材料成分維度特征、表面缺陷維度特征、功能測試維度特征和時間序列維度特征進行綜合特征提取，得到所述維度特征。
19、進一步地，所述依據預設的關聯規則將所述第一維度數據與所述維度特征進行關聯分析，得到關聯關系，并依據所述關聯關系對所述維度特征進行異常檢測，得到異常信息，包括：
20、計算所述第一維度數據與所述維度特征的相關系數矩陣，得到初始關聯強度表，對初始關聯強度表應用自適應閾值篩選方法，得到核心關聯對；
21、基于核心關聯對構建多層次關聯網絡，得到層級化關聯結構；對層級化關聯結構進行拓撲分析，得到目標節點和關聯路徑；
22、根據所述目標節點和關聯路徑對維度特征進行重要性評估，得到特征權重向量；
23、依據特征權重向量對預設的異常檢測規則集進行定向設置，得到動態檢測準則，依據動態檢測準則對所述維度特征進行異常檢測，得到原始異常指標；
24、利用密度聚類方法對所述原始異常指標進行分組構建，得到異常類別矩陣，利用異常類別矩陣篩選和分解原始異常指標，提取異常趨勢特征；
25、基于異常趨勢特征和層級化關聯結構，進行異常傳播仿真，形成異常影響特征，依據預設的評估規則對異常影響特征進行異常評估，得到最終異常等級；
26、依據最終異常等級和層級化關聯結構生成異常描述，得到所述異常信息。
27、進一步地，所述從所述存儲數據庫中獲取第一歷史維度數據，基于所述關聯關系依據所述第一歷史維度數據對所述維度特征進行趨勢比對，得到符合度，包括：
28、從所述存儲數據庫中提取與所述維度特征的時間跨度相匹配的第一歷史維度數據；
29、對所述第一歷史維度數據進行時間序列分解，得到周期性、季節性和隨機性三個組成部分，根據預設的特征映射規則，對所述維度特征和周期性、季節性和隨機性三個組成部分進行特征映射，得到多維映射特征矩陣；
30、基于所述關聯關系對多維映射特征矩陣進行特征重要性評估，得到特征權重向量；
31、利用預定義的自適應時間窗口，對特征權重向量進行動態調整，得到時變權重序列，根據預設的非線性趨勢比對算法對時變權重序列與所述維度特征進行相關性分析，得到相關性指數；
32、基于預設的自適應閾值機制對相關性指數進行動態范圍調整，得到調整指標，根據預定義的多級評估標準對調整指標進行分層評估，得到所述符合度。
33、進一步地，所述對所述異常信息和所述符合度進行綜合分析，得到綜合信息，并依據所述綜合信息生成所述第一維度數據的判斷結果，包括：
34、對所述異常信息進行權重計算，得到異常權重系數，對所述符合度進行數值標準化，得到標準化符合度，根據所述異常權重系數和所述標準化符合度進行綜合評估，得到綜合信息；
35、基于預設的評估閾值，對綜合信息進行分級，得到初步分類結果，對初步分類結果進行智能分析，得到優化判斷參數；
36、從所述存儲數據庫中提取歷史判斷數據，利用優化判斷參數對所述初步分類結果進行校正，得到校正結果；
37、根據校正結果，生成判斷報告，其中判斷報告包括真實性評估和可信度分析，基于判斷報告，對所述第一維度數據進行特征標識，得到最終的所述判斷結果。
38、本專利技術還提供一種智能化的質檢數據真假判斷裝置，應用于上述任意一項的智能化的質檢數據真假判斷方法，包括：
39、采集模塊，所述采集模塊用于通過部署在生產線上的檢測設備采集產品的原始質檢數據，對所述原始質檢數據進行多維處理，得到第一維度數據，并將所述第一維度數據存儲到存儲本文檔來自技高網...
【技術保護點】
1.一種智能化的質檢數據真假判斷方法，其特征在于，包括：
2.根據權利要求1所述的智能化的質檢數據真假判斷方法，其特征在于，所述通過部署在生產線上的檢測設備采集產品的原始質檢數據，對所述原始質檢數據進行多維處理，得到第一維度數據，并將所述第一維度數據存儲到存儲數據庫中，包括：
3.根據權利要求1所述的智能化的質檢數據真假判斷方法，其特征在于，所述依據預設的矩陣分解規則將所述第一維度數據進行整合，得到第二維度數據，對所述第二維度數據進行特征提取計算，得到對應的維度特征，包括：
4.根據權利要求1所述的智能化的質檢數據真假判斷方法，其特征在于，所述依據預設的關聯規則將所述第一維度數據與所述維度特征進行關聯分析，得到關聯關系，并依據所述關聯關系對所述維度特征進行異常檢測，得到異常信息，包括：
5.根據權利要求1所述的智能化的質檢數據真假判斷方法，其特征在于，所述從所述存儲數據庫中獲取第一歷史維度數據，基于所述關聯關系依據所述第一歷史維度數據對所述維度特征進行趨勢比對，得到符合度，包括：
6.根據權利要求1所述的智能化的質檢數據
7.一種智能化的質檢數據真假判斷裝置，其特征在于，應用于上述權利要求1-6任意一項的智能化的質檢數據真假判斷方法，包括：
8.一種智能化的質檢數據真假判斷系統，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】
1.一種智能化的質檢數據真假判斷方法，其特征在于，包括：
2.根據權利要求1所述的智能化的質檢數據真假判斷方法，其特征在于，所述通過部署在生產線上的檢測設備采集產品的原始質檢數據，對所述原始質檢數據進行多維處理，得到第一維度數據，并將所述第一維度數據存儲到存儲數據庫中，包括：
3.根據權利要求1所述的智能化的質檢數據真假判斷方法，其特征在于，所述依據預設的矩陣分解規則將所述第一維度數據進行整合，得到第二維度數據，對所述第二維度數據進行特征提取計算，得到對應的維度特征，包括：
4.根據權利要求1所述的智能化的質檢數據真假判斷方法，其特征在于，所述依據預設的關聯規則將所述第一維度數據與所述維度特征進行關聯分析，得到關聯關系，并依據所述關聯關系對所述維度特征進行異常檢測，得到異常信息，包括：
【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。