[发明专利]一种基于引导图卷积神经网络的轮胎质量预测方法及系统

说明书

本发明轮胎质量预测分析技术领域，提供了一种基于引导图卷积神经网络的轮胎质量预测方法及系统。该方法包括构建轮胎知识图谱；基于轮胎知识图谱，构建邻接矩阵，采用嵌入向量进行邻域信息嵌入表示学习，得到邻域实体表示向量；基于所述邻域实体表示向量，引入注意力机制学习轮胎知识图谱中邻域实体表示向量对轮胎产品质量的重要程度，结合引导图卷积神经网络，得到轮胎产品综合表示向量；计算轮胎产品综合表示向量与质检标准的邻域信息的注意力分数，以引导质检标准的卷积和聚合，得到轮胎质检标准的综合表示向量；基于轮胎质检标准的综合表示向量，对待检测样本进行轮胎产品质量预测，得到轮胎质量预测结果，本发明实现了对轮胎质量的精准预测。

技术领域

本发明属于轮胎质量预测分析技术领域，尤其涉及一种基于引导图卷积神经网络的轮胎质量预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

轮胎企业轮胎生产中存在大量实体，涉及到密炼、压出、贴合、裁断、成型、硫化等多个流程，主要是生产过程中的多种生产机器与中间产品，且这些实体存在上下游关系，使得生产流程易于图谱化。例如玲珑轮胎的生产报告中包含了密炼、压出、贴合、裁断、成型、硫化等多个流程，涉及到密炼机、密炼生产的终炼胶、半制品机台-裁断机、半制品-覆胶帘子布、成型机、成型胎胚、硫化机、成品外胎、动平衡机、X光机等。生产流程被图谱化后，生产流程图谱的结构特点可以被深度学习的神经网络所应用，指挥指导轮胎企业的生产，提高效率和产能。

在轮胎的生产过程中，质量检测是非常重要的一环，劣质轮胎或是不合格轮胎的出厂不仅直接造成轮胎购买者的财产损失乃至影响轮胎使用者的生命安全，还会对轮胎生产方的形象造成恶劣的影响。对轮胎进行严格筛选是每个轮胎生产企业必要的环节。轮胎质量的合格与否牵扯到轮胎生产过程中的机器，工艺，原料，操作员，参数等多种因素。质检员在检测过程中也可能存在比通用标准更高的主观检测标准或者在高强度工作过程中存在疏漏。因此急需一种有效的轮胎质量预测方法，能够自动对生产出的轮胎质量进行分析，进一步捕获生产过程中的潜在问题，从而准确预测出相应的轮胎质量，这对轮胎生产效率的提升具有重要的意义。

人工智能、知识图谱技术逐渐被应用到轮胎生产的各种场景和过程中。发明人发现这种方式通常停留在对生产过程中实体浅层特征的表示学习，而缺乏细粒度，深层次的结构挖掘，这种浅层的表示方法难以全面地表示轮胎在生产过程中与各实体和特征之间的结构与关系，因此轮胎质量预测的准确性还存在进一步提升的空间。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种基于引导图卷积神经网络的轮胎质量预测方法及系统，其对轮胎质量和生产过程中的各种因素的关系进行更深度的挖掘，从而更加完整地表示轮胎的质量，实现了轮胎质量的准确预测。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于引导图卷积神经网络的轮胎质量预测方法。

一种基于引导图卷积神经网络的轮胎质量预测方法，包括：

基于待检测样本，采用预测模型，得到轮胎质量预测结果；

所述预测模型预测的过程包括：构建轮胎知识图谱；

确定轮胎产品表示向量和检测标准表示向量；

基于轮胎知识图谱，构建邻接矩阵，采用嵌入向量进行邻域信息嵌入表示学习，得到邻域实体表示向量；

基于所述邻域实体表示向量，引入注意力机制学习轮胎知识图谱中邻域实体表示向量对轮胎产品质量的重要程度，结合引导图卷积神经网络，得到轮胎产品综合表示向量；

计算轮胎产品综合表示向量与质检标准的邻域信息的注意力分数，以引导质检标准的卷积和聚合，得到轮胎质检标准的综合表示向量；