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：杭州电子科技大学

摘要：本发明公开了一种基于生产数据的次品检测方法，方法基于互信息的逆置自编码高斯混合模型，使用生产数据来表征塑料制品的质量，次品的生产数据有别于正品的生产数据，将生产数据输入设计好的机器学习算法中，机器学习算法通过预处理生产数据以及对生产数据的特征的学习，通过生产数据识别出次品。本发明实现了非视觉的次品检测方法。该算法使用生产数据来表征产品的质量，首先利用互信息发现生产数据之间各个属性之间的相关性，并借此扩大次品生产数据的异常，然后通过逆置自编码器最大程度的保留信息，最后通过高斯混合模型来判断该产品是否是次品。

主权项：1.一种基于生产数据的次品检测方法，其特征在于，该方法基于互信息、逆置自编码器和高斯混合模型，使用生产数据来表征塑料制品的质量，次品的生产数据有别于正品的生产数据，将生产数据输入设计好的机器学习算法中，机器学习算法通过预处理生产数据以及对生产数据的特征的学习，根据生产数据识别出次品；包括：使用互信息来发现生产数据各个属性之间的相关性，并采用互信息对生产数据进行处理，扩大次品的特征；使用逆置的自编码器进行生产数据的重构，以减少生产数据的信息的损失；使用高斯混合模型来最终判断该生产数据对应的产品是否是次品；包括以下步骤：S1，计算生产数据各个属性之间的两两互信息，得到互信息矩阵；S2，利用互信息对生产数据进行变换处理，将异常点的属性的异常性传递给其他与之相关的属性，以扩大该点的异常程度，公式如下： 其中，X′表示变换处理后的数据，为原始生产数据，n为数据维度，Mij为互信息矩阵中的元素；S3，将处理后的数据集输入逆置自编码器，通过逆置自编码器的输出和输入得到重构误差；S4，将重构误差输入预测网络来预测高斯混合模型的三个参数，利用参数计算出每条生产数据的异常打分；S5，基于各点对应的标签和模型给出的异常打分，通过损失函数进行反向传播优化模型参数，通过若干次数的迭代，损失函数最后收敛，得到一个异常检测模型，实现对塑料制品的次品检测；所述将处理后的数据集输入逆置自编码器，通过逆置自编码器的输出和输入得到重构误差，包括：定义X′来表示采样的数据，定义Z来表示逆置编码器的编码结果，用FIE.:X′→Z来表示逆置编码器，用FID.:Z→X″来表示逆置解码器；对于给定的样本x′∈X′，编码器将其转换为编码结果z∈Z，然后解码器再重新将z映射到X″的空间：z＝FIEx′；θIE3x″＝FIDz；θID4E＝Dx′；x″5其中，θIE和θID分别表示逆置编码器FIE.和逆置解码器FID.的参数，在逆置自编码器中，z是FIE.的输出，且作为FID.的输入来重构数据，在测试阶段，对于每个给定的样本x′，使用距离度量标准D.来衡量重构数据的质量；E为重构误差；所述生产数据包括循环时间、关模时间、射出时间、转保压时间、转保压位置、转保压压力、储料时间、开模时间、射出起点、射出终点、射退时间、托模时间、开模位置和温度段数。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于生产数据的次品检测方法