买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽力宇电脑设备制造有限责任公司

摘要：本发明公开了一种基于机器学习的喷绘机印刷质量评估方法及系统，方法包括：印刷品样本数据收集、数据预处理、印刷品质量分类、进行质量评估和实际应用。本发明属于质量检测技术领域，具体是指一种基于机器学习的喷绘机印刷质量评估方法及系统，本方案采用将预处理后的印刷品样本数据进行特征提取，计算目标函数，引入潜在特征子空间并分解投影矩阵，更新目标函数，通过模型迭代进行印刷品质量分类，使质量评估工作更系统、有序；采用计算基于相位同余的评估值和梯度幅度，反映印刷品的细节质量，计算相似性图的附加权重因子，衡量局部区域对整体质量评估的影响权重，计算印刷品样本质量指数的最终公式进行质量评估。

主权项：1.一种基于机器学习的喷绘机印刷质量评估方法，其特征在于：该方法包括以下步骤：步骤S1：印刷品样本数据收集；步骤S2：数据预处理；步骤S3：印刷品质量分类，具体为将预处理后的印刷品样本数据进行特征提取，计算目标函数，引入潜在特征子空间并分解投影矩阵，更新目标函数，通过模型迭代进行印刷品质量分类；步骤S4：进行质量评估，具体为计算基于相位同余的评估值和梯度幅度，反映印刷品的细节质量，计算相似性图的附加权重因子，衡量局部区域对整体质量评估的影响权重，计算印刷品样本质量指数的最终公式进行质量评估；步骤S5：实际应用，具体为进行印刷生产监控和印刷工艺优化；在步骤S3中，所述印刷品质量分类，包括以下步骤：步骤S31：针对印刷品样本数据进行特征提取，从印刷品样本数据中提取与质量评估相关的各种特征，所述特征包括颜色特征、图文清晰度特征、网点特征、表面平整度特征；步骤S32：计算目标函数，将提取的印刷品样本数据特征整合到数据矩阵中，所用公式如下： ；式中，是目标函数，用于衡量通过线性投影后，数据点和监督信息的差异程度，通过调整W最小化目标函数，达到更好地数据分类效果，Y表示监督信息，代表了分类标准，W表示线性投影，用于最小化投影点和监督信息之间的差异，所述投影点是对印刷品样本数据进行线性投影操作后得到的点，所述监督信息用于更好地对新的样本进行分类和评估，表示弗罗贝尼乌斯范数的平方，X表示输入的印刷品样本数据特征的矩阵形式，T表示矩阵的转置操作；步骤S33：引入潜在特征子空间，将投影矩阵W分解为两个矩阵P和Q的乘积，不局限于固定的维度进行投影，在特征提取过程中保留更多关键信息；步骤S34：计算更新后的目标函数，所用公式如下： ；式中，表示更新后的目标函数；步骤S35：进行模型迭代，分析在每次迭代中获得的线性投影，通过交替迭代收敛到局部最优解，所用公式如下： ； ； ； ；式中，表示第i次迭代得到的线性投影矩阵，表示表达式取最大值时对应的参数，Tr表示矩阵的迹，表示类内散布矩阵，用于表示同一类别数据的相似性和聚集程度，表示类间散布矩阵，用于表示不同类别之间的差异和分离程度，表示第i次迭代得到的另一个线性投影矩阵，表示迭代矩阵。

全文数据：

权利要求：

百度查询： 安徽力宇电脑设备制造有限责任公司 一种基于机器学习的喷绘机印刷质量评估方法及系统