基于生产线监控的性能数据分析方法及系统与流程

本发明涉及人工智能，具体而言，涉及一种基于生产线监控的性能数据分析方法及系统。

背景技术：

1、通过对生产对象的性能数据进行分析操作，可以得到生产对象的性能分析结果，如性能的优异程度或性能的具体描述信息等。具体来说，可以对生产对象的生产过程和生产结束后的状态进行连续的视觉检测，如基于图像采集设备进行图像信息采集操作等，然后，可以对采集到的图像进行分析，以得到对应的性能分析结果，这种分析，一般是针对具有表面性能分析的物品，表面性能可以是指表面缺陷、表面硬度等，但是，在现有技术中，一般存在着生产对象性能分析的可靠度不高的问题。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种基于生产线监控的性能数据分析方法及系统，以在一定程度上提高生产对象性能分析的可靠度。

2、为实现上述目的，本发明实施例采用如下技术方案：

3、获取到对目标生产对象进行视觉检测操作形成的生产对象性能图像序列，以及，利用通过进行网络优化操作形成的生产对象性能分析网络，对所述生产对象性能图像序列进行性能分析操作，输出所述目标生产对象对应的第一性能分析结果，所述生产对象性能图像序列包括多个生产对象性能图像，且每一个生产对象性能图像作为所述目标生产对象的性能数据，所述生产对象性能分析网络的网络优化操作的依据包括示例性的生产对象性能图像序列和所述示例性的生产对象性能图像序列的实际性能数据，该网络优化操作包括：通过候选的生产对象性能分析网络分析出所述示例性的生产对象性能图像序列的性能分析结果，以及，基于该性能分析结果和所述实际性能数据之间的区别信息，对候选的生产对象性能分析网络的网络参数进行优化调整，以降低该区别信息；

4、从所述生产对象性能图像序列中筛选性能图像局部序列，以及，基于确定出的所述性能图像局部序列的关联性能图像参考序列，对所述生产对象性能图像序列中的所述性能图像局部序列进行替换操作，形成对应的新的生产对象性能图像序列；

5、利用所述生产对象性能分析网络，对所述新的生产对象性能图像序列进行性能分析操作，输出所述目标生产对象对应的第二性能分析结果，以及，对所述第一性能分析结果和所述第二性能分析结果进行融合操作，输出所述目标生产对象对应的目标性能分析结果，所述目标性能分析结果用于反映所述目标生产对象具有的表面性能，所述目标生产对象是一种需要进行表面性能分析的生产对象。

6、在一些优选的实施例中，在上述基于生产线监控的性能数据分析方法中，所述从所述生产对象性能图像序列中筛选性能图像局部序列，以及，基于确定出的所述性能图像局部序列的关联性能图像参考序列，对所述生产对象性能图像序列中的所述性能图像局部序列进行替换操作，形成对应的新的生产对象性能图像序列的步骤，包括：

7、从所述生产对象性能图像序列中筛选性能图像局部序列，以及，挖掘出所述性能图像局部序列的关键信息表征向量，所述性能图像局部序列包括多个生产对象性能图像，所述性能图像局部序列的关键信息表征向量用于反映所述性能图像局部序列的图像语义信息；

8、基于所述性能图像局部序列的关键信息表征向量，分析出所述性能图像局部序列的序列标识数据，所述性能图像局部序列的序列标识数据包括所述性能图像局部序列在多个序列种类信息下各自对应的匹配性表征参数，所述匹配性表征参数用于反映所述性能图像局部序列与所述序列种类信息之间具有的匹配性高低；

9、基于所述性能图像局部序列的序列标识数据和性能图像参考序列簇中包括的各个性能图像参考序列的序列标识数据，在所述性能图像参考序列簇中，确定出至少一个待定性能图像参考序列；

10、在所述至少一个待定性能图像参考序列中，分析出与所述性能图像局部序列之间具有关联关系的关联性能图像参考序列，以及，基于所述关联性能图像参考序列对所述生产对象性能图像序列中的所述性能图像局部序列进行替换操作，形成对应的新的生产对象性能图像序列。

11、在一些优选的实施例中，在上述基于生产线监控的性能数据分析方法中，所述基于所述性能图像局部序列的关键信息表征向量，分析出所述性能图像局部序列的序列标识数据的步骤，包括：

12、利用多个不一样的标识数据分析模型，基于所述性能图像局部序列的关键信息表征向量，分别分析出所述性能图像局部序列的标识分析数据，不一样的标识数据分析模型对应于不一样的分析规则，每一个标识数据分析模型分析出的标识分析数据包括所述性能图像局部序列在标识数据分析模型对应的分析规则的多个序列种类信息下各自对应的匹配性表征参数；

13、基于所述多个不一样的标识数据分析模型各自分析出的标识分析数据，输出所述性能图像局部序列的序列标识数据。

14、在一些优选的实施例中，在上述基于生产线监控的性能数据分析方法中，所述多个不一样的标识数据分析模型包括前景标识数据分析模型和背景标识数据分析模型，所述前景标识数据分析模型对应的分析规则属于针对前景图像标识分析，所述背景标识数据分析模型对应的分析规则属于针对背景图像标识分析；

15、所述利用多个不一样的标识数据分析模型，基于所述性能图像局部序列的关键信息表征向量，分别分析出所述性能图像局部序列的标识分析数据的步骤，包括：

16、利用所述前景标识数据分析模型，基于所述性能图像局部序列的关键信息表征向量，分析出所述性能图像局部序列的前景标识分析数据，所述前景标识分析数据包括所述性能图像局部序列在针对前景图像标识分析形成的多个序列种类信息下各自对应的匹配性表征参数；

17、利用所述背景标识数据分析模型，基于所述性能图像局部序列的关键信息表征向量，分析出所述性能图像局部序列的背景标识分析数据，所述背景标识分析数据包括所述性能图像局部序列在针对背景图像标识分析形成的多个序列种类信息下各自对应的匹配性表征参数。

18、在一些优选的实施例中，在上述基于生产线监控的性能数据分析方法中，所述基于所述多个不一样的标识数据分析模型各自分析出的标识分析数据，输出所述性能图像局部序列的序列标识数据的步骤，包括：

19、针对每一个标识数据分析模型，基于所述标识数据分析模型对应的分析数据优化规则，在所述标识数据分析模型分析出的标识分析数据中，确定出与所述分析数据优化规则匹配的至少一个匹配性表征参数，以形成所述标识数据分析模型对应的优化的标识分析数据；

20、对各个所述标识数据分析模型各自对应的优化的标识分析数据进行合并操作，形成所述性能图像局部序列的序列标识数据。

21、在一些优选的实施例中，在上述基于生产线监控的性能数据分析方法中，所述从所述生产对象性能图像序列中筛选性能图像局部序列，以及，挖掘出所述性能图像局部序列的关键信息表征向量的步骤，包括：

22、对所述生产对象性能图像序列包括的多个生产对象性能图像进行图像相关性分析操作，及，基于相邻的生产对象性能图像之间的图像相关性分析结果，从所述生产对象性能图像序列中筛选出性能图像局部序列，所述性能图像局部序列包括的多个生产对象性能图像在所述生产对象性能图像序列中具有连续性；

23、挖掘出所述性能图像局部序列的图像多层次信息表征向量集，所述图像多层次信息表征向量集包括将所述性能图像局部序列进行生产对象性能图像粒度级的关键信息挖掘操作形成的多个生产对象性能图像各自对应的图像信息表征向量，且该图像信息表征向量在所述图像多层次信息表征向量集中按照对应的生产对象性能图像的序列先后关系进行排序；

24、基于所述图像多层次信息表征向量集，确定出所述性能图像局部序列的关键信息表征向量。

25、在一些优选的实施例中，在上述基于生产线监控的性能数据分析方法中，所述挖掘出所述性能图像局部序列的图像多层次信息表征向量集的步骤，包括：

26、挖掘出所述性能图像局部序列对应的时间变化信息表征向量和频率变化信息表征向量，所述时间变化信息表征向量用于反映所述性能图像局部序列在时间层面上图像信息的变化情况，所述频率变化信息表征向量用于反映所述性能图像局部序列在频率层面上图像信息的变化情况；

27、将所述时间变化信息表征向量的挖掘操作中的至少一个候选的时间变化信息表征向量和所述频率变化信息表征向量的挖掘操作中的至少一个候选的频率变化信息表征向量进行向量关联分析操作，形成所述性能图像局部序列的关联关键信息表征向量，所述关联关键信息表征向量用于反映所述性能图像局部序列在时间层面和频率层面之间的关联语义信息；

28、基于所述时间变化信息表征向量、所述频率变化信息表征向量和所述关联关键信息表征向量，确定出所述性能图像局部序列的图像多层次信息表征向量集。

29、在一些优选的实施例中，在上述基于生产线监控的性能数据分析方法中，所述至少一个候选的时间变化信息表征向量和所述至少一个候选的频率变化信息表征向量形成至少一个信息表征向量对，每一个所述信息表征向量对包括一对相对应的候选的时间变化信息表征向量和候选的频率变化信息表征向量；

30、所述将所述时间变化信息表征向量的挖掘操作中的至少一个候选的时间变化信息表征向量和所述频率变化信息表征向量的挖掘操作中的至少一个候选的频率变化信息表征向量进行向量关联分析操作，形成所述性能图像局部序列的关联关键信息表征向量的步骤，包括：

31、针对每一个所述信息表征向量对，将所述信息表征向量对中包括的一对相对应的候选的时间变化信息表征向量和候选的频率变化信息表征向量进行级联组合操作，能形成所述信息表征向量对相应的级联组合信息表征向量；

32、对所述至少一个信息表征向量对中的每一个信息表征向量对相应的级联组合信息表征向量进行聚合的关键信息挖掘操作，输出所述性能图像局部序列的关联关键信息表征向量。

33、在一些优选的实施例中，在上述基于生产线监控的性能数据分析方法中，所述挖掘出所述性能图像局部序列对应的时间变化信息表征向量和频率变化信息表征向量的步骤，包括：

34、利用时间维度的关键信息挖掘模型，将所述性能图像局部序列进行时间维度的关键信息挖掘操作，输出所述性能图像局部序列的时间变化信息表征向量；

35、将所述性能图像局部序列进行图像信息维度的转换操作，输出所述性能图像局部序列的性能图像频率维度信息；

36、利用频率维度的关键信息挖掘模型，将所述性能图像频率维度信息进行频率维度的关键信息挖掘操作，输出所述性能图像局部序列的频率变化信息表征向量；

37、并且，所述基于所述时间变化信息表征向量、所述频率变化信息表征向量和所述关联关键信息表征向量，确定出所述性能图像局部序列的图像多层次信息表征向量集的步骤，包括：

38、将所述时间变化信息表征向量、所述频率变化信息表征向量和所述关联关键信息表征向量进行级联组合操作，形成对应的多维关键信息表征向量；

39、基于预先配置的多个不一样的信息筛选规则，将所述多维关键信息表征向量进行信息筛选操作，形成对应的多个信息筛选表征向量；

40、基于所述多个信息筛选表征向量，确定出所述性能图像局部序列的图像多层次信息表征向量集。

41、在一些优选的实施例中，在上述基于生产线监控的性能数据分析方法中，所述基于所述图像多层次信息表征向量集，确定出所述性能图像局部序列的关键信息表征向量的步骤，包括：

42、基于第一排列先后关系，将所述图像多层次信息表征向量集进行关联挖掘操作，形成对应的第一关联挖掘特征表示，所述第一关联挖掘特征表示用于反映在所述第一排列先后关系上所述性能图像局部序列的图像语义信息；

43、基于与所述第一排列先后关系相反的第二排列先后关系对所述图像多层次信息表征向量集关联挖掘操作，形成对应的第二关联挖掘特征表示，所述第二关联挖掘特征表示用于反映在所述第二排列先后关系上所述性能图像局部序列的图像语义信息；

44、对所述第一关联挖掘特征表示和所述第二关联挖掘特征表示进行级联组合操作，形成所述性能图像局部序列的关键信息表征向量。

45、本发明实施例还提供一种基于生产线监控的性能数据分析系统，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现上述的基于生产线监控的性能数据分析方法。

46、本发明实施例提供的基于生产线监控的性能数据分析方法及系统，可以先利用生产对象性能分析网络，对生产对象性能图像序列进行性能分析操作，输出目标生产对象对应的第一性能分析结果；从生产对象性能图像序列中筛选性能图像局部序列，以及，基于确定出的性能图像局部序列的关联性能图像参考序列，对形成新的生产对象性能图像序列；利用生产对象性能分析网络，对新的生产对象性能图像序列进行性能分析操作，输出目标生产对象对应的第二性能分析结果，对第一性能分析结果和第二性能分析结果进行融合操作，输出目标性能分析结果。基于前述的内容，由于在分析出第一性能分析结果之后，还会再确定出相关的关联性能图像参考序列，以进行替换操作，从而形成新的生产对象性能图像序列，使得可以进一步分析出相关的第二性能分析结果，再将两个性能分析结果进行融合，使得得到的目标性能分析结果的可靠度更高，因此，可以在一定程度上提高生产对象性能分析的可靠度，改善现有技术中存在的可靠度不高的问题。

47、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。