【技術實現步驟摘要】
本專利技術人工智能、印刷數據的智能處理以及電子設備膜片等，尤其涉及一種膜片印刷中voc回收效果的智能評估方法與電子設備膜片。
技術介紹
1、印刷實踐中，常使用溶劑型印刷油墨印刷電子設備膜片。由于溶劑型印刷油墨的特性，在電子設備膜片印刷的過程中，印刷機會產生voc排放。高濃度的voc對操作人員的健康有顯著危害，例如引發頭痛、呼吸道刺激，甚至慢性中毒。長期暴露在高voc環境中可能導致嚴重的職業病。為解決這一印刷中的技術問題，通常在使用溶劑型印刷油墨的印刷機上都會設置溶劑回收裝置來對voc進行回收。然而，在長期的印刷使用過程中，溶劑回收裝置對voc的回收效果未能得到評估，對voc回收的管理不夠精細，印刷安全有待進一步提升。
2、綜上所述，現有技術中，電子設備膜片的印刷過程中存在voc的回收效果未能得到評估，對voc回收的管理不夠精細，印刷安全有待提升等技術問題。
技術實現思路
1、針對上述現有技術存在的不足，本專利技術提供一種膜片印刷中voc回收效果的智能評估方法與電子設備膜片，以在電子設備膜片的印刷過程中有效評估voc的回收效果，對voc回收進行精細化管理，保障印刷安全。
2、第一方面，本專利技術提供一種膜片印刷中voc回收效果的智能評估方法，包括：
3、收集膜片印刷中voc回收裝置的入口voc濃度檢測數據，出口voc濃度檢測數據，voc回收裝置的運行參數，voc回收裝置運行時的環境參數以及voc回收裝置運行記錄中的歷史voc回收率；
4
5、根據所述神經網絡模型對所述voc回收裝置的voc回收率進行預測得到的預測結果，提供對所述voc回收裝置回收效果的智能評估和優化建議。
6、第二方面，本專利技術提供一種電子設備膜片，所述電子設備膜片印刷時使用上述膜片印刷中voc回收效果的智能評估方法來評估所述voc回收裝置的voc回收效果。
7、本專利技術與現有技術相比，其有益效果如下：
8、本專利技術提供一種膜片印刷中voc回收效果的智能評估方法與電子設備膜片，通過收集膜片印刷中voc回收裝置的入口voc濃度檢測數據，出口voc濃度檢測數據，voc回收裝置的運行參數，voc回收裝置運行時的環境參數以及voc回收裝置運行記錄中的歷史voc回收率，根據所述入口voc濃度檢測數據、所述出口voc濃度檢測數據，所述voc回收裝置的運行參數，所述voc回收裝置運行時的環境參數以及所述歷史voc回收率，利用訓練后的神經網絡模型對所述voc回收裝置的voc回收率進行預測，根據所述神經網絡模型對所述voc回收裝置的voc回收率進行預測得到的預測結果，提供對所述voc回收裝置回收效果的智能評估和優化建議，從而實現在電子設備膜片的印刷過程中有效評估voc的回收效果，對voc回收進行精細化管理，保障印刷安全。
本文檔來自技高網...【技術保護點】
1.一種膜片印刷中VOC回收效果的智能評估方法，其特征在于，包括：
2.如權利要求1所述的膜片印刷中VOC回收效果的智能評估方法，其特征在于，利用訓練后的神經網絡模型對所述VOC回收裝置的VOC回收率進行預測時，包括：對所述入口VOC濃度檢測數據、所述出口VOC濃度檢測數據，所述VOC回收裝置的運行參數，所述VOC回收裝置運行時的環境參數以及所述歷史VOC回收率進行標準化處理，以得到統一尺度，異常值的相對權重降低，數值范圍一致的標準化多維特征數據；將所述標準化多維特征數據整合成用于輸入模型的多維輸入特征向量；將所述多維輸入特征向量輸入訓練后的神經網絡模型對所述VOC回收裝置的VOC回收率進行預測。
3.如權利要求2所述的膜片印刷中VOC回收效果的智能評估方法，其特征在于，將所述標準化多維特征數據整合成用于輸入模型的多維輸入特征向量時，包括：對所述標準化多維特征數據進行分類，得到連續型特征數據、分類特征數據以及時間序列特征數據；對所述連續型特征數據進行整理，得到按固定順序排列的連續型特征數據；對所述分類特征數據進行整理，得到數值編碼后的分類特征數據；對所述時
4.如權利要求3所述的膜片印刷中VOC回收效果的智能評估方法，其特征在于，在形成輸入神經網絡模型的所述多維輸入特征向量后，檢查形成的所述多維輸入特征向量是否包含所有標準化后的特征數據，并確保特征順序與神經網絡模型的輸入要求一致，以確保所述多維輸入特征向量的完整性。
5.如權利要求3所述的膜片印刷中VOC回收效果的智能評估方法，其特征在于，所述連續型特征數據包括所述入口VOC濃度檢測數據、所述出口VOC濃度檢測數據，所述運行參數中的風量、溫度和吸附材料使用時長及所述環境參數中的濕度和氣壓；所述分類特征數據包括所述運行參數中的吸附材料狀態；所述時間序列特征數據包括所述歷史VOC回收率。
6.如權利要求2所述的膜片印刷中VOC回收效果的智能評估方法，其特征在于，對所述神經網絡模型進行訓練時，包括：收集包含入口VOC濃度檢測數據、出口VOC濃度檢測數據、VOC回收裝置的運行參數、VOC回收裝置運行時的環境參數以及歷史VOC回收率的數據樣本；對收集到的所述數據樣本進行標準化處理，以得到統一尺度、異常值的相對權重降低、數值范圍一致的標準化多維特征數據；將標準化處理后的所述標準化多維特征數據作為訓練集輸入特征，訓練神經網絡模型，并將對應的實際VOC回收率作為標簽值，用于監督所述神經網絡模型的訓練。
7.如權利要求6所述的膜片印刷中VOC回收效果的智能評估方法，其特征在于，所述神經網絡模型包括輸入層、隱藏層和輸出層；所述輸入層的節點數與所述多維輸入特征向量的維度一致；所述隱藏層設置若干神經元，用于學習輸入特征間的復雜關系；所述輸出層設置一個節點，用于輸出預測的VOC回收率。
8.如權利要求6所述的膜片印刷中VOC回收效果的智能評估方法，其特征在于，將標準化處理后的所述標準化多維特征數據作為訓練集輸入特征，訓練神經網絡模型，包括：采用均方誤差作為損失函數，計算預測VOC回收率與實際VOC回收率之間的誤差；使用梯度下降法最小化損失函數，調整神經網絡模型的參數；通過多次迭代優化模型權重，直至損失函數收斂；使用獨立的驗證數據集評估模型的預測精度，確保模型在未見過的數據上具有良好的泛化能力；對模型的性能進行測試，以得到訓練后的所述神經網絡模型。
9.如權利要求1-8任一項所述的膜片印刷中VOC回收效果的智能評估方法，其特征在于，根據所述神經網絡模型對所述VOC回收裝置的VOC回收率進行預測得到的預測結果，提供對所述VOC回收裝置回收效果的智能評估和優化建議，包括：將所述神經網絡模型預測得到的VOC回收率與目標回收率進行比較，判斷當前所述VOC回收裝置的工作狀態是否符合預期，以提供對所述VOC回收裝置回收效果的智能評估和優化建議。
10.一種電子設備膜片，其特征在于，所述電子設備膜片印刷時使用如權利要求1-9任一項所述的膜片印刷中VOC回收效果的智能評估方法來評估所述VOC回收裝置的VOC回收效果。
...【技術特征摘要】
1.一種膜片印刷中voc回收效果的智能評估方法，其特征在于，包括：
2.如權利要求1所述的膜片印刷中voc回收效果的智能評估方法，其特征在于，利用訓練后的神經網絡模型對所述voc回收裝置的voc回收率進行預測時，包括：對所述入口voc濃度檢測數據、所述出口voc濃度檢測數據，所述voc回收裝置的運行參數，所述voc回收裝置運行時的環境參數以及所述歷史voc回收率進行標準化處理，以得到統一尺度，異常值的相對權重降低，數值范圍一致的標準化多維特征數據；將所述標準化多維特征數據整合成用于輸入模型的多維輸入特征向量；將所述多維輸入特征向量輸入訓練后的神經網絡模型對所述voc回收裝置的voc回收率進行預測。
3.如權利要求2所述的膜片印刷中voc回收效果的智能評估方法，其特征在于，將所述標準化多維特征數據整合成用于輸入模型的多維輸入特征向量時，包括：對所述標準化多維特征數據進行分類，得到連續型特征數據、分類特征數據以及時間序列特征數據；對所述連續型特征數據進行整理，得到按固定順序排列的連續型特征數據；對所述分類特征數據進行整理，得到數值編碼后的分類特征數據；對所述時間序列特征數據進行整理，得到完整的時間序列特征數據；將所有整理后的連續型特征數據、分類特征數據及時間序列特征數據以固定次序組合，形成具有統一尺度且特征間無冗余的特征集合；將組合后的多維特征數據轉化為向量形式，形成輸入神經網絡模型的所述多維輸入特征向量，其中每個特征對應特征向量的一個分量。
4.如權利要求3所述的膜片印刷中voc回收效果的智能評估方法，其特征在于，在形成輸入神經網絡模型的所述多維輸入特征向量后，檢查形成的所述多維輸入特征向量是否包含所有標準化后的特征數據，并確保特征順序與神經網絡模型的輸入要求一致，以確保所述多維輸入特征向量的完整性。
5.如權利要求3所述的膜片印刷中voc回收效果的智能評估方法，其特征在于，所述連續型特征數據包括所述入口voc濃度檢測數據、所述出口voc濃度檢測數據，所述運行參數中的風量、溫度和吸附材料使用時長及所述環境參數中的濕度和氣壓；所述分類特征數據包括所述運行參數中的吸附材料狀態；所述時間序列特征數據包括所述歷史voc回收...
【專利技術屬性】
技術研發人員：胡世春，李慧林，汪建軍，陳昌潤，關王批，黃亮欽，
申請(專利權)人：深圳市精品誠電子科技有限公司，
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。