【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种基于深度学习的矿灯生产管控方法及相关设备。
技术介绍
1、随着社会经济的飞速发展，对能源的需求越来越大。随着矿灯生产企业的发展，矿灯作为煤矿等地下作业环境中矿工的重要照明工具远销世界各地。矿灯的质量和性能直接关系到矿工的安全和生产效率，使得对矿灯的生产管控进行现代化的管理已成为必然要求。
2、然而，现有的矿灯生产管控方法主要依赖于人工监控和简单的自动化设备，存在生产效率低、质量不稳定等问题。
技术实现思路
1、本专利技术的主要目的在于提供了一种基于深度学习的矿灯生产管控方法及相关设备，旨在解决现有技术中的矿灯生产管控方法主要依赖于人工监控和简单的自动化设备，存在生产效率低、质量不稳定的技术问题。
2、为实现上述目的，本专利技术提供一种基于深度学习的矿灯生产管控方法，该方法包括：
3、在目标矿灯的生产过程中，基于预设的传感器采集矿灯生产环境内的参数数据；
4、对所述参数数据进行预处理，得到对应的目标参数数据；
5、调用预设的质量预测模型；其中，所述质量预测模型为基于预先构建的样本数据对预设的深度学习模型进行训练后生成的模型；
6、基于所述质量预测模型对所述目标参数数据进行预测处理，得到与所述目标矿灯对应的质量预测结果；
7、判断所述质量预测结果是否为低质量；
8、若是，基于预设的参数调整策略对所述参数数据进行对应的调整处理。
9、可选地，所述
10、获取与矿灯成品对应的生产参数数据，以及获取与所述矿灯成品对应的历史质量检测数据；
11、基于所述生产参数数据与所述历史质量检测数据构建对应的样本数据；
12、将所述样本数据划分为训练数据集与验证数据集；
13、使用所述训练数据集对所述深度学习模型进行训练，得到对应的第一模型；
14、基于所述验证数据集对所述第一模型进行性能评估，得到符合预设的性能条件的第二模型；
15、将所述第二模型作为所述质量预测模型。
16、可选地，所述基于预设的参数调整策略对所述参数数据进行对应的调整处理，包括：
17、获取各个所述参数数据与所述质量预测结果之间的相关性结果；
18、基于所述相关性结果从所有所述参数数据中筛选出关键参数；
19、获取与所述关键参数对应的指定参数调整策略；
20、基于所述指定参数调整策略对所述关键参数进行对应的调整处理。
21、可选地，所述获取各个所述参数数据与所述质量预测结果之间的相关性结果，包括：
22、获取预设的多种统计算法；
23、从所有所述统计算法中筛选出目标统计算法；
24、基于所述目标统计算法计算指定参数数据与所述质量预测结果之间的相关性分数；其中，所述指定参数数据为所有所述参数数据中的任意一个参数；
25、将所述相关性分数作为所述指定参数数据与所述质量预测结果之间的指定相关性结果。
26、可选地，所述对所述参数数据进行预处理，得到对应的目标参数数据，包括：
27、对所述参数数据进行数据清洗处理，得到对应的第一参数数据；
28、对所述第一参数数据进行数据归一化处理，得到对应的第二参数数据；
29、对所述第二参数数据进行格式转换处理，得到对应的第三参数数据；
30、将所述第三参数数据作为所述目标参数数据。
31、可选地，所述对所述参数数据进行预处理，得到对应的目标参数数据之后，所述方法还包括：
32、调用预设的数据缓存区；
33、获取预设的数据传输策略；
34、基于所述数据传输策略，将所述目标参数数据存储至所述数据缓存区内。
35、可选地，所述基于预设的参数调整策略对所述参数数据进行对应的调整处理之后，所述方法还包括：
36、将所述质量预测结果展示至预设的监控屏幕上；
37、基于所述质量预测结果生成对应的预警信息；
38、获取相关人员的通讯信息；
39、基于所述通讯信息，将所述预警信息发送给所述相关人员。
40、此外，为实现上述目的，本专利技术还提供一种基于深度学习的矿灯生产管控装置，所述基于深度学习的矿灯生产管控装置包括：
41、采集模块，用于在目标矿灯的生产过程中，基于预设的传感器采集矿灯生产环境内的参数数据；
42、预处理模块，用于对所述参数数据进行预处理，得到对应的目标参数数据；
43、第一调用模块，用于调用预设的质量预测模型；其中，所述质量预测模型为基于预先构建的样本数据对预设的深度学习模型进行训练后生成的模型；
44、预测模块，用于基于所述质量预测模型对所述目标参数数据进行预测处理，得到与所述目标矿灯对应的质量预测结果；
45、判断模块，用于判断所述质量预测结果是否为低质量；
46、调整模块，用于若是，基于预设的参数调整策略对所述参数数据进行对应的调整处理。
47、为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
48、所述计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现本申请实施例中提出的任一项所述的基于深度学习的矿灯生产管控方法的步骤。
49、为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
50、所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例中提出的任一项所述的基于深度学习的矿灯生产管控方法的步骤。
51、与现有技术相比，本申请实施例主要有以下有益效果：
52、本专利技术提供了一种基于深度学习的矿灯生产管控方法及相关设备，上述方法包括：在目标矿灯的生产过程中，首先基于预设的传感器采集矿灯生产环境内的参数数据；并对所述参数数据进行预处理，得到对应的目标参数数据；然后调用预设的质量预测模型；其中，所述质量预测模型为基于预先构建的样本数据对预设的深度学习模型进行训练后生成的模型；之后基于所述质量预测模型对所述目标参数数据进行预测处理，得到与所述目标矿灯对应的质量预测结果；后续判断所述质量预测结果是否为低质量；若是，基于预设的参数调整策略对所述参数数据进行对应的调整处理。本专利技术通过在目标矿灯的生产过程中，基于预设的传感器的使用采集矿灯生产环境内的参数数据，并对参数数据进行预处理得到对应的目标参数数据，然后基于质量预测模型的使用对目标参数数据进行预测处理，得到与目标矿灯对应的质量预测结果，从而自动准确地实现了对于矿灯生产质量的实时预测和监控。并在检测出质量预测结果为低质量时，会基于参数调整策略的使用对参数数据进行本文档来自技高网...
【技术保护点】
1.一种基于深度学习的矿灯生产管控方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述调用预设的质量预测模型之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述基于预设的参数调整策略对所述参数数据进行对应的调整处理，包括：
4.根据权利要求3所述的方法，其特征在于，所述获取各个所述参数数据与所述质量预测结果之间的相关性结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述参数数据进行预处理，得到对应的目标参数数据，包括：
6.根据权利要求1所述的方法，其特征在于，所述对所述参数数据进行预处理，得到对应的目标参数数据之后，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，所述基于预设的参数调整策略对所述参数数据进行对应的调整处理之后，所述方法还包括：
8.一种基于深度学习的矿灯生产管控装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于深度学习的矿灯生产管控方法的步骤。
...【技术特征摘要】
1.一种基于深度学习的矿灯生产管控方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述调用预设的质量预测模型之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述基于预设的参数调整策略对所述参数数据进行对应的调整处理，包括：
4.根据权利要求3所述的方法，其特征在于，所述获取各个所述参数数据与所述质量预测结果之间的相关性结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述参数数据进行预处理，得到对应的目标参数数据，包括：
6.根据权利要求1所述的方法，其特征在于，所述对所述参数数据进行预处理，得到对应的目标参数数...
【专利技术属性】
技术研发人员：丁柏平，杨锋，黄阳彪，龚政，
申请(专利权)人：深圳市中孚能电气设备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。