验厂报告的生成方法、装置、设备及存储介质与流程

本技术涉及数据处理领域，尤其涉及一种验厂报告的生成方法、装置、设备及存储介质。

背景技术：

1、在当前的全球化生产环境中，工厂验厂成为了保障产品质量和符合国际标准的重要环节。随着市场对产品质量和生产条件的要求日益提高，工厂的验厂流程不仅需要涉及生产过程的合规性，还需要关注工厂环境的安全和健康标准。特别是在处理潮湿环境下的生产条件时，如何准确、快速地评估并生成详尽的验厂报告成为了一个挑战。

2、传统的验厂方法主要依赖于人工检查和评估，这不仅耗时耗力，而且容易受到主观判断的影响，导致验厂结果的不一致性和不准确性。为了解决这些问题，利用先进的信息技术进行工厂的自动化和智能化检测，成为了一个重要的发展方向。

技术实现思路

1、本技术提供了一种验厂报告的生成方法、装置、设备及存储介质，用于提高了验厂报告的生成准确率。

2、第一方面，本技术提供了一种验厂报告的生成方法，所述验厂报告的生成方法包括：对目标工厂中的多个厂房区域进行位置标定，得到每个厂房区域的目标位置数据，并基于所述目标位置数据获取每个厂房区域的区域参数集合；根据所述区域参数集合对所述多个厂房区域进行动态识别和实时图像采集，得到每个厂房区域的多个厂房区域图像；分别将所述多个厂房区域图像输入预置的潮湿状态检测模型进行潮湿状态检测，得到每个厂房区域的目标潮湿状态评估结果；获取所述目标工厂的评分标准数据，并根据所述评分标准数据和所述目标潮湿状态评估结果生成对应的初始验厂报告；对所述目标工厂进行历史验厂数据分析和历史环境监测，确定对应的历史验厂数据和历史环境数据，并根据所述历史验厂数据和所述历史环境数据生成对应的验厂追溯信息；基于所述验厂追溯信息对所述初始验厂报告进行报告审核和报告更新，得到目标验厂报告，将所述目标验厂报告发送至预置的用户终端。

3、结合第一方面，在本技术第一方面的第一种实现方式中，所述对目标工厂中的多个厂房区域进行位置标定，得到每个厂房区域的目标位置数据，并基于所述目标位置数据获取每个厂房区域的区域参数集合，包括：对目标工厂中的多个厂房区域进行位置标识码提取，得到每个厂房区域对应的位置标识码；通过每个厂房区域对应的位置标识码对所述多个厂房区域进行位置标定，得到每个厂房区域的目标位置数据；根据所述目标位置数据对所述多个厂房区域进行厂房构造分析，确定每个厂房区域对应的厂房构造数据；对每个厂房区域对应的厂房构造数据进行区域参数提取，得到每个厂房区域的区域参数集合。

4、结合第一方面，在本技术第一方面的第二种实现方式中，所述根据所述区域参数集合对所述多个厂房区域进行动态识别和实时图像采集，得到每个厂房区域的多个厂房区域图像，包括：对每个厂房区域的区域参数集合进行动态识别区域分析，确定每个厂房区域的目标动态识别区域；通过所述目标动态识别区域对每个厂房区域进行初始位置状态分析，确定每个厂房区域对应的初始位置数据；基于所述初始位置数据对所述多个厂房区域进行移动识别轨迹分析，得到每个厂房区域对应的移动识别轨迹；基于所述移动识别轨迹对多个厂房区域进行实时图像采集，得到每个厂房区域的多个初始区域图像；对每个厂房区域的多个初始区域图像进行去噪处理，得到每个厂房区域的多个厂房区域图像。

5、结合第一方面，在本技术第一方面的第三种实现方式中，所述分别将所述多个厂房区域图像输入预置的潮湿状态检测模型进行潮湿状态检测，得到每个厂房区域的目标潮湿状态评估结果，包括：分别将所述多个厂房区域图像输入预置的潮湿状态检测模型，其中，所述潮湿状态检测模型包括：多层卷积网络、线性变换函数以及特征整合层；分别将所述多个厂房区域图像输入所述多层卷积网络，通过所述多层卷积网络中的三层卷积层对每个厂房区域图像进行多通道卷积运算，得到每个厂房区域图像的多个卷积特征图，并对所述多个卷积特征图进行通道分组，得到每个厂房区域图像的目标通道分组结果；根据所述目标通道分组结果，对每个厂房区域图像的多个卷积特征图进行独立卷积操作，得到每个卷积特征图输出的原始特征图；对每个卷积特征图输出的原始特征图进行特征图重组，生成目标卷积特征图，并获取预置的权重矩阵，并通过所述线性变换函数，根据所述权重矩阵对所述目标卷积特征图进行线性变换，生成每个厂房区域图像的多个变换特征图；通过所述特征整合层，对所述多个变换特征图以及所述多个卷积特征图进行特征信息融合，输出每个厂房区域图像的初始潮湿状态评估结果；对每个厂房区域图像的初始潮湿状态评估结果进行加权平均处理，得到每个厂房区域的目标潮湿状态评估结果。

6、结合第一方面，在本技术第一方面的第四种实现方式中，所述获取所述目标工厂的评分标准数据，并根据所述评分标准数据和所述目标潮湿状态评估结果生成对应的初始验厂报告，包括：获取所述目标工厂的评分标准数据，并对所述评分标准数据进行评分标准解析，得到评分标准特征；根据所述评分标准特征对所述评分标准数据进行关键词分词，得到多个评分标准关键词；对所述多个评分标准关键词进行关键词向量转换，得到评分标准特征向量，并对所述目标潮湿状态评估结果进行评估指标向量转换，得到潮湿状态评估指标；对所述评分标准特征向量与所述潮湿状态评估指标进行欧式距离计算，得到目标欧式距离数据；根据所述目标欧式距离数据确定所述目标工厂对应的初始验厂报告。

7、结合第一方面，在本技术第一方面的第五种实现方式中，所述对所述目标工厂进行历史验厂数据分析和历史环境监测，确定对应的历史验厂数据和历史环境数据，并根据所述历史验厂数据和所述历史环境数据生成对应的验厂追溯信息，包括：对所述目标工厂进行历史验厂数据分析和历史环境监测，确定对应的历史验厂数据和历史环境数据；对所述历史验厂数据进行线性特征转换，得到多个历史验厂线性特征，并根据所述多个历史验厂线性特征计算协方差矩阵元素，并根据所述协方差矩阵元素构建协方差矩阵；根据所述协方差矩阵计算所述多个历史验厂线性特征之间的相关性，得到目标特征相关性；根据所述目标特征相关性，计算所述多个历史验厂线性特征对应的多个特征值；根据所述多个特征值生成对应的特征向量，并对所述特征向量进行主成分归一化，得到主成分验厂数据；对所述主成分验厂数据和所述历史环境数据进行特征组合，得到对应的验厂追溯信息。

8、结合第一方面，在本技术第一方面的第六种实现方式中，所述基于所述验厂追溯信息对所述初始验厂报告进行报告审核和报告更新，得到目标验厂报告，将所述目标验厂报告发送至预置的用户终端，包括：对所述验厂追溯信息进行报告审核规则分析，得到第一报告审核规则；对所述第一报告审核规则进行规则校验，得到第二报告审核规则；根据所述第二报告审核规则对所述初始验厂报告进行异常项提取，得到至少一个报告异常项；对所述至少一个报告异常项进行报告更新，得到目标验厂报告，并将所述目标验厂报告发送至预置的用户终端。

9、第二方面，本技术提供了一种验厂报告的生成装置，所述验厂报告的生成装置包括：获取模块，用于对目标工厂中的多个厂房区域进行位置标定，得到每个厂房区域的目标位置数据，并基于所述目标位置数据获取每个厂房区域的区域参数集合；采集模块，用于根据所述区域参数集合对所述多个厂房区域进行动态识别和实时图像采集，得到每个厂房区域的多个厂房区域图像；检测模块，用于分别将所述多个厂房区域图像输入预置的潮湿状态检测模型进行潮湿状态检测，得到每个厂房区域的目标潮湿状态评估结果；处理模块，用于获取所述目标工厂的评分标准数据，并根据所述评分标准数据和所述目标潮湿状态评估结果生成对应的初始验厂报告；生成模块，用于对所述目标工厂进行历史验厂数据分析和历史环境监测，确定对应的历史验厂数据和历史环境数据，并根据所述历史验厂数据和所述历史环境数据生成对应的验厂追溯信息；发送模块，用于基于所述验厂追溯信息对所述初始验厂报告进行报告审核和报告更新，得到目标验厂报告，将所述目标验厂报告发送至预置的用户终端。

10、结合第二方面，在本技术第二方面的第一种实现方式中，所述获取模块具体用于：对目标工厂中的多个厂房区域进行位置标识码提取，得到每个厂房区域对应的位置标识码；通过每个厂房区域对应的位置标识码对所述多个厂房区域进行位置标定，得到每个厂房区域的目标位置数据；根据所述目标位置数据对所述多个厂房区域进行厂房构造分析，确定每个厂房区域对应的厂房构造数据；对每个厂房区域对应的厂房构造数据进行区域参数提取，得到每个厂房区域的区域参数集合。

11、结合第二方面，在本技术第二方面的第二种实现方式中，所述采集模块具体用于：对每个厂房区域的区域参数集合进行动态识别区域分析，确定每个厂房区域的目标动态识别区域；通过所述目标动态识别区域对每个厂房区域进行初始位置状态分析，确定每个厂房区域对应的初始位置数据；基于所述初始位置数据对所述多个厂房区域进行移动识别轨迹分析，得到每个厂房区域对应的移动识别轨迹；基于所述移动识别轨迹对多个厂房区域进行实时图像采集，得到每个厂房区域的多个初始区域图像；对每个厂房区域的多个初始区域图像进行去噪处理，得到每个厂房区域的多个厂房区域图像。

12、结合第二方面，在本技术第二方面的第三种实现方式中，所述检测模块具体用于：分别将所述多个厂房区域图像输入预置的潮湿状态检测模型，其中，所述潮湿状态检测模型包括：多层卷积网络、线性变换函数以及特征整合层；分别将所述多个厂房区域图像输入所述多层卷积网络，通过所述多层卷积网络中的三层卷积层对每个厂房区域图像进行多通道卷积运算，得到每个厂房区域图像的多个卷积特征图，并对所述多个卷积特征图进行通道分组，得到每个厂房区域图像的目标通道分组结果；根据所述目标通道分组结果，对每个厂房区域图像的多个卷积特征图进行独立卷积操作，得到每个卷积特征图输出的原始特征图；对每个卷积特征图输出的原始特征图进行特征图重组，生成目标卷积特征图，并获取预置的权重矩阵，并通过所述线性变换函数，根据所述权重矩阵对所述目标卷积特征图进行线性变换，生成每个厂房区域图像的多个变换特征图；通过所述特征整合层，对所述多个变换特征图以及所述多个卷积特征图进行特征信息融合，输出每个厂房区域图像的初始潮湿状态评估结果；对每个厂房区域图像的初始潮湿状态评估结果进行加权平均处理，得到每个厂房区域的目标潮湿状态评估结果。

13、结合第二方面，在本技术第二方面的第四种实现方式中，所述处理模块具体用于：获取所述目标工厂的评分标准数据，并对所述评分标准数据进行评分标准解析，得到评分标准特征；根据所述评分标准特征对所述评分标准数据进行关键词分词，得到多个评分标准关键词；对所述多个评分标准关键词进行关键词向量转换，得到评分标准特征向量，并对所述目标潮湿状态评估结果进行评估指标向量转换，得到潮湿状态评估指标；对所述评分标准特征向量与所述潮湿状态评估指标进行欧式距离计算，得到目标欧式距离数据；根据所述目标欧式距离数据确定所述目标工厂对应的初始验厂报告。

14、结合第二方面，在本技术第二方面的第五种实现方式中，所述生成模块具体用于：对所述目标工厂进行历史验厂数据分析和历史环境监测，确定对应的历史验厂数据和历史环境数据；对所述历史验厂数据进行线性特征转换，得到多个历史验厂线性特征，并根据所述多个历史验厂线性特征计算协方差矩阵元素，并根据所述协方差矩阵元素构建协方差矩阵；根据所述协方差矩阵计算所述多个历史验厂线性特征之间的相关性，得到目标特征相关性；根据所述目标特征相关性，计算所述多个历史验厂线性特征对应的多个特征值；根据所述多个特征值生成对应的特征向量，并对所述特征向量进行主成分归一化，得到主成分验厂数据；对所述主成分验厂数据和所述历史环境数据进行特征组合，得到对应的验厂追溯信息。

15、结合第二方面，在本技术第二方面的第六种实现方式中，所述发送模块具体用于：对所述验厂追溯信息进行报告审核规则分析，得到第一报告审核规则；对所述第一报告审核规则进行规则校验，得到第二报告审核规则；根据所述第二报告审核规则对所述初始验厂报告进行异常项提取，得到至少一个报告异常项；对所述至少一个报告异常项进行报告更新，得到目标验厂报告，并将所述目标验厂报告发送至预置的用户终端。

16、本技术第三方面提供了一种验厂报告的生成设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述验厂报告的生成设备执行上述的验厂报告的生成方法。

17、本技术的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的验厂报告的生成方法。

18、本技术提供的技术方案中，通过对厂房区域进行精确的位置标定，结合区域参数集合，可以更准确地理解和分析各个厂房区域的特点和条件。利用动态识别和实时图像采集技术，能够实时捕捉厂房区域的当前状态，提供即时的数据支持。这不仅提高了数据采集的效率，还确保了信息的时效性和准确性。通过使用潮湿状态检测模型，结合多层卷积网络和线性运算层的处理，可以更准确地判断厂房区域的潮湿状况。有助于及时发现和解决潮湿问题，保障生产环境的质量和安全。结合历史验厂数据和环境监测数据进行分析，可以生成详细的验厂追溯信息。这有助于理解历史趋势和模式，为后续的改进措施和决策提供支持。自动化的报告生成和更新流程减少了人工干预，提高了报告制作的效率和准确性。同时，这也确保了验厂报告能够及时反映当前的工厂状况和历史变化。将最终的验厂报告发送至预置的用户终端，使得报告的共享和传输更加便捷。这种方法不仅方便了报告的查阅和存档，还有助于快速地传递重要信息给相关决策者，进而提高了验厂报告生成的准确率。