[发明专利]一种基于大数据的注塑工业数据处理系统及方法

权利要求书

1.一种基于大数据的注塑工业数据处理系统，其特征在于，包括数据过程监测模块、数据终端监测模块和服务器；所述数据过程监测模块用于对注塑机过程数据进行检测处理，所述数据终端监测模块用于根据注塑机生产产品对注塑机数据进行监测处理；

数据终端监测模块根据注塑机生产产品对注塑机数据进行监测处理的方法包括：

步骤SA1：获取注塑机生产模型，根据获得的注塑机生产模型设置填数模型；

步骤SA2：设置标准比对条；

步骤SA3：实时获取注塑机生产产品图片，提取图片轮廓；

步骤SA4：根据图片轮廓设置轮廓比例系数，确定图片轮廓与标准比对条之间的比例，获得图片轮廓尺寸；

步骤SA5：将图片轮廓尺寸对应的输入到填数模型中，将填数模型标记为产品模型；

步骤SA6：将产品模型与注塑机生产模型进行对比，当产品模型与注塑机生产模型之间的尺寸差别大于允许误差时，生产终端报警信号；当产品模型与注塑机生产模型之间的尺寸差别不大于允许误差时，不进行操作；

步骤SA1中根据获得的注塑机生产模型设置填数模型的方法包括：

步骤SB1：定义模型关键线，模型关键线就是决定模型形状的边界线；

步骤SB2：将模型关键线定义和注塑机生产模型整合并标记为输入数据；获取整合模型；

步骤SB3：将输入数据输入至整合模型获取输出结果并标记为填数模型；

步骤SB2中获取整合模型的方法包括：

获取历史整合数据；所述历史整合数据包括模型关键线定义和注塑机生产模型；为历史整合数据设置对应的输出结果；输出结果就是由模型关键线组成的模型，且模型关键线的尺寸为待输入状态；

构建人工智能模型，人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；将历史整合数据和对应的输出结果按照设定比例划分为训练集、测试集和校验集；所述设定比例包括4：3：1、3：2：1和5：3：1；通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为整合模型；

所述服务器与注册登录模块通信连接；所述注册登录模块包括注册单元、登录单元和验证单元，注册单元用于用户注册公司信息，并将公司信息发送至储存模块进行储存；

登录单元用于用户登录在线平台；

验证单元用于验证用户登录账号与登录密码或者登录账号与验证码，当登录账号与登录密码不匹配时或者输入的验证码与发送的验证码不匹配时不予登录。

2.一种基于大数据的注塑工业数据处理方法，其特征在于，具体方法包括：

步骤一：用户进行注册登录；

步骤二：对注塑机过程数据进行检测；

实时获取注塑机的检测数据、工作时长和工作环境，整合并标记为输入数据；获取预测模型；将输入数据输入至预测模型获取输出结果并标记为预测标签，预测标签即为输入数据对应的状态标签；状态标签包括01、02和03，当状态标签为01时，表示注塑机运行正常，当状态标签为02时，表示注塑机发生数据故障，当状态标签为03时，表示注塑机发生设备故障；

步骤三：根据注塑机生产产品对注塑机数据进行监测处理；

获取注塑机生产模型，注塑机生产模型就是注塑机需要生产的产品的三维模型，根据获得的注塑机生产模型设置填数模型；设置标准比对条，标准比对条设置在注塑机产品出口处，用于与注塑机产品进行比对，确定注塑机产品尺寸；

实时获取注塑机生产产品图片，提取图片轮廓，根据图片轮廓设置轮廓比例系数，确定图片轮廓与标准比对条之间的比例，获得图片轮廓尺寸；

将图片轮廓尺寸对应的输入到填数模型中，将填数模型标记为产品模型；将产品模型与注塑机生产模型进行对比，当产品模型与注塑机生产模型之间的尺寸差别大于允许误差时，允许误差根据生产规范要求进行设置，生产终端报警信号；当产品模型与注塑机生产模型之间的尺寸差别不大于允许误差时，不进行操作；

根据获得的注塑机生产模型设置填数模型的方法包括：

定义模型关键线，模型关键线就是决定模型形状的边界线，将模型关键线定义和注塑机生产模型整合并标记为输入数据；获取整合模型；将输入数据输入至整合模型获取输出结果并标记为填数模型。