[發明專利]一種基于引導圖卷積神經網絡的輪胎質量預測方法及系統

有效

• 申請號: 202210498279.5
• 申請日: 2022-05-09
• 公開（公告）號: CN114881329B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 史玉良;譚國強;李建星;翟洪偉;王新軍;孔凡玉;李暉
• 申請（專利權）人: 山東大學;山東玲瓏輪胎股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/0639;G06N3/0464;G06N3/042;G06N3/084
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 王雪

本發明輪胎質量預測分析技術領域，提供了一種基于引導圖卷積神經網絡的輪胎質量預測方法及系統。該方法包括構建輪胎知識圖譜；基于輪胎知識圖譜，構建鄰接矩陣，采用嵌入向量進行鄰域信息嵌入表示學習，得到鄰域實體表示向量；基于所述鄰域實體表示向量，引入注意力機制學習輪胎知識圖譜中鄰域實體表示向量對輪胎產品質量的重要程度，結合引導圖卷積神經網絡，得到輪胎產品綜合表示向量；計算輪胎產品綜合表示向量與質檢標準的鄰域信息的注意力分數，以引導質檢標準的卷積和聚合，得到輪胎質檢標準的綜合表示向量；基于輪胎質檢標準的綜合表示向量，對待檢測樣本進行輪胎產品質量預測，得到輪胎質量預測結果，本發明實現了對輪胎質量的精準預測。

技術領域

本發明屬于輪胎質量預測分析技術領域，尤其涉及一種基于引導圖卷積神經網絡的輪胎質量預測方法及系統。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

輪胎企業輪胎生產中存在大量實體，涉及到密煉、壓出、貼合、裁斷、成型、硫化等多個流程，主要是生產過程中的多種生產機器與中間產品，且這些實體存在上下游關系，使得生產流程易于圖譜化。例如玲瓏輪胎的生產報告中包含了密煉、壓出、貼合、裁斷、成型、硫化等多個流程，涉及到密煉機、密煉生產的終煉膠、半制品機臺-裁斷機、半制品-覆膠簾子布、成型機、成型胎胚、硫化機、成品外胎、動平衡機、X光機等。生產流程被圖譜化后，生產流程圖譜的結構特點可以被深度學習的神經網絡所應用，指揮指導輪胎企業的生產，提高效率和產能。

在輪胎的生產過程中，質量檢測是非常重要的一環，劣質輪胎或是不合格輪胎的出廠不僅直接造成輪胎購買者的財產損失乃至影響輪胎使用者的生命安全，還會對輪胎生產方的形象造成惡劣的影響。對輪胎進行嚴格篩選是每個輪胎生產企業必要的環節。輪胎質量的合格與否牽扯到輪胎生產過程中的機器，工藝，原料，操作員，參數等多種因素。質檢員在檢測過程中也可能存在比通用標準更高的主觀檢測標準或者在高強度工作過程中存在疏漏。因此急需一種有效的輪胎質量預測方法，能夠自動對生產出的輪胎質量進行分析，進一步捕獲生產過程中的潛在問題，從而準確預測出相應的輪胎質量，這對輪胎生產效率的提升具有重要的意義。

人工智能、知識圖譜技術逐漸被應用到輪胎生產的各種場景和過程中。發明人發現這種方式通常停留在對生產過程中實體淺層特征的表示學習，而缺乏細粒度，深層次的結構挖掘，這種淺層的表示方法難以全面地表示輪胎在生產過程中與各實體和特征之間的結構與關系，因此輪胎質量預測的準確性還存在進一步提升的空間。

發明內容

為了解決上述背景技術中存在的技術問題，本發明提供一種基于引導圖卷積神經網絡的輪胎質量預測方法及系統，其對輪胎質量和生產過程中的各種因素的關系進行更深度的挖掘，從而更加完整地表示輪胎的質量，實現了輪胎質量的準確預測。

為了實現上述目的，本發明采用如下技術方案：

本發明的第一個方面提供一種基于引導圖卷積神經網絡的輪胎質量預測方法。

一種基于引導圖卷積神經網絡的輪胎質量預測方法，包括：

基于待檢測樣本，采用預測模型，得到輪胎質量預測結果；

所述預測模型預測的過程包括：構建輪胎知識圖譜；

確定輪胎產品表示向量和檢測標準表示向量；

基于輪胎知識圖譜，構建鄰接矩陣，采用嵌入向量進行鄰域信息嵌入表示學習，得到鄰域實體表示向量；

基于所述鄰域實體表示向量，引入注意力機制學習輪胎知識圖譜中鄰域實體表示向量對輪胎產品質量的重要程度，結合引導圖卷積神經網絡，得到輪胎產品綜合表示向量；

計算輪胎產品綜合表示向量與質檢標準的鄰域信息的注意力分數，以引導質檢標準的卷積和聚合，得到輪胎質檢標準的綜合表示向量；