真空镀膜设备壁板清洗控制系统的异常报警方法及系统与流程

本发明涉及人工智能，特别涉及一种真空镀膜设备壁板清洗控制系统的异常报警方法及系统。

背景技术：

1、真空镀膜设备（vacuum coating machine）用于实现在较高真空度下镀膜处理，真空镀膜设备的镀膜处理（主要分为蒸发和溅射）通常包括真空电阻加热蒸发，电子枪加热蒸发、磁控溅射、mbe分子束外延、pld激光溅射沉积、离子束溅射等。真空镀膜设备在运行一段时间后，其清洗工作必不可少，然而传统的人工清洗技术存在效率低下且容易造成生产事故等问题，而针对此的其中一个改进技术是利用自动化的壁板清洗控制系统实现。即便如此，壁板清洗控制系统在运行过程中难免出现故障和异常。

技术实现思路

1、为改善相关技术中存在的技术问题，本发明提供了一种真空镀膜设备壁板清洗控制系统的异常报警方法及系统。

2、第一方面，本发明实施例提供了一种真空镀膜设备壁板清洗控制系统的异常报警方法，应用于ai异常报警处理系统，所述方法包括：

3、获得目标壁板清洗控制系统的目标异常运行图像报告；

4、基于目标异常报警决策网络获取最少两个异常运行图像修正报告中各个异常图像单元的存在可能性，所述异常运行图像修正报告包括所述目标异常运行图像报告和备选异常故障标签，所述目标异常报警决策网络是基于削弱样例依赖性的调试思路调试所得的；

5、依据所述最少两个异常运行图像修正报告中各个异常图像单元的存在可能性，从所述最少两个异常运行图像修正报告中确定目标异常运行图像修正报告；

6、将所述目标异常运行图像修正报告中的备选异常故障标签确定为所述目标异常运行图像报告的当前异常故障标签。

7、在一些可选的实施例中，所述基于目标异常报警决策网络获取最少两个异常运行图像修正报告中各个异常图像单元的存在可能性，包括：

8、将所述目标异常运行图像报告和所述备选异常故障标签进行组合，得到所述最少两个异常运行图像修正报告中的任一异常运行图像修正报告；

9、将所述任一异常运行图像修正报告加载至所述目标异常报警决策网络，由所述目标异常报警决策网络确定所述任一异常运行图像修正报告的异常运行图像描述特征，依据所述任一异常运行图像修正报告的异常运行图像描述特征确定所述任一异常运行图像修正报告中各个异常图像单元的存在可能性。

10、在一些可选的实施例中，所述基于目标异常报警决策网络获取最少两个异常运行图像修正报告中各个异常图像单元的存在可能性，包括：

11、将所述目标异常运行图像报告加载至所述目标异常报警决策网络，由所述目标异常报警决策网络确定所述目标异常运行图像报告的异常运行图像描述特征；

12、由所述目标异常报警决策网络将所述目标异常运行图像报告的异常运行图像描述特征和所述备选异常故障标签的异常运行图像描述特征进行组合，得到所述最少两个异常运行图像修正报告中的任一异常运行图像修正报告的异常运行图像描述特征；

13、由所述目标异常报警决策网络依据所述任一异常运行图像修正报告的异常运行图像描述特征确定所述任一异常运行图像修正报告中各个异常图像单元的存在可能性。

14、在一些可选的实施例中，所述目标异常报警决策网络的调试步骤包括：

15、获取若干个第一异常运行图像报告；

16、对于任一第一异常运行图像报告，基于第一深度残差网络获取所述任一第一异常运行图像报告中各个异常图像单元的存在可能性；

17、依据所述若干个第一异常运行图像报告中各个异常图像单元的存在可能性，对所述第一深度残差网络进行优化，得到第一异常报警决策网络，所述第一异常报警决策网络包括第一图像描述挖掘组件；

18、基于所述第一图像描述挖掘组件获取所述任一第一异常运行图像报告的图像描述子；

19、依据所述若干个第一异常运行图像报告的图像描述子，对所述第一图像描述挖掘组件进行优化，得到第二图像描述挖掘组件；

20、依据所述第二图像描述挖掘组件，确定目标异常报警决策网络。

21、在一些可选的实施例中，所述依据所述若干个第一异常运行图像报告的图像描述子，对所述第一图像描述挖掘组件进行优化，得到第二图像描述挖掘组件，包括：

22、依据所述若干个第一异常运行图像报告的图像描述子确定各个第一异常运行图像报告的代价变量；

23、依据所述各个第一异常运行图像报告的代价变量确定所述第一图像描述挖掘组件的代价变量；

24、依据所述第一图像描述挖掘组件的代价变量，对所述第一图像描述挖掘组件进行优化，得到第二图像描述挖掘组件。

25、在一些可选的实施例中，所述任一第一异常运行图像报告为任一初始异常运行图像报告或者所述任一初始异常运行图像报告对应的更新异常运行图像报告，所述任一初始异常运行图像报告对应的更新异常运行图像报告是对所述任一初始异常运行图像报告中的异常图像单元进行更新后得到的异常运行图像报告；

26、所述依据所述若干个第一异常运行图像报告的图像描述子确定各个第一异常运行图像报告的代价变量，包括：

27、对于所述任一初始异常运行图像报告，依据各个初始异常运行图像报告的图像描述子和所述各个初始异常运行图像报告对应的更新异常运行图像报告的图像描述子，确定所述任一初始异常运行图像报告的代价变量；

28、对于所述任一初始异常运行图像报告对应的更新异常运行图像报告，依据所述各个初始异常运行图像报告的图像描述子和所述各个初始异常运行图像报告对应的更新异常运行图像报告的图像描述子，确定所述任一初始异常运行图像报告对应的更新异常运行图像报告的代价变量。

29、在一些可选的实施例中，所述依据各个初始异常运行图像报告的图像描述子和所述各个初始异常运行图像报告对应的更新异常运行图像报告的图像描述子，确定所述任一初始异常运行图像报告的代价变量，包括：

30、依据所述任一初始异常运行图像报告的图像描述子和所述任一初始异常运行图像报告对应的更新异常运行图像报告的图像描述子，确定所述任一初始异常运行图像报告和所述任一初始异常运行图像报告对应的更新异常运行图像报告之间的第一共性度量指数；

31、依据所述任一初始异常运行图像报告的图像描述子和剩余初始异常运行图像报告的图像描述子，确定所述任一初始异常运行图像报告与所述剩余初始异常运行图像报告之间的第二共性度量指数，所述剩余初始异常运行图像报告是所述各个初始异常运行图像报告中除所述任一初始异常运行图像报告以外的初始异常运行图像报告；

32、依据所述任一初始异常运行图像报告的图像描述子和所述剩余初始异常运行图像报告对应的更新异常运行图像报告的图像描述子，确定所述任一初始异常运行图像报告与所述剩余初始异常运行图像报告对应的更新异常运行图像报告之间的第三共性度量指数；

33、依据所述第一共性度量指数、所述第二共性度量指数以及所述第三共性度量指数，确定所述任一初始异常运行图像报告的代价变量。

34、在一些可选的实施例中，所述依据所述各个初始异常运行图像报告的图像描述子和所述各个初始异常运行图像报告对应的更新异常运行图像报告的图像描述子，确定所述任一初始异常运行图像报告对应的更新异常运行图像报告的代价变量，包括：

35、依据所述任一初始异常运行图像报告的图像描述子和所述任一初始异常运行图像报告对应的更新异常运行图像报告的图像描述子，确定所述任一初始异常运行图像报告和所述任一初始异常运行图像报告对应的更新异常运行图像报告之间的第一共性度量指数；

36、依据所述任一初始异常运行图像报告对应的更新异常运行图像报告的图像描述子和剩余初始异常运行图像报告的图像描述子，确定所述任一初始异常运行图像报告对应的更新异常运行图像报告与所述剩余初始异常运行图像报告之间的第四共性度量指数，所述剩余初始异常运行图像报告是所述各个初始异常运行图像报告中除所述任一初始异常运行图像报告以外的初始异常运行图像报告；

37、依据所述任一初始异常运行图像报告对应的更新异常运行图像报告的图像描述子和所述剩余初始异常运行图像报告对应的更新异常运行图像报告的图像描述子，确定所述任一初始异常运行图像报告对应的更新异常运行图像报告与所述剩余初始异常运行图像报告对应的更新异常运行图像报告之间的第五共性度量指数；

38、依据所述第一共性度量指数、所述第四共性度量指数以及所述第五共性度量指数，确定所述任一初始异常运行图像报告对应的更新异常运行图像报告的代价变量。

39、在一些可选的实施例中，所述依据所述若干个第一异常运行图像报告的图像描述子，对所述第一图像描述挖掘组件进行优化，得到第二图像描述挖掘组件，包括：

40、依据各个第一异常运行图像报告的图像描述子，确定各个第一异常运行图像报告的推测结果，所述第一异常运行图像报告的推测结果是通过推测得到的所述第一异常运行图像报告中各个异常图像单元被更新的可能性；

41、获取各个第一异常运行图像报告的先验知识，所述第一异常运行图像报告的先验知识是通过注释所得的所述第一异常运行图像报告中各个异常图像单元是否被更新的信息；

42、依据所述各个第一异常运行图像报告的推测结果和所述各个第一异常运行图像报告的先验知识，对所述第一图像描述挖掘组件进行优化，得到第二图像描述挖掘组件。

43、在一些可独立的实施例中，所述依据所述第二图像描述挖掘组件，确定目标异常报警决策网络，包括：

44、获取第二异常运行图像报告和所述第二异常运行图像报告的异常故障真实标签；

45、基于第二异常报警决策网络获取最少两个组合异常运行图像报告中各个异常图像单元的存在可能性，所述组合异常运行图像报告包括所述第二异常运行图像报告和备选异常故障标签，所述第二异常报警决策网络包括所述第二图像描述挖掘组件；

46、依据所述最少两个组合异常运行图像报告中各个异常图像单元的存在可能性，从所述最少两个组合异常运行图像报告中确定目标组合异常运行图像报告；

47、依据所述目标组合异常运行图像报告中的备选异常故障标签和所述第二异常运行图像报告的异常故障真实标签，对所述第二异常报警决策网络进行优化，得到所述目标异常报警决策网络。

48、在一些可独立的实施例中，所述基于第二异常报警决策网络获取最少两个组合异常运行图像报告中各个异常图像单元的存在可能性，包括：

49、将所述第二异常运行图像报告和所述备选异常故障标签进行组合，得到所述最少两个组合异常运行图像报告中的任一组合异常运行图像报告；

50、将所述任一组合异常运行图像报告加载至所述第二异常报警决策网络，由所述第二异常报警决策网络确定所述任一组合异常运行图像报告的异常运行图像描述特征，依据所述任一组合异常运行图像报告的异常运行图像描述特征确定所述任一组合异常运行图像报告中各个异常图像单元的存在可能性。

51、在一些可独立的实施例中，所述基于第二异常报警决策网络获取最少两个组合异常运行图像报告中各个异常图像单元的存在可能性，包括：

52、将所述第二异常运行图像报告加载至所述第二异常报警决策网络，由所述第二异常报警决策网络确定所述第二异常运行图像报告的异常运行图像描述特征；

53、由所述第二异常报警决策网络将所述第二异常运行图像报告的异常运行图像描述特征和所述备选异常故障标签的异常运行图像描述特征进行组合，得到所述最少两个组合异常运行图像报告中的任一组合异常运行图像报告的异常运行图像描述特征；

54、由所述第二异常报警决策网络依据所述任一组合异常运行图像报告的异常运行图像描述特征确定所述任一组合异常运行图像报告中各个异常图像单元的存在可能性。

55、在一些可独立的实施例中，所述依据所述最少两个组合异常运行图像报告中各个异常图像单元的存在可能性，从所述最少两个组合异常运行图像报告中确定目标组合异常运行图像报告，包括：

56、依据所述最少两个组合异常运行图像报告中各个异常图像单元的存在可能性，确定各个组合异常运行图像报告的质量评分，所述组合异常运行图像报告的质量评分表征所述组合异常运行图像报告的图像细粒度；

57、依据所述各个组合异常运行图像报告的质量评分，确定符合要求的质量评分所对应的组合异常运行图像报告为所述目标组合异常运行图像报告。

58、在一些可独立的实施例中，所述依据所述最少两个组合异常运行图像报告中各个异常图像单元的存在可能性，确定各个组合异常运行图像报告的质量评分，包括：

59、依据所述最少两个组合异常运行图像报告中各个异常图像单元的存在可能性，确定各个组合异常运行图像报告的存在可能性；

60、依据所述各个组合异常运行图像报告的存在可能性，确定所述各个组合异常运行图像报告的质量评分。

61、在一些可独立的实施例中，所述基于第一深度残差网络获取所述任一第一异常运行图像报告中各个异常图像单元的存在可能性之前，还包括：

62、基于第二深度残差网络获取所述任一第一异常运行图像报告的图像描述子；

63、依据所述若干个第一异常运行图像报告的图像描述子，对所述第二深度残差网络进行优化，得到第三图像描述挖掘组件；

64、依据所述第三图像描述挖掘组件生成所述第一深度残差网络。

65、第二方面，本发明还提供了一种ai异常报警处理系统，包括处理器和存储器；所述处理器和所述存储器通信连接，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。

66、第三方面，本发明还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。

67、本发明实施例先通过若干个第一异常运行图像报告调试得到第一异常报警决策网络，该第一异常报警决策网络包括第一图像描述挖掘组件，然后利用依据第一图像描述挖掘组件获取到的若干个第一异常运行图像报告的图像描述子对第一图像描述挖掘组件进行优化，得到第二图像描述挖掘组件，并依据第二图像描述挖掘组件得到目标异常报警决策网络。能够基于第一异常运行图像报告对异常报警决策网络进行两个环节的调试，这样可以通过有限的第一异常运行图像报告能调试出网络性能较佳的异常报警决策网络，减少调试样例的数量对异常报警决策网络的影响，这样无需耗费大量时间进行调试样例的搜集，提升了异常报警决策网络的调试时效性和异常运行图像报告的异常故障判别时效性。

68、且本发明通过对图像描述挖掘组件进行调试，能够提高图像描述挖掘组件的精度，进而实现了提高包含第二图像描述挖掘组件的目标异常报警决策网络的精度，从而确保异常故障判别的精度。

69、进一步地，通过本发明实施例提供的异常报警决策网络的调试方法，利用第一异常运行图像报告调试得到目标异常报警决策网络，鉴于不用对第一异常运行图像报告进行注释，这样可以提高异常报警决策网络的调试效率，减少异常报警决策网络的收敛耗时，且异常报警决策网络的精度较高。本发明实施例可以不采用第二异常运行图像报告及第二异常运行图像报告的异常故障真实标签对异常报警决策网络进行改进，换言之，第二异常运行图像报告的数目甚至可以为零，或者本发明实施例可以采用有限的第二异常运行图像报告及第二异常运行图像报告的异常故障真实标签对异常报警决策网络进行改进。这样一来，可以显著提高目标异常报警决策网络的调试时效性和精度，以确保异常故障判别精度。